[发明专利]一种基于卷积神经网络去噪正则化的条纹图修复方法

说明书

本发明公开了一种基于卷积神经网络去噪正则化的条纹图修复方法，涉及图像处理技术领域，该方法包括S1、除曝光时间外，利用相同的拍摄条件获取正常曝光条纹图I_bright和短曝光条纹图I_dark；S2、对短曝光条纹图I_dark的调制度图进行二值化处理，以此确定正常曝光条纹图I_bright中的高光区域；S3、根据正常曝光条纹图I_bright和短曝光条纹图I_dark，采用灰度调节及图像区域替换的方法，获取CNN去噪正则化的迭代修复算法的初值I_fused；S4、根据正常曝光条纹图I_bright的高光区域以及迭代修复算法的初值I_fused，利用CNN去噪正则化的迭代修复算法，计算得到最终的条纹图，完成条纹图的修复。本发明操作简单，修复结果好，处理时间短，无需引入额外的硬件设施，操作成本低廉。

技术领域

本发明涉及图像处理技术领域，具体而言，涉及一种基于卷积神经网络去噪正则化的条纹图修复方法。

背景技术

条纹投影轮廓术(FPP)，是一种广泛应用的三维重建方法。条纹投影轮廓术测量表面存在高动态范围反射率物体时，采集的条纹图中出现的强度饱和区域将导致对应区域的相位计算的误差或缺失，最终影响三维形貌的恢复。

目前条纹图修复方法有三种，分别是多曝光融合修复方法、直接对条纹缺失区域进行修复的方法、利用光的性质添加偏振片的方法，该三种方法存在的缺陷如下：

1)利用多曝光融合的方法，需要对被测物体进行多次曝光，就普遍情况来说需要数十次，操作非常麻烦；

2)直接对条纹缺失区域进行修复的方法，对较大范围的高亮区域效果不理想，且修复出的结果没有引入物体的真实高度分布；

3)利用光的性质添加偏振片的方法，需要额外的硬件，增加了测量系统的成本。

发明内容

本发明在于提供一种基于卷积神经网络去噪正则化的条纹图修复方法，其能够缓解上述问题。

为了缓解上述的问题，本发明采取的技术方案如下：

本发明提供了一种基于卷积神经网络去噪正则化的条纹图修复方法，包括以下步骤：

S1、除曝光时间外，利用相同的拍摄条件获取正常曝光条纹图I_bright和短曝光条纹图I_dark；

S2、对短曝光条纹图I_dark的调制度图进行二值化处理，以此确定正常曝光条纹图I_bright中的高光区域；

S3、根据正常曝光条纹图I_bright和短曝光条纹图I_dark，采用灰度调节及图像区域替换的方法，获取CNN去噪正则化的迭代修复算法的初值I_fused；

S4、根据正常曝光条纹图I_bright的高光区域以及迭代修复算法的初值I_fused，利用CNN去噪正则化的迭代修复算法，计算得到最终的条纹图，完成条纹图的修复。

本技术方案的技术效果是：只需要使用两帧条纹图进行条纹图的修复，操作非常简单；同时利用短曝光条纹图建立了迭代修复初值，使得CNN去噪正则化的修复算法在忠于物体真实高度的基础上可以有更好的修复结果，其次在运算时间上由于CNN有很好的并行特性，用GPU进行CNN去噪正则化迭代修复，在时间消耗上与传统修复方法相比有很大优势；整个方法无需引入额外的硬件设施，操作成本低廉。