【技术实现步骤摘要】
本专利技术涉及光学测量领域，更具体的涉及一种单幅干涉条纹归一化方法及装置。
技术介绍
1、干涉测量技术对光学干涉测量系统输出的条纹图进行处理，以恢复隐藏的三维面形为至关重要，其一直是重点研究领域。当传统干涉测量方法不能满足现实需求时，于是多种单幅干涉测量技术应运而生。
2、单幅干涉测量技术仅需一幅干涉条纹图便可进行相位提取，主要应用于动态和对实时性要求较高的测量下，单幅干涉测量技术主要包括傅里叶变换法、正则化相位追踪法、希尔伯特变换法等。然而在对单幅干涉条纹进行相位求解时，背景光、调制光、环境噪声会严重影响干涉条纹的对比度，进而导致待侧件的相位分布严重失真。对单幅干涉条纹的背景光、调制光进行归一化和对环境噪声进行滤波是对单幅干涉条纹进行相位求解的必要预处理步骤。而传统的方法，窗口傅里叶变换，小波变换等方法在抑制环境噪声的同时都会不同程度模糊其图像细节，并且无法对干涉条纹的调制光和背景光进行处理。
技术实现思路
1、本专利技术实施例提供一种单幅干涉条纹归一化方法及装置，可以有效提高干涉条纹的对比度，并对环境噪声进行了滤波，预处理之后得到的有效干涉条纹图其包括的干涉条纹更加平滑，细节也得到了更多的保留。
2、本专利技术实施例提供一种单幅干涉条纹归一化方法，包括：
3、对获取到的包括背景光和调制光的待测物的初始干涉条纹图进行归一化和噪声滤波处理，得到预处理干涉条纹图；
4、所述初始干涉条纹图和所述预处理干涉条纹图通过zemike多项式依次生
5、基于所述待处理干涉条纹图形成像素为256*256的样本集，将所述样本集中包括的训练集输入至改进的dn-u-net网络进行训练，训练后得到包括最佳权重参数的第一dn-u-net网络；
6、将所述样本集包括的测试集输入至所述第一dn-u-net网络进行测试，得到量化分析所述预处理干涉条纹图的均方根误差、峰值信噪比、结构相似性和等效视数，当均方根误差、峰值信噪比、结构相似性和等效视数均满足设定条件时，将所述第一dn-u-net网络确定为有效dn-u-net网络；
7、将所述初始干涉条纹图输入所述有效dn-u-net网络，得到处理后的有效干涉条纹图。
8、优选地，所述改进的dn-u-net网络包括注意力模块bam和卷积注意力模块cbam。
9、优选地，所述得到包括最佳权重参数的第一dn-u-net网络之前，还包括：
10、采用adam优化器对权重参数进行优化，将学习率设置为固定值0.0001。
11、优选地，所述得到包括最佳权重参数的第一dn-u-net网络之后，还包括：
12、使得所述第一dn-u-net网络的预测结果与真值之间的损失函数最小，所述损失函数通过下列公式表示：
13、
14、其中，fi(x，y)表示第一dn-u-net网络的预测结果，gi(x，y)表示真值，n表示输入的训练集的最小批次数量，loss表示损失函数。
15、优选地，所述均方根误差如下所示：
16、
17、所述峰值信噪比如下所示：
18、
19、所述结构相似性如下所示：
20、
21、所述等效视数如下所示：
22、
23、其中，x和y分别表示待处理干涉条纹图的长和宽，r(x，y)表示预处理前或后数据；g(x，y)表示真值数据，mse表示均方误差，u，v分别为真值数据和预处理前后数据中两个大小为w*w的局部性窗口；μu，μv分别为两个窗口的像素灰度值的平均值；δu2，δv2分别是两个窗口像素灰度值的方差；δuv是两个窗口的协方差；c1和c2为常数，μi，σi表示图像的像素值的平均值和标准差。
24、本专利技术实施例提供一种单幅干涉条纹归一化装置，包括：
25、第一得到单元，用于对获取到的包括背景光和调制光的待测物的初始干涉条纹图进行归一化和噪声滤波处理，得到预处理干涉条纹图；
26、生成单元，用于所述初始干涉条纹图和所述预处理干涉条纹图通过zernike多项式依次生成待处理干涉条纹图，所述待处理干涉条纹图包括背景光、调制光和环境噪声；
27、第二得到单元，用于基于所述待处理干涉条纹图形成像素为256*256的样本集，将所述样本集中包括的训练集输入至改进的dn-u-net网络进行训练，训练后得到包括最佳权重参数的第一dn-u-net网络；
28、确定单元，用于将所述样本集包括的测试集输入至所述第一dn-u-net网络进行测试，得到量化分析所述预处理干涉条纹图的均方根误差、峰值信噪比、结构相似性和等效视数，当均方根误差、峰值信噪比、结构相似性和等效视数均满足设定条件时，将所述第一dn-u-net网络确定为有效dn-u-net网络；
29、第三得到单元，用于将所述初始干涉条纹图输入所述有效dn-u-net网络，得到处理后的干涉条纹图。
30、本专利技术实施例提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述所述的单幅干涉条纹归一化方法。
31、本专利技术实施例提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述所述的单幅干涉条纹归一化方法。
32、本专利技术实施例提供一种单幅干涉条纹归一化方法及装置，该方法包括：对获取到的包括背景光和调制光的待测物的初始干涉条纹图进行归一化和噪声滤波处理，得到预处理干涉条纹图；所述初始干涉条纹图和所述预处理干涉条纹图通过zemike多项式依次生成待处理干涉条纹图，所述待处理干涉条纹图包括背景光、调制光和环境噪声；基于所述待处理干涉条纹图形成像素为256*256的样本集，将所述样本集中包括的训练集输入至改进的dn-u-net网络进行训练，训练后得到包括最佳权重参数的第一dn-u-net网络；将所述样本集包括的测试集输入至所述第一dn-u-net网络进行测试，得到量化分析所述预处理干涉条纹图的均方根误差、峰值信噪比、结构相似性和等效视数，当均方根误差、峰值信噪比、结构相似性和等效视数均满足设定条件时，将所述第一dn-u-net网络确定为有效dn-u-net网络；将所述初始干涉条纹图输入所述有效dn-u-net网络，得到处理后的有效干涉条纹图。该方法先确定背景光和调制光的形式，再通过泽尼克多项式仿真生成添加了背景光，调制光和环境噪声的待处理干涉条纹图，然后再搭建网络并通过仿真生成的数据集对神经网络进行训练并额外生成干涉条纹图进行测试。该方法有效的提高了干涉条纹的对比度，并对环境噪声进行了滤波，预处理之后的干涉条纹更加平滑，细节也得到了更多的保留。
本文档来自技高网...【技术保护点】
1.一种单幅干涉条纹归一化方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述改进的DN-U-NET网络包括注意力模块BAM和卷积注意力模块CBAM。
3.如权利要求1所述的方法，其特征在于，所述得到包括最佳权重参数的第一DN-U-NET网络之前，还包括：
4.如权利要求1所述的方法，其特征在于，所述得到包括最佳权重参数的第一DN-U-NET网络之后，还包括：
5.如权利要求1所述的方法，其特征在于，所述均方根误差如下所示：
6.一种单幅干涉条纹归一化装置，其特征在于，包括：
7.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1-6任意一项所述的单幅干涉条纹归一化方法。
8.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1-6任意一项所述的单幅干涉条纹归一化方法。
【技术特征摘要】
1.一种单幅干涉条纹归一化方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述改进的dn-u-net网络包括注意力模块bam和卷积注意力模块cbam。
3.如权利要求1所述的方法，其特征在于，所述得到包括最佳权重参数的第一dn-u-net网络之前，还包括：
4.如权利要求1所述的方法，其特征在于，所述得到包括最佳权重参数的第一dn-u-net网络之后，还包括：
5.如权利要求1所述的方法，其特征在于，所述...
【专利技术属性】
技术研发人员：朱学亮，张迪，茹佳玉，刘丙才，田爱玲，
申请(专利权)人：西安工业大学，
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。