一种基于深度学习的全自动、逐像素输出的三维数字图像相关方法

本发明提出了一种基于深度学习的全自动、逐像素输出的三维数字图像相关方法，在传统基于双目立体视觉的三维重建和位移场计算的基础上，提出了一种包含两个子模型的深度学习位移计算框架代替了基于图像子区的数字图像相关方法，实现图像的立体匹配和时序匹配。对于该深度学习框架，其中大位移估计子模型首先计算粗略位移场，并将该位移场扭曲变形图像，消除主要位移分量。随后高精度小位移估计子模型进一步提取参考图像和扭曲图像之间较小的残余变形。最后将大、小位移相减，得到最终细化的高精度大范围位移场。本发明利用深度学习位移计算框架无需复杂人工参数选择、可实现逐像素变形场输出的优势，实现了全自动、逐像素的三维数字图像相关测量。