1.花卉浮雕模型构建方法，其特征在于包括如下步骤：

采集多个不同种类的花卉三维模型；

对于每个花卉三维模型，进行滤波去噪处理，对去噪后的花卉三维模型进行不同视角变换并进行高度采样，对高度采样后的花卉三维模型进行线性压缩并进行高度场优化，得到花卉浮雕；

对于每个花卉浮雕，获取场景遮罩、线条遮罩、曲率遮罩、平均曲率值和线条梯度值作为输入数据，并获取高度值和顶点的法向值作为输出数据；

将上述输入数据和输出数据作为样本数据，并划分为训练集和验证集；

基于深度学习构建网络模型，所述网络模型包括收缩路径、扩展路径以及连接于收缩路径和扩展路径之间的中间路径，收缩路径以及中间路径用于减小分辨率并增加输出特征通道，扩展路径用于增加分辨率并减少输出特征通道数；

以训练集为输入，优化所述网络模型的参数、完成输入通道到输出通道的映射训练，得到优化后网络模型，并以验证集为输入，验证所述优化后网络模型的参数，得到最终的浮雕网络模型；

对高度采样后的花卉三维模型进行线性压缩后，通过最小化能量方程优化高度场，所述能量方程为：其中，第一项为梯度规则项，▽di表示优化后的高度场梯度，gi表示原始高度场梯度；

第二项为全局高度约束项，di表示优化后的高度， 表示压缩后的高度，ρ表示能量项系数；

第三项为叶片边缘处的高度约束项，dj表示优化后的叶片边缘高度， 表示压缩后叶片边缘上的高度，μ表示能量项系数；

所述收缩路径包括N个依次连接的下采样单元，下采样单元用于减小分辨率并增加输出特征通道，N为自然数，大于等于1；所述扩展路径包括N+1个依次连接的上采样单元，上采样单元用于增加分辨率并减少输出特征通道数，上述N+1个上采样单元中位于传输末端的上采样单元为末端上采样单元，其他为中间上采样单元，中间上采样单元与下采样单元一一对应并串联；

每个下采样单元均包括：

第一卷积层，所述第一卷积层配置有Same填充函数，用于提取特征；

第二卷积层，所述第二卷积层配置有Relu激活函数，用于提取特征；

池化层，所述池化层为最大池化层，用于进行下采样；

每个中间上采样单元均包括三层卷积层，所述末端上采样单元包括一层卷积层；

所述中间路径包括三层卷积层；

通过最小化损失函数优化浮雕网络模型、完成输入通道到输出通道的映射训练，所述损失函数为：E＝Ed_n+τ·Ed_line+λ·Ereg

其中，di,j表示预测的高度值，ni,j表示预测的法向，表示ground‑truth的高度值， 表示ground‑truth的法向；

ci,j表示场景遮罩，θd表示平衡高度的系数，θn表示法向的系数；

αi,j表示线条遮罩；

nxi,j、nyi,j和nzi,j表示预测法向，gxi,j、gyi,j和gzi,j表示预测高度的梯度；

其中，d表示预测高度值，steo_size表示三角网格与像素点之间的步长转换，所述steo_size归一化为[‑1,1]范围内；τ和λ均表示平衡项。

2.根据权利要求1所述的花卉浮雕模型构建方法，其特征在于对于每个花卉浮雕，通过高度值是否为零判断背景点，得到场景遮罩；

如果一个顶点与其邻域面片的z法向分量之差大于阈值v，所述顶点为线条点，得到线条遮罩；

上述线条遮罩扩散三个像素点，并与场景遮罩相减，得到曲率遮罩；

对花卉浮雕的高度值进行sobel卷积，得到梯度值gx和gy；

基于梯度值gx和gy，通过如下计算公式得到花卉浮雕顶点的法向值：对梯度值进行sobel卷积，得到ggxx、ggxy和ggyy，并基于上述ggxx、ggxy和ggyy通过如下计算公式得到曲率值cr：

3.基于线条图的花卉浮雕重建方法，其特征在于以花卉线条图为输入，通过深度神经网络输出每个像素的高度值，实现花卉浮雕高度场的重建，所述方法包括如下步骤：通过如权利要求1‑2任一项所述的花卉浮雕模型构建方法，构建浮雕网络模型；

以花卉线条图为输入图，计算场景遮罩、线条遮罩、曲率遮罩、线条梯度和平均曲率值为输入数据，将输入数据输入浮雕网络模型，预测得到花卉浮雕的高度值和顶点的法向值。

4.根据权利要求3所述的基于线条图的花卉浮雕重建方法，其特征在于通过线条细化法对输入图进行细化处理，通过连接相邻像素点形成一组曲线链，并基于叶片遮挡规则计算线条梯度；

所述叶片遮挡规则为：背景面被边界曲线附件的叶片挡住，与内部线条相邻的被遮挡叶片位于非相切曲线多的一侧；

基于叶片遮挡规则计算线条梯度，包括如下步骤：

计算每条曲线的端点切线并构建相切拓扑图，如果两条相邻的曲线在公共端点处的切线角度小于阈值，所述两条相邻的曲线相切，如果一条曲线没有与其相切的曲线，所述曲线与角度较小的曲线相切；

对于外部边界曲线，将其每个点的切线朝向背景方向转转90度，得到所述点的梯度，对于内部曲线，基于所述内部曲线邻域中不相切曲线的切向量叉乘之和，计算所述内部曲线切向量旋转方向，设定pi是曲线ci上的点，pj是曲线cj上的点，曲线ci旋转轴矢量Ri的计算公式为：其中，j＝1,2,3,......,k，k为与曲线ci邻接的不相切曲线cj的数量，如果Ri不为零，曲线ci上每个点的梯度围绕Ri逆时针旋转90度，如果Ri为零，曲线曲线ci上每个点的梯度方向与切向量角度最小的曲线梯度方向一致；

将单像素点上的线条梯度按照距离的远近传播到多像素点的线条图上，并进行归一化处理，得到输入图的线条梯度。

5.根据权利要求3所述的基于线条图的花卉浮雕重建方法，其特征在于通过如下方法计算平均曲率值：对于输入图，在叶片内部标记稀疏曲率点；

计算稠密曲率场插值，得到每个像素点的曲率值，稠密曲率场插值计算公式为：其中，mv表示稀疏曲率，进一步通过 归一化。