張 昊 官 愷 金 飛

（1.中國人民解放軍戰(zhàn)略支援部隊信息工程大學(xué)，河南 鄭州 450000；2.西安測繪總站，陜西 西安 710000）

當前，通過光學(xué)圖像密集匹配構(gòu)建視差圖是獲得距離信息的主要方式[1]，與傳統(tǒng)方法相比，以深度學(xué)習為代表的基于數(shù)據(jù)驅(qū)動的方法在特征自動提取上具有無可比擬的優(yōu)勢。隨著計算機硬件的發(fā)展和深度學(xué)習理論技術(shù)的完善，基于數(shù)據(jù)驅(qū)動的方法在密集匹配領(lǐng)域取得了一定成就。在經(jīng)典的深度學(xué)習圖像處理中，通常采用卷積方式提取圖像特征。卷積核具有一定尺寸，稱為感受野。卷積核尺寸通常采用3像素×3像素，因此所提取的特征也在3像素×3像素范圍內(nèi)。但圖像不是在每個區(qū)域都有顏色的變化，且通常存在重復(fù)紋理、弱紋理以及無紋理的區(qū)域，直接進行卷積無法有效提取特征，易導(dǎo)致誤匹配。針對上述問題，設(shè)計深度學(xué)習網(wǎng)絡(luò)結(jié)構(gòu)時，應(yīng)針對每個像素選擇最佳尺度，既能對抗弱紋理、無紋理和重復(fù)紋理，也能夠避免多尺度求平均的問題。

1 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計

本文設(shè)計了一種視野自選擇的密集匹配網(wǎng)絡(luò)結(jié)構(gòu)，簡稱視野自選擇網(wǎng)絡(luò)（AFSNet），特征提取部分采用PSMNet網(wǎng)絡(luò)對應(yīng)部分，視差計算過程采用不同擴張率的多尺度網(wǎng)絡(luò)，對每個像素進行尺度選擇，最后進行視差軟回歸[2]，形成視差圖。

網(wǎng)絡(luò)的整體結(jié)構(gòu)如圖1所示。

圖1 自適應(yīng)視野網(wǎng)絡(luò)結(jié)構(gòu)

1.1 多支路結(jié)構(gòu)

由于密集匹配任務(wù)的特殊性，以SPP和ASPP為代表的多尺度疊加可能會造成不同尺度之間的相互干擾，但可以通過多個不同擴張率視野分別進行匹配，選擇每個像素最佳尺寸。本文每個支路擴張率選取分為1、2、3進行實驗。

1.2 偏移損失

偏移損失可用于判斷合適的擴張率。偏移損失具體定義為視差范圍內(nèi)每個整數(shù)點位與回歸視差值差的絕對值乘以該位置概率值結(jié)果的求和。對于每個像素而言，偏移損失越大，說明概率分布越分散，匹配效果越差，可能存在多個歧義點。

通過視差軟回歸函數(shù)計算像素點的視差回歸值dmax；以視差回歸值為基準，計算每個像素的偏移值的絕對值|d-dmax|；求偏移絕對值與概率乘積的和。

根據(jù)定義和計算步驟，任意像素偏移損失的計算過程為：

式中：maxdisp——最大匹配視差；d——當前視差值，0～maxdisp；i、j——圖像行列坐標；k——不同擴張率的通道。

式中：Fsoftargmax——視差軟回歸，計算最佳視差回歸值。

1.3 視野選擇

明確了多支路選擇標準后，可以采用帶溫度的softmax函數(shù)，若xk為輸入張量x的第k個支路置信度測度，已選擇合適的擴張率，其對應(yīng)的概率為：

式中：Npath——支路的數(shù)量；c——支路置信度測度；T——溫度項，溫度越小，概率分布越趨近于代價c中的最大值，溫度越大，概率分布越平滑。

在通道選擇方面，本文設(shè)計了一種類似“注意力”模塊的網(wǎng)絡(luò)，稱為視野置信度網(wǎng)絡(luò)。其以偏移損失作為輸入，通過一個三層置信網(wǎng)絡(luò)，最終輸出偏移代價。

視野置信度網(wǎng)絡(luò)如圖2所示。

圖2 視野置信度網(wǎng)絡(luò)

三層網(wǎng)絡(luò)均采用1×1的卷積核，針對偏移損失進行微調(diào)，使其分布與網(wǎng)絡(luò)學(xué)習到的視野權(quán)重分布相符合，最終選擇出最適合的視野。

1.4 損失函數(shù)設(shè)計

多支路訓(xùn)練模式總損失函數(shù)定義為：

式中：Np——參與計算的支路數(shù)量；Lselect——最終生成的視差圖和標簽數(shù)據(jù)之間的光滑L1損失；Li——第i個支路匹配的結(jié)果標簽數(shù)據(jù)之間的光滑L1損失。

Lselect和Li的定義：

式中：D——最終的預(yù)測視差圖；DTrue——視差標簽真值。

式中：Di——第i個通道的預(yù)測視差圖。

2 實驗環(huán)境

為消除隨機因素可能引起的誤差，實驗在多個數(shù)據(jù)集上進行測試。

其中SceneFlow用于生成遷移學(xué)習所需的預(yù)訓(xùn)練模型；KITTI[3-4]兩個數(shù)據(jù)集為近景駕駛場景數(shù)據(jù)集；Vaihingen[5]為遙感數(shù)據(jù)集。實驗計算機CPU 為XEON E5-2680，顯卡為GTX TITAN X 12G；在Windows10操作系統(tǒng)下進行，基于Pytorch深度學(xué)習框架實現(xiàn)。優(yōu)化器采用Adam，β1和β2分別設(shè)置為0.900和0.999。

2.1 實驗過程

為驗證AFSNet的有效性，使用該網(wǎng)絡(luò)在多個數(shù)據(jù)集上與DispNet、PSMNet進行了對比。

首先在SceneFlow數(shù)據(jù)集上進行10輪的預(yù)訓(xùn)練，然后綜合考慮數(shù)據(jù)集規(guī)模和網(wǎng)絡(luò)收斂速度設(shè)置微調(diào)的訓(xùn)練輪數(shù)。DispNet在KITTI的兩個數(shù)據(jù)集上微調(diào)2 000 輪，Vaihingen 數(shù) 據(jù) 集400 輪；而PSMNetB、PSMNetS和AFSNet三個網(wǎng)絡(luò)為專用密集匹配網(wǎng)絡(luò)，在KITTI數(shù)據(jù)集上進行500輪微調(diào)，Vaihingen數(shù)據(jù)集上100輪微調(diào)。

2.2 評價指標

評價指標采用絕對終點誤差（EPE）和3像素誤差（3PE），兩個指標能夠從不同角度反映匹配誤差。EPE能夠反映匹配的整體精度，3PE關(guān)注誤差超過3像素的點占總數(shù)百分比。

3 實驗與分析

為驗證提出的AFSNet的有效性，在除Scene Flow之外的三個數(shù)據(jù)集上進行了驗證實驗。首先在Scene Flow進行10輪的預(yù)訓(xùn)練，然后綜合考慮數(shù)據(jù)集規(guī)模和網(wǎng)絡(luò)收斂速度設(shè)置微調(diào)論數(shù)，微調(diào)數(shù)與實驗保持一致。

精度從低到高依次是DispNet、PSMNetB、PSMNetS以及AFSNet。將實驗生成的視差圖進行比對，可以發(fā)現(xiàn)AFSNet誤差圖的實驗效果最好，視差非連續(xù)邊緣的匹配誤差得到了明顯改善。EPE和3PE均比其他方法有較大幅度下降。

為進一步驗證各支路的以及選擇器的有效性，在SceneFlow上進行了各支路的消融實驗。訓(xùn)練過程中各個子網(wǎng)收斂速度相似，但由于擴張率的不同，在收斂過程中的EPE指標各異。

自適應(yīng)視野網(wǎng)絡(luò)效果對比如表1所示。

表1 自適應(yīng)視野網(wǎng)絡(luò)效果對比

各支路消融實驗結(jié)果如表2所示。

最終的實驗結(jié)果驗證了各支路疊加的有效性，擴展率為1、2、3的支路在疊加后精度得到了提升，從側(cè)面印證了偏移損失和置信網(wǎng)絡(luò)能夠有效選擇出最佳視野。將合成結(jié)果以及各支路結(jié)果進行可視化，結(jié)果如圖3所示。

圖3 各支路可視化結(jié)果

從可視化結(jié)果能夠看出，隨著擴張率增加，匹配視差圖出現(xiàn)網(wǎng)格狀，導(dǎo)致匹配精度降低，不同擴張率在不同區(qū)域效果不一。擴張率小，整個視差圖紋理精細，但對于光照區(qū)域的弱紋理、無紋理區(qū)域則難以準確匹配。最終合成的視差圖精度優(yōu)于多個支路單獨匹配的效果。

4 結(jié)語

本文針對視差不連續(xù)邊緣匹配過程多尺度信息相互干擾的問題，設(shè)計了一種視野自選擇的密集匹配網(wǎng)絡(luò)AFSNet，該網(wǎng)絡(luò)利用偏移損失和置信網(wǎng)絡(luò)作為選擇依據(jù)，從多支路預(yù)測網(wǎng)絡(luò)選擇最佳視野，并進行了實驗驗證。AFSNet能夠有效減少視差非連續(xù)邊緣的誤差，進一步提升網(wǎng)絡(luò)匹配的精度；偏移損失和置信網(wǎng)絡(luò)作為選擇依據(jù)能夠有效選擇最佳尺度，實現(xiàn)合并后的視差圖精度優(yōu)于任意支路視差圖精度；在參與測試的網(wǎng)絡(luò)中，AFSNet模型泛化性整體優(yōu)于其他參與測試的網(wǎng)絡(luò)。