基于深度估计置信度的聚焦形貌恢复

作     者：史艳琼 查昭 张文亮 戴尔愉 陈中 SHI Yanqiong;ZHA Zhao;ZHANG Wenliang;DAI Eryu;CHEN Zhong

作者机构：安徽建筑大学机械与电气工程学院安徽合肥230601 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2024年第50卷第3期

页      面：233-241页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：安徽省科技重大专项(202203a05020022) 安徽省研究生教育质量工程项目(2022cxcysj156) 安徽建筑大学校引进人才及博士启动基金(2019QDZ16) 

主　　题：聚焦形貌恢复 三维重建 相似度 置信度 深度图 引导滤波 

摘      要：聚焦形貌恢复是非接触式三维重建领域中的重要技术手段。由于环境的影响和相机本身的限制,图像采集过程中会不可避免地产生噪声信息,影响重建精度。针对该问题,提出一种高精度、抗噪声的聚焦形貌恢复算法。使用聚焦评价函数对离焦序列图像进行评价,得到聚焦评价序列图像,并使用高斯拟合峰值法定位像素聚焦位置获得初始深度图。在此基础上,通过像素的聚焦评价曲线与灰度曲线之间的相似度衡量深度估计置信度,生成初始深度图的置信图,并将置信图作为引导图对初始深度图进行引导滤波,得到优化后的深度图。使用多组仿真离焦序列图像与真实显微离焦序列图像对所提方法进行性能验证,实验结果表明:所提方法在仿真与真实离焦序列中均能表现出优良的三维重建效果,在真实数据实验中,所提方法的所有指标均优于基于深度图优化的方法,与传统方法相比均方根误差分别降低64.8%和47.3%以上,相关系数分别提高2.18%和6.35%以上,具有更高的精度和更强的抗噪性,能有效提高聚焦形貌恢复精度。