伍秋玉，张明新，刘永俊，郑金龙

(1.中国矿业大学 计算机科学与技术学院，江苏 徐州 221116； 2.常熟理工学院 计算机科学与工程学院，江苏 常熟 215500；3.东北大学 计算机科学与工程学院，沈阳 110819)(*通信作者电子邮箱zmxcslg@163.com)

0 引言

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[1]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[2]。离焦深度恢复最早由Pentland[3]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[4-5]。

在景物的离焦深度恢复方法中，首先必须获取景物不同程度的离焦图像，这就导致要改变摄像机参数。但是，在微纳米图像观测中，观测空间非常有限，而且使用的是具有高放大倍数的相机，所以相机的成像模型会随着摄像机参数的改变而改变[6]。受限于微纳米观测中的条件，魏阳杰等[7]提出了一种新的基于参数固定的单目视觉摄像机的三维离焦形貌恢复方法。该方法利用相对模糊度[7-8]及热辐射方程[7,9]来求解景物的深度信息，并将深度信息的求解转化成动态优化问题来求解。

在求解离焦深度恢复动态优化问题时，文献[7]采用经典的迭代收……