【技术实现步骤摘要】
本专利技术涉及一种相位模型的构建方法，特别涉及一种基于u-net网络的相位模型的构建方法。
技术介绍
1、条纹数据处理过程中，通过光学干涉测量法来提取条纹中心线，进而提高相应的测量精度，但在实施中面临各种难题。为了解决这一难题，相位测量技术应运而生。相位实质上是波传播上的时间延迟，它能够作为测量物体信息的载体，通常如待测物体上的基础表面、由于挤压造成的微形变以及相关物体所表征的三维形貌等。由于被测物体的三维形貌需要特定的测量手段才能得到被测物体的相关信息，因此需要较高精度的测量方法。
2、研究利用深度学习进行空间相位展开的目的在于解决传统方法在相位展开过程中存在的一些挑战。传统方法通常依赖于手动设计的规则和启发式算法来解决相位展开问题，这在复杂场景下容易出现误差累积和计算复杂度高的问题。
3、在许多成像或测量技术中，绝对相位(真相位)的估计是一个重要但具有挑战性的问题，例如光学干涉测量(oi)、磁共振成像(mri)、条纹投影轮廓测量(fpp)和干涉合成孔径雷达(insar)。重要的是，上述应用的估计绝对相位与所需的物理量成正比，例如oi的厚度或折射率分布，mri的磁化率分布或血流速度，fpp的物体表面三维(3d)分布，以及insar的地形表面高度或地面变形。上述应用程序的初始阶段限制在(-π,π]范围内，因为它是从复振幅场(caf)计算的arctan函数。空间相位展开技术的计算效率较高，但是对严重噪声情况不具有鲁棒性，对于其中极个别的抗噪声能力较强的算法又存在计算量大导致速度慢的问题。时间相位展开技术的精
4、针对高噪声以及特殊条件下采集到的相位包裹图，对其采用的相位解调方法始终没能得到质的提升，即无论在解调精度上，或运算时间下都没有较大的改进。然而，随着人工智能相关技术的大力发展，深度学习在计算机视觉领域取得了不错的成效。近年来，相关科研人员将深度学习也同光学检测领域进行了结合，如延伸到波前探测，条纹分析等。本专利技术提出了基于深度学习的方法来解决相位包裹的问题，针对在高噪声下具有不敏感的特性，能够实现高精度的相位解调。
5、深度学习在近年来取得了令人瞩目的成就，已经被广泛应用于图像处理、语音识别、自然语言处理等领域。然而，在雷达成像领域，特别是在空间相位展开方面，深度学习的应用还相对较少。因此，本专利技术目的是探索利用深度学习技术进行深度学习空间相位展开，并揭示其意义与潜在应用。深度学习相位展开是一种利用深度学习算法来对相位图像进行处理和重构的技术。相位展开在光学、医学成像、雷达、通信等领域具有广泛的应用，而深度学习相位展开技术的发展将为这些领域带来许多重要的意义和前景。
6、相位展开随着深度学习的不断发展，它融入到各行各业中，许多关于深度学习相位解包裹的方法逐步出现，由于不受itoh条件的约束(控制理论中的一种稳定性条件，用于判断系统是否是渐进稳定，由日本控制理论学家itoh在20世纪60年代提出)，这些方法在噪声、不连续和混叠的情况下仍然有效，尽管基于深度学习的方法在相位展开的任务中得到了有效的应用，但由于计算消耗较大，模型复杂，消耗的时间过长，在解包裹相位的实际应用中仍存在困难。
7、对于传统的u-net网络最初是用于医学图像分割的。它的结构特点是对称的u形，可以将输入图像进行逐步下采样和上采样，并在中间层进行跳跃连接，以获得更好的语义信息和空间信息。在之后的研究中，为了解决严重噪声影响和欠采样导致的相位展开错误问题，有研究提出了一种相位类型对象的数据库生成方法和一步深度学习相位展开方法，该网络的本质内核就是u-net。该方法网络运行较为迅速，且可以自动运行，无需额外的预处理或后处理，具有较好的鲁棒性。但是当对于大量的高分辨率图像和复杂场景处理时，仍然需要较长的训练时间和更大的计算资源。
8、相位展开是一个信号处理的概念，用于解决信号中相位跳变的问题。在某些应用中，信号的相位可能会受到限制或有突变，导致相位值在某些位置发生不连续的跳变。相位展开的目标是通过消除这些相位跳变，使得相位值在整个信号范围内保持连续。传统的相位展开方法中，空间相位展开技术的计算效率较高，但是对严重噪声情况不具有鲁棒性，对于其中极个别的抗噪声能力较强的算法又存在计算量大导致速度慢的问题。时间相位展开技术的精度较高也具有一定的鲁棒性和抗噪能力，但是由于是逐像素点在时间方向上实现相位展开，需要在时间顺序上投影多幅图案且无法实现利用单个包裹相位完成相位展开，因此不可避免地存在测量效率低、测量速度慢等问题。在具有强噪声、高重叠、有不连续点的解包裹相位时，传统的方式往往不能够很好的解决问题，同样也需要投入大量的人工参与，不断地尝试才能解决。在实际应用中，相位展开广泛应用于各种领域，包括光学相干层析成像、雷达信号处理、地震数据处理等方面随之应用的情况要求不断增加，深度学习介入是必要的。在评价指标、数据集、损失函数、注意力门模块等方面进行分析研究，结合现有的方法进行创新。
技术实现思路
1、本专利技术的目的是为了解决现有的相位展开方法中，空间相位展开技术的计算效率较高，但是对严重噪声情况不具有鲁棒性，对于其中极个别的抗噪声能力较强的算法又存在计算量大导致速度慢的问题，而提出一种基于u-net网络的相位模型的构建方法。
2、上述目的通过以下的技术方案实现：
3、一种基于u-net网络的相位模型的构建方法，所述方法通过以下步骤实现：
4、步骤一、生成数据集，生成数据集的方法选用随机矩阵放大rme、高斯函数叠加法gfs或zernike多项式叠加zps之一；
5、步骤二、对生成数据进行预处理，并确定数据集的大小和参数；
6、步骤三、构建基于u-net网络的相位展开模型；
7、步骤四、构建相位展开中的损失函数以及优化方法；在训练模型时，设置学习率进行训练，使得模型收敛速度变得更快，模型效果更佳；同时引入权重衰减策略，权重衰减等价于l2范数正则，正则化通过为模型损失函数添加惩罚项减小学出的模型参数值。
8、进一步地，步骤一所述的生成数据集过程中，随机矩阵放大rme包括：生成初始方阵，其大小为2×2～25×25、取值范围为2～100、分布类型为均匀分布随机矩阵或本文档来自技高网...
【技术保护点】
1.一种基于U-Net网络的相位模型的构建方法，其特征在于：所述方法通过以下步骤实现：
2.根据权利要求1所述的一种基于U-Net网络的相位模型的构建方法，其特征在于：步骤一所述的生成数据集过程中，随机矩阵放大RME包括：生成初始方阵，其大小为2×2～25×25、取值范围为2～100、分布类型为均匀分布随机矩阵或高斯分布随机矩阵之一的随机分布；之后，通过不同的插值方法将矩阵变成更大的矩阵(256×256)，插值方法为最近邻插值、双线性插值或双三次插值；
3.根据权利要求2所述的一种基于U-Net网络的相位模型的构建方法，其特征在于：步骤三所述的构建基于U-net网络的相位展开模型的步骤，具体是：
4.根据权利要求3所述的一种基于U-Net网络的相位模型的构建方法，其特征在于：步骤四所述的构建相位展开中的损失函数以及优化方法的步骤，具体是：
【技术特征摘要】
1.一种基于u-net网络的相位模型的构建方法，其特征在于：所述方法通过以下步骤实现：
2.根据权利要求1所述的一种基于u-net网络的相位模型的构建方法，其特征在于：步骤一所述的生成数据集过程中，随机矩阵放大rme包括：生成初始方阵，其大小为2×2～25×25、取值范围为2～100、分布类型为均匀分布随机矩阵或高斯分布随机矩阵之一的随机分布；之后，通过不同的插值方法将矩阵变成...
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。