基于多尺度卷积神经网络的立体匹配方法

为充分利用图像的特征信息,提出一种改进的卷积神经网络(CNN)方法来匹配图像。网络训练阶段,在结构上改用多分支和不同尺寸卷积核,实现图像多尺度信息的提取与融合,使计算的图像块相似度更可靠。视差计算阶段,将网络模型用于度量图像对的匹配程度,利用该相似度初始化匹配代价,通过交叉代价聚合和优化策略获取粗糙的视差图,对视差图精细化处理。实验结果表明,该方法在Middlebury测试集上能获取更精确的视差。