一种电子显微场景下的三维重构系统及方法技术方案

本发明专利技术公开了一种电子显微场景下的三维重构系统及方法，由电子显微镜按照一定步长采集相应帧的图片序列，然后对图像进行分块处理，并编纂为字典，求解稀疏系数，进行融合并恢复为清晰图像；在具体的实施过程中，其准焦的运动调节，由步进电机结合丝杠传动完成，利用控制信号以及定位高度，计算得到每一帧近似物距差，继而实现三维重构，从而地解决了显微场景下，由于景深短造成的三维信息量的不足。

A three-dimensional reconstruction system and method in electron microscopic scene

The invention discloses a 3D reconstruction system for electron microscopic scene and method, image sequence acquisition corresponding frame by electron microscopy, step by step, then the image is divided into blocks, and the compilation of dictionaries, solving sparse coefficient, fusion and restore clear image; in the specific implementation process, the quasi coke movement regulation, by stepping motor with screw drive, using the control signal and the positioning height, calculated each frame difference approximate distance, and then realize the 3D reconstruction, so as to solve the micro environment, due to insufficient amount of 3D information caused by the short depth of field.

【技术实现步骤摘要】
一种电子显微场景下的三维重构系统及方法
本专利技术属于显微视觉
，更为具体地讲，涉及一种电子显微场景下的三维重构系统及方法。
技术介绍
随着计算机视觉技术的发展，三维建模技术在工业检测，质量控制，考古以及生物研究等领域提供了有力的技术支撑，同时其广泛应用也使得计算机视觉有了长足的发展。如双目立体视觉、纹理法、轮廓法、运动法以及统计学习法。目前，由于光学显微镜景深短，在观察物体时并不能看到丰富的三维信息，特别是在物体表面高低不同时，取任何一个焦距都得不到全清晰的图像。因此，显微场景下的三维重建方法需要多聚焦图像融合以及散焦图像深度信息恢复技术。传统的三维重构譬如双目视觉三维重构，是依据其摄像机所拍摄的两幅三维图像的几何关系将场景的三维信息重构出来，但显微场景的散焦图像并不能获得完整的纹理信息；激光扫描三维重建也只能得到三维数据，无法得到物体本身的纹理信息，即恢复信息不全，不宜用于生物研究、材料分析、质量检测等常见显微场景；近几年出现的基于特征统计学习法，建立在大型的目标数据库基础上，通过学习的方法，对数据库中的每个目标进行特征提取，然后对重建目标的特征各自建立概率函数，最后将重建本文档来自技高网...

【技术保护点】
一种电子显微场景下的三维重构方法，其特征在于，包括以下步骤：(1)、利用电子显微镜获得焦距不同的待融合图像利用位置传感器定位到三维重建所需的上限位置与下限位置，再通过控制器控制伺服电机转动来带动镜筒的物距螺旋准焦上移，当下限位置传感器感应到目镜后进行拍摄，得到不同焦距的待融合图像；(2)、对待融合图像进行预处理设待融合图像共计L张，对L张图像使用SIFT特征提取算法进行特征点配准；将配准好的L张图像分别归一化为M×N大小的图像，按行优先顺序，使用步长为1的滑动窗把第k张图像分成

【技术特征摘要】
1.一种电子显微场景下的三维重构方法，其特征在于，包括以下步骤：(1)、利用电子显微镜获得焦距不同的待融合图像利用位置传感器定位到三维重建所需的上限位置与下限位置，再通过控制器控制伺服电机转动来带动镜筒的物距螺旋准焦上移，当下限位置传感器感应到目镜后进行拍摄，得到不同焦距的待融合图像；(2)、对待融合图像进行预处理设待融合图像共计L张，对L张图像使用SIFT特征提取算法进行特征点配准；将配准好的L张图像分别归一化为M×N大小的图像，按行优先顺序，使用步长为1的滑动窗把第k张图像分成大小的图像块，m为常数，再把每一块图像纂成一个字典式列向量，其中，第i块图像纂成第i个字典式列向量为vki，最后将各个字典式列向量构成矩阵Vk；同理，按照上述方法处理完剩余L-1张图像；(3)、基于稀疏分解的图像融合(3.1)、取第一张和第二张配准好的图像；(3.2)、将两张图像对应的矩阵V1、V2组成联合矩阵V12＝[V1,V2]，再利用ODL算法得到联合矩阵V12的学习字典D；(3.3)、设联合矩阵V12包含公共部分Vc和各自独特部分Viu，及噪声部分ni，i＝1,2，将噪声部分ni处理成列向量量矩阵ni′，则有：V12＝Vc+Viu+ni′＝Dsi+Dsi+ni′令n′＝[n1′n2′]T，则联合矩阵V12可以表示为：V12＝DS+n′；其中，se、si表示稀疏矩阵S中的元数；(3.4)、计算稀疏矩阵S的第j列的值：其中，vj是矩阵V12的第j列，sj是稀疏矩阵S的第j列，T由噪声方差确定；(3.5)、根据稀疏矩阵S每一列的值，利用LARS算法求解稀疏系数S*；(3.6)、计算融合图像的向量矩阵V＝DS*；再将向量矩阵V的列向量还原成多个图像块，最后把所有的图像块加权平均处理，得到融合后的图像；(3.7)、取融合后的图像和第三张配准好的图像，再按照步骤(3.2)～(3.6)所述方法进行图像融合，得到融合后的图像，然后以此类推，至到第L张图像融合完成，得到最终的融合图像IF；(4)、图像分割(4.1)、读取图像IF像素点的行列数目，把图像IF等分为K个矩形块，再以此为模板，将每一张配准后的图像也等分成K个矩形块；(4.2)、采用信息熵D(f)来度量每个矩形块的清晰程度：其中，表示第k张图像中第τ个矩形块的熵值，越大，则矩形块越清晰，表示第k张...

【专利技术属性】
技术研发人员：刘珊，杨波，郑文锋，武鹏，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51