基于卷积神经网络的结构一致立体图像风格迁移方法

摘要

本发明涉及一种基于卷积神经网络的结构一致立体图像风格迁移方法，包括以下步骤：S1、对输入的参考图像和立体图像的左、右视图分别进行语义分割，并提取卷积层特征；S2、分别计算参考图像和左、右视图的特征损失函数；S3、在特征损失函数中添加正则化损失函数，引入拉普拉斯惩罚项，防止图像结构失真，生成风格化后的左、右视图；S4、利用两种质量评估算法分别评估风格化后的左、右视图与输入图像的相似度，对比两个相似性度量值，用相似性度量值较高的图像来校正相似度较低的图像，获得最终的结果图像。该方法有利于在对立体图像进行风格迁移的同时保持立体结构一致性，获得风格化后结构一致的立体图像。