卫星影像中卷积神经网络与Census立体匹配代价的比较
计算机视觉与模式识别
2019-05-23 v1
摘要
立体稠密影像匹配根据其匹配代价度量可分为基于低层特征的匹配和基于深层特征的匹配。Census已被证明是最有效的基于低层特征的匹配方法之一，而快速卷积神经网络（fst-CNN）作为一种基于深层特征的方法，计算时间短且对卫星影像具有鲁棒性。因此，对fst-CNN与census进行比较对于立体稠密影像匹配的进一步研究至关重要。本文使用fst-CNN和census的代价函数进行立体匹配，然后利用半全局匹配方法获得优化后的视差图。这些视差图用于生成数字表面模型并与地面真值点进行比较。结果表明，fst-CNN在绝对匹配精度、误差分布直方图和匹配完整度方面优于census，但这两种算法的性能仍在同一数量级上。
引用
@article{arxiv.1905.09147,
title = {A Comparison of Stereo-Matching Cost between Convolutional Neural Network and Census for Satellite Images},
author = {Bihe Chen and Rongjun Qin and Xu Huang and Shuang Song and Xiaohu Lu},
journal= {arXiv preprint arXiv:1905.09147},
year = {2019}
}