微观三维重建作为现代质量控制领域的使能技术, 在精密制造、集成电路和空天科技等领域具有重要应用价值. 然而, 当前主流的激光共聚焦三维重建与结构光三维重建等方法普遍存在硬件成本高、微米级分辨率受限等瓶颈. 为此, 本研究提出了一套基于多尺度自适应分数阶调制模型(multiscale adaptive fractional for depth, MAFD) 的软硬件一体化智能微观三维重建系统, 该系统以多聚焦显微成像装置为载体, 从低成本设计和高精度测量两个维度实现了技术突破. 研究主要贡献包括: 1)针对高分辨率稠密显微图像导致的三维重建模型显存溢出问题, 提出自适应稀疏采样算法, 在保证深度信息完整性的前提下实现序列关键数据的稳定抽取; 2)针对多聚焦显微图像序列采集过程中的相机抖动问题, 设计基于全聚焦图像引导的序列匹配算法, 有效解决多焦图像序列的配准难题; 3)针对真实微观场景中噪声、浅景深和弱纹理等因素对深度估计准确性的影响, 结合分数阶傅里叶变换 (fractional Fourier transform, FrFT) 核函数与光学传播方程在形式上的相似性, MAFD 模型创新性地引入自适应分数阶傅里叶变换模块 (adaptive fractional Fourier transform, AFFT), 通过选择最优时频视角增强模型在分数域中的自适应分析与调制能力, 从而提升对多聚焦显微图像中微小细节的敏感性和噪声鲁棒性. 在公开数据集和实际工业场景的对比实验表明, 本系统不仅重建精度优于当前先进的多聚焦图像三维重建方法, 相较于激光共聚焦和结构光等三维重建方法, 还展现出显著的效率、成本和体积优势.
Yan et al. (Sun,) studied this question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: