[發明專利]基于卷積神經網絡的包裹相位去噪方法、系統和存儲介質

在審

• 申請號: 202011502114.8
• 申請日: 2020-12-17
• 公開（公告）號: CN112508819A
• 公開（公告）日: 2021-03-16
• 發明（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

本申請公開了一種基于卷積神經網絡的包裹相位去噪方法、系統和存儲介質，所述方法包括：根據相移步數采集若干條紋圖像；根據條紋圖像和相移步數，計算包裹相位的相位函數中反正切函數的分母和分子；將分母輸入卷積神經網絡中，獲取分母噪聲；將分母減去分母噪聲獲取除噪分母；將分子輸入卷積神經網絡中，獲取分子噪聲；將分子減去分子噪聲獲取除噪分子；根據除噪分母和除噪分子計算包裹相位。本申請實施例通過卷積神經網絡對含噪的包裹相位中反正切函數的含噪分子和含噪分母進行去噪，隨后使用反正切函數獲取去噪的包裹相位，本申請的包裹相位去噪方法的去噪效率更高。本申請可廣泛應用于光學測量技術領域中。

技術領域

本申請涉及光學測量技術領域，尤其涉及一種基于卷積神經網絡的包裹相位去噪方法、系統和存儲介質。

背景技術

干涉測量法廣泛用于形狀、變形和反射率測量等，具有很高的測量精度。大多數干涉圖分析方法會在–π和π之間產生包裹相位分布，因此需要相位解包裹來從包裹的相位重建真實相位。但是，包裹相位中的噪聲是相位解包裹的障礙，尤其是對于簡單的相位解包裹方法，因此有必要對包裹相位進行去噪。有效的包裹相位降噪方法包括正弦平均濾波器、余弦平均濾波器、模數2π濾波方法、開窗傅里葉脊算法、開窗傅里葉濾波算法和擴展的開窗傅里葉濾波算法。上述方法通常需要較高的計算成本，導致包裹相位去噪的效率較低。

發明內容

有鑒于此，本申請的目的是提供一種基于卷積神經網絡的包裹相位去噪方法、系統和存儲介質，以提高包裹相位去噪的效率。

本申請所采用的第一技術方案是：

一種基于卷積神經網絡的包裹相位去噪方法，包括：

根據相移步數采集若干條紋圖像；

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

將所述分母輸入卷積神經網絡中，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網絡中，獲取分子噪聲；

將所述分子減去分子噪聲獲取除噪分子；

根據所述除噪分母和所述除噪分子計算包裹相位。

進一步，所述卷積神經網絡為殘差網絡。

進一步，所述卷積神經網絡的激活函數為線性整流函數。

進一步，所述卷積神經網絡的卷積層中設置有批歸一化層。

進一步，所述卷積神經網絡采用自適應矩估計算法最小化損失函數。

進一步，所述卷積神經網絡的訓練數據為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。

進一步，所述H(x，y)的計算公式如下：

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

本申請所采用的第二技術方案是：

一種基于卷積神經網絡的包裹相位去噪系統，包括：

圖像采集模塊，用于根據相移步數采集若干條紋圖像；