Para abordar los problemas de baja precisión en la correspondencia de características, ruido en los mapas de profundidad predichos y reconstrucción incompleta de bordes en la tarea de estereoscopía multivista de imágenes de teledetección, este artículo propone una red estereoscópica multivista basada en restricciones de difusión llamada DiffusionMVS (Diffusion Multi-View Stereo). Primero, basándose en una red piramidal de características, se diseñó el módulo de extracción de características multiescala mejorado MFE-FPN (Multi-scale Feature Enhancement Feature Pyramid Network) para mejorar la capacidad de la red para aprender características de imágenes de teledetección multivista; en segundo lugar, se propuso el módulo de agregación adaptativa de características AFA (Adaptive Feature Aggregation) para integrar dinámicamente las características de diferentes niveles y capturar detalles de profundidad en los bordes del objetivo; finalmente, se diseñó el modelo de optimización del volumen de costo basado en restricciones de difusión DCM (Diffusion Constrained Module) que elimina el ruido en los mapas de profundidad predichos al mejorar la distribución de valores de profundidad con puntos de ruido, junto con una red Transformer guiada por bordes para optimizar la reconstrucción de los bordes del mapa de profundidad. Los resultados experimentales en los conjuntos de datos WHU-TLC y LuoJia-MVS muestran que en comparación con los modelos base, el modelo DiffusionMVS propuesto aumenta los indicadores de error absoluto medio (MAE) en un 28.11% y 3.37%, demostrando un buen rendimiento de reconstrucción y capacidad de generalización.

imágenes de teledetección; estereoscopía multivista; extracción multiescala de características; agregación adaptativa de características; modelo de difusión; Transformer guiado por bordes