王倩倩，赵海涛

基于深度CRF网络的单目红外场景深度估计

王倩倩，赵海涛

（华东理工大学 信息科学与工程学院，上海 200237）

对单目红外图像进行深度估计，不仅有利于3D场景理解，而且有助于进一步推广和开发夜间视觉应用。针对红外图像无颜色、纹理不丰富、轮廓不清晰等缺点，本文提出一种新颖的深度条件随机场网络学习模型（deep conditional random field network, DCRFN）来估计红外图像的深度。首先，与传统条件随机场（conditional random field, CRF）模型不同，DCRFN不需预设成对特征，可通过一个浅层网络架构提取和优化模型的成对特征。其次，将传统单目图像深度回归问题转换为分类问题，在损失函数中考虑不同标签的有序信息，不仅加快了网络的收敛速度，而且有助于获得更优的解。最后，本文在DCRFN损失函数层计算不同空间尺度的成对项，使得预测深度图的景物轮廓信息相比于无尺度约束模型更加丰富。实验结果表明，本文提出的方法在红外数据集上优于现有的深度估计方法，在局部场景变化的预测中更加平滑。

红外图像；深度估计；条件随机场；有序约束

0 引言

单目图像深度估计是计算机视觉中最基本的任务之一，已经在场景理解[1]、3D建模[2]、机器人[3]、自动驾驶[4]等领域获得了广泛应用。图像深度即图像上某点像素到拍摄相机的距离。早期的单目深度研究主要关注几何假设，如箱体模型推测场景的空间布局[5]等，由于其严格的环境假设导致模型只在特殊场景下有效。

在单目场景深度估计的研究中，基于概率图模型（probabilistic graphical models, PGM）的方法能够在输入和输出之间建立结构化联系，因此被广泛应用到单目深度估计中。……