보석, 광물, 금속 샘플 등 입체 표본을 현미경으로 국부 확대 관찰할 때 나타나는 약한 텍스처와 반사 문제를 해결하기 위해, 본 논문에서는 현미경 적용 환경에 적합한 특징 추출 기반 다중 뷰 입체 3D 재구성 알고리즘을 제안한다. 현미경 렌즈 각도를 고정하고, 시료대 이동을 통해 입체 표본을 여러 각도에서 촬영하여 이미지 시퀀스를 획득한다. Harris와 SIFT 알고리즘의 장점을 결합하여 기존 SFM 방식에서 SIFT 알고리즘을 Harris-SIFT 알고리즘으로 개선하여 특징 추출 및 매칭 성능을 높였으며, 약한 텍스처 영역의 현미경 이미지 특징 정보 추출 성능을 향상시켰다. 깊이 잔차망과 결합된 완전 합성곱 신경망을 사용하여 입력 이미지의 깊이 추정과 예측을 수행하고, 예측된 깊이 정보를 임계값 방법으로 MVS 깊이 맵과 융합하여 MVS 깊이 맵을 보정하여 객체의 조밀한 포인트 클라우드를 재구성함으로써 재구성 구조의 완성도를 향상시키고 더 많은 포인트 수를 추출하였다. Keyence VHX-6000 디지털 현미경 시스템에서의 실험 결과 본 알고리즘이 기존 MVS 재구성 알고리즘 대비 31.25% 더 많은 포인트 클라우드 점을 생성하고 전체 재구성 시간을 21.16% 단축함을 보였다.

현미경;3D 재구성;특징 검출;깊이 추정;MVS 깊이 맵