为了提升弱纹理区域无监督多视图深度估计性能,文中提出一种基于邻域自适应无监督多视图深度估计算法。算法采用双分支结构,深度估计分支首先采用邻域自适应深度分布方法改善弱纹理区域深度分布;其次采用深度变化概率引导的深度假设范...为了提升弱纹理区域无监督多视图深度估计性能,文中提出一种基于邻域自适应无监督多视图深度估计算法。算法采用双分支结构,深度估计分支首先采用邻域自适应深度分布方法改善弱纹理区域深度分布;其次采用深度变化概率引导的深度假设范围细化后续阶段深度估计。为了提高对场景边缘的识别,采用基于标准差的深度平滑约束。神经渲染分支用于提高深度估计能力,为了增强与深度估计分支间的几何一致性,采用融合图像颜色与深度信息的采样方法。由实验结果可知,该算法在DTU数据集测试完整度误差和整体精度误差优于其他无监督算法,且完整度误差比DS⁃MVSNet减小16.71%。可视化结果表明,针对弱纹理区域深度估计性能提升明显。在Tanks and Temples数据集上进行泛化性验证,整体性能(Mean)为56.22,证明了所提算法的有效性。展开更多
针对非圆信号测向,为了改善低信噪比时的测向性能,提出了一种基于滤波预处理和矩阵重构的测向新方法。首先,基于均值滤波提出一种平滑预处理方法,能够有效平滑低信噪比情况下的噪声成分,改善信噪比条件。然后,进一步利用信号非圆特性实...针对非圆信号测向,为了改善低信噪比时的测向性能,提出了一种基于滤波预处理和矩阵重构的测向新方法。首先,基于均值滤波提出一种平滑预处理方法,能够有效平滑低信噪比情况下的噪声成分,改善信噪比条件。然后,进一步利用信号非圆特性实现阵列扩展和矩阵重构,避免了非圆相位估计,有效降低了参数估计维度。最后,利用ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法进行测向估计。理论分析和仿真验证结果表明,所提方法估计过程简单,计算复杂度低,能够有效改善低信噪比时的测向性能,在低信噪比时相对已有方法具有更高的估计精度和估计成功概率。展开更多
文摘为了提升弱纹理区域无监督多视图深度估计性能,文中提出一种基于邻域自适应无监督多视图深度估计算法。算法采用双分支结构,深度估计分支首先采用邻域自适应深度分布方法改善弱纹理区域深度分布;其次采用深度变化概率引导的深度假设范围细化后续阶段深度估计。为了提高对场景边缘的识别,采用基于标准差的深度平滑约束。神经渲染分支用于提高深度估计能力,为了增强与深度估计分支间的几何一致性,采用融合图像颜色与深度信息的采样方法。由实验结果可知,该算法在DTU数据集测试完整度误差和整体精度误差优于其他无监督算法,且完整度误差比DS⁃MVSNet减小16.71%。可视化结果表明,针对弱纹理区域深度估计性能提升明显。在Tanks and Temples数据集上进行泛化性验证,整体性能(Mean)为56.22,证明了所提算法的有效性。
文摘针对非圆信号测向,为了改善低信噪比时的测向性能,提出了一种基于滤波预处理和矩阵重构的测向新方法。首先,基于均值滤波提出一种平滑预处理方法,能够有效平滑低信噪比情况下的噪声成分,改善信噪比条件。然后,进一步利用信号非圆特性实现阵列扩展和矩阵重构,避免了非圆相位估计,有效降低了参数估计维度。最后,利用ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法进行测向估计。理论分析和仿真验证结果表明,所提方法估计过程简单,计算复杂度低,能够有效改善低信噪比时的测向性能,在低信噪比时相对已有方法具有更高的估计精度和估计成功概率。
