基于深度学习和偏振物理引导的高精度法向量解算方法

本发明属于偏振三维技术领域，尤其涉及一种基于深度学习和偏振物理引导的高精度法向量解算方法。包括：S1：采集目标物体的法向量真值图和偏振图像数据集，并制作增广偏振图像数据集；S2：基于反射光的偏振特性构建深度神经网络；S3：构建精度‑结构一致性损失函数，并结合精度‑结构一致性损失函数对深度神经网络进行训练，获得训练好的深度神经网络；S4：根据步骤S1对待计算目标物体进行处理，获得待计算目标物体的增广偏振图像数据，将待计算目标物体的增广偏振图像数据输入至训练好的深度神经网络，输出曲面法向量。本发明的法向量解算方法具有高精度、强泛化性、强光照和鲁棒性的特点。