[發(fā)明專利]基于卷積神經(jīng)網(wǎng)絡的包裹相位去噪方法、系統(tǒng)和存儲介質

在審

• 申請?zhí)枺?/td>: 202011502114.8
• 申請日: 2020-12-17
• 公開（公告）號: CN112508819A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設計）人: 蔡長青
• 申請（專利權）人: 廣州大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 常柯陽

1.一種基于卷積神經(jīng)網(wǎng)絡的包裹相位去噪方法，其特征在于，包括：

根據(jù)相移步數(shù)采集若干條紋圖像；

根據(jù)所述條紋圖像和所述相移步數(shù)，計算包裹相位的相位函數(shù)中反正切函數(shù)的分母和分子；

將所述分母輸入卷積神經(jīng)網(wǎng)絡中，獲取分母噪聲；

將所述分母減去分母噪聲獲取除噪分母；

將所述分子輸入卷積神經(jīng)網(wǎng)絡中，獲取分子噪聲；

將所述分子減去分子噪聲獲取除噪分子；

根據(jù)所述除噪分母和所述除噪分子計算包裹相位。

2.根據(jù)權利要求1所述的基于卷積神經(jīng)網(wǎng)絡的包裹相位去噪方法，其特征在于，所述卷積神經(jīng)網(wǎng)絡為殘差網(wǎng)絡。

3.根據(jù)權利要求1所述的基于卷積神經(jīng)網(wǎng)絡的包裹相位去噪方法，其特征在于，所述卷積神經(jīng)網(wǎng)絡的激活函數(shù)為線性整流函數(shù)。

4.根據(jù)權利要求1所述的基于卷積神經(jīng)網(wǎng)絡的包裹相位去噪方法，其特征在于，所述卷積神經(jīng)網(wǎng)絡的卷積層中設置有批歸一化層。

5.根據(jù)權利要求1所述的基于卷積神經(jīng)網(wǎng)絡的包裹相位去噪方法，其特征在于，所述卷積神經(jīng)網(wǎng)絡采用自適應矩估計算法最小化損失函數(shù)。

6.根據(jù)權利要求1所述的基于卷積神經(jīng)網(wǎng)絡的包裹相位去噪方法，其特征在于，所述卷積神經(jīng)網(wǎng)絡的訓練數(shù)據(jù)為A(x，y)和B(x，y)，A(x，y)和B(x，y)的計算公式如下：

其中，b為幅度，H(x,y)為實際的波前，λ為波長，n₁(x，y)和n₂(x，y)為高斯加性噪聲，所述高斯加性噪聲的均值為0。

7.根據(jù)權利要求6所述的基于卷積神經(jīng)網(wǎng)絡的包裹相位去噪方法，其特征在于，所述H(x,y)的計算公式如下：

其中，N是Zernike多項式的項數(shù)，η_n(x_k,y_k)為Zernike多項式，l_n為Zernike多項式的系數(shù)。

8.一種基于卷積神經(jīng)網(wǎng)絡的包裹相位去噪系統(tǒng)，其特征在于，包括：

圖像采集模塊，用于根據(jù)相移步數(shù)采集若干條紋圖像；

相位提取模塊，用于根據(jù)所述條紋圖像和所述相移步數(shù)，計算包裹相位的相位函數(shù)中反正切函數(shù)的分母和分子；

分母計算模塊，用于將所述分母輸入卷積神經(jīng)網(wǎng)絡中，獲取分母噪聲，將所述分母減去分母噪聲獲取除噪分母；

分子計算模塊，用于將所述分子輸入卷積神經(jīng)網(wǎng)絡中，獲取分子噪聲，將所述分子減去分子噪聲獲取除噪分子；

相位計算模塊，用于根據(jù)所述除噪分母和所述除噪分子計算包裹相位。

9.一種基于卷積神經(jīng)網(wǎng)絡的包裹相位去噪系統(tǒng)，其特征在于，包括：

至少一個處理器；

至少一個存儲器，用于存儲至少一個程序；

當所述至少一個程序被所述至少一個處理器執(zhí)行，使得所述至少一個處理器實現(xiàn)如權利要求1-7任一項所述的基于卷積神經(jīng)網(wǎng)絡的包裹相位去噪方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1-7任一項所述的基于卷積神經(jīng)網(wǎng)絡的包裹相位去噪方法。