×

基于改进迭代收缩阈值算法的微观3D重建方法

消耗积分:0 | 格式:rar | 大小:0.98 MB | 2019-01-17

分享资料个

  迭代收缩阈值算法(ISTA)求解离焦深度恢复动态优化问题时,采用固定迭代步长,导致算法收敛效率不佳,使得重建的微观3D形貌精度不高。为此,提出一种基于加速算子梯度估计和割线线性搜索的方法优化ISTA-FL-ISTA。首先,在每一次迭代中,由当前点和前一个点的线性组合构成加速算子重新进行梯度估计,更新迭代点;其次,为了改变迭代步长固定的限制,引入割线线性搜索,动态确定每次最优迭代步长;最后,将改进的迭代收缩阈值算法用于求解离焦深度恢复动态优化问题,加快算法的收敛速度、提高微观3D形貌重建的精度。在对标准500 nm尺度栅格的深度信息重建实验中,与ISTA、快速ISTA( FISTA)和单调快速ISTA( MFISTA)相比,FL-ISTA收敛速度均有所提升,重建的深度信息值下降了10个百分点,更接近标准500 nm栅格尺度;与ISTA相比,FL-ISTA重建的微观3D形貌均方差( MSE)和平均误差分别下降了18个百分点和40个百分点。实验结果表明,FL-ISTA有效提升了求解离焦深度恢复动态优化问题的收敛速度,提高了微观3D形貌重建的精度。

基于改进迭代收缩阈值算法的微观3D重建方法

  在微纳米计算机视觉中,基于视觉的微纳米尺度3D形貌重建,对于较全面地理解样品特性和对操作过程进行评估具有重要意义。比较常用的微观3D重建方法。主要有体积恢复方法、立体视觉深度恢复方法、聚焦深度恢复方法以及离焦深度恢复方法。与其他的3D重建方法相比,离焦深度恢复方法由于所需图片少、设备简单、操作便利等优点,近些年得到广泛关注与深入研究。离焦深度恢复最早由Pentland提出,该方法利用二维图像的离焦程度特征与景物深度之间的映射关系,反解出景物的三维深度信息。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !