基于立体像对数据集的非对称离焦数据集构建

左右图像非对称离焦模糊会导致双目立体视觉系统的立体匹配失败.为训练能够应对图像模糊的神经网络,基于归一化模糊度(NBL)的分层景深叠加算法,以FlyingThings-Stereo立体像对数据集为例,添加随景物深度变化的模糊,构建非对称离焦立体视觉数据集.新建的数据集提供非对称离焦的立体像对,可用于训练去模糊网络或立体匹配网络.在训练去模糊网络时,分别向网络的输入和输出端提供模糊和清晰的立体像对;在训练立体匹配网络时,向网络的输入和输出端提供模糊的立体像对和视差真值.利用虚拟合成和实景拍摄数据对训练后的网络进行验证,结果表明本数据集可以有效训练去模糊和立体匹配神经网络,使其具备应对离焦模糊的能力,实现图像去模糊和基于模糊图像的立体匹配.