【技术实现步骤摘要】
本申请涉及图像处理领域，尤其涉及一种视差估计模型的训练方法、图像处理方法及其相关设备。
技术介绍
1、随着电子设备的广泛使用，电子设备上集成的摄像头越来越多，多个摄像头可以满足用户在多种拍摄场景的需求。以电子设备为手机为例，电子设备可以通过双摄像头来获取一帧拍摄图像。
2、现有技术中，基于双摄像头采集的两帧图像获取拍摄图像时，电子设备可以利用双目深度网络结合双目立体视觉原理先确定出该两帧图像中对应同一目标的视差，再基于该视差进行处理从而得到拍摄图像；但是，针对具有重复纹理或者运动幅度较大的图像，上述方法存在确定出的视差与实际视差误差较大的问题。
3、因此，亟待一种新的方法，来有效提高获取的视差的准确度，进而提高获取的拍摄图像的质量。
技术实现思路
1、本申请提供一种视差估计模型的训练方法、图像处理方法及其相关设备，可以提高视差的准确度，进而提高利用视差获取的拍摄图像的质量。
2、为达到上述目的，本申请采用如下技术方案：
3、第一方面，提供一种...
【技术保护点】
1.一种视差估计模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的训练方法，其特征在于，所述视差估计模型包括第一卷积网络模型、第二卷积网络模型、相关性搜索模块和融合模型；
3.根据权利要求2所述的训练方法，其特征在于，所述相关性搜索模块用于将所述第一组多尺度特征图像和所述第二组多尺度特征图像中，属于同一分辨率的第一训练特征图像和所述第二训练特征图像，结合所述相机参数进行预设映射区域内的相关性搜索，得到对应同一分辨率的第三训练特征图像；
4.根据权利要求1至3中任一项所述的训练方法，其特征在于，所述视差估计模型的参数是根据所...
【技术特征摘要】
1.一种视差估计模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的训练方法，其特征在于，所述视差估计模型包括第一卷积网络模型、第二卷积网络模型、相关性搜索模块和融合模型；
3.根据权利要求2所述的训练方法，其特征在于，所述相关性搜索模块用于将所述第一组多尺度特征图像和所述第二组多尺度特征图像中，属于同一分辨率的第一训练特征图像和所述第二训练特征图像，结合所述相机参数进行预设映射区域内的相关性搜索，得到对应同一分辨率的第三训练特征图像；
4.根据权利要求1至3中任一项所述的训练方法，其特征在于，所述视差估计模型的参数是根据所述视差训练图像与视差真值图像之间的差异，结合具有对极约束的视差，通过反向传输算法进行迭代得到的；所述视差真值图像用于指示所述第一训练图像和所述第二训练图像之间的真实视差。
5.根据权利要求1至4中任一项所述的训练方法，其特征在于，所述第一训练图像和所述第二训练图像的分辨率相同。
6.根据权利要求2至5中任一项所述的训练方法，其特征在于，所述第一组多尺度特征图像包括的多个第一训练特征图像的分辨率按倍率逐渐变小；所述第二组多尺度特征图像包括的多个第二训练特征图像的分辨率按倍率逐渐变小。
7.根据权利要求2至6中任一项所述的训练方法，其特征在于，所述第一组多尺度特征图像包括与所述第一训练图像分辨率相同的第...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。