基于多尺度生成对抗神经网络的单帧条纹分析方法技术

本发明专利技术公开了一种基于多尺度生成对抗神经网络的单帧条纹分析方法，其包括构建多尺度生成对抗神经网络模型；构建多尺度生成对抗神经网络模型的综合损失函数L；采集多尺度生成对抗神经网络的训练数据，并利用训练数据对多尺度生成对抗神经网络进行训练；将待测条纹图像输入至训练好的多尺度图像生成器，获得对应的正弦项、余弦项和调制度图，利用反正切函数计算相位。本发明专利技术中的神经网络经训练好后，计算过程不需要人为地设置复杂的计算参数，操作更为简便。由于神经网络的输入为单幅条纹图像，本发明专利技术为运动物体的条纹分析提供了高效、高精度的相位计算方法。

【技术实现步骤摘要】
基于多尺度生成对抗神经网络的单帧条纹分析方法
本专利技术属于光学测量
，具体为一种基于多尺度生成对抗神经网络的单帧条纹分析方法。
技术介绍
随着计算机技术、信息技术和光电子技术的进步，光学三维测量技术得到了迅速发展。光学三维测量技术是以现代光学为基础，融光电子学、信号处理、图像处理、计算机图形学、模式识别等科学技术为一体的技术。它把光学图像当作检测和传递信息的手段和载体加以利用，其目的是从图像中提取有用的信号，完成三维实体模型的重构。光学三维测量技术按照成像照明方式的不同通常分为两大类：被动三维测量和主动三维测量。被动三维测量技术通过一个或多个摄像系统获取的二维图像中确定距离信息，形成被测物体的三维面形数据。这类方法一般测量精度较低，不便于工业使用。主动三维测量技术是采用结构照明技术，利用光源向被测物体投影按照一定规则和模式编码的图像，形成主动式三维形态测量。编码图案受到物体表面形状的调制而产生形变，而带有形变的结构光被另外位置的相机拍摄到，通过相机投影光源之间的位置关系和结构光形变的程度可以确定出物体的三维形貌。结构光三维测量技术具有非本文档来自技高网...

【技术保护点】
1.一种基于多尺度生成对抗神经网络的单帧条纹分析方法，其特征在于，具体步骤为：/n步骤1：构建多尺度生成对抗神经网络模型，所述多尺度生成对抗神经网络模型包含多尺度图像生成器和图像鉴别器；/n步骤2：构建多尺度生成对抗神经网络模型的综合损失函数L；/n步骤3：采集多尺度生成对抗神经网络的训练数据，并利用训练数据对多尺度生成对抗神经网络进行训练；/n步骤4：将待测条纹图像输入至训练好的多尺度图像生成器，获得对应的正弦项、余弦项和调制度图，利用反正切函数计算相位。/n

【技术特征摘要】
1.一种基于多尺度生成对抗神经网络的单帧条纹分析方法，其特征在于，具体步骤为：
步骤1：构建多尺度生成对抗神经网络模型，所述多尺度生成对抗神经网络模型包含多尺度图像生成器和图像鉴别器；
步骤2：构建多尺度生成对抗神经网络模型的综合损失函数L；
步骤3：采集多尺度生成对抗神经网络的训练数据，并利用训练数据对多尺度生成对抗神经网络进行训练；
步骤4：将待测条纹图像输入至训练好的多尺度图像生成器，获得对应的正弦项、余弦项和调制度图，利用反正切函数计算相位。


2.根据权利要求1所述的基于多尺度生成对抗神经网络的单帧条纹分析方法，其特征在于，所述多尺度图像生成器包含四条结构相同的数据处理路径(1)～(4)，均包括依次连接的1个卷积层、4个残差块和1个线性输出卷积层。


3.根据权利要求1或2所述的基于多尺度生成对抗神经网络的单帧条纹分析方法，其特征在于，所述数据处理路径(4)的输入为：的图像I4(x,y)；
数据处理路径(3)的输入为：对数据处理路径(4)的输出结果做上采样处理后，生成的大小为的正弦项、余弦项和调制度图以及图像I3(x,y)。
数据处理路径(2)的输入为：对数据处理路径(3)的输出结果做上采样处理后生成的大小为的正弦项、余弦项和调制度图以及图像I2(x,y)；
数据处理路径(1)的输入为：对数据处理路径(2)的输出结果做上采样处理后生成的大小为H×W的正弦项、余弦项和调制度图以及图像I1(x,y)。


4.根据权利要求1所述的基于多尺度生成对抗神经网络的单帧条纹分析方法，其特征在于，所述图像鉴别器包括依次连接的过6个残差块和一个全连接层，全连接层输出数据经过sigmoid激活函数。


5.根据权利要求1～4任一所述的基于多尺度生成对抗神经网络的单帧条纹分析方法，其特征在于，所述综合损失函数L的表达式为：
L＝αLimage+βLGAN
其中，α和β表示不同损失函数的权重系数，Limage为图像内容损失函数，LGAN为对抗损失函数。


6.根据权利要求5所述的基于多尺度生成对抗神经网络的单帧条纹分析方法，其特征在于，所述图像内容损失函数Limage具体...

【专利技术属性】
技术研发人员：冯世杰，陈钱，左超，张玉珍，孙佳嵩，胡岩，尹维，钱佳铭，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32