一种改进的级联结构多视角立体重建方法技术

本发明专利技术公开了一种改进的级联结构多视角立体重建方法，步骤为：使用U

【技术实现步骤摘要】
一种改进的级联结构多视角立体重建方法


[0001]本专利技术属于图像处理的
，尤其涉及一种改进的级联结构多视角立体重建方法。

技术介绍

[0002]多视图立体(Multi
‑
view Stereo，MVS)是一种利用一组已知摄像机参数的图像恢复出图像内场景的3D模型的重建方法。传统的算法通常利用多个视图之间的投影关系通过公式来计算出对应的点并恢复场景信息。虽然这些方法在理想的朗伯场景下取得了很好的效果，但是在纹理匮乏、纹理重复或者光照变化的情况下经常无法得到令人满意的重建结果。近年来，深度学习技术在计算机视觉领域发展迅速，激发了人们对改善重建结构的兴趣，衍生出的基于学习的多视图重建方法通常利用卷积神经网络，从输入的图像中提取深度图像特征，并结合全局语义信息，如镜面反射和反射先验，以获得鲁棒的特征匹配，这些方法不仅提升了重建的速度，在重建结果的完整性上获得了与传统方法相比更好的表现。最近的MVSNet及后续的工作将所有视图的深度特征映射到一个代价体中，通过多尺度的3D卷积神经网络对代价体进行调整，估计出参考图像的深度图。然本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进的级联结构多视角立体重建方法，其特征在于，包括以下步骤：步骤1：使用U
‑
shape网络结构对原图进行特征提取；步骤2：引入CBAM对最顶层经过2D U
‑
shape特征提取模块提取到的特征图进行进一步处理；步骤3：将提取到的特征输入到通道注意力模块中，先将维度为H
×
W
×
C的特征图在空间维度上进行压缩，分别经过全局最大池化和全局平均池化得到两个1
×1×
C的一维矢量，然后将他们分别送入到一个共享的两层神经网络中；再将其输出的特征逐元素求和合并后经过一个sigmoid激活函数得到权重系数，最后用权重系数与原来的特征相乘，即可得到新的特征；步骤4：通过代价体分离融合器将每层生成的代价体进行分离并且将其融合到下一层中，使小尺度的代价体信息融合进下一层的代价体中，提高深度图的估计质量。2.如权利要求1所述的改进的级联结构多视角立体重建方法，其特征在于，所述步骤2中的CB...

【专利技术属性】
技术研发人员：刘万军，王俊恺，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：