System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及相衬光学相干弹性成像的,尤其涉及到用于相衬光学相干弹性成像的动态范围扩展方法。
技术介绍
1、相衬光学相干弹性成像技术(phase-contrast optical coherenceelastography,pc-oce)利用层析干涉相位变化的高灵敏特点,可以实现材料内部应变分布的全场高精度测量,成为当前最具发展前景的内部力学性能表征手段。
2、pc-oce的测量步骤一般包括:1)采集样品形变过程中的干涉光谱数据;2)基于傅里叶变换对干涉光谱数据进行解调,得到样品不同变形状态下的差分包裹相位场;3)计算该差分包裹相位场沿深度方向的梯度分布,从而得到应变场;4)基于所计算的应变场和样品的力学加载先验信息,获取样品的弹性模量等力学特性信息。由此可见,pc-oce能否实现精确的弹性成像关键在于其获取高质量的差分包裹相位图像。然而,当样品形变过大时会导致相同位置的散斑点发生像素级位移,即相位退相关。相位退相关会对干涉光谱附加额外的散斑相位噪声,影响最终的相位成像质量。极端情形下,相位条纹信号会淹没于退相关噪声中(见图5)。因此,相位退相关的存在使得现有pc-oce的形变测量量程受限,进而导致测量动态范围不高。
3、针对相位退相关问题,已有的技术方案主要分为硬件方案和软件方案。硬件方案主要采用高速相机对样品形变过程的干涉光谱数据进行连续快速采集,然后再通过增量叠加的方式计算形变较大情形下的应变分布,从而解决相位退相关问题。软件方案主要借助空间相位解包裹的枝切法思路,构建出相位残差点数量优化的相位追踪
4、但对于硬件方案而言,其主要缺点为:增量叠加的计算方式会带来误差累积传播,从而导致pc-oce的成像信噪比较低,难以满足实际层析测量场景的需求。此外,硬件方案需要专门设计集成高速相机的光谱仪,硬件集成难度大,且因相机采集帧率存在上限导致难以从根本上克服相位退相关。对于软件方案而言,其主要缺点为:相位追踪的方式是以相位残差点数量最小作为优化目标,但相位残差点本质上反映的是相位空间解包裹的奇异点,难以定量表征弹性成像过程中的退相关噪声。这导致该方案在实际测量中鲁棒性不高,且追踪效果严重依赖于窗口尺寸等先验信息,实用性较差。
技术实现思路
1、本专利技术的目的在于克服现有技术的不足,提供一种鲁棒性较强、实用性较高的用于相衬光学相干弹性成像的动态范围扩展方法。
2、为实现上述目的,本专利技术所提供的技术方案为:
3、用于相衬光学相干弹性成像的动态范围扩展方法,包括:
4、s1、pc-oce采集样品形变前后的干涉光谱信号i1(k,y)和i2(k,y),其中k为激光器的波数,y为截面空间坐标;
5、s2、对干涉光谱信号i1(k,y)和i2(k,y)分别进行傅里叶变换,并通过求辐角得到各自的包裹相位φ1(z,y)和φ2(z,y),其中z表示深度坐标;
6、s3、在形变后的包裹相位φ2(z,y)上选取一个尺寸为m×m的子区,该子区的中心点(ξ,η)为待相位追踪的像素点;
7、s4、将步骤s3所述的子区沿水平方向和垂直方向作像素级位移(δξ,δη),并计算像素级位移对应的差分包裹相位;
8、s5、构建并训练u-net++结构的贝叶斯深度神经网络,其中网络的输入为差分包裹相位,输出为相位梯度的模型不确定度,以贝叶斯推断方法得到网络权重的最优后验概率密度分布;
9、s6、将步骤s4得到的差分包裹相位送入训练好的u-net++结构的贝叶斯深度卷积网络中,得到对应的模型不确定度;
10、s7、对步骤s6得到的模型不确定度构建能量优化方程,以寻找能量最小对应的像素级位移;
11、s8、在步骤s2得到的形变后包裹相位φ1(z,y)的基础上,对每个像素点依据步骤s3~步骤s7进行处理,得到像素级水平位移场δξ*(m,n)和轴向位移场δη*(m,n);
12、s9、根据步骤s8得到的像素级水平位移场δξ*(m,n)和轴向位移场δη*(m,n),进行相位退相关下的像素级位移补偿处理,实现动态范围扩展。
13、进一步地,计算差分包裹相位的公式如下:
14、
15、其中,j表示虚数单位,arg表示对复数求辐角主值,(m,n)为相位图像离散化后的空间坐标;δξ和δη和分别为子区沿水平方向和垂直方向移动的像素级位移量,δφ对应子区对应的形变量,形变量越大,相位条纹越密集。
16、进一步地,模型不确定度的计算公式如下:
17、
18、其中,μ(l)为第l个网络的相位梯度输出,为l个网络的相位梯度输出平均值;(m,n)为相位图像离散化后的空间坐标。
19、进一步地,构建的能量优化方程如下:
20、
21、其中,σ(m,n,δξ,δη)为模型不确定度,(δξ*,δη*)为能量最小对应的像素级位移;(δξ,δη)为子区沿水平方向和垂直方向的像素级位移;表示整数集。
22、进一步地,进行相位退相关下的像素级位移补偿处理,采用的公式如下:
23、
24、其中,j表示虚数单位;arg表示对复数求辐角;exp为指数信号;φ1为样品形变前依据步骤s2计算得到的相位,φ2为样品形变后依据步骤s2计算得到的相位;(δξ,δη)为子区沿水平方向和垂直方向的像素级位移;(δξ*,δη*)为能量最小对应的像素级位移;(m,n)为相位图像离散化后的空间坐标。
25、与现有技术相比,本技术方案原理及优点如下:
26、本技术方案借助不确定性学习框架中的网络模型不确定度,构建了能直接反映相位退相关噪声等级的像素级位移追踪方法,可以在不改变现有pc-oce测量系统结构基础上,解决形变量过大引起的相位退相关问题,进而扩展了pc-oce的动态范围。
本文档来自技高网...【技术保护点】
1.用于相衬光学相干弹性成像的动态范围扩展方法,其特征在于,包括:
2.根据权利要求1所述的用于相衬光学相干弹性成像的动态范围扩展方法,其特征在于,计算差分包裹相位的公式如下:
3.根据权利要求1所述的用于相衬光学相干弹性成像的动态范围扩展方法,其特征在于,模型不确定度的计算公式如下:
4.根据权利要求1所述的用于相衬光学相干弹性成像的动态范围扩展方法,其特征在于,构建的能量优化方程如下:
5.根据权利要求1所述的用于相衬光学相干弹性成像的动态范围扩展方法,其特征在于,进行相位退相关下的像素级位移补偿处理,采用的公式如下:
【技术特征摘要】
1.用于相衬光学相干弹性成像的动态范围扩展方法,其特征在于,包括:
2.根据权利要求1所述的用于相衬光学相干弹性成像的动态范围扩展方法,其特征在于,计算差分包裹相位的公式如下:
3.根据权利要求1所述的用于相衬光学相干弹性成像的动态范围扩展方法,其特征在于,模型不...
【专利技术属性】
技术研发人员:白玉磊,张康洋,莫锐,董博,何昭水,谢胜利,
申请(专利权)人:广东工业大学,
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。