掩蔽表示级联递归网络

误差率降近9%

通过掩蔽表示学习和极线邻域搜索，解决卫星立体匹配中的缺失数据和校正误差问题。

Rao, Zhibo · Li, Xing · 熊邦书 · 戴玉超 · Shen, Zhelun · Hangbiao, Li · Yue, Lou

ISPRS Journal of Photogrammetry and Remote Sensing 2024

参数信息

3-px 误差率

12.87 %

3-px 误差率

7.01 %

误差率降低幅度

8.9 %

相对提升（WHU-Stereo）

0.54 %

相对提升（US3D）

1.95 %

技术优势

不挑校正质量

在极线及其邻域搜索匹配点，降低了对精确校正的依赖。

数据少也能训

掩蔽图像重建预训练策略在有限数据下增强了特征表示，适用于遥感数据集。

通用特征网络

训练策略可应用于 CNN 和 Transformer 方法，提升性能。

应用场景

• 遥感图像处理：从卫星影像直接生成高精度视差图，用于地形测绘和变化检测。
• 三维重建：为城市、地形等场景提供密集视差，快速生成三维模型。
• 自主导航：利用卫星立体影像获取环境深度，辅助无人系统路径规划。
• 无人机测绘：提升无人机影像立体匹配鲁棒性，减少校正误差影响。