[发明专利]计算基于扫描电镜的双探测器三维成像深度的方法及系统

权利要求书

1.一种计算基于扫描电镜的双探测器三维成像深度的方法，其特征在于，包括以下步骤：

S10：标定扫描电镜SEM的参数，其中所述扫描电镜SEM具有第一探测器和第二探测器；

S20：使用标定后的扫描电镜SEM拍摄样品图像，得到由第一探测器拍摄的第一原始图像和由第二探测器拍摄的第二原始图像，采用高斯滤波器对第一原始图像和第二原始图像进行去噪处理，并采用卷积神经网络对去噪处理后的第一原始图像和第二原始图像进行训练学习，增强图像质量和分辨率，输出增强后的第一图像和第二图像；

S30：分别提取第一图像和第二图像的特征点，得到第一特征点和第二特征点，并对所述第一特征点和第二特征点进行匹配；

S40：采用投影变换将第一图像和第二图像上的对应点约束到同一水平线上，得到极线水平校准后的第一校准图像和第二校准图像；

S50：计算所述第一校准图像和第二校准图像的视差，得到视差结果；

S60：根据视差结果和两个探测器的夹角建立视差-深度的映射关系，根据视差-深度的映射关系计算得到深度信息。

2.根据权利要求1所述的计算基于扫描电镜的双探测器三维成像深度的方法，其特征在于，在S10中，标定扫描电镜参数的方法包括：

对扫描电镜进行标定时选用模型为其中Pc(Xc,Yc,Zc)表示成像平面上的任意一点坐标p(x,y)在世界坐标系下的坐标。X_p(u,v)表示成像平面上的投影点坐标，P_x、P_y分别表示模型的内在参数；

对所述模型进行修正，得到修正后的模型为其中δ_u和δ_v分别表示径向畸变和切向畸变，其表达式为其中，k₁,k₂,…k_n分别表示不同的失真系数，r,的表达式为

3.根据权利要求1所述的计算基于扫描电镜的双探测器三维成像深度的方法，其特征在于，在S20中，采用卷积神经网络对去噪处理后的第一原始图像和第二原始图像进行训练学习的方法包括：

将原始图像输入至卷积神经网络SRCNN，一边将去噪后的原始图像进行双线性插值放大，另一边将去噪后的原始图像通过卷积操作提取高维特征，恢复原始图像中缺失的高频信息，最后将插值放大的图像与高频信息拼接，输出增强后的图像。

4.根据权利要求1所述的计算基于扫描电镜的双探测器三维成像深度的方法，其特征在于，在S30中，使用SIFT匹配算法对所述第一特征点和第二特征点进行匹配，特征点的数量为500-1000。

5.根据权利要求1所述的计算基于扫描电镜的双探测器三维成像深度的方法，其特征在于：在S40中，采用投影变换将第一图像和第二图像上的对应点约束到同一水平线上的方法包括：

求解第一图像的第一投影变换矩阵和对应的第二图像的第二投影变换矩阵，根据第一投影变换矩阵和第二投影变换矩阵分别对第一图像和第二图像进行极线校准，使得极线之间相互平行且对应的极点相互匹配。

6.根据权利要求1所述的计算基于扫描电镜的双探测器三维成像深度的方法，其特征在于，在S50中，计算所述第一校准图像和第二校准图像的视差的方法包括：

确定第一图像中一点p_l＝(x_l，y_l)，选取其邻域像素集合，得到图像子区ΩL，在第二图像上相对应的图像子区为ΩR；

初始化形函数P，利用二阶形函数和双线性形函数对图像子区存在的变形建立模型F_L＝(x，y)，F_R＝(x*，y*)；

对图像子区采用双三次插值算法来进行亚像素插值计算，使用零均值归一化最小平方距离作为优化目标函数C(P)；

求解目标函数C(P)的最小值，基于最小值判断两个图像子区的灰度值是否相似；

若判断结果为是，则输出视差图，若判断结果为否，则改变形函数参数P，重新进入初始化形函数的步骤。