利用立体匹配深度卷积神经网络进行曲线结构的三维重建
图像与视频处理
2021-10-19 v1 计算机视觉与模式识别
摘要
曲线结构经常作为感兴趣的对象出现在显微成像中。晶体学缺陷，即位错，是在透射电子显微镜（TEM）下被反复研究的曲线结构之一，其三维结构信息对于理解材料性质至关重要。位错的三维信息通常通过断层扫描获得，这是一个繁琐的过程，因为需要获取具有不同倾斜角度和相似成像条件的许多图像。尽管替代的立体视觉方法将所需图像数量减少到两张，但它们仍然需要人工干预和形状先验才能进行精确的三维估计。我们提出了一种全自动流程，通过利用深度卷积神经网络（CNN）对立体对中的曲线结构进行检测和匹配，而无需对三维形状做出任何先验假设。在这项工作中，我们主要关注从TEM图像的立体对中进行位错的三维重建。
引用
@article{arxiv.2110.07766,
title = {3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks},
author = {Okan Altingövde and Anastasiia Mishchuk and Gulnaz Ganeeva and Emad Oveisi and Cecile Hebert and Pascal Fua},
journal= {arXiv preprint arXiv:2110.07766},
year = {2021}
}