1.一种基于改进迭代收缩阈值算法的微观3D重建方法，其特征在于，依次包括以下步骤：

步骤一、初始化基本参数，所述基本参数包括第一模糊图像和第二模糊图像；

步骤二、设定第一模糊图像和第二模糊图像的相对模糊度的初始值，并将第二模糊图像以第一模糊图像和相对模糊度表示；

步骤三、将第一模糊图像和第二模糊图像以图像的模糊化用卷积的形式表示并改写为热扩散方程组，计算热扩散方程的解；

步骤四、利用步骤三得到的热扩散方程的解计算能量方程，如果能量小于能量阈值，则由步骤二得到的相对模糊度带入深度信息表达式计算深度信息值；否则，转入步骤五；

2 2

步骤五、计算加速算子yj+1，yj+1表示由当前的相对模糊度开始，沿着Δσj‑Δσj‑1所构

2 2

成的搜素方向进行步长为aj所得到的相对模糊度，Δσj代表当前的相对模糊度，Δσj‑1代

2 2 2

表前一次的相对模糊度，yj+1＝Δσj+(nj‑1/nj+1)(Δσj‑Δσj‑1),aj＝nj‑1/nj，所述aj为第j次后的迭代步长；

步骤六、将加速算子yj+1带入迭代公式重新进行梯度估计；

步骤七，利用割线线性搜索求出最优迭代步长，带入迭代公式求出此时的相对模糊度；

步骤八、将计算所得的此时的相对模糊度带入深度信息表达式，求解出深度信息值；

所述深度信息表达式为：

其中f为摄像机焦距，v为摄像机像距，D为凸透镜半径，λ为模糊度与模糊圆之间的常2

数,s2(x,y)为第二模糊图像的深度信息值，s1(x,y)为第一模糊图像的深度信息值，Δσ(x,y)为相对模糊度；

所述第二模糊图像以第一模糊图像和相对模糊度表示是2

其中I2(x,y)为第二模糊图像，I1(x,y)为第一模糊图像,Δσ为相对模糊度；所述将第一模糊图像和第二模糊图像以图像的模糊化用卷积的形式表示并改写为热扩散方程组为：其中 为梯度算子， 为微分算子，t为扩散时间；

所述c(x,y)表示位于x,y处的坐标值，所述z(x,y,0)和z(x,y,t)分别为0时刻和t时刻热扩散方程的解。

2.根据权利要求1所述的基于改进迭代收缩阈值算法的微观3D重建方法，其特征在于，所述步骤四中，所述能量方程表示如下其中I2(x,y)为第二模糊图像，能量系数ρ>0,1>0，z(x,y,Δt)为热扩散方程的解，s为由相对模糊度带入深度信息表达式计算的深度信息值；

所述z(x，y，Δt)为Δt时刻热扩散方程的解。

3.根据权利要求l所述的基于改进迭代收缩阈值算法的微观3D重建方法，其特征在于，所述步骤六中，所述迭代公式由以下方法确定：对于无约束最优化问题2

E1(s)＝∫∫(z(x,y,Δt)‑I2(x,y)) dxdy解决上式的梯度算法为

其中，tj表示迭代步长，而上式的二阶估计模型可以表示为加入Tikhonov正则项 得到以下迭代公式忽略常数项，得到

2

Δσj的计算变成解决每个元素的一维问题，它的迭代公式为n n

其中，Tp:R→R是收缩算子，定义为将计算得到的加速算子带入迭代公式得到所述s为由相对模糊度带入深度信息表达式计算的深度信息值，所述z(x，y，Δt)为热扩散方程的解，所述I2(x，y)为第二模糊图像，所述ρ为能量系数，所述E1(s)为无约束最优化

2 2

问题的能量方程所述，Δσj为当前的相对模糊度，所述Δσj‑1代表前一次的相对模糊度，所述tj表示迭代步长，所述 为梯度算子，所述 为微分算子。

4.根据权利要求1所述的基于改进迭代收缩阈值算法的微观3D重建方法，其特征在于，*

所述步骤七中，利用割线线性搜索求出最优迭代步长t的方法是：建立关于步长的一元函数

*

t＝arg minψ(t),其中 ψ(t)是关于t

*

的一元函数，t是迭代步长，d是迭代方向，t是最优迭代步长，采用割线迭代格式表示为所述ψ(t)是关于t的一元函数，所述t是迭代步长，所述d是迭代方向，所述t*是最优迭代步长。