买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜中国人民解放军61363部队申请的专利基于半监督深度学习的视差图修补方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114663298B 。

龙图腾网通过国家知识产权局官网在2025-04-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210189775.2，技术领域涉及：G06T5/77；该发明授权基于半监督深度学习的视差图修补方法及系统是由官恺;牛泽璇;金飞;李志勇;刘智;汪建峰;芮杰;晏非;张海勃;古林玉;张昊;缪毓喆;林雨准;王淑香;刘潇设计研发完成，并于2022-02-28向国家知识产权局提交的专利申请。

本基于半监督深度学习的视差图修补方法及系统在说明书摘要公布了：本发明属于视觉图像处理技术领域，特别涉及一种基于半监督深度学习的视差图修补方法及系统，构建用于获取输入视图数据之间视差图并对视差图缺失部分进行修复的半监督深度学习模型及用于模型训练的目标损失函数和样本数据，其中，依据目标数据分布来构建对应的样本数据，并针对输入视图数据，利用模型依次进行特征提取、金字塔池化和卷积操作来获取图像特征，并利用视图图像特征的匹配代价来进行视差计算、视差回归及视差值输出；利用样本数据及目标损失函数对半监督深度学习模型进行预训练；利用预训练过程中所得的权重导入半监督深度学习模型中，并利用半监督深度学习模型对预设数量带标签的目标数据进行微调来实现对目标数据的视差图修补，以满足高精度场景应用需求。

本发明授权基于半监督深度学习的视差图修补方法及系统在权利要求书中公布了：1.一种基于半监督深度学习的视差图修补方法，其特征在于，包含如下内容：构建用于获取输入视图数据之间视差图并对视差图缺失部分进行修复的半监督深度学习模型及用于模型训练的目标损失函数和样本数据，其中，依据目标数据分布来构建对应的样本数据，并针对输入视图数据，利用模型依次进行特征提取、金字塔池化和卷积操作来获取图像特征，并利用视图图像特征的匹配代价来进行视差计算、视差回归及视差值输出；目标损失函数采用光滑L1损失函数，其中，光滑L1损失函数表示为x为真实值与预测值之间的差值；所述特征提取包括对输入数据的特征粗提取和特征精提取，且特征粗提取层级设置的卷积参数形式采用A×A,B形式，特征精提取层级设置的卷积参数形式采用形式，A×A表示卷积核尺寸，B表示卷积核数量，C表示残差块数量；利用样本数据及目标损失函数对半监督深度学习模型进行预训练；利用预训练过程中所得的权重导入半监督深度学习模型中，并针对目标数据，利用半全局块匹配方法将匹配结果作为目标数据标签，利用半监督深度学习模型对预设数量带标签的目标数据进行微调来实现对目标数据的视差图修补，其中，半全局块匹配方法中，依次通过左右视图匹配代价值计算、代价值优化和视差值计算来获取最小匹配代价；代价值计算中，通过预设特征描述符来提取图像特征，并通过直接计算和采用Sobel算子对视图水平方向滤波后两种方式来计算左右视图匹配代价，将两种方式下计算得到的匹配代价进行合并和块处理；代价值优化和视差值计算中，利用多个方向的一维动态规划对匹配代价值进行聚合并选择使匹配代价最小的视差值作为对应像素的最终视差。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国人民解放军61363部队，其通讯地址为：710000 陕西省西安市雁塔区西影路36号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。