用于复杂场景形貌测量的相位解包裹方法技术

本发明专利技术公开了一种用于复杂场景形貌测量的相位解包裹方法，包括如下步骤：模拟生成数据集，所述数据集包括展开相位图和与所述展开相位图对应的包裹相位图，之后，利用所述包裹相位图和展开相位图计算包裹计数；利用所述数据集训练UNet++语义分割网络；将待解包裹的包裹相位图输入到训练好的UNet++语义分割网络中，得到语义分割结果，之后，将所述语义分割结果乘以2π再与所述待解包裹的包裹相位图相加，得到预测的解包裹后的展开相位图。该用于复杂场景形貌测量的相位解包裹方法，速度快，精度高，适用于具有复杂轮廓及特征形状的相位图，在光学量子学领域有很大的发展空间。在光学量子学领域有很大的发展空间。在光学量子学领域有很大的发展空间。

【技术实现步骤摘要】
用于复杂场景形貌测量的相位解包裹方法


[0001]本专利技术属于光学三维测量
，特别提供了一种用于复杂场景形貌测量的相位解包裹方法。

技术介绍

[0002]光学三维测量技术是一种非接触、高精度投影结构光的表面形貌测量技术，目前被广泛应用于智能制造、虚拟现实、文物保护及医疗诊断等领域。而在实际应用中，由于复杂现场环境、被测对象状态和材料表面属性等因素的限制，给三维测量带来了很大挑战。复杂工业环境、水下环境等极端恶劣条件下的三维测量技术研究是一项具有实际意义和挑战性的工作，在未来为了长期服役于极端环境的化工、核电、航空航天等重要领域装备，三维视觉测量的需求会进一步提高。复杂极端环境下，清晰图像的采集、受到干扰而失真图像的还原、测量系统稳定可靠的运行以及环境因素导致的测量误差等技术难题还亟需突破。
[0003]相位展开是三维形貌测量技术中的关键步骤，在光学三维测量中，被测物理量以相位信息的形式被提取出来，由于包裹相位图以反正切函数获得，相位信息被截断在[
‑
π,π]的范围内，且存在2π的相位跳变，无法获得被测物理量的真实相位信息。为了得到被测物理量的真实相位，完成后续的三维测量，必须对包裹相位进行相位展开处理，这就是相位解包裹。
[0004]传统的相位展开方法大致可分为三类。第一类是空间相位展开。空间相位展开方法仅使用单个被包裹的相位图来获取相应的被包裹的相位分布，并根据相邻的相位值导出给定像素的被包裹的相位。具有代表性的方法包括枝切法、质量图导向法、Flynn最小不连续方法、最小LP范数方法等。第二类是时间相位展开方法。为了消除相位模糊性，时间相位展开方法一般通过逐步调整灵活的系统参数来产生不同的或合成的波长，从而使物体被不同周期的条纹覆盖。具有代表性的时间相位展开算法包括多频法、多频外差法等。第三类是几何相位展开方法。几何相位展开方法利用投影仪
‑ꢀ
相机系统的对极几何特性，解决了相位模糊问题。
[0005]然而传统方法鲁棒性的增加通常伴随着计算效率的下降，难以处理复杂相位图像的相位不连续性。

技术实现思路

[0006]鉴于此，本专利技术的目的在于提供一种用于复杂场景形貌测量的相位解包裹方法，引入了深度学习的方法，通过语义分割，将包裹相位图像中属于同一时段的像素逐一归入同一类别，从而解决相位问题，实现对具有复杂轮廓及特征形状的相位图高精度处理。
[0007]本专利技术提供的技术方案是：用于复杂场景形貌测量的相位解包裹方法，包括如下步骤：
[0008]S1：利用计算机模拟生成数据集，其中，所述数据集包括展开相位图和与所述展开相位图对应的包裹相位图，之后，利用所述包裹相位图和展开相位图计算包裹计数；
[0009]S2：将所述数据集划分为训练集、验证集和测试集，将UNet++语义分割网络作为相位解包裹模型，并利用所述数据集对所述UNet++语义分割网络进行训练、验证和测试，得到训练好的UNet++语义分割网络，其中，所述UNet++语义分割网络的输入是包裹相位图，所述UNet++语义分割网络的标签为包裹计数；
[0010]S3：将待解包裹的包裹相位图输入到训练好的UNet++语义分割网络，得到语义分割结果，即：包裹计数，之后，将所述包裹计数乘以2π再与所述待解包裹的包裹相位图相加，得到预测的解包裹后的展开相位图。
[0011]优选，S1具体包括如下步骤：
[0012]S11：通过计算机程序构造二元高斯分布的概率密度函数，并生成大量三维高斯函数，之后，随机选取所述三元高斯函数并反复进行任意加减运算，生成展开相位Φ(x,y)，并得到大量长宽大小为256*256的展开相位图；
[0013]S12：获得与所述展开相位图对应的包裹相位图，其中，所述包裹相位图中的包裹相位通过如下公式计算：
[0014][0015]式中，表示像素点(x,y)的包裹相位，I1、I2、I3、I4分别为4幅相移为Φ(x,y)且符合正弦规律的条纹图像的灰度值；
[0016]S13：向生成的包裹相位图中加入随机的散斑噪声，得到不同噪声、不同包裹程度的包裹相位图；
[0017]S14：利用所述包裹相位图和展开相位图计算包裹计数，其中，像素点 (x,y)对应的包裹计数k(x,y)利用下式获得：
[0018][0019]式中，round表示四舍五入运算，Φ(x,y)表示展开相位图中像素点(x,y) 的展开相位，表示包裹相位图中像素点(x,y)的包裹相位。
[0020]进一步优选，S2中，所述UNet++语义分割网络包括编码器和解码器：编码器包括5个编码层，每个编码层由VGG block块组成，通过卷积、批量归一化过程提取不同尺度的特征信息；解码器从提取到的特征信息中恢复出分割的边界信息。
[0021]本专利技术提供的用于复杂场景形貌测量的相位解包裹方法，适用于具有复杂轮廓及特征形状的相位图，用UNet++语义分割网络对待解包裹的包裹相位图进行分割之后，将分割结果乘以2π之后与原包裹相位相加即可得到最终解包裹相位，本专利技术采用的UNet++语义分割网络模型相比其他卷积神经网络模型采用长连接和短连接相结合的方式，拥有不同大小的感受野，容易捕获边缘信息并提高网络整体分割性能，较好的完成相位解包裹任务，通过UNet++语义分割网络预测得到的解包裹图像质量较高，无需进行后处理过程。
附图说明
[0022]下面结合附图及实施方式对本专利技术作进一步详细的说明：
[0023]图1为本专利技术提供的利用训练好的UNet++语义分割网络进行相位解包裹的示意
图；
[0024]图2为待解包裹的包裹相位图；
[0025]图3为图2所示的待解包裹的包裹相位图的真实展开相位图；
[0026]图4为将图2所示的待解包裹的包裹相位图输入到训练好的UNet++语义分割网络，得到语义分割结果；
[0027]图5为经训练好的UNet++语义分割网络预测的解包裹后的展开相位图。
具体实施方式
[0028]下面将结合具体的实施方案对本专利技术进行进一步的解释，但并不局限本专利技术。
[0029]本专利技术提供了一种用于复杂场景形貌测量的相位解包裹方法，包括如下步骤：
[0030]S1：利用计算机模拟生成数据集，其中，所述数据集包括展开相位图和与所述展开相位图对应的包裹相位图，之后，利用所述包裹相位图和展开相位图计算包裹计数；
[0031]S1具体包括如下步骤：
[0032]S11：通过计算机程序构造二元高斯分布的概率密度函数，并生成大量三维高斯函数，之后，随机选取所述三元高斯函数并反复进行任意加减运算，生成展开相位Φ(x,y)，并得到大量长宽大小为256*256的展开相位图；
[0033]S12：获得与所述展开相位图对应的包裹相位图，其中，所述包裹相位图中的包裹相位通过如下公式计算：
[0034][0035]式中，表示像素点(x,y)的包裹相位，I1、I2、I3、I4分别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于复杂场景形貌测量的相位解包裹方法，其特征在于，包括如下步骤：S1：利用计算机模拟生成数据集，其中，所述数据集包括展开相位图和与所述展开相位图对应的包裹相位图，之后，利用所述包裹相位图和展开相位图计算包裹计数；S2：将所述数据集划分为训练集、验证集和测试集，将UNet++语义分割网络作为相位解包裹模型，并利用所述数据集对所述UNet++语义分割网络进行训练、验证和测试，得到训练好的UNet++语义分割网络，其中，所述UNet++语义分割网络的输入是包裹相位图，所述UNet++语义分割网络的标签为包裹计数；S3：将待解包裹的包裹相位图输入到训练好的UNet++语义分割网络，得到语义分割结果，即：包裹计数，之后，将所述包裹计数乘以2π再与所述待解包裹的包裹相位图相加，得到预测的解包裹后的展开相位图。2.按照权利要求1所述用于复杂场景形貌测量的相位解包裹方法，其特征在于：S1具体包括如下步骤：S11：通过计算机程序构造二元高斯分布的概率密度函数，并生成大量三维高斯函数，之后，随机选取所述三元高斯函数并反复进行任意加减...

【专利技术属性】
技术研发人员：王琳霖，梁文婕，张印文，薛文科，
申请(专利权)人：沈阳航空航天大学，
类型：发明
国别省市：