[发明专利]单目图像的深度恢复方法及装置、计算机设备

权利要求书

1.一种单目图像的深度恢复方法，其特征在于，所述方法包括：

对所述单目图像进行特征提取，得到所述单目图像的特征图像，所述特征图像包括场景结构信息和深度尺寸信息；

对所述特征图像进行解耦，得到所述特征图像的场景结构图，所述场景结构图包括所述场景结构信息，所述场景结构信息包括所述单目图像中各个物体的结构信息以及物体之间的相对位置关系；

将所述特征图像和所述场景结构图进行梯度感知处理，得到区域增强的特征图像；

根据所述区域增强的特征图像进行深度估计，得到所述单目图像的深度图像。

2.根据权利要求1所述的方法，其特征在于，所述对所述单目图像进行特征提取，得到所述单目图像的特征图像，包括：

将所述单目图像输入第一神经网络进行特征提取，得到所述单目图像的特征图像。

3.根据权利要求2所述的方法，其特征在于，所述第一神经网络执行的特征提取，包括：

对所述单目图像进行多尺度特征提取，得到所述单目图像的多尺度特征信息；

对所述多尺度特征信息进行残差调整，得到调整后的多尺度特征信息；

对所述调整后的多尺度特征信息进行特征融合，得到所述特征图像。

4.根据权利要求1所述的方法，其特征在于，所述对所述特征图像进行解耦，得到所述特征图像的场景结构图，包括：

将所述特征图像输入第二神经网络进行解耦，得到所述特征图像的场景结构图。

5.根据权利要求4所述的方法，其特征在于，在将所述特征图像输入第二神经网络之前，还包括：

预先建立所述第二神经网络，其中，所述第二神经网络至少包括一卷积层和一线性整流函数。

6.根据权利要求1所述的方法，其特征在于，所述将所述特征图像和所述场景结构图进行梯度感知处理，得到区域增强的特征图像，包括：

将所述特征图像和所述场景结构图输入第三神经网络进行梯度感知处理，得到区域增强的特征图像。

7.根据权利要求6所述的方法，其特征在于，所述第三神经网络执行的梯度感知处理，包括：

根据所述场景结构图得到所述场景结构图的实际梯度图像；

根据所述特征图像得到所述特征图像对应的预测梯度图像；

根据所述实际梯度图像和所述预测梯度图像进行相似度分析，得到掩模；

将所述掩模和所述特征图像进行残差滤波处理，得到区域增强的特征图像。

8.根据权利要求7所述的方法，其特征在于，所述根据所述实际梯度图像和所述预测梯度图像进行相似度分析，得到掩模，包括：

计算所述实际梯度图像和所述预测梯度图像之间的相似度；

将相似度大于预设阈值的实际梯度图像作为所述掩模。

9.根据权利要求7所述的方法，其特征在于，所述将所述掩模和所述特征图像进行残差滤波处理，包括：

计算所述掩模和所述特征图像的乘积，得到融合图像；

将所述融合图像进行预处理，得到预处理后的图像，其中所述预处理依次包括：卷积计算、线性整流计算、卷积计算；

将所述特征图像和所述预处理后的图像进行叠加，得到区域增强的特征图像。

10.根据权利要求1所述的方法，其特征在于，所述根据所述区域增强的特征图像进行深度估计，得到所述单目图像的深度图像，包括：

对所述区域增强的特征图像进行卷积计算，得到所述单目图像的深度图像。