基于结构自注意力GAN的金属齿面三维测量高动态范围条纹修复方法
技术特征：
1.一种基于结构自注意力gan的金属齿面三维测量高动态范围条纹修复方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于结构自注意力gan的金属齿面三维测量高动态范围条纹修复方法，其特征在于：步骤s1中，通过结构光投影仪和工业相机来投影和捕获图像，具体包括以下步骤：
3.根据权利要求1所述的基于结构自注意力gan的金属齿面三维测量高动态范围条纹修复方法，其特征在于：所述结构自注意力生成对抗网络ssa-gan由生成器网络g和判别器网络d组成；
4.根据权利要求1所述的基于结构自注意力gan的金属齿面三维测量高动态范围条纹修复方法，其特征在于：所述自注意力跳跃上采样模块的输入的特征图来自于生成器u-net网络的上采样过程，首先获取上采样过程中无关噪声少的特征，借助simam赋予高反光区域额外的注意力权重，接着和u-net网络下采样过程提取的特征拼接融合，经过通道过滤的特征，与初始上采样的特征拼接输出，以替代原始u-net网络的上采样过程；
5.根据权利要求1所述的基于结构自注意力gan的金属齿面三维测量高动态范围条纹修复方法，其特征在于：所述ssa-gan中，在特征信息传递过程中注意力需要估计网络中单个神经元的重要性，通过测量目标神经元和其他神经元的线性可分性鉴别出重要神经元，神经元最小能量的解为：
6.根据权利要求1所述的基于结构自注意力gan的金属齿面三维测量高动态范围条纹修复方法，其特征在于：步骤s3中，ssa-gan的优化目标表示为：
7.根据权利要求1所述的基于结构自注意力gan的金属齿面三维测量高动态范围条纹修复方法，其特征在于：所述结构性损失函数构建步骤如下：
8.根据权利要求1所述的基于结构自注意力gan的金属齿面三维测量高动态范围条纹修复方法，其特征在于：结构自注意力生成对抗网络ssa-gan的整体损失函数如下：
9.根据权利要求1所述的基于结构自注意力gan的金属齿面三维测量高动态范围条纹修复方法，其特征在于：步骤s4具体包括以下步骤：
技术总结
本发明涉及一种基于结构自注意力GAN的金属齿面三维测量高动态范围条纹修复方法，属于计算机视觉三维重建技术领域，包括以下步骤：S1：采集金属齿面过曝光条纹图和正常条纹图成对图像数据集；S2：在传统生成对抗网络GAN基础上融合上采样过程中的局部高反射特征和下采样过程中的浅层语义特征，设计一种自注意力跳跃上采样模块，构建结构自注意力生成对抗网络SSA‑GAN；S3：对SSA‑GAN进行训练，训练时在损失函数中加入结构性损失函数，关注条纹的光照、对比度、纹理信息，并赋予三者各自的权重；S4：利用SSA‑GAN生成的修复后条纹图，结合相移法和多频外差法，对反光齿面进行三维重建，得到相位信息以及点云信息。
技术研发人员：秦毅,丁培韬,裴昌言,蔡维
受保护的技术使用者：重庆大学
技术研发日：
技术公布日：2024/11/14
技术研发人员：秦毅,丁培韬,裴昌言,蔡维
技术所有人：重庆大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除