[发明专利]一种基于改进迭代收缩阈值算法的微观3D重建方法

权利要求书

1.一种基于改进迭代收缩阈值算法的微观3D重建方法，其特征在于，依次包括以下步骤：

步骤一、初始化基本参数，所述基本参数包括第一模糊图像和第二模糊图像；

步骤二、设定第一模糊图像和第二模糊图像的相对模糊度的初始值，并将第二模糊图像以第一模糊图像和相对模糊度表示；

步骤三、将第一模糊图像和第二模糊图像以图像的模糊化用卷积的形式表示并改写为热扩散方程组，计算热扩散方程的解；

步骤四、利用步骤三得到的热扩散方程的解计算能量方程，如果能量小于能量阈值，则由步骤二得到的相对模糊度带入深度信息表达式计算深度信息值；否则，转入步骤五；

步骤五、计算加速算子y_j+1，y_j+1表示由当前的相对模糊度开始，沿着Δσ²_j-Δσ²_j-1所构成的搜素方向进行步长为a_j所得到的相对模糊度，Δσ²_j代表当前的相对模糊度，Δσ²_j-1代表前一次的相对模糊度，y_j+1＝Δσ²_j+(n_j-1/n_j+1)(Δσ²_j-Δσ²_j-1),a_j＝n_j-1/n_j，

所述a_j为第j次后的迭代步长；

步骤六、将加速算子y_j+1带入迭代公式重新进行梯度估计；

步骤七，利用割线线性搜索求出最优迭代步长，带入迭代公式求出此时的相对模糊度；

步骤八、将计算所得的此时的相对模糊度带入深度信息表达式，求解出深度信息值；

所述深度信息表达式为：

其中f为摄像机焦距，v为摄像机像距，D为凸透镜半径，λ为模糊度与模糊圆之间的常数,s₂(x,y)为第二模糊图像的深度信息值，s₁(x,y)为第一模糊图像的深度信息值，Δσ²(x,y)为相对模糊度；

所述第二模糊图像以第一模糊图像和相对模糊度表示是

其中I₂(x,y)为第二模糊图像，I₁(x,y)为第一模糊图像,Δσ²为相对模糊度；所述将第一模糊图像和第二模糊图像以图像的模糊化用卷积的形式表示并改写为热扩散方程组为：

其中为梯度算子，为微分算子，t为扩散时间；

所述c(x,y)表示位于x,y处的坐标值，所述z(x,y,0)和z(x,y,t)分别为0时刻和t时刻热扩散方程的解。

2.根据权利要求1所述的基于改进迭代收缩阈值算法的微观3D重建方法，其特征在于，所述步骤四中，所述能量方程表示如下

其中I₂(x,y)为第二模糊图像，能量系数ρ0,10，z(x,y,Δt)为热扩散方程的解，s为由相对模糊度带入深度信息表达式计算的深度信息值；

所述z(x，y，Δt)为Δt时刻热扩散方程的解。