用于智能泵腔体内窥镜图像的深度信息恢复方法发明专利.docxVIP

用于智能泵腔体内窥镜图像的深度信息恢复方法 技术领域 本发明属于计算机图像处理技术领域，具体地说，是一种用于智能泵腔体内窥镜图像的深度信息恢复方法。 背景技术 智能泵的泵内部零件多且精细，基于此，人眼无法完整的观察到泵内部的零件具体情况，无法准确探查泵里面具体部位的缺陷以及瑕疵，开裂，焊缝不完整及腐蚀生锈等。基于此利用机器代替人眼来进行泵内零件的检测以及泵内管道的探查变的极为重要。但是由于泵内狭小，光照无法准确探测到每一个具体位置，故利用相机采集到的图片存在模糊，清晰度低以及图片不够完整等现象，所以利用单目图像深度信息进行图片信息恢复显得极为重要。 单目图像深度信息恢复最初是借助于图像分类模型的方法，然而过于反复的最大池化层和卷积层使得图像的特征图不断减小，因此很难准确的估计每一个像素的深度值，因此为了恢复特征图，部分学者提出可以应用具有细化卷积层的多尺度结构或多层反卷积的网络进行特征映射，使得生成的特征图与原图大小一致。但是上述方法的缺点也显而易见，由于神经网络模型的增大而导致需要更大的算力资源，很难在实际应用场景中得到实验室中的理想结果。 基于DNN的模型结构，Wen等人提出了一种结构化稀疏的学习方法(StructuredSparsityLearning,SSL)，SSL可以在大型的DNN模型中得到其具有压缩性质的稀疏网络结构，以降低本身DNN模型训练的成本和所需资源的大小。H