一种针对微观离散噪声场景的深度估计方法技术

本发明专利技术涉及一种针对微观离散噪声场景的深度估计方法。包括：步骤1，微米级步进电机采集微观离散噪声场景的多景深图像序列；步骤2，采用多方向拉普拉斯算子与图像序列进行卷积操作得到多个聚焦体积结果；步骤3，通过聚焦体积结果最大值所在位置得到多个初始深度图；步骤4，从统计学数据稳定性视角提出的约束条件对初始深度图进行筛选；步骤5，对筛选后的深度图进行融合；步骤6，联合图像序列与融合后的深度图得到融合图像；步骤7，融合后的深度图与融合图像通过加权中值滤波得到微观场景最终的深度图。本发明专利技术提出的方法可对微观离散噪声场景的深度信息进行准确估计。景的深度信息进行准确估计。

【技术实现步骤摘要】
一种针对微观离散噪声场景的深度估计方法


[0001]本专利技术属于机器视觉领域，具体涉及一种针对微观离散噪声场景的深度估计方法。

技术介绍

[0002]现有的微纳米级三维重建方法主要分为三大类：激光共聚焦三维重建、白光干涉三维重建与基于光学图像的三维重建方法，激光共聚焦三维重建旨在通过激光器发射激光束对待测微观场景进行逐点，逐行和逐面进行扫描成像，处于场景焦平面的激光点将反射回探测针孔成像，最后汇集成微观场景的三维结构，但受限于激光发射器的成本昂贵与硬件集成化程度高等因素使其缺乏多场景适用性。白光干涉三维重建主要利用白光的低干涉性，由于干涉只发生在零光程差附近，干涉条纹对比度会随着光程差的增大而下降，通过算法找出微观场景表面每一点的零光程差位置，可得到各点的相对高度，进而获得微观场景的三维形貌结构。由于其精度可达纳米级，因此其扫描效率低下，除此之外，白光干涉三维重建无法获得场景的纹理信息。综上所述，激光共聚焦三维重建与白光干涉三维重建等微纳米级三维重建系统通常需要昂贵的硬件支撑，导致其使用成本可达几十万甚至上百万，这使其无法进行广泛应用。而基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对微观离散噪声场景的深度估计方法，其特征包括以下步骤：步骤1，通过微米级步进电机采集微观离散噪声场景的多景深图像序列I
n
,1≤n≤N，其中n为图像序列下标，N为图像序列总数；步骤2，将步骤1得到的图像序列I
n
,1≤n≤N与C个方向拉普拉斯算子CDML
c
,1≤c≤C根据式(1)进行卷积操作得到C组图像序列的聚焦体积结果据式(1)进行卷积操作得到C组图像序列的聚焦体积结果其中c为方向拉普拉斯算子下标，C为算子总数，为卷积运算符，方向拉普拉斯算子CDML
c
,1≤c≤C的表达式如式(2)所示，CDML
c
＝R
x
sin((c
‑
1)θ)+R
y
cos((c
‑
1)θ),1≤c≤C
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)其中sin(
·
)与cos(
·
)分别为正弦与余弦函数，θ为角度参数，R
x
与R
y
分别为水平拉普拉斯算子与垂直拉普拉斯算子，其表达式如式(3)所示，其中像素坐标(ψ,ζ)为像素(x,y)的邻域坐标，s为步长，I
n
(ψ,ζ)为第n幅图像I
n
中(ψ,ζ)位置的灰度值；步骤3，将步骤2得到的C组图像序列的聚焦体积结果按照式(4)计算得到C幅初始深度图D
c

【专利技术属性】
技术研发人员：闫涛，刘凤娴，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：