SCIENTIASINICAInformationis中国科学:信息科学2023年第53卷第2期:282–308©2023《中国科学》杂志社www.scichina.cominfocn.scichina.com论文三维时频变换视角的智能微观三维形貌重建方法闫涛1,2,4,钱宇华1,3,4*,李飞江1,4,闫泓任1,4,王婕婷1,4,梁吉业3,郑珂银1,4,吴鹏1,4,陈路1,4,胡治国1,2,4,乔志伟2,4,张江峰1,2,4,翟小鹏51.山西大学大数据科学与产业研究院,太原0300062.山西大学计算机与信息技术学院,太原0300063.山西大学计算智能与中文信息处理教育部重点实验室,太原0300064.山西省机器视觉与数据挖掘工程研究中心,太原0300065.北京汉德图像设备有限公司,北京102699*通信作者.E-mail:jinchengqyh@sxu.edu.cn收稿日期:2021–11–18;修回日期:2022–02–27;接受日期:2022–03–21;网络出版日期:2023–02–07国家自然科学基金重点项目(批准号:62136005)、国家重点研发计划(批准号:2020AAA0106100)、科技创新2030–重大项目(批准号:2021ZD0112402)、国家自然科学基金(批准号:62006146,62106132,62071281,62003200)和山西省自然科学基金计划(批准号:201901D211169,20210302123455,202103021223026)资助项目摘要基于图像聚焦信息的三维形貌重建方法通常对微观物体的景深图像序列采用统一的聚焦评价标准,这类重建方法往往会忽视图像序列之间的联系,难以修正图像纹理稀疏或低对比度导致的连续帧深度误差.鉴于三维数据特有的多维度信息关联特性,本文将微观物体的不同景深图像序列视为三维数据,在重建过程中引入全部图像序列之间的关联关系,从三维数据时频变换的视角构造了以多视角分析、稳定性聚类、选择性融合逻辑耦合的微观三维形貌重建框架.首先从理论上分析三维数据相较于传统二维图像处理重建问题的优势,通过构造三维时频变换实现三维数据到不同尺度、区域和方向深度图像之间的映射;然后从增强深度图像特征的角度构建基于多模态纹理特征的局部稳定性聚类算法,实现同质性较好深度图像的自适应选择;最后提出选择性深度图像融合的策略,通过构造层筛过滤平衡树对滤除离散噪声后的多层深度图像进行融合,实现微观物体高精度的三维形貌重建.模拟数据与真实场景数据均验证了本文方法的有效性.三维时频变换视角的智能微观三维重建方法为基于图像聚焦信息的三维形貌重建提供一个崭新的研究视角,在精密制造、亚微米级工业测量等领域具有重要的理论意义和应用价值.关键词三维重建,无监督学习,稳定性聚类,深度图像,时频变换1引言微观三维形貌重建属于机器视觉...
