本发明涉及三维形貌重建领域，尤其涉及一种自适应正态分析的三维形貌重建方法。
背景技术：
运用图像序列的景深来估计待重建物体的深度已经成为了三维重建领域的重要组成部分，而待重建物体三维形貌的一致性和连续性是三维形貌重建方法最重要的评价指标。因此，近年来在工业界与学术界开始关注如何在开放环境下得到待重建物体的高精度的三维形貌，以期为生物医药、智能制造等领域的应用提供方法和理论基础。
目前，基于图像序列的三维形貌重建方法主要包括聚焦测度函数的选择与形貌近似算法的设计两个主要步骤。聚焦测度函数主要以拉普拉斯类、小波变换模型为代表。其中，拉普拉斯类算法可以较为准确的计算图像的边缘信息，但表征深度信息的来源不仅仅有边缘信息，还有部分高频信息，因此典型的拉普拉斯类聚焦测度函数不能准确反映待重建物体的深度信息。小波变换类模型通过图像序列的时频转换得到图像序列对应的高低频部分，然后以高频信息的统计学特征作为深度判断的依据，此类方法对于噪声干扰少的图像数据有较高的重建精度，但在开放环境下，图像数据的采集过程会受到不同因素的干扰，很难准确判定噪声的类型。因此，此类方法不适用于未知噪声分布的真实场景三维形貌重建问题。形貌近似算法的本质可以归结为利用周围区域深度信息修复偏差位置的深度结果，其属于三维形貌重建方法的后处理过程，显然利用周围信息得到当前位置的深度结果并不能准确反映其深度信息。
通过了解研究现状，我们认为该领域的方法存在以下几点不足：①典型的聚焦测度函数虽可以反映多数图像序列中深度信息的变化，但此类方法容易受到噪声干扰而导致重建精度下降，无法用于真实场景中的三维形貌重建；②形貌近似方法作为一类后处理方法无法反应待重建物体真实的深度信息；③已有方法虽涉及一些典型噪声(诸如椒盐噪声、高斯噪声等)干扰下的形貌重建，但对于未知噪声分布、稀疏纹理细节条件下的高精度的三维形貌算法研究较少。如何建立一个具有较高精度的真实场景下三维形貌重建方法是当前面临的一个难题。
综上所述，我们认为在基于景深图像序列的三维形貌重建方法中，聚焦测度函数的窗口大小决定的信息量的多少，对于待重建物体的深度信息的准确估计起着核心和基础性的作用，如果能建立聚焦测度函数的窗口尺寸与深度信息之间的映射模型，通过对聚焦测度函数的趋势变化进行分析，进一步辅以梯度变化的信息用来克服未知噪声的干扰，则对于开放场景下的三维形貌重建具有重要意义。本专利首先分析景深图像序列三维形貌重建的本质特征，通过聚焦测度序列结果与对应梯度序列共同决定候选深度区间，然后针对候选深度区间数据分布进行正态性检验，提出了自适应正态分析的三维形貌重建新模型。
技术实现要素：
本发明目的是针对上述的不足，提供一种自适应正态分析的三维形貌重建方法。
本发明所采取的技术方案是：一种自适应正态分析的三维形貌重建方法，包括以下步骤：
步骤1，首先使用图像数据采集平台，通过调整图像数据采集平台中相机与待重建物体之间的距离，采集待重建物体同一角度不同景深的图像序列作为输入，其中图像序列间的步长是相等的，图像序列的总数从待重建物体所有区域虚焦开始，至部分区域聚焦，直到所有区域再次虚焦确定，从而得到待重建物体不同焦点的图像序列；
步骤2，在步骤1得到的图像序列中，以当前位置ii(x,y),1≤i≤n为中心，且n为图像序列总数，x,y为图像位置，m×m为半径，按照式(1)得到n幅局部图像序列聚焦测度序列结果
fmi(x,y)＝xsml(ii(p,q))(1)
其中：1≤i≤n,
步骤3，根据步骤2得到的聚焦测度序列结果，按照式(2)得到对应的梯度变化序列结果
gi(x,y)＝fmi(x,y)-fmi-1(x,y),1≤i≤n(2)
步骤4，比较步骤2的聚焦测度序列结果与步骤3的梯度变化序列结果，根据式(3)分析这两序列的最大值所在位置之间的距离d是否小于距离阈值t；
步骤5，如果步骤4中的式(3)成立，则根据式(4)截取以梯度序列最大值所在位置为中心，固定长度s为半径的部分聚焦测度序列作为候选深度序列区间在式(5)中进行正态性检验；
其中：
如果步骤4中的式(3)不成立，则将半径设置为(m 3)×(m 3)，假如当前半径m 3小于窗口半径最大值m，则重新执行步骤2至步骤4；否则根据式(6)将步骤1得到的聚焦测度序列中的最大值所在位置作为当前位置的深度结果输出；
步骤6，如果候选深度序列区间满足正态分布，则根据式(7)取候选深度序列区间最大值所在位置作为当前位置的深度结果；
如果候选深度序列区间不满足正态分布，将半径设置为(m 3)×(m 3)，假如当前半径满足m 3≤m，则重新按照步骤2至步骤5进行判断，否则根据式(8)将步骤1得到的聚焦测度序列中的最大值所在位置作为当前位置的深度结果输出；
步骤7，依次遍历待重建物体所有位置得到其对应的三维形貌。
进一步，步骤2中所述的聚焦测度函数根据下列式(9)计算，
其中：u(p,q)是图像(p,q)周围区域像素点，s为步长。
经过实验结果表明，本发明方法能够很好的克服真实场景中未知噪声的干扰，有效提升稀疏纹理细节条件样本的三维形貌重建精度。因此，本发明具有可以大幅减少待重建物体三维形貌重建结果的错误深度信息，有效提升真实场景中待重建物体的三维形貌重建精度的优点。
本发明的优点：
附图说明
图1为本发明自适应正态分析的三维形貌重建方法的整体流程示意图；
图2为本发明自适应正态分析的三维形貌重建方法的整体框架图；
图3为待重建物体某个位置的聚焦测度变化序列图；
图4为待重建物体某个位置对应的梯度变化序列图；
图5为待重建物体某个位置候选深度序列区间图；
图6为待重建物体的三维形貌重建灰度结果图；
图7为待重建物体的三维形貌重建结果的结构示意图。
具体实例方式
如图1、图2所示，本实施例所述一种自适应正态分析的三维形貌重建方法，包括以下步骤：
步骤1，首先使用图像数据采集平台，通过调整图像数据采集平台中相机与待重建物体之间的距离，采集待重建物体同一角度不同景深的图像序列作为输入，其中图像序列间的步长是相等的，图像序列的总数从待重建物体所有区域虚焦开始，至部分区域聚焦，直到所有区域再次虚焦确定，从而得到待重建物体不同焦点的图像序列；
如图3所示，步骤2，在步骤1得到的图像序列中，以当前位置ii(x,y),1≤i≤n为中心，且n为图像序列总数，x,y为图像位置，m×m为半径，按照式(1)得到n幅局部图像序列聚焦测度序列结果
fmi(x,y)＝xsml(ii(p,q))(1)
其中：1≤i≤n,
如图4所示，步骤3，根据步骤2得到的聚焦测度序列结果，按照式(2)得到对应的梯度变化序列结果
gi(x,y)＝fmi(x,y)-fmi-1(x,y),1≤i≤n(2)
步骤4，比较步骤2的聚焦测度序列结果与步骤3的梯度变化序列结果，根据式(3)分析这两序列的最大值所在位置之间的距离d是否小于距离阈值t；
如图5所示，步骤5，如果步骤4中的式(3)成立，则根据式(4)截取以梯度序列最大值所在位置为中心，固定长度s为半径的部分聚焦测度序列作为候选深度序列区间在式(5)中进行正态性检验；
其中：
如果步骤4中的式(3)不成立，则将半径设置为(m 3)×(m 3)，假如当前半径m 3小于窗口半径最大值m，则重新执行步骤2至步骤4；否则根据式(6)将步骤1得到的聚焦测度序列中的最大值所在位置作为当前位置的深度结果输出；
步骤6，如果候选深度序列区间满足正态分布，则根据式(7)取候选深度序列区间最大值所在位置作为当前位置的深度结果；
如果候选深度序列区间不满足正态分布，将半径设置为(m 3)×(m 3)，假如当前半径满足m 3≤m，则重新按照步骤2至步骤5进行判断，否则根据式(8)将步骤1得到的聚焦测度序列中的最大值所在位置作为当前位置的深度结果输出；
步骤7，依次遍历待重建物体所有位置得到其对应的三维形貌。
进一步，步骤2中所述的聚焦测度函数根据下列式(9)计算，
其中：u(p,q)是图像(p,q)周围区域像素点，s为步长。
本发明所得到该金属样本的三维形貌重建结果，三维重建结果的灰度与立体结构分别如图6，图7所示。
实验结果表明本发明方法能够很好的克服真实场景中未知噪声的干扰，有效提升稀疏纹理细节条件样本的三维形貌重建精度。
1.一种自适应正态分析的三维形貌重建方法，其特征在于，包括以下步骤：
步骤1，首先使用图像数据采集平台，通过调整图像数据采集平台中相机与待重建物体之间的距离，采集待重建物体同一角度不同景深的图像序列作为输入，其中图像序列间的步长是相等的，图像序列的总数从待重建物体所有区域虚焦开始，至部分区域聚焦，直到所有区域再次虚焦确定，从而得到待重建物体不同焦点的图像序列；
步骤2，在步骤1得到的图像序列中，以当前位置ii(x,y),1≤i≤n为中心，且n为图像序列总数，x,y为图像位置，m×m为半径，按照式(1)得到n幅局部图像序列聚焦测度序列结果
fmi(x,y)＝xsml(ii(p,q))(1)
其中：1≤i≤n,
步骤3，根据步骤2得到的聚焦测度序列结果，按照式(2)得到对应的梯度变化序列结果
gi(x,y)＝fmi(x,y)-fmi-1(x,y),1≤i≤n(2)
步骤4，比较步骤2的聚焦测度序列结果与步骤3的梯度变化序列结果，根据式(3)分析这两序列的最大值所在位置之间的距离d是否小于距离阈值t；
步骤5，如果步骤4中的式(3)成立，则根据式(4)截取以梯度序列最大值所在位置为中心，固定长度s为半径的部分聚焦测度序列作为候选深度序列区间在式(5)中进行正态性检验；
其中：
如果步骤4中的式(3)不成立，则将半径设置为(m 3)×(m 3)，假如当前半径m 3小于窗口半径最大值m，则重新执行步骤2至步骤4；否则根据式(6)将步骤1得到的聚焦测度序列中的最大值所在位置作为当前位置的深度结果输出；
步骤6，如果候选深度序列区间满足正态分布，则根据式(7)取候选深度序列区间最大值所在位置作为当前位置的深度结果；
如果候选深度序列区间不满足正态分布，将半径设置为(m 3)×(m 3)，假如当前半径满足m 3≤m，则重新按照步骤2至步骤5进行判断，否则根据式(8)将步骤1得到的聚焦测度序列中的最大值所在位置作为当前位置的深度结果输出；
步骤7，依次遍历待重建物体所有位置得到其对应的三维形貌。
2.根据权利要求1所述一种自适应正态分析的三维形貌重建方法，其特征在于：步骤2中所述的聚焦测度函数根据下列式(9)计算，
其中：u(p,q)是图像(p,q)周围区域像素点，s为步长。
技术总结