[发明专利]一种自适应正态分析的三维形貌重建方法有效
申请号: | 202010082939.2 | 申请日: | 2020-02-07 |
公开(公告)号: | CN111260776B | 公开(公告)日: | 2023-04-18 |
发明(设计)人: | 闫涛;胡治国;吴鹏;钱宇华;徐丽云 | 申请(专利权)人: | 山西大学 |
主分类号: | G06T17/00 | 分类号: | G06T17/00 |
代理公司: | 山西五维专利事务所(有限公司) 14105 | 代理人: | 茹牡花 |
地址: | 030006 山*** | 国省代码: | 山西;14 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 自适应 分析 三维 形貌 重建 方法 | ||
1.一种自适应正态分析的三维形貌重建方法,其特征在于,包括以下步骤:
步骤1,首先使用图像数据采集平台,通过调整图像数据采集平台中相机与待重建物体之间的距离,采集待重建物体同一角度不同景深的图像序列作为输入,其中图像序列间的步长是相等的,图像序列的总数从待重建物体所有区域虚焦开始,至部分区域聚焦,直到所有区域再次虚焦确定,从而得到待重建物体不同焦点的图像序列;
步骤2,在步骤1得到的图像序列中,以当前位置Ii(x,y),1≤i≤n为中心,且n为图像序列总数,x,y为图像位置,m×m为半径,按照式(1)得到n幅局部图像序列聚焦测度序列结果
FMi(x,y)=XSML(Ii(p,q)) (1)
其中:1≤i≤n,XSML(g)为聚焦测度函数;
步骤3,根据步骤2得到的聚焦测度序列结果,按照式(2)得到对应的梯度变化序列结果
Gi(x,y)=FMi(x,y)-FMi-1(x,y),1≤i≤n (2)
步骤4,比较步骤2的聚焦测度序列结果与步骤3的梯度变化序列结果,根据式(3)分析这两序列的最大值所在位置之间的距离d是否小于距离阈值T;
步骤5,如果步骤4中的式(3)成立,则根据式(4)截取以梯度序列最大值所在位置为中心,固定长度s为半径的部分聚焦测度序列作为候选深度序列区间在式(5)中进行正态性检验;
其中:
如果步骤4中的式(3)不成立,则将半径设置为(m+3)×(m+3),假如当前半径m+3小于窗口半径最大值M,则重新执行步骤2至步骤4;否则根据式(6)将步骤1得到的聚焦测度序列中的最大值所在位置作为当前位置的深度结果输出;
步骤6,如果候选深度序列区间满足正态分布,则根据式(7)取候选深度序列区间最大值所在位置作为当前位置的深度结果;
如果候选深度序列区间不满足正态分布,将半径设置为(m+3)×(m+3),假如当前半径满足m+3≤M,则重新按照步骤2至步骤5进行判断,否则根据式(8)将步骤1得到的聚焦测度序列中的最大值所在位置作为当前位置的深度结果输出;
步骤7,依次遍历待重建物体所有位置得到其对应的三维形貌;
步骤2中所述的聚焦测度函数根据下列式(9)计算,
其中:U(p,q)是图像(p,q)周围区域像素点,s为步长。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山西大学,未经山西大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010082939.2/1.html,转载请声明来源钻瓜专利网。