一种多尺度三维频域变换的颗粒物三维形貌重建方法与流程

    专利2022-07-08  100


    本发明属于微观三维形貌重建领域,具体涉及一种多尺度三维频域变换的颗粒物三维形貌重建方法。



    背景技术:

    基于图像聚焦信息的三维形貌重建方法广泛应用于微观物体的三维形貌重建领域,特别是在环境科学领域,如何实现微米级颗粒物的三维形貌精确重建将有助于更好的理解和发现影响大气环境的主要因素。

    基于图像聚焦信息的三维形貌重建算法是通过运用有效的聚焦测量函数对待测物体不同景深的图像序列进行聚焦程度评价,进而从图像序列中恢复物体深度信息的一种三维形貌重建方法。但研究发现,现有的基于图像聚焦信息的三维形貌方法大都集中在优化聚焦测量函数的层面,这些聚焦测量函数主要可以分为梯度类、频域变换类和统计类三大类。梯度类聚焦测量函数主要利用图像序列中单帧图像的像素值对图像的聚焦程度进行评价,尽管这类方法计算效率较高,但难以对含有噪声的图像进行准确的聚焦信息判断;频域变换类方法主要运用频域变换系数作为图像聚焦程度的判断准则,但这类方法仅从单一尺度系数的角度进行图像聚焦程度测量,无法从其它尺度系数获得更为精确的聚焦判断信息;统计类聚焦测量函数利用统计学指标对图像的聚焦信息进行判断,但这类方法在图像聚焦信息判断过程中容易受到环境光和待测物体本身的材质影响导致重建结果不稳定。

    通过了解研究现状,我们认为该领域方法存在以下两点不足:①现有的聚焦测量函数仅从单一视角去评价一幅图像的聚焦程度,在对含噪声较多的颗粒物图像序列进行聚焦程度评价的过程容易出现较多的错误深度结果;②现有方法均遵循从单帧图像的聚焦程度测量入手,然后逐帧对整个图像序列依次进行测量,这种思路往往会忽略图像序列之间的关联关系,无法实现待测物体精确的三维形貌重建。因此如何针对微米级颗粒物建立一个高精度三维形貌重建方法是该领域面临的一个主要难题。

    综上所述,我们认为不同景深的图像序列之间本身存在联系,在进行图像序列的聚焦程度评价过程中割裂图像序列之间的联系是不合理的。本专利首先将待测颗粒物不同景深的图像序列视为一个完整的三维数据,然后提出一种多尺度三维频域变换直接作用于该三维数据进行聚焦程度测量,实现了微米级待测颗粒物的三维形貌精确重建。



    技术实现要素:

    为克服上述技术中存在的问题,本发明的目的是提供一种多尺度三维频域变换的颗粒物三维形貌重建方法。

    本发明所采取的技术方案是:一种多尺度三维频域变换的颗粒物三维形貌重建方法,包括以下步骤:

    步骤1,通过调整相机与微米级待测颗粒物之间的距离得到覆盖待测颗粒物全部景深的多幅图像序列其中z表示图像数且其取值范围为1≤z≤n,x,y表示单幅图像中的位置且其取值范围分别为0≤x,y≤m-1;

    步骤2,设置多尺度三维频域变换的最大分解尺度j与最大方向数l,按照公式(1)将步骤1得到的图像序列f(x,y,z)通过非降采样金字塔滤波器组得到1个低频分解系数与j个不同尺度的高频分解系数

    其中*为卷积操作符,为j个低频滤波器,为j个高频滤波器;当j=1时,

    步骤3,根据式(2)将步骤2得到的j个不同尺度的高频分解系数进行傅里叶变换;

    其中f为傅里叶变换操作符,ξ1,ξ2,ξ3为傅里叶变换后频率域的参数,尺度j的选择范围为1≤j≤j;

    步骤4,根据式(3)将步骤3得到的j个不同尺度高频分解系数的傅里叶变换结果与窗口函数wj,l(ξ1,ξ2,ξ3)进行内积操作得到j×l个不同方向高频分解系数的傅里叶变换结果;

    其中为窗口函数wj,l(ξ1,ξ2,ξ3)的共轭;

    步骤5,根据式(4)将步骤4得到的j×l个不同方向的傅里叶变换结果进行三维傅里叶反变换得到图像序列的多尺度三维频域变换系数;

    其中f-1为傅里叶反变换操作符;

    步骤6,根据式(5)选择步骤5得到的多尺度三维频域变换系数在第z维的最大值所在位置得到j×l个不同尺度与方向的深度结果;

    其中dj,l(x,y)为尺度为j和方向为l的深度结果;

    步骤7,根据式(6)选择步骤6得到的同一尺度不同方向的深度结果的最大值得到j个不同尺度下的深度结果;

    步骤8,通过计算步骤7得到的j个不同尺度深度结果的图像熵,根据式(7)选择熵值最小的深度结果作为待测颗粒物最终的三维形貌重建结果;

    其中h为图像熵的计算函数。

    本发明的方法能够实现微米级待测颗粒物的精确三维形貌重建。

    附图说明

    图1是一种多尺度三维频域变换的颗粒物三维形貌重建方法的流程图;

    图2是一种多尺度三维频域变换的颗粒物三维形貌重建方法的框架示意图。

    具体实施方式

    如图1、图2所示,一种多尺度三维频域变换的颗粒物三维形貌重建方法,包括以下步骤:

    步骤1,通过调整相机与微米级待测颗粒物之间的距离得到覆盖待测颗粒物全部景深的多幅图像序列其中z表示图像数且其取值范围为1≤z≤n,x,y表示单幅图像中的位置且其取值范围分别为0≤x,y≤m-1;

    步骤2,设置多尺度三维频域变换的最大分解尺度j与最大方向数l,按照公式(1)将步骤1得到的图像序列f(x,y,z)通过非降采样金字塔滤波器组得到1个低频分解系数与j个不同尺度的高频分解系数

    其中*为卷积操作符,为j个低频滤波器,为j个高频滤波器;当j=1时,

    步骤3,根据式(2)将步骤2得到的j个不同尺度的高频分解系数进行傅里叶变换;

    其中f为傅里叶变换操作符,ξ1,ξ2,ξ3为傅里叶变换后频率域的参数,尺度j的选择范围为1≤j≤j;

    步骤4,根据式(3)将步骤3得到的j个不同尺度高频分解系数的傅里叶变换结果与窗口函数wj,l(ξ1,ξ2,ξ3)进行内积操作得到j×l个不同方向高频分解系数的傅里叶变换结果;

    其中为窗口函数wj,l(ξ1,ξ2,ξ3)的共轭;

    步骤5,根据式(4)将步骤4得到的j×l个不同方向的傅里叶变换结果进行三维傅里叶反变换得到图像序列的多尺度三维频域变换系数;

    其中f-1为傅里叶反变换操作符;

    步骤6,根据式(5)选择步骤5得到的多尺度三维频域变换系数在第z维的最大值所在位置得到j×l个不同尺度与方向的深度结果;

    其中dj,l(x,y)为尺度为j和方向为l的深度结果;

    步骤7,根据式(6)选择步骤6得到的同一尺度不同方向的深度结果的最大值得到j个不同尺度下的深度结果;

    步骤8,通过计算步骤7得到的j个不同尺度深度结果的图像熵,根据式(7)选择熵值最小的深度结果作为待测颗粒物最终的三维形貌重建结果;

    其中h为图像熵的计算函数。


    技术特征:

    1.一种多尺度三维频域变换的颗粒物三维形貌重建方法,其特征包括以下步骤:

    步骤1,通过调整相机与微米级待测颗粒物之间的距离得到覆盖待测颗粒物全部景深的多幅图像序列其中z表示图像数且其取值范围为1≤z≤n,x,y表示单幅图像中的位置且其取值范围分别为0≤x,y≤m-1;

    步骤2,设置多尺度三维频域变换的最大分解尺度j与最大方向数l,按照公式(1)将步骤1得到的图像序列f(x,y,z)通过非降采样金字塔滤波器组得到1个低频分解系数与j个不同尺度的高频分解系数

    其中*为卷积操作符,为j个低频滤波器,为j个高频滤波器;当j=1时,

    步骤3,根据式(2)将步骤2得到的j个不同尺度的高频分解系数进行傅里叶变换;

    其中f为傅里叶变换操作符,ξ1,ξ2,ξ3为傅里叶变换后频率域的参数,尺度j的选择范围为1≤j≤j;

    步骤4,根据式(3)将步骤3得到的j个不同尺度高频分解系数的傅里叶变换结果与窗口函数wj,l(ξ1,ξ2,ξ3)进行内积操作得到j×l个不同方向高频分解系数的傅里叶变换结果;

    其中为窗口函数wj,l(ξ1,ξ2,ξ3)的共轭;

    步骤5,根据式(4)将步骤4得到的j×l个不同方向的傅里叶变换结果进行三维傅里叶反变换得到图像序列的多尺度三维频域变换系数;

    其中f-1为傅里叶反变换操作符;

    步骤6,根据式(5)选择步骤5得到的多尺度三维频域变换系数在第z维的最大值所在位置得到j×l个不同尺度与方向的深度结果;

    其中dj,l(x,y)为尺度为j和方向为l的深度结果;

    步骤7,根据式(6)选择步骤6得到的同一尺度不同方向的深度结果的最大值得到j个不同尺度下的深度结果;

    步骤8,通过计算步骤7得到的j个不同尺度深度结果的图像熵,根据式(7)选择熵值最小的深度结果作为待测颗粒物最终的三维形貌重建结果;

    其中h为图像熵的计算函数。

    技术总结
    一种多尺度三维频域变换的颗粒物三维形貌重建方法。步骤如下:将微米级待测颗粒物不同景深的图像序列作为一个完整的三维数据;对该三维数据通过非降采样金字塔滤波器组得到多个尺度的高频分解系数;将各尺度高频分解系数进行傅里叶变换得到频域变换结果;将得到的频域变换结果与窗口函数进行内积操作得到多个方向的频域系数;将多个方向的频域系数进行傅里叶反变换得到图像序列的多尺度三维频域变换系数;将多尺度三维频域变换系数映射为不同尺度与方向深度结果;选择同一尺度下不同方向深度结果的最大值作为当前尺度的深度结果;选择所有尺度深度结果中熵值最小的深度图像作为待测颗粒物最终的三维形貌重建结果。本发明能够实现微米级颗粒物的三维形貌精确重建。

    技术研发人员:刘凤娴;闫涛;郭四稳
    受保护的技术使用者:太原理工大学;山西大学;广州大学
    技术研发日:2020.11.30
    技术公布日:2021.03.12

    转载请注明原文地址:https://wp.8miu.com/read-15949.html

    最新回复(0)