买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东工业大学

摘要：本发明涉及图像处理领域的技术领域，更具体地说，它涉及一种基于图像转换的多光斑去噪校正方法及三维重构方法，其技术方案要点是：获取带有噪声的多光斑图像；构建MSIDNet模型；将带有噪声的多光斑图像输入MSIDNet模型中，获得去噪声图像；将去噪声图像采用八连通区域ROI分割为多个子光斑；采用高斯拟合算法提取多个子光斑的中心坐标；基于移动窗口匹配对应的子光斑；基于迭代法进行三维重构，获得原始物体的三维形貌。

主权项：1.一种三维重构方法，其特征在于，包括以下步骤：基于图像转换的多光斑去噪校正获得去噪声图像；将所述去噪声图像采用八连通区域ROI分割为多个子光斑；采用高斯拟合算法提取多个所述子光斑的中心坐标；基于移动窗口匹配对应的所述子光斑；基于迭代法进行三维重构，获得原始物体的三维形貌；所述步骤基于图像转换的多光斑去噪校正获得去噪声图像具体为：获取带有噪声的多光斑图像；构建MSIDNet模型；将所述带有噪声的多光斑图像输入所述MSIDNet模型中，获得所述去噪声图像；所述MSIDNet模型包括编码器与解码器；所述编码器包括多个卷积层和池化层，所述卷积层用于提取所述带有噪声的多光斑图像的抽象特征，所述卷积层为3*3的卷积，所述池化层用于对去除所述带有噪声的多光斑图像的冗余信息，基于特征映射的拼接操作将多个所述抽象特征融合；所述卷积层包括批归一化层和ReLU激活函数；所述解码器包括多个所述卷积层和上采样层，所述上采样层采用双线性插值技术执行上采样操作，用于恢复目标图像，所述上采样层在进行第二次和第三次上采样操作之前进行拼接操作，将高级语义特征和低级语义特征融合起来用于传递低层和高层特征信息，所述卷积层还用于识别所述带有噪声的多光斑图像中的噪声，并输出所述去噪声图像；所述步骤将所述去噪声图像采用八连通区域ROI分割为多个子光斑具体为：将所述去噪声图像转为灰度图，基于光斑图像的连通特性，采用八连通区域标记法将所述灰度图的每个连通区域作同一个标记，根据所述标记的参数对所述灰度图进行分割，所述灰度图的每个连通区域具有相同的标签，记为Ci，I＝1，2，…，N，此处，N为连通区域的总数，连通区域Ci可由MATLAB函数bwlabel计算，计算公式为：Ci＝bwlabelIx,y,i其中，i为连通区域的索引，Ix,y为灰度图；采用MATLAB的regionprops函数计算出经八连通区域ROI分割之后的单个所述光斑图的剪裁矩阵Bi，i＝1，2，…，N，所述矩阵的大小为包含分割后每个光斑连接区域Ci的最小矩形；利用MATLAB函数imcrop提取原始所述去噪声图像对应于裁剪矩阵的掩膜图像，具体操作如下：maski＝imcropI2x,y,Bi其中，maski表示多光斑去噪图像I2x,y中对应裁剪矩阵Bi的每一个光斑连通区域图像，I2x,y为通过所述MSIDNet模型训练后所述去噪声图像；所述步骤基于迭代法进行三维重构，获得原始物体的三维形貌具体为：通过斜率差值重构出对应子光斑在该旋转平面的坐标，以旋转轴上的点为圆心，首先确定第一个点的坐标，计算方式如下： 其中，x1,y1为第一个点坐标，th为旋转角度，r为起始点到圆心的距离；所述斜率ki由下式计算： 其中，yi为第i个点的纵坐标，xi为第i个点的横坐标，ki为斜率；所述点x1,y1与所述点xi，yi的关系为：yi＝tanθi-1+thxi2其中，x1,y1为第一个点坐标，th为旋转角度，r为起始点到圆心的距离；以π2+th2为第一个点的初始角度，则可得以下公式：θi-1＝π2+i×th-th23由公式123联立可获得两点之间的关系如下： 其中，th为旋转角度，yi为第i个点的纵坐标，xi为第i个点的横坐标，ki为斜率；利用上式算出所有点，基于所算出的点可重构出圆柱轴类物体的三维形貌轮廓。

全文数据：

权利要求：

百度查询： 广东工业大学 一种基于图像转换的多光斑去噪校正方法及三维重构方法