[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

摘要

本发明公开了一种基于改进迭代收缩阈值算法的微观3D重建方法，包括设定相对模糊度初值，计算热扩散方程的解，求解能量方程判断是否小于能量阈值，小于能量阈值时直接得到深度信息值，不小于能量阈值时计算加速算子带入迭代公式，重新进行梯度估计，利用割线线性搜索求出的最优迭代步长带入迭代公式，再求出深度信息值。该方法能加快离焦深度恢复动态优化问题的收敛速度，提高微观3D形貌重建的精度。

主权项

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所构成的搜索方向进行步长为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，步骤六、将加速算子yj+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。