基于CNN特征提取和加權(quán)深度遷移的單目圖像深度估計

摘要：單目圖像的深度估計可以從相似圖像及其對應(yīng)的深度信息中獲得。然而,圖像匹配歧義和估計深度的不均勻性問題制約了這類算法的性能。為此,提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)特征提取和加權(quán)深度遷移的單目圖像深度估計算法。首先提取CNN特征計算輸入圖像在數(shù)據(jù)集中的近鄰圖像;然后獲得各候選近鄰圖像和輸入圖像間的像素級稠密空間形變函數(shù);再將形變函數(shù)遷移至候選深度圖像集,同時引入基于SIFT的遷移權(quán)重SSW,并通過對加權(quán)遷移后的候選深度圖進行優(yōu)化獲得最終的深度信息。實驗結(jié)果表明,該方法顯著降低了估計深度圖的平均誤差,改善了深度估計的質(zhì)量。