融合视觉注意力的粉尘图像深度估计

摘要

【目的】与雾霾不同，粉尘分布常是非均匀的和局部的，其对光线的散射与吸收缺乏有效的模型描述，这给依赖图像特征的深度估计造成了严重影响。针对这一问题，提出了一种融合视觉注意力的粉尘图像深度估计方法。【方法】在该方法中，构建了粉尘在图像中的分布模型，并据此设计了视觉注意力网络模块，用于得到粉尘区域的注意力图，从而引导深度估计网络加强对粉尘区域的图像深度特征提取。此外，为了提升粉尘图像的深度特征提取能力，设计了一个多尺度特征提取模块。将以上模块加入到生成对抗网络框架中，并结合面向粉尘图像深度估计目标设计的损失函数，实现了单幅粉尘图像的深度估计。【结果】在NYU Depth v2数据集上实验的结果表明，本方法取得的平均相对误差、对数平均误差、均方根误差分别为0.189、0.052和0.508，比目前一些先进算法对粉尘图像的深度估计更为准确；在真实数据上的对比实验也验证了本方法具有更优的泛化能力。

关键词

深度估计 / 粉尘图像 / 注意力图

基金资助

山西省自然科学基金（201801D121142）; 山西省回国留学人员科研资助项目