基于交叉贝叶斯融合全局和局部大气光的深度预测研究

单目深度预测对于三维场景的理解和感知起着至关重要的作用。目前基于深度学习的方法虽然取得很好的效果,但是其性能过于依赖于训练数据,同时,在复杂场景下,基于深度线索的全局光不变假设效果欠佳。为此,本文提出了一种基于交叉贝叶斯融合全局和局部大气光的深度预测方法,具体地,分别基于全局大气光和设计的局部大气光散射模型进行初始深度图预测,为实现两者有效互补,利用研制的交叉贝叶斯模型进行深度图的融合,并利用边缘滤波机制进行优化得到最终深度图。通过一系列实验,证明了该模型在深度预测数据集中能够取得很好的效果,并且有助于提高显著性目标检测任务的准确性。