【技术实现步骤摘要】
本专利技术涉及图像处理领域，具体涉及一种基于神经网络的卯榫结构三维图像拼接方法和系统。
技术介绍
1、三维图像拼接是一种将多个视角拍摄的图像合并成一个完整场景的技术，它在多个领域如虚拟现实、医学成像、遥感测绘等有着广泛的应用。目前的三维图像拼接涉及到图像的配准、融合和渲染等多个步骤，以确保最终的拼接图像在视觉上是连贯和自然的。
2、然而现有的传统图像拼接技术在图像配准的过程中，是利用图像中重合区域的特征点进行识别配准，不适用于无重合区域的榫卯结构图像拼接，并且拼接后输出的图像无法消除榫卯组件的接口，致使拼接错误率较高。
技术实现思路
1、为了解决现有技术中存在的上述问题，本专利技术提供了一种基于神经网络的榫卯结构三维图像拼接方法和系统。本专利技术要解决的技术问题通过以下技术方案实现：
2、一种基于神经网络的榫卯结构三维图像拼接方法和系统，包括获取图像和网络运行。
3、获取图像：获取待拼接榫卯组件的原始二维图像；
4、网络运行：将所述待拼接榫卯组件的原始二维图像输入至预设神经网络模型以得到拼接三维图像或所述拼接三维图像中任意角度的二维图像。
5、在一个具体实施方式中，所述预设神经网络模型的训练方法包括：
6、获取原始标记图像组和人造标记图像组，其中，所述原始标记图像组是对榫卯结构组装成品的多角度图和所述榫卯结构中每个组件的多角度图进行采集和标记得到的，所述人造标记图像组是对所述原始标记图像组分别进行多级等比例分辨
7、将所述原始标记图像组和所述人造标记图像组输入至待训练神经网络模型中进行训练以得到所需的神经网络模型。
8、在一个具体实施方式中，所述对榫卯结构组装成品的多角度图和所述榫卯结构中每个组件的多角度图进行采集，包括：
9、采集所述榫卯结构组装成品的多角度图和所述榫卯结构中每个组件的多角度图，使得所述榫卯结构组装成品的多角度图和所述榫卯结构中每个组件的多角度图覆盖相应榫卯结构组装成品或者相应组件的全部可视面。
10、在一个具体实施方式中，所述对榫卯结构组装成品的多角度图和所述榫卯结构中每个组件的多角度图进行标记，包括：对所述榫卯结构组装成品的多角度图和所述榫卯结构中每个组件的多角度图中的榫卯接口进行区分标记，其中，所述区分标记包括区分接口类别标记和区分接口形状标记。
11、在一个具体实施方式中，对所述原始标记图像组进行多级等比例分辨率缩小处理和图像预处理包括：
12、对所述原始标记图像进行水平和垂直的等比例缩小，每级缩小的比例相同，缩小的级数不小于神经网络输入的级数；
13、对所述原始标记图像组进行图像预处理包括：对原始标记图像组进行高光处理、颜色处理、遮挡处理和噪声处理操作中的一种或多种。
14、在一个具体实施方式中，所述神经网络包括：
15、多个并行拓扑处理单元和一个融合处理单元；
16、每个并行拓扑处理单元包含多个串行子单元，1个第一全连接层和1个第一激活函数，其中，第一激活函数通过扩散指数线性函数和线性分段函数进行融合得到，融合参数由分辨率确定；
17、融合处理单元包括多个并行子单元、1个第二激活函数和1个第二全连接层，其中，第二激活函数为8点贝塞尔函数。
18、在一个具体实施方式中，所述并行拓扑处理单元的数量不小于角度图数量和分辨率级数数量的乘积；
19、当并行拓扑处理单元的输入图像分辨率相同时，每个并行拓扑处理单元中的同级串行子单元计算结果之间进行交叉融合，其中，交叉融合的方式包括计算均值、计算中值或高斯滤波；
20、当并行拓扑处理单元的输入图像分辨率不同时，每个并行拓扑处理单元中的倒数第二级串行子单元计算结果之间进行交叉融合，其中，交叉融合的方式包括高斯滤波；
21、每个串行子单元依次包括3-5个卷积层、1个2*2池化层、1个第三激活函数和1个2*2上采样，其中，第三激活函数通过线性整流函数和指数线性分段函数进行融合得到，融合参数由分辨率确定；
22、并行拓扑处理单元中串行子单元的数量由并行拓扑处理单元的输入图像的分辨率确定。
23、在一个具体实施方式中，所述融合处理单元中的并行子单元依次包括4-6个卷积层、1个2*2池化层、1个第四激活函数、1个2*2上采样和1个第三全连接层，其中，第四激活函数为12点贝塞尔函数；
24、在一个具体实施方式中，对所述待训练神经网络模型进行训练，包括：
25、设定激活函数参数、卷积层数量和大小；
26、采用增量式数据输入，将所述原始标记图像组输入所述待训练神经网络模型进行训练得到第一参数；
27、采用增量式数据输入，锁定所述第一参数中所有卷积层的参数后，将所述人造标记图像组输入所述待训练神经网络模型进行训练得到第二参数；
28、调整激活函数参数、卷积层数量和大小后,迭代得到多个第二参数，选取精确率最高的一组第二参数作为所述预设神经网络模型的参数。
29、本专利技术同时提供一种基于神经网络的榫卯结构三维图像拼接系统，包括：
30、数据采集模块：用于获取待拼接榫卯组件的二维图像；
31、神经网络处理模块：用于将所述待拼接榫卯组件的二维图像输入至预设神经网络模型以得到拼接三维图像或所述拼接三维图像中任意角度的二维图像。
32、本专利技术的有益效果：
33、本专利技术的一种基于神经网络的榫卯结构三维图像拼接方法和系统，通过使用原始标记图像组和人造标记图像组，并采用多分辨率多角度神经网络进行三维图像拼接，从而实现了榫卯结构的三维图像拼接，有效的提升了图像拼接鲁棒性和拼接准确率。
34、以下将结合附图及实施例对本专利技术做进一步详细说明。
本文档来自技高网...【技术保护点】
1.一种基于神经网络的榫卯结构三维图像拼接方法，其特征在于：
2.根据权利要求1所述的基于神经网络的榫卯结构三维图像拼接方法，其特征在于，所述预设神经网络模型的训练方法包括：
3.根据权利要求2所述的基于神经网络的榫卯结构三维图像拼接方法，其特征在于，对榫卯结构组装成品的多角度图和所述榫卯结构中每个组件的多角度图进行采集，包括：
4.根据权利要求2所述的基于神经网络的榫卯结构三维图像拼接方法，其特征在于，对榫卯结构组装成品的多角度图和所述榫卯结构中每个组件的多角度图进行标记，包括：
5.根据权利要求2所述的基于神经网络的榫卯结构三维图像拼接方法，其特征在于，对所述原始标记图像组进行多级等比例分辨率缩小处理和图像预处理包括：
6.根据权利要求1所述的基于神经网络的榫卯结构三维图像拼接方法，其特征在于，所述神经网络包括：
7.根据权利要求6所述的基于神经网络的榫卯结构三维图像拼接方法，其特征在于，并行拓扑处理单元的数量不小于角度图数量和分辨率级数数量的乘积；
8.根据权利要求6所述的基于神经网络的榫卯
9.根据权利要求1所述的基于神经网络的榫卯结构三维图像拼接方法，其特征在于，对所述待训练神经网络模型进行训练，包括：
10.一种基于神经网络的榫卯结构三维图像拼接系统，其特征在于：包括：
...【技术特征摘要】
1.一种基于神经网络的榫卯结构三维图像拼接方法，其特征在于：
2.根据权利要求1所述的基于神经网络的榫卯结构三维图像拼接方法，其特征在于，所述预设神经网络模型的训练方法包括：
3.根据权利要求2所述的基于神经网络的榫卯结构三维图像拼接方法，其特征在于，对榫卯结构组装成品的多角度图和所述榫卯结构中每个组件的多角度图进行采集，包括：
4.根据权利要求2所述的基于神经网络的榫卯结构三维图像拼接方法，其特征在于，对榫卯结构组装成品的多角度图和所述榫卯结构中每个组件的多角度图进行标记，包括：
5.根据权利要求2所述的基于神经网络的榫卯结构三维图像拼接方法，其特征在于，对所述原...
【专利技术属性】
技术研发人员：刘静，张梦瑶，杨周礼，符莹，任青青，折强，杨凯，
申请(专利权)人：西京学院，
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。