基于改进卷积神经网络的稠密视差图提取方法

针对现有的卷积神经网络方法所生成的视差图中细节损失严重的问题, 提出了在结构上改进的新方法。将原有网络中特征提取部分的4层卷积结构提升到7层, 最大化提高了精度; 在网络中引入了双金字塔结构, 将多尺度降采样信息和特征信息进行了融合, 保持了输入图像中的原始细节信息。实验结果表明, 改进后网络的错误率从3.029%降到了2.795%, 生成的视差图具有更好的连通性。