典型文献
基于立体像对数据集的非对称离焦数据集构建
文献摘要：
左右图像非对称离焦模糊会导致双目立体视觉系统的立体匹配失败.为训练能够应对图像模糊的神经网络,基于归一化模糊度(NBL)的分层景深叠加算法,以FlyingThings-Stereo立体像对数据集为例,添加随景物深度变化的模糊,构建非对称离焦立体视觉数据集.新建的数据集提供非对称离焦的立体像对,可用于训练去模糊网络或立体匹配网络.在训练去模糊网络时,分别向网络的输入和输出端提供模糊和清晰的立体像对;在训练立体匹配网络时,向网络的输入和输出端提供模糊的立体像对和视差真值.利用虚拟合成和实景拍摄数据对训练后的网络进行验证,结果表明本数据集可以有效训练去模糊和立体匹配神经网络,使其具备应对离焦模糊的能力,实现图像去模糊和基于模糊图像的立体匹配.
文献关键词：
机器视觉;图像处理;非对称离焦;去模糊;数据集;立体匹配
中图分类号：
作者姓名：
李云鹏;葛宝臻;田庆国;吕且妮
作者机构：
天津大学精密仪器与光电子工程学院,天津300072;天津大学光电信息技术教育部重点实验室,天津300072
文献出处：
引用格式：
[1]李云鹏;葛宝臻;田庆国;吕且妮-.基于立体像对数据集的非对称离焦数据集构建)[J].光学学报,2022(14):130-138
A类：
非对称离焦,FlyingThings,景物深度
B类：
立体像对,数据集构建,右图,双目立体视觉系统,模糊度,NBL,景深,叠加算法,Stereo,集为,深度变化,立体匹配网络,输出端,视差,真值,实景拍摄,有效训练,图像去模糊,模糊图像,机器视觉
AB值：
0.226186
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
