【技术实现步骤摘要】
一种基于深度语义分割网络的相位解包裹方法
[0001]本专利技术属于光学精密测量
,尤其是涉及一种抗噪的基于深度语义分割网络的相位解包裹方法。
技术介绍
[0002]干涉检测在物体表面检测、波前诊断等领域有重要应用。干涉检测常用的算法如移相法、傅里叶分析法,给出的是值域在的存在跳变的包裹相位。
[0003]消除包裹相位中的跳变恢复真实相位的过程称为解包裹。常见的解包裹算法主要分为路径无关算法和路径跟踪算法。
[0004]路径无关算法一般基于最小二乘法的框架,定义并最小化一个函数,如使解包后相位的局部导数和包裹相位的梯度尽可能接近。这类算法鲁棒性强,但计算量大,有时候输出结果过于光滑。
[0005]路径跟踪算法有(1)路径相关算法,(2)残差点补偿算法,(3)品质图路径跟踪算法等类型。路径相关算法按照提前规划的路径扫描跳变并予以补偿。这种算法速度快,但容易受到噪声和残差点的影响,鲁棒性不好。
[0006]公开号为CN111461224A的中国专利文献公开了一种基于残差自编码神经网络的相位数据解包裹方法,读取生成的实验数据,将相位数据解包裹任务视为一种多分类问题,建立残差自编码神经网络;采用Zernike多项式生成模拟初始相位数据集,对模拟初始相位数据集进行包裹处理,对残差自编码神经网络进行训练;对训练后的网络模型进行评估,如果满足预设精度要求,则通过残差自编码神经网络对包裹相位进行预测分类,得到与之对应的包裹倍数分布图,利用二维中值滤波器对结果进行处理得到去噪的包裹倍数分布图;将相 ...
【技术保护点】
【技术特征摘要】
1.一种基于深度语义分割网络的相位解包裹方法,其特征在于,包括:(1)构建仿真数据集;(2)将数据集分为训练集、验证集和测试集;选择语义分割的卷积神经网络,使用训练集训练卷积神经网络,使用验证集验证网络学习效果,使用测试集评价经训练和验证后的网络的准确性;(3)对包裹相位进行预处理,得到结果(4)将预处理后的包裹相位图输入训练好的卷积神经网络,得到语义分割结果k
t
(x,y);(5)对语义分割结果k
t
(x,y)进行第一次校正,得到校正结果k(x,y);(6)将语义分割校正后的结果k(x,y)乘以2π后与原包裹相位相加,得到初步解包裹结果φ
t
(x,y);(7)对初步解包裹结果φ
t
(x,y)进行第二次校正,得到最终解包裹的结果φ
f
(x,y)。2.根据权利要求1所述的基于深度语义分割网络的相位解包裹方法,其特征在于,步骤(1)的具体步骤为:(1
‑
1)使用Zernike多项式生成原相位的轮廓φ
l
(x,y),其中Z
i
(x,y)是Zemike多项式第i项,c
i
是其系数,服从一定的概率分布;(1
‑
2)采集实际系统中的干涉图,用传统算法计算解包裹相位φ
u
(x,y),用Zernike多项式拟合φ
u
(x,y),拟合结果为φ
z
(x,y);计算拟合残差φ
h
(x,y),即φ
h
(x,y)=φ
u
(x,y)
‑
φ
z
(x,y),对其频谱作微小扰动后傅里叶反变换,结果作为高频信息与φ
l
(x,y)相加,生成原相位φ(x,y)=φ
l
(x,y)+φ
h
(x,y)。(1
‑
3)根据原相位和包裹相位的关系生成包裹相位其中i是虚...
【专利技术属性】
技术研发人员:徐兆锐,骆维舟,朱声泰,刘东,
申请(专利权)人:浙江大学嘉兴研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。