[發明專利]一種基于連續二維金屬分布圖像的可微并行三維重建方法

在審

• 申請號: 202210117356.8
• 申請日: 2022-02-08
• 公開（公告）號: CN114596408A
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 王紀科;祁朋遠
• 申請（專利權）人: 武漢大學
• 主分類號: G06T17/00
• 分類號: G06T17/00;G06T15/00;G06T7/33;G06T7/13;G06T5/50;G06K9/62;G06V10/74
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 王琪

1.一種基于二維連續金屬圖像的可微并行三維重建方法，其特征在于：

步驟1，對所有二維金屬分布圖像進行預處理，得到每一張二維圖像對應的特征點集和融合圖像，并確定特征點集和融合圖像在變換過程中的統一形變模型，所述融合圖像是指將原始二維圖像的多個通道的圖像融合成的圖像；

步驟2，評估通過形變模型轉換后的相鄰數據對的相似度損失，包括相鄰兩個特征點集對的相似度損失和相鄰兩張融合圖像的相似度損失；

步驟3，基于平行可微分配準方法進行三維重建，重建的過程是將所有二維圖像相鄰數據對的相似度損失累加起來進行最小化而得到，同時為了防止配準過程陷入局部最優，采用現有的優化配準策略，重建最終的三維分布。

2.如權利要求1所述的一種基于二維連續金屬圖像的可微并行三維重建方法，其特征在于：

步驟1中所述預處理包括，將任一金屬元素對應的分布圖像作為參考圖像，然后提取每一張參考圖像中某一區域的輪廓作為圖像特征點集，并將分割結果作為所有元素的掩模；具體來說，是將所有二維金屬分布圖像的像素點展開為一維向量，然后將這些向量連接成一個整體，并使用高斯混合模型將這些像素分類為兩個聚類，然后進行形態學操作，最后經過二分類處理后得到某一金屬元素的掩模，然后利用UMAP算法將所有不同的二維金屬分布圖像融合成一個整體，得到每張二維金屬分布圖像的特征點集和融合圖像。

3.如權利要求1所述的一種基于二維連續金屬圖像的可微并行三維重建方法，其特征在于：

步驟1中所述形變模型為剛性變換模型或仿射變換模型或彈性形變模型。

4.如權利要求1所述的一種基于二維連續金屬圖像的可微并行三維重建方法，其特征在于：

步驟1中，特征點集的變換過程是指通過將形變模型φ_j作用到V_j中的每個點，以得到新的特征點集而融合圖像的變換過程則是需要首先求得然后通過求得變換后網格中每個位置在原圖像網格中的對應點，通過插值得到其強度，從而求得變換后得圖像；其中形變模型可微分，同時具有明確的逆變換形式；

相關符號說明如下：

表示從M張二維圖像中提取的特征點數據集的集合，其中是屬于點集j的N_j個特征點；

表示M張圖像的集合，其中U_j是一個表示第j個二維圖像的強度分布的二維矩陣；表示M張二維圖像變換模型的集合，通過將φ_j應用于v_ji則表示將v_ji映射到新位置φ_j(v_ji)，φ_j的逆變換則表示為v_ji表示特征點集j的i個特征點。

5.如權利要求4所述的一種基于二維連續金屬圖像的可微并行三維重建方法，其特征在于：相鄰特征點集對的相似度損失計算如下；

首先通過φ對V做映射得到也即將φ_j作用于V_j得到和為相鄰特征點對；

采用高斯混合模型描述的分布，其具體形式為：其中表示上的第n個點，x表示二維平面上的變量，表示高斯分布的方差；

采用L₂損失作為距離度量，因此對于從第j和第(j+1)個特征點集的距離可以計算為：

6.如權利要求5所述的一種基于二維連續金屬圖像的可微并行三維重建方法，其特征在于：相鄰兩張融合圖像的相似度損失計算如下；

首先通過φ對U做映射得到也即將作用于U_j得到和即為相鄰融合圖象數據對，采用負局部互相關MCC函數進行相似度函數描述：和也為相鄰二維圖像轉換后的強度判據，和為具有局部平均強度的映射圖像，則有其中p是某一張二維圖像中的一個像素，將p_i遍歷一個n×n網格中的每個像素，這個過程可以看作是原圖像和一個n×n的平滑均值濾波器做卷積，則最后和的局部最小相關系數則可寫為：

其中，MCC為負的局部互相關函數，Ω表示二維圖像的所有像素。