[发明专利]一种基于混合型卷积神经网络的光场图像深度估计方法

摘要

本发明公开了一种基于混合型卷积神经网络的光场图像深度估计方法。本发明包括训练数据集的构建、卷积神经网络模型的训练、生成光场图像的深度估计图。本发明将光场深度计算问题转换为分类问题，有效利用局部区域像素深度之间的联系；光场数据由四维参数表示；本发明利用光场图像的EPI图像中直线斜率与场景深度成比例关系，将EPI图像作为一个媒介，把四维光场图像映射到二维图像中。通过提取光场图像中心视角图像中像素点所对应的EPI块区域，采用极线图块区域对的方式，构建了一种新型光场图像深度估计的训练数据集。本发明利用了深度学习在特征抽象化方面的优势，其深度估计的准确性和稳定性比一般的传统方法更有优势。

主权项

一种基于混合型卷积神经网络的光场图像深度估计方法，其特征在于包括如下步骤：步骤1.提取极线图：针对光场图像数据集中的光场图片，以中心视角图像每一行与每一列所对应的垂直方向和水平方向进行极线图提取；步骤2.生成极线图块区域对：提取极线图每个像素所对应的水平方向和垂直方向的极线图块，并以水平方向和垂直方向为一组，生成极线图块区域对；步骤3.构建训练数据：对中心视角图像进行边缘检测，将纹理不清晰的像素点区域所对应的极线块区域对，视为无效数据并从数据集中去除，为了得到更好的训练效果，将数据集内的特征数据进行平衡化处理，使每个特征的数量在误差范围内相同，构建最终的训练数据集；步骤4.神经网络模型训练：构建混合型卷积神经网络，利用已经构建好的数据集对混合型卷积神经网络进行训练，生成模型文件。