1.一种基于深度学习编码译码网络的立体图像视觉显著提取方法，其特征在于包括训练阶段和测试阶段两个过程；

所述的训练阶段过程的具体步骤为：

步骤1_1：选取N幅宽度为R且高度为L的立体图像；然后将所有立体图像各自的左视点图像、左视差图像和人类注视图构成训练集，将训练集中的第n幅左视点图像记为{IL,n(x,y)}，将训练集中与{IL,n(x,y)}对应的左视差图像记为{ID,n(x,y)}，将训练集中与{IL,n(x,y)}对应的人类注视图记为{IF,n(x,y)}；再将训练集中的每幅左视点图像缩放到480×640像素尺寸，得到训练集中的每幅左视点图像对应的480×640像素尺寸图像，将{IL,n(x,y)}对应的480×640像素尺寸图像记为{IL,n(x480,y640)}；并将训练集中的每幅左视差图像缩放到480×640像素尺寸，得到训练集中的每幅左视差图像对应的480×640像素尺寸图像，将{ID,n(x,y)}对应的480×640像素尺寸图像记为{ID,n(x480,y640)}；将训练集中的每幅人类注视图缩放到480×640像素尺寸，得到训练集中的每幅人类注视图对应的480×640像素尺寸图像，将{IF,n(x,y)}对应的480×640像素尺寸图像记为{IF,n(x480,y640)}；其中，N为正整数，N≥100，n为正整数，1≤n≤N，1≤x≤R，1≤y≤L，IL,n(x,y)表示{IL,n(x,y)}中坐标位置为(x,y)的像素点的像素值，ID,n(x,y)表示{ID,n(x,y)}中坐标位置为(x,y)的像素点的像素值，IF,n(x,y)表示{IF,n(x,y)}中坐标位置为(x,y)的像素点的像素值，1≤x480≤480，1≤y640≤640，IL,n(x480,y640)表示{IL,n(x480,y640)}中坐标位置为(x480,y640)的像素点的像素值，ID,n(x480,y640)表示{ID,n(x480,y640)}中坐标位置为(x480,y640)的像素点的像素值，IF,n(x480,y640)表示{IF,n(x480,y640)}中坐标位置为(x480,y640)的像素点的像素值；

步骤1_2：构建深度学习编码译码网络：深度学习编码译码网络包括彩色通道输入层、视差通道输入层、编码网络框架、译码网络框架、输出层；编码网络框架由彩色通道编码部分和视差通道编码部分组成，彩色通道编码部分由第1块彩色通道Vgg卷积网络块、第2块彩色通道Vgg卷积网络块、第3块彩色通道Vgg卷积网络块、第4块彩色通道Vgg卷积网络块、第5块彩色通道Vgg卷积网络块依次设置组成，视差通道编码部分由第1块视差通道Vgg卷积网络块、第2块视差通道Vgg卷积网络块、第3块视差通道Vgg卷积网络块、第4块视差通道Vgg卷积网络块、第5块视差通道Vgg卷积网络块依次设置组成；译码网络框架由第5级译码网络块、第4级译码网络块、第3级译码网络块、第2级译码网络块、第1级译码网络块依次设置组成；

对于彩色通道输入层，彩色通道输入层的输入端接收一幅输入立体图像的左视点图像对应的480×640像素尺寸图像，彩色通道输入层的输出端输出左视点图像对应的480×640像素尺寸图像给彩色通道编码部分；其中，要求输入立体图像的宽度为R、高度为L；

对于视差通道输入层，视差通道输入层的输入端接收一幅输入立体图像的左视差图像对应的480×640像素尺寸图像，视差通道输入层的输出端输出左视差图像对应的480×640像素尺寸图像给视差通道编码部分；

对于彩色通道编码部分，第1块彩色通道Vgg卷积网络块的输入端接收彩色通道输入层的输出端输出的左视点图像对应的480×640像素尺寸图像，第1块彩色通道Vgg卷积网络块的输出端输出64幅特征图，将输出的所有特征图构成的集合记为VL,1，其中，VL,1中的每幅特征图的宽度为240、高度为320；第2块彩色通道Vgg卷积网络块的输入端接收VL,1中的所有特征图，第2块彩色通道Vgg卷积网络块的输出端输出128幅特征图，将输出的所有特征图构成的集合记为VL,2，其中，VL,2中的每幅特征图的宽度为120、高度为160；第3块彩色通道Vgg卷积网络块的输入端接收VL,2中的所有特征图，第3块彩色通道Vgg卷积网络块的输出端输出

256幅特征图，将输出的所有特征图构成的集合记为VL,3，其中，VL,3中的每幅特征图的宽度为60、高度为80；第4块彩色通道Vgg卷积网络块的输入端接收VL,3中的所有特征图，第4块彩色通道Vgg卷积网络块的输出端输出512幅特征图，将输出的所有特征图构成的集合记为VL,4，其中，VL,4中的每幅特征图的宽度为30、高度为40；第5块彩色通道Vgg卷积网络块的输入端接收VL,4中的所有特征图，第5块彩色通道Vgg卷积网络块的输出端输出512幅特征图，将输出的所有特征图构成的集合记为VL,5，其中，VL,5中的每幅特征图的宽度为30、高度为

40；

对于视差通道编码部分，第1块视差通道Vgg卷积网络块的输入端接收视差通道输入层的输出端输出的左视差图像对应的480×640像素尺寸图像，第1块视差通道Vgg卷积网络块的输出端输出64幅特征图，将输出的所有特征图构成的集合记为VD,1，其中，VD,1中的每幅特征图的宽度为240、高度为320；第2块视差通道Vgg卷积网络块的输入端接收VD,1中的所有特征图，第2块视差通道Vgg卷积网络块的输出端输出128幅特征图，将输出的所有特征图构成的集合记为VD,2，其中，VD,2中的每幅特征图的宽度为120、高度为160；第3块视差通道Vgg卷积网络块的输入端接收VD,2中的所有特征图，第3块视差通道Vgg卷积网络块的输出端输出

256幅特征图，将输出的所有特征图构成的集合记为VD,3，其中，VD,3中的每幅特征图的宽度为60、高度为80；第4块视差通道Vgg卷积网络块的输入端接收VD,3中的所有特征图，第4块视差通道Vgg卷积网络块的输出端输出512幅特征图，将输出的所有特征图构成的集合记为VD,4，其中，VD,4中的每幅特征图的宽度为30、高度为40；第5块视差通道Vgg卷积网络块的输入端接收VD,4中的所有特征图，第5块视差通道Vgg卷积网络块的输出端输出512幅特征图，将输出的所有特征图构成的集合记为VD,5，其中，VD,5中的每幅特征图的宽度为30、高度为

40；

对于译码网络框架，第5级译码网络块的输入端接收VL,5中的所有特征图、VD,5中的所有特征图、输入立体图像的16幅30×40像素尺寸的中心偏好特征图，第5级译码网络块的输出端输出512幅特征图，将输出的所有特征图构成的集合记为Y5，其中，Y5中的每幅特征图的宽度为60、高度为80；第4级译码网络块的输入端接收彩色通道编码部分中的第4块彩色通道Vgg卷积网络块的卷积部分输出的所有特征图、视差通道编码部分中的第4块视差通道Vgg卷积网络块的卷积部分输出的所有特征图、Y5中的所有特征图、输入立体图像的16幅60×

80像素尺寸的中心偏好特征图，第4级译码网络块的输出端输出512幅特征图，将输出的所有特征图构成的集合记为Y4，其中，Y4中的每幅特征图的宽度为120、高度为160；第3级译码网络块的输入端接收彩色通道编码部分中的第3块彩色通道Vgg卷积网络块的卷积部分输出的所有特征图、视差通道编码部分中的第3块视差通道Vgg卷积网络块的卷积部分输出的所有特征图、Y4中的所有特征图、输入立体图像的16幅120×160像素尺寸的中心偏好特征图，第3级译码网络块的输出端输出256幅特征图，将输出的所有特征图构成的集合记为Y3，其中，Y3中的每幅特征图的宽度为240、高度为320；第2级译码网络块的输入端接收彩色通道编码部分中的第2块彩色通道Vgg卷积网络块的卷积部分输出的所有特征图、视差通道编码部分中的第2块视差通道Vgg卷积网络块的卷积部分输出的所有特征图、Y3中的所有特征图、输入立体图像的16幅240×320像素尺寸的中心偏好特征图，第2级译码网络块的输出端输出128幅特征图，将输出的所有特征图构成的集合记为Y2，其中，Y2中的每幅特征图的宽度为480、高度为640；第1级译码网络块的输入端接收彩色通道编码部分中的第1块彩色通道Vgg卷积网络块的卷积部分输出的所有特征图、视差通道编码部分中的第1块视差通道Vgg卷积网络块的卷积部分输出的所有特征图、Y2中的所有特征图、输入立体图像的16幅480×

640像素尺寸的中心偏好特征图，第1级译码网络块的输出端输出64幅特征图，将输出的所有特征图构成的集合记为Y1，其中，Y1中的每幅特征图的宽度为480、高度为640；

对于输出层，其由输出卷积层组成，输出卷积层的输入端接收Y1中的所有特征图，输出卷积层的输出端输出1幅特征图，该幅特征图即为输入立体图像的人类注视预测图；其中，输出卷积层的卷积核大小均为(3,3)、卷积步长均为(1,1)、卷积核数目均为1、激活函数均为relu函数，输入立体图像的人类注视预测图的宽度为480、高度为640；

步骤1_3：将选取的每幅立体图像作为输入立体图像，将每幅输入立体图像的人类注视图对应的480×640像素尺寸图像作为监督，将每幅输入立体图像的左视点图像对应的480×640像素尺寸图像及左视差图像对应的480×640像素尺寸图像输入到深度学习编码译码网络中进行训练，得到每幅输入立体图像的人类注视预测图；

步骤1_4：重复执行步骤1_3共V次，得到训练好的深度学习编码译码网络训练模型及其最优权值矢量和最优偏置项；其中，V＞1；

所述的测试阶段过程的具体步骤为：

步骤2_1：令{Itest(x',y')}表示待预测的立体图像，将{Itest(x',y')}的左视点图像和左视差图像对应记为{Itest,L(x',y')}和{Itest,D(x',y')}；然后将{Itest,L(x',y')}缩放到

480×640像素尺寸，得到{Itest,L(x',y')}对应的480×640像素尺寸图像，记为{Itest,L(x'480,y'640)}；并将{Itest,D(x',y')}缩放到480×640像素尺寸，得到{Itest,D(x',y')}对应的480×640像素尺寸图像，记为{Itest,D(x'480,y'640)}；其中，1≤x'≤R'，1≤y'≤L'，R'表示{Itest(x',y')}的宽度，L'表示{Itest(x',y')}的高度，Itest(x',y')表示{Itest(x',y')}中坐标位置为(x',y')的像素点的像素值，Itest,L(x',y')表示{Itest,L(x',y')}中坐标位置为(x',y')的像素点的像素值，Itest,D(x',y')表示{Itest,D(x',y')}中坐标位置为(x',y')的像素点的像素值，1≤x'480≤480，1≤y'640≤640，Itest,L(x'480,y'640)表示{Itest,L(x'480,y'640)}中坐标位置为(x'480,y'640)的像素点的像素值，Itest,D(x'480,y'640)表示{Itest,D(x'480,y'640)}中坐标位置为(x'480,y'640)的像素点的像素值；

步骤2_2：将{Itest,L(x'480,y'640)}和{Itest,D(x'480,y'640)}输入到训练好的深度学习编码译码网络训练模型中，并利用最优权值矢量和最优偏置项进行预测，得到{Itest(x',y')}的人类注视预测图即视觉显著图像，记为{Itest,F(x'480,y'640)}；其中，Itest,F(x'480,y'640)表示{Itest,F(x'480,y'640)}中坐标位置为(x'480,y'640)的像素点的像素值。

2.根据权利要求1所述的基于深度学习编码译码网络的立体图像视觉显著提取方法，其特征在于所述的步骤1_2中，彩色通道编码部分中的第1块彩色通道Vgg卷积网络块由依次设置的第一卷积层、第二卷积层和第一最大池化层组成，第一卷积层的输入端接收彩色通道输入层的输出端输出的左视点图像对应的480×640像素尺寸图像，第一卷积层的输出端输出64幅特征图，将输出的所有特征图构成的集合记为 第二卷积层的输入端接收中的所有特征图，第二卷积层的输出端输出64幅特征图，将输出的所有特征图构成的集合记为 并将 作为第1块彩色通道Vgg卷积网络块的卷积部分的输出；第一最大池化层的输入端接收 中的所有特征图，第一最大池化层的输出端输出64幅特征图，输出的所有特征图构成的集合为VL,1；其中，第一卷积层和第二卷积层的卷积核大小均为(3,3)、卷积步长均为(1,1)、卷积核数目均为64、激活函数均为relu函数， 和 各自中的每幅特征图的宽度为480、高度为640，第一最大池化层的池化步长为(2,2)；

彩色通道编码部分中的第2块彩色通道Vgg卷积网络块由依次设置的第三卷积层、第四卷积层和第二最大池化层组成，第三卷积层的输入端接收VL,1中的所有特征图，第三卷积层的输出端输出128幅特征图，将输出的所有特征图构成的集合记为 第四卷积层的输入端接收 中的所有特征图，第四卷积层的输出端输出128幅特征图，将输出的所有特征图构成的集合记为 并将 作为第2块彩色通道Vgg卷积网络块的卷积部分的输出；第二最大池化层的输入端接收 中的所有特征图，第二最大池化层的输出端输出128幅特征图，输出的所有特征图构成的集合为VL,2；其中，第三卷积层和第四卷积层的卷积核大小均为(3,3)、卷积步长均为(1,1)、卷积核数目均为128、激活函数均为relu函数， 和 各自中的每幅特征图的宽度为240、高度为320，第二最大池化层的池化步长为(2,2)；

彩色通道编码部分中的第3块彩色通道Vgg卷积网络块由依次设置的第五卷积层、第六卷积层、第七卷积层和第三最大池化层组成，第五卷积层的输入端接收VL,2中的所有特征图，第五卷积层的输出端输出256幅特征图，将输出的所有特征图构成的集合记为 第六卷积层的输入端接收 中的所有特征图，第六卷积层的输出端输出256幅特征图，将输出的所有特征图构成的集合记为 第七卷积层的输入端接收 中的所有特征图，第七卷积层的输出端输出256幅特征图，将输出的所有特征图构成的集合记为 并将 作为第

3块彩色通道Vgg卷积网络块的卷积部分的输出；第三最大池化层的输入端接收 中的所有特征图，第三最大池化层的输出端输出256幅特征图，输出的所有特征图构成的集合为VL,3；其中，第五卷积层、第六卷积层和第七卷积层的卷积核大小均为(3,3)、卷积步长均为(1,1)、卷积核数目均为256、激活函数均为relu函数， 和 各自中的每幅特征图的宽度为120、高度为160，第三最大池化层的池化步长为(2,2)；

彩色通道编码部分中的第4块彩色通道Vgg卷积网络块由依次设置的第八卷积层、第九卷积层、第十卷积层和第四最大池化层组成，第八卷积层的输入端接收VL,3中的所有特征图，第八卷积层的输出端输出512幅特征图，将输出的所有特征图构成的集合记为 第九卷积层的输入端接收 中的所有特征图，第九卷积层的输出端输出512幅特征图，将输出的所有特征图构成的集合记为 第十卷积层的输入端接收 中的所有特征图，第十卷积层的输出端输出512幅特征图，将输出的所有特征图构成的集合记为 并将 作为第

4块彩色通道Vgg卷积网络块的卷积部分的输出；第四最大池化层的输入端接收 中的所有特征图，第四最大池化层的输出端输出512幅特征图，输出的所有特征图构成的集合为VL,4；其中，第八卷积层、第九卷积层和第十卷积层的卷积核大小均为(3,3)、卷积步长均为(1,1)、卷积核数目均为512、激活函数均为relu函数， 和 各自中的每幅特征图的宽度为60、高度为80，第四最大池化层的池化步长为(2,2)；

彩色通道编码部分中的第5块彩色通道Vgg卷积网络块由依次设置的第十一卷积层、第十二卷积层、第十三卷积层组成，第十一卷积层的输入端接收VL,4中的所有特征图，第十一卷积层的输出端输出512幅特征图，将输出的所有特征图构成的集合记为 第十二卷积层的输入端接收 中的所有特征图，第十二卷积层的输出端输出512幅特征图，将输出的所有特征图构成的集合记为 第十三卷积层的输入端接收 中的所有特征图，第十三卷积层的输出端输出512幅特征图，输出的所有特征图构成的集合为VL,5；其中，第十一卷积层、第十二卷积层和第十三卷积层的卷积核大小均为(3,3)、卷积步长均为(1,1)、卷积核数目均为512、激活函数均为relu函数， 和 各自中的每幅特征图的宽度为30、高度为40；

视差通道编码部分中的第1块视差通道Vgg卷积网络块由依次设置的第十四卷积层、第十五卷积层和第五最大池化层组成，第十四卷积层的输入端接收视差通道输入层的输出端输出的左视差图像对应的480×640像素尺寸图像，第十四卷积层的输出端输出64幅特征图，将输出的所有特征图构成的集合记为 第十五卷积层的输入端接收 中的所有特征图，第十五卷积层的输出端输出64幅特征图，将输出的所有特征图构成的集合记为并将 作为第1块视差通道Vgg卷积网络块的卷积部分的输出；第五最大池化层的输入端接收 中的所有特征图，第五最大池化层的输出端输出64幅特征图，输出的所有特征图构成的集合为VD,1；其中，第十四卷积层和第十五卷积层的卷积核大小均为(3,3)、卷积步长均为(1,1)、卷积核数目均为64、激活函数均为relu函数， 和 各自中的每幅特征图的宽度为480、高度为640，第五最大池化层的池化步长为(2,2)；

视差通道编码部分中的第2块视差通道Vgg卷积网络块由依次设置的第十六卷积层、第十七卷积层和第六最大池化层组成，第十六卷积层的输入端接收VD,1中的所有特征图，第十六卷积层的输出端输出128幅特征图，将输出的所有特征图构成的集合记为 第十七卷积层的输入端接收 中的所有特征图，第十七卷积层的输出端输出128幅特征图，将输出的所有特征图构成的集合记为 并将 作为第2块视差通道Vgg卷积网络块的卷积部分的输出；第六最大池化层的输入端接收 中的所有特征图，第六最大池化层的输出端输出128幅特征图，输出的所有特征图构成的集合为VD,2；其中，第十六卷积层和第十七卷积层的卷积核大小均为(3,3)、卷积步长均为(1,1)、卷积核数目均为128、激活函数均为relu函数， 和 各自中的每幅特征图的宽度为240、高度为320，第六最大池化层的池化步长为(2,2)；

视差通道编码部分中的第3块视差通道Vgg卷积网络块由依次设置的第十八卷积层、第十九卷积层、第二十卷积层和第七最大池化层组成，第十八卷积层的输入端接收VD,2中的所有特征图，第十八卷积层的输出端输出256幅特征图，将输出的所有特征图构成的集合记为第十九卷积层的输入端接收 中的所有特征图，第十九卷积层的输出端输出256幅特征图，将输出的所有特征图构成的集合记为 第二十卷积层的输入端接收 中的所有特征图，第二十卷积层的输出端输出256幅特征图，将输出的所有特征图构成的集合记为并将 作为第3块视差通道Vgg卷积网络块的卷积部分的输出；第七最大池化层的输入端接收 中的所有特征图，第七最大池化层的输出端输出256幅特征图，输出的所有特征图构成的集合为VD,3；其中，第十八卷积层、第十九卷积层和第二十卷积层的卷积核大小均为(3,3)、卷积步长均为(1,1)、卷积核数目均为256、激活函数均为relu函数， 和各自中的每幅特征图的宽度为120、高度为160，第七最大池化层的池化步长为(2,2)；

视差通道编码部分中的第4块视差通道Vgg卷积网络块由依次设置的第二十一卷积层、第二十二卷积层、第二十三卷积层和第八最大池化层组成，第二十一卷积层的输入端接收VD,3中的所有特征图，第二十一卷积层的输出端输出512幅特征图，将输出的所有特征图构成的集合记为 第二十二卷积层的输入端接收 中的所有特征图，第二十二卷积层的输出端输出512幅特征图，将输出的所有特征图构成的集合记为 第二十三卷积层的输入端接收 中的所有特征图，第二十三卷积层的输出端输出512幅特征图，将输出的所有特征图构成的集合记为 并将 作为第4块视差通道Vgg卷积网络块的卷积部分的输出；第八最大池化层的输入端接收 中的所有特征图，第八最大池化层的输出端输出512幅特征图，输出的所有特征图构成的集合为VD,4；其中，第二十一卷积层、第二十二卷积层和第二十三卷积层的卷积核大小均为(3,3)、卷积步长均为(1,1)、卷积核数目均为512、激活函数均为relu函数， 和 各自中的每幅特征图的宽度为60、高度为80，第八最大池化层的池化步长为(2,2)；

视差通道编码部分中的第5块视差通道Vgg卷积网络块由依次设置的第二十四卷积层、第二十五卷积层、第二十六卷积层组成，第二十四卷积层的输入端接收VD,4中的所有特征图，第二十四卷积层的输出端输出512幅特征图，将输出的所有特征图构成的集合记为第二十五卷积层的输入端接收 中的所有特征图，第二十五卷积层的输出端输出512幅特征图，将输出的所有特征图构成的集合记为 第二十六卷积层的输入端接收 中的所有特征图，第二十六卷积层的输出端输出512幅特征图，输出的所有特征图构成的集合为VD,5；其中，第二十四卷积层、第二十五卷积层和第二十六卷积层的卷积核大小均为(3,3)、卷积步长均为(1,1)、卷积核数目均为512、激活函数均为relu函数， 和 各自中的每幅特征图的宽度为30、高度为40。

3.根据权利要求1或2所述的基于深度学习编码译码网络的立体图像视觉显著提取方法，其特征在于所述的步骤1_2中，第5级译码网络块由依次设置的第一连接层、第二十七卷积层、第二十八卷积层、第二十九卷积层、第一反卷积层组成，第一连接层的输入端接收VL,5中的所有特征图、VD,5中的所有特征图、输入立体图像的16幅30×40像素尺寸的中心偏好特征图，第一连接层的输出端输出1040幅特征图，将输出的所有特征图构成的集合记为 第二十七卷积层的输入端接收 中的所有特征图，第二十七卷积层的输出端输出512幅特征图，将输出的所有特征图构成的集合记为 第二十八卷积层的输入端接收 中的所有特征图，第二十八卷积层的输出端输出512幅特征图，将输出的所有特征图构成的集合记为第二十九卷积层的输入端接收 中的所有特征图，第二十九卷积层的输出端输出512幅特征图，将输出的所有特征图构成的集合记为 第一反卷积层的输入端接收 中的所有特征图，第一反卷积层的输出端输出512幅特征图，输出的所有特征图构成的集合为Y5；

其中， 和 中的每幅特征图的宽度为30、高度为40，第二十七卷积层、第二十八

卷积层和第二十九卷积层的卷积核大小均为(3,3)、卷积步长均为(1,1)、卷积核数目均为

512、激活函数均为relu函数，第一反卷积层的卷积核大小均为(3,3)、卷积步长均为(2,2)、卷积核数目均为512、激活函数均为relu函数；

第4级译码网络块由依次设置的第二连接层、第三十卷积层、第三十一卷积层、第三十二卷积层、第二反卷积层组成，第二连接层的输入端接收彩色通道编码部分中的第4块彩色通道Vgg卷积网络块的卷积部分输出的所有特征图、视差通道编码部分中的第4块视差通道Vgg卷积网络块的卷积部分输出的所有特征图、Y5中的所有特征图、输入立体图像的16幅60×80像素尺寸的中心偏好特征图，第二连接层的输出端输出1552幅特征图，将输出的所有特征图构成的集合记为 第三十卷积层的输入端接收 中的所有特征图，第三十卷积层的输出端输出512幅特征图，将输出的所有特征图构成的集合记为 第三十一卷积层的输入端接收 中的所有特征图，第三十一卷积层的输出端输出512幅特征图，将输出的所有特征图构成的集合记为 第三十二卷积层的输入端接收 中的所有特征图，第三十二卷积层的输出端输出512幅特征图，将输出的所有特征图构成的集合记为 第二反卷积层的输入端接收 中的所有特征图，第二反卷积层的输出端输出512幅特征图，输出的所有特征图构成的集合为Y4；其中， 和 中的每幅特征图的宽度为60、高度为80，第三十卷积层、第三十一卷积层和第三十二卷积层的卷积核大小均为(3,3)、卷积步长均为(1,

1)、卷积核数目均为512、激活函数均为relu函数，第二反卷积层的卷积核大小均为(3,3)、卷积步长均为(2,2)、卷积核数目均为512、激活函数均为relu函数；

第3级译码网络块由依次设置的第三连接层、第三十三卷积层、第三十四卷积层、第三十五卷积层、第三反卷积层组成，第三连接层的输入端接收彩色通道编码部分中的第3块彩色通道Vgg卷积网络块的卷积部分输出的所有特征图、视差通道编码部分中的第3块视差通道Vgg卷积网络块的卷积部分输出的所有特征图、Y4中的所有特征图、输入立体图像的16幅

120×160像素尺寸的中心偏好特征图，第三连接层的输出端输出1040幅特征图，将输出的

1 1

所有特征图构成的集合记为Y3 ；第三十三卷积层的输入端接收Y3中的所有特征图，第三十三卷积层的输出端输出256幅特征图，将输出的所有特征图构成的集合记为 第三十四卷积层的输入端接收 中的所有特征图，第三十四卷积层的输出端输出256幅特征图，将输出的所有特征图构成的集合记为 第三十五卷积层的输入端接收 中的所有特征图，第三十五卷积层的输出端输出256幅特征图，将输出的所有特征图构成的集合记为 第三反卷积层的输入端接收 中的所有特征图，第三反卷积层的输出端输出256幅特征图，输出的1

所有特征图构成的集合为Y3；其中，Y3 、 和 中的每幅特征图的宽度为120、高度为

160，第三十三卷积层、第三十四卷积层和第三十五卷积层的卷积核大小均为(3,3)、卷积步长均为(1,1)、卷积核数目均为256、激活函数均为relu函数，第三反卷积层的卷积核大小均为(3,3)、卷积步长均为(2,2)、卷积核数目均为256、激活函数均为relu函数；

第2级译码网络块由依次设置的第四连接层、第三十六卷积层、第三十七卷积层、第三十八卷积层、第四反卷积层组成，第四连接层的输入端接收彩色通道编码部分中的第2块彩色通道Vgg卷积网络块的卷积部分输出的所有特征图、视差通道编码部分中的第2块视差通道Vgg卷积网络块的卷积部分输出的所有特征图、Y3中的所有特征图、输入立体图像的16幅

240×320像素尺寸的中心偏好特征图，第四连接层的输出端输出528幅特征图，将输出的所有特征图构成的集合记为 第三十六卷积层的输入端接收 中的所有特征图，第三十六卷积层的输出端输出128幅特征图，将输出的所有特征图构成的集合记为 第三十七卷积层的输入端接收 中的所有特征图，第三十七卷积层的输出端输出128幅特征图，将输出的所有特征图构成的集合记为 第三十八卷积层的输入端接收 中的所有特征图，第三十八卷积层的输出端输出128幅特征图，将输出的所有特征图构成的集合记为 第四反卷积层的输入端接收 中的所有特征图，第四反卷积层的输出端输出128幅特征图，输出的所有特征图构成的集合为Y2；其中， 和 中的每幅特征图的宽度为240、高度为

320，第三十六卷积层、第三十七卷积层和第三十八卷积层的卷积核大小均为(3,3)、卷积步长均为(1,1)、卷积核数目均为128、激活函数均为relu函数，第四反卷积层的卷积核大小均为(3,3)、卷积步长均为(2,2)、卷积核数目均为128、激活函数均为relu函数；

第1级译码网络块由依次设置的第五连接层、第三十九卷积层、第四十卷积层、第四十一卷积层组成，第五连接层的输入端接收彩色通道编码部分中的第1块彩色通道Vgg卷积网络块的卷积部分输出的所有特征图、视差通道编码部分中的第1块视差通道Vgg卷积网络块的卷积部分输出的所有特征图、Y2中的所有特征图、输入立体图像的16幅480×640像素尺寸的中心偏好特征图，第五连接层的输出端输出272幅特征图，将输出的所有特征图构成的

1 1

集合记为Y1 ；第三十九卷积层的输入端接收Y1中的所有特征图，第三十九卷积层的输出端

2 2

输出64幅特征图，将输出的所有特征图构成的集合记为Y1 ；第四十卷积层的输入端接收Y1中的所有特征图，第四十卷积层的输出端输出64幅特征图，将输出的所有特征图构成的集

3 3

合记为Y1 ；第四十一卷积层的输入端接收Y1中的所有特征图，第四十一卷积层的输出端输

1 2 3

出64幅特征图，输出的所有特征图构成的集合为Y1；其中，Y1、Y1 和Y1中的每幅特征图的宽度为480、高度为640，第三十九卷积层、第四十卷积层和第四十一卷积层的卷积核大小均为(3,3)、卷积步长均为(1,1)、卷积核数目均为64、激活函数均为relu函数。