本申请提供一种三维图像重建方法、装置、电子设备及存储介质，通过获取基于双目视觉系统采集的原始双目图像；根据原始双目图像，生成对应的多分辨率尺度双目图像，多分辨率尺度双目图像包括目标图像对应的多分辨率尺度图像集和参考图像对应的多分辨率尺度图像集，多分辨率尺度图像集基于高斯金字塔结构，多分辨率尺度图像集表征图像在不同分辨率尺度下的像素坐标；基于多分辨率尺度双目图像，得到多分辨率尺度匹配代价信息；根据多分辨率尺度匹配代价信息，在多分辨率尺度上进行代价聚合，得到代价聚合信息；根据代价聚合信息，生成视差图，并构建三维图像。由于利用了图像更多的细节特征信息，提高了显微场景下提取深度信息的能力。的能力。的能力。
【技术实现步骤摘要】
三维图像重建方法、装置、电子设备及存储介质
[0001]本申请涉及计算机视觉计算领域，尤其涉及一种三维图像重建方法、装置、电子设备及存储介质。
技术介绍
[0002]在各类感官系统中，视觉系统是获取事物尺寸、颜色、轮廓等特性的首要感官系统，由视觉获取到的信息数据占人类可从外界可获取到的全部信息的80％，人类双眼对获取信息至关重要。基于双目视觉的三维图像重建是计算机视觉研究的重点，其主要通过在获取到目标物体的二维图像信息后，利用相关三维重构算法恢复出现实环境下目标场景的表面信息。
[0003]三维图像重建通常是通过基于双目立体匹配算法，计算参考图像与目标图像之间的匹配代价，再进行匹配代价聚合和优化，生成视差图，进而完成三维图像重建的工作。在常见的大场景下，现有技术中处理计算匹配代价和匹配代价聚合的步骤时，通常是使用固定的参数来进行计算，从而完成视差图的生成。
[0004]然而，专利技术人发现，在显微场景下，存在大量的低对比度的细节特征，上述方案无法准确的恢复出图像中的深度信息，从而导致了三维图像的重建精度低、重建效果差等问题。
技术实现思路
[0005]本申请提供一种三维图像重建方法、装置、电子设备及存储介质，用以解决在显微场景下无法准确的恢复出图像中的深度信息的问题。
[0006]第一方面，本申请提供了一种三维图像重建方法，包括：获取基于双目视觉系统采集的原始双目图像，所述原始双目图像包括参考图像和目标图像；根据所述原始双目图像，生成对应的多分辨率尺度双目图像，所述多分辨率尺度双目图像包括所述目标图像对应的多分辨率尺度图像集和所述参考图像对应的多分辨率尺度图像集，所述多分辨率尺度图像集基于高斯金字塔结构，所述多分辨率尺度图像集表征图像在不同分辨率尺度下的像素坐标；基于所述多分辨率尺度双目图像，得到多分辨率尺度匹配代价信息，所述多分辨率尺度匹配代价信息表征不同分辨率尺度下，目标图像内的像素点以所有视差可能性去匹配目标图像上对应点的代价值；根据所述多分辨率尺度匹配代价信息，在多分辨率尺度上进行代价聚合，得到代价聚合信息，所述代价聚合信息表征在各分辨率尺度上，所述目标图像内各像素点对应的累计代价值；根据所述代价聚合信息，生成视差图，并基于视差图构建三维图像。
[0007]在一种可能的实现方式中，根据所述原始双目图像，生成对应的多分辨率尺度双目图像，包括：循环执行下列步骤，直至循环次数到达预设值：对初始图像进行图像平滑处理，生成预处理图像；对所述预处理图像进行下采样，生成下采样图像，所述下采样图像的分辨率尺寸为所述初始图像的一半；其中，所述下采样图像为下一次循环中的初始图像；其
中，首次循环中的初始图像为所述原始双目图像。
[0008]在一种可能的实现方式中，所述基于所述多分辨率尺度双目图像，得到多分辨率尺度匹配代价信息，包括：基于所述多分辨率尺度双目图像，获取不同分辨率尺度下的目标图像；针对所述不同分辨率尺度下的目标图像，分别获取对应分辨率尺度的参考图像，并基于所述对应分辨率尺度的参考图像，计算目标图像中的各像素点对应的代价值；根据不同分辨率尺度的目标图像中各像素点对应的代价值，生成多分辨率尺度匹配代价信息。
[0009]在一种可能的实现方式中，所述代价聚合信息包括各分辨率尺度对应的聚合信息，根据所述多分辨率尺度匹配代价信息，在多分辨率尺度上进行代价聚合，得到代价聚合信息，包括：针对每一分辨率尺度下的目标图像，依次执行以下步骤：基于最小生成树，对目标图像进行分割，生成多个分割块；针对各所述分割块进行连接，生成分割树；按照从叶节点到根节点，再从所述根节点到叶节点的顺序进行代价聚合，生成所述目标图像在当前分辨率尺度下对应的聚合信息。
[0010]在一种可能的实现方式中，所述基于最小生成树，对目标图像进行分割，生成多个分割块，包括：遍历所述目标图像中的目标像素点，并执行以下步骤：获取所述目标像素点与相邻像素点之间的三通道像素差值的绝对值；将所述三通道像素差值的绝对值中的最大值，获得边的权重值；根据所述边的权重值，对所述目标图像进行分割，生成多个分割块。
[0011]在一种可能的实现方式中，根据所述代价聚合信息，生成视差图，包括：基于胜者为王策略，处理所述代价聚合信息，生成视差结果，所述视差结果包括所述目标图像对应的遮挡区域和/或深度不连续点；基于预设的优化方法，对所述视差结果进行优化，生成视差图；所述优化方法包括以下至少一种：匹配点检测、区域投票策略、亚像素增强。
[0012]在一种可能的实现方式中，所述方法还包括：对所述代价聚合信息进行正则化处理，生成正则化代价聚合信息，所述正则化处理用于加强目标图像内的像素在不同分辨率尺度间的一致性约束；根据所述代价聚合信息，生成视差图，包括：根据所述正则化代价聚合信息，生成视差图。
[0013]第二方面，本申请提供了一种三维图像重建装置，包括：
[0014]获取模块，用于获取基于双目视觉系统采集的原始双目图像，所述原始双目图像包括参考图像和目标图像；
[0015]生成模块，用于根据所述原始双目图像，生成对应的多分辨率尺度双目图像，所述多分辨率尺度双目图像包括所述目标图像对应的多分辨率尺度图像集和所述参考图像对应的多分辨率尺度图像集，所述多分辨率尺度图像集基于高斯金字塔结构，所述多分辨率尺度图像集表征图像在不同分辨率尺度下的像素坐标；
[0016]代价计算模块，用于基于所述多分辨率尺度双目图像，得到多分辨率尺度匹配代价信息，所述多分辨率尺度匹配代价信息表征不同分辨率尺度下，目标图像内的像素点以所有视差可能性去匹配目标图像上对应点的代价值；
[0017]代价聚合模块，用于根据所述多分辨率尺度匹配代价信息，在多分辨率尺度上进行代价聚合，得到代价聚合信息，所述代价聚合信息表征在各分辨率尺度上，所述目标图像内各像素点对应的累计代价值；
[0018]构建模块，用于根据所述代价聚合信息，生成视差图，并基于视差图构建三维图像。
[0019]在一种可能的实现方式中，所述生成模块，具体用于：循环执行下列步骤，直至循环次数到达预设值：对初始图像进行图像平滑处理，生成预处理图像；对所述预处理图像进行下采样，生成下采样图像，所述下采样图像的分辨率尺寸为所述初始图像的一半；其中，所述下采样图像为下一次循环中的初始图像；其中，首次循环中的初始图像为所述原始双目图像。
[0020]在一种可能的实现方式中，所述代价计算模块，具体用于：基于所述多分辨率尺度双目图像，获取不同分辨率尺度下的目标图像；针对所述不同分辨率尺度下的目标图像，分别获取对应分辨率尺度的参考图像，并基于所述对应分辨率尺度的参考图像，计算目标图像中的各像素点对应的代价值；根据不同分辨率尺度的目标图像中各像素点对应的代价值，生成多分辨率尺度匹配代价信息。
[0021]在一种可能的实现方式中，所述代价聚合信息包括各分辨率尺度对应的聚合信息，所述代价聚合模块，具体用于：针对每一分辨率尺度下的目标图像，依次执行以下步骤：基于最小生成树，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种三维图像重建方法，其特征在于，所述方法包括：获取基于双目视觉系统采集的原始双目图像，所述原始双目图像包括参考图像和目标图像；根据所述原始双目图像，生成对应的多分辨率尺度双目图像，所述多分辨率尺度双目图像包括所述目标图像对应的多分辨率尺度图像集和所述参考图像对应的多分辨率尺度图像集，所述多分辨率尺度图像集基于高斯金字塔结构，所述多分辨率尺度图像集表征图像在不同分辨率尺度下的像素坐标；基于所述多分辨率尺度双目图像，得到多分辨率尺度匹配代价信息，所述多分辨率尺度匹配代价信息表征不同分辨率尺度下，目标图像内的像素点以所有视差可能性去匹配目标图像上对应点的代价值；根据所述多分辨率尺度匹配代价信息，在多分辨率尺度上进行代价聚合，得到代价聚合信息，所述代价聚合信息表征在各分辨率尺度上，所述目标图像内各像素点对应的累计代价值；根据所述代价聚合信息，生成视差图，并基于视差图构建三维图像。2.根据权利要求1所述的方法，其特征在于，根据所述原始双目图像，生成对应的多分辨率尺度双目图像，包括：循环执行下列步骤，直至循环次数到达预设值：对初始图像进行图像平滑处理，生成预处理图像；对所述预处理图像进行下采样，生成下采样图像，所述下采样图像的分辨率尺寸为所述初始图像的一半；其中，所述下采样图像为下一次循环中的初始图像；其中，首次循环中的初始图像为所述原始双目图像。3.根据权利要求1所述的方法，其特征在于，所述基于所述多分辨率尺度双目图像，得到多分辨率尺度匹配代价信息，包括：基于所述多分辨率尺度双目图像，获取不同分辨率尺度下的目标图像；针对所述不同分辨率尺度下的目标图像，分别获取对应分辨率尺度的参考图像，并基于所述对应分辨率尺度的参考图像，计算目标图像中的各像素点对应的代价值；根据不同分辨率尺度的目标图像中各像素点对应的代价值，生成多分辨率尺度匹配代价信息。4.根据权利要求1所述的方法，其特征在于，所述代价聚合信息包括各分辨率尺度对应的聚合信息，根据所述多分辨率尺度匹配代价信息，在多分辨率尺度上进行代价聚合，得到代价聚合信息，包括：针对每一分辨率尺度下的目标图像，依次执行以下步骤：基于最小生成树，对目标图像进行分割，生成多个分割块；针对各所述分割块进行连接，生成分割树；按照从叶节点到根节点，再从所述根节点到叶节点的顺序进行代价聚合，生成所述目标图像在当前分辨率尺度下对应的聚合信息。5.根据权利要求4所述的方法，其特征在于，所述基于最小生成树，对目标图像进行分割，生成多个分割块，包括：遍历...
【专利技术属性】
技术研发人员：朱敏，仲沛，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。