欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022105030366
申请人: 山西大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种联合局部与全局聚焦特征的三维形貌重建方法,包括以下步骤:步骤1:通过垂直调整待测物体到相机感光成像面的相对距离产生不同区域的聚焦图像,从而得到待测物体的多聚焦图像序列n表示多聚焦图像序列数目,其取值范围为1≤n≤N;

步骤2:对步骤1中得到的多聚焦图像序列根据式(1)进行卷积操作得到图像序列特征集n′表示特征集数目,其取值范围为1≤n′≤N′,其中conv1和conv2表示神经网络卷积层参数,为卷积操作符;

步骤3:对步骤2中得到的图像序列特征集根据式(2)对I′n′位置P处的特征进行可变形卷积操作得到初始聚焦特征Ilow,其中Wk和Pk表示第k个位置预先指定的卷积权重和卷积偏移量,K表示可变形卷积核的总数;

步骤4:对步骤3中得到的初始聚焦特征Ilow根据式(3)对其进行最大池化操作得到聚焦特征集其取值范围为1≤k≤K,其中Fk表示第k个特征图在特征矩阵Iloc的最大池化输出值,xkpq表示特征矩阵Iloc中位于(p,q)处的第k个特征值;

步骤5:对步骤4中得到的聚焦特征集通过特征分离模块得到新的特征{Fl,Fg},其中Fl表示局部特征建模分支的输入特征,Fg表示全局特征建模分支的输入特征;

步骤6:对步骤5中的局部特征建模分支的输入特征Fl根据式(4)进行深度卷积得到多聚焦图像序列的局部特征l(Fl),其中conv3表示神经网络层中深度卷积参数;

步骤7:对步骤5中的全局特征建模分支的输入特征Fg根据式(5)进行自注意力校正得到多聚焦图像序列的全局特征g(Fg),其中gi(Fg)表示i位置输入特征Fg与其余位置特征构建的关联关系,θi(Fg)表示位置i输入特征Fg在θ空间的特征嵌入过程,φj(Fg)和分别表示在位置j输入特征Fg在φ和空间的特征嵌入过程,N表示特征点的数量,T表示特征向量转置,exp表示以自然常数e为底的指数函数,∑(·)表示特征值累加;

步骤8:对步骤6得到的多聚焦图像序列的局部特征l(Fl)和步骤7得到的多聚焦图像序列的全局特征g(Fg)根据式(6)进行特征联合操作得到局部-全局特征集Fcou,Fcou=f(l(Fl),g(Fg))                              (6)其中f(·,·)表示局部-全局特征联合函数;

步骤9:对步骤8中得到的局部-全局特征Fcou通过式(7)的特征映射模块迭代得到待测物体的深度图D,其中conv4、conv5和conv6表示神经网络层中卷积参数,为反卷积操作符。