[發(fā)明專利]深度學習變密度低質(zhì)量電子散斑條紋方向提取方法

在審

• 申請?zhí)枺?/td>: 201910691366.0
• 申請日: 2019-07-29
• 公開（公告）號: CN110472637A
• 公開（公告）日: 2019-11-19
• 發(fā)明（設計）人: 唐晨;田璐璐
• 申請（專利權）人: 天津大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06N3/04;G06N3/08
• 代理公司: 12201 天津市北洋有限責任專利代理事務所
• 代理人: 劉國威<國際申請>=<國際公布>=<進入

本發(fā)明屬于光學檢測和圖像處理技術領域，為實現(xiàn)為多幅低質(zhì)量、變密度ESPI條紋圖批量全自動的得到方向場，本發(fā)明，深度學習變密度低質(zhì)量電子散斑條紋方向自動獲取方法，步驟如下：步驟1：分別構建訓練數(shù)據(jù)集和驗證數(shù)據(jù)集；步驟2：構建計算低質(zhì)量、變密度電子散斑條紋方向的網(wǎng)絡模型；步驟3：通過梯度下降法對反向傳播過程中參數(shù)進行優(yōu)化進行模型訓練；步驟4：將驗證數(shù)據(jù)集輸入網(wǎng)絡，利用訓練數(shù)據(jù)集對網(wǎng)絡模型進行訓練得到的模型，對模型進行驗證，測試模型的泛化能力，最后采用訓練及驗證好的模型自動獲取條紋方向。本發(fā)明主要應用于光學檢測和圖像處理場合。

技術領域

本發(fā)明屬于光學檢測和圖像處理技術領域，涉及一種基于深度學習的電子散斑干涉條紋批量全自動方向計算方法。

背景技術

電子散斑干涉測量技術，作為現(xiàn)代高科技成果基礎上發(fā)展起來的一種現(xiàn)代光測方法，具有準確度高、反應迅速、全場非接觸等優(yōu)點。在物體的三維表面形貌測量、材料的力學性能測試、面內(nèi)位移的測量、振動監(jiān)測、試件熱變形測量等方面都取得了很好的效果。然而散斑條紋圖像中存在著很強的顆粒性噪聲，這使得條紋的可見性和分辨率受到了很大限制，此外，噪聲頻譜和條紋頻譜混合在一起，使得噪聲難以去除[1]。以上兩點給計算機實現(xiàn)散斑圖像的自動判讀帶來了很大的困難。為了從散斑圖像中精確地提取條紋信息，就必須對散斑干涉圖像進行處理，消除散斑顆粒噪聲的影響，增強圖像清晰度。

光干涉條紋圖是一種明顯的方向流場，具有強烈的方向性，電子散斑干涉(electronic speckle interferometry，ESPI)條紋方向信息是這類圖像的重要特征，可指導條紋圖濾波。沿條紋方向濾波，既可以最大程度地濾除噪聲，又可以很好地保持條紋信息不受損害[2]。盡管已有很多傳統(tǒng)方法計算紋理圖像的方向，但是對于計算信噪比低、變密度、對比度差、條紋細密的低質(zhì)量散斑圖的方向，參數(shù)調(diào)節(jié)復雜，計算結果均有待提高。因此，省時省力且精度高的計算方向的新方法有待提出。

卷積神經(jīng)網(wǎng)絡(CNN)是一個復雜的機器學習算法，本質(zhì)上是構建含有多隱層的機器學習架構模型，通過大規(guī)模數(shù)據(jù)進行訓練，得到大量更具代表性的特征信息。從而對樣本進行分類和預測，提高分類和預測的精度在語言和圖像識別方面取得的效果，遠遠超過先前相關技術[3]。近年來，卷積神經(jīng)網(wǎng)絡(Convolutional Neural Networks,CNN)在語音識別、圖像處理等領域取得了不俗的成績。因此，以卷積神經(jīng)網(wǎng)絡(CNN)算法為核心的條紋信息提取方法被提出并得到了發(fā)展。通過網(wǎng)絡訓練就可以實現(xiàn)批量、省時、高精度的從低質(zhì)量、變密度條紋中提取方向信息。

[1]電子散斑干涉條紋處理偏微分方程方法的回顧與展望[J].唐晨,任宏偉,陳霞,蔡元學,韓林,張芳,盧文靜,王文平,王志芳,高濤.激光與光電子學進展.2010(02)

[2]Tang C,Yang N,Yan H,et al.The new second-order single orientedpartial differential equations for optical interferometry fringes with highdensity[J].Optics and Lasers in Engineering,2013,51(6):707-715.

[3]Goodfellow I,Bengio Y,Courville A.Deep learning[M].MIT press,2016。

發(fā)明內(nèi)容

為克服現(xiàn)有技術的不足，本發(fā)明旨在提出新的低質(zhì)量、變密度電子散斑干涉(ESPI)條紋方向計算方法。該發(fā)明構建一個端到端的電子散斑干涉(ESPI)條紋圖方向計算網(wǎng)絡，實現(xiàn)為多幅低質(zhì)量、變密度ESPI條紋圖批量全自動的得到方向場。為此，本發(fā)明采取的技術方案是，深度學習變密度低質(zhì)量電子散斑條紋方向自動獲取方法，步驟如下：

步驟1：分別構建訓練數(shù)據(jù)集和驗證數(shù)據(jù)集；

步驟2：構建計算低質(zhì)量、變密度電子散斑條紋方向的網(wǎng)絡模型；