基于深度学习的光学图像相位解包裹算法研究
发布时间：2021-10-15 01:25
随着深度学习的快速发展,深度卷积神经网络的非线性拟合能力也越来越强。而且很多其他领域内原来无法求解的问题通过深度学习得到了解决。相位解包裹作为光学相位测量应用中不可缺少的关键技术,在全息技术和结构光照明系统应用中占据着核心地位。而目前传统的相位解包裹技术在解包裹速度和质量上进入了瓶颈期,因此本文提出了利用深度学习的方法进行相位解包裹研究。本文主要探讨了基于残差回归网络和基于语义分割网络的相位解包裹研究。本文首先提出了利用残差回归网络进行相位解包裹,深入探索了包裹相位图和未包裹相位图之间的映射关系。利用泽尼克多项式生成了大量的仿真相位图数据。将包裹相位图作为残差回归网络的输入,而未包裹相位图作为输出。由于残差结构的存在,网络只需要学习包裹相位图和未包裹相位图与包裹相位图差值之间的映射关系即可。本文实验结果表明,该算法只能对测试集中87%左右的包裹相位图进行解包裹。同时存在解包裹结果中像素点数值错误的情况。其次,本文提出的基于语义分割网络的相位解包裹算法由分割、叠加、修正三步组成。在分割步骤中,利用了Deep Lab V3+网络对包裹相位图依据需要叠加2π的倍数进行了语义分割。之后将分割结...
【文章来源】：杭州电子科技大学浙江省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
图像分割2015年香港中文大学的董超[23]等首次跨学科地将卷积神经网络应用在单张图像
杭州电子科技大学硕士学位论文8解包裹算法。目前国内外的研究人员针对相位解包裹技术的运算速度和求解质量进行了大量的研究，形成了一系列的解包裹理论和算法。这些传统的相位解包裹算法主要可以分为以下两类：基于路径的相位解包裹算法[50-53]和基于最小范数的相位解包裹算法[17-19]。图2.1一维和二维相位解包裹图示2.2基于路径的相位解包裹算法基于路径的算法不是全局算法而是从局部开始进行解包裹的算法。因为积分结果只与积分起点和积分终点有关而不依赖于任何路径。而相位解包裹又是一个积分的过程，所以该类算法都是通过选取最佳积分路径，对包裹相位图进行积分。整个积分可以通过如下的数学表达式描述：(2.4)其中代表梯度，是真实相位图，而就是包裹相位图，是选取的积分起点，是选取的特定的连接积分起点和积分终点的积分路径。通过上述公式，可以看出基于路径的相位解包裹算法的主要难点在于积分路径的选择。而在实验过程中获得的包裹相位图可能会存在较大噪声干扰、某一区域包裹相位图被污染、相位变化幅度大等一系列影响解包裹算法的情形。这样就会存在基于路径的解包裹算法沿不同路径积分结果迥然不同。在这种情形下，积分路径如何避开以上影响解包裹的区域变得至关重要。目前，按照选择积分路径的定义和方法不同，基于路径解包裹算法主要有四种。接下来本节将对四种基于路径的相位解包裹算法一一介绍。2.2.1枝切法1988年，美国JPL实验室的Goldstein在干涉合成孔径雷达的研究中，发明了一种新的相位解包裹方法用于提取雷达波的相位信息[50]。该算法首先从输入的包裹相位图提取残差点（沿某一闭合环路包裹相位梯度积分不为零的点）的位置和极性。之后对整个包裹相位图中的像素寻找其邻域内的残差点。如果残差点的极性?
锹剂税??辔煌贾懈玫愕南辔恍畔⒅柿俊Ｖ??该算法会选择相位质量最高的像素点作为积分起点，再向多个方向低质量相位信息区间扩充解包裹，直到包裹相位图中所有的点都被成功地解包裹。因此，质量图导向法之间的区别主要是质量图和路径的选择。随着研究的不断深入，目前常用的质量图主要有：相位导数方差图、相干系数图、伪相干系数图和最大相位梯度图[54]。本节将主要介绍一种基于最大相位梯度质量图的质量图导向法。该算法在2002年由Herráez提出[52]（SRFNP），同时也是本文第五章的对比方法。首先介绍质量图的获取，以图2.2为例，计算包裹相位图中的二阶导数矩阵。二阶导数矩阵的定义如式（2.5）所示，各参数可通过式（2.6）计算。图2.2包裹相位图像素示例(2.5)(2.6)2/1222122HjiDjDjiVi+++=)],(),(),(),([),(jjiDi)]1,1(),([)],()1,1([),()]1,1(),([)],()1,1([),()]1,(),([)],()1,([),()],1(),([)],(),1([),(21=-+---+-=-----++=----+=----+jijijijijiDjijijijijiDjijijijijiVjijijijijiHjjgjjgjjgjjgjjgjjgjjgjjg
本文编号：3437180
【文章来源】：杭州电子科技大学浙江省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
图像分割2015年香港中文大学的董超[23]等首次跨学科地将卷积神经网络应用在单张图像
杭州电子科技大学硕士学位论文8解包裹算法。目前国内外的研究人员针对相位解包裹技术的运算速度和求解质量进行了大量的研究，形成了一系列的解包裹理论和算法。这些传统的相位解包裹算法主要可以分为以下两类：基于路径的相位解包裹算法[50-53]和基于最小范数的相位解包裹算法[17-19]。图2.1一维和二维相位解包裹图示2.2基于路径的相位解包裹算法基于路径的算法不是全局算法而是从局部开始进行解包裹的算法。因为积分结果只与积分起点和积分终点有关而不依赖于任何路径。而相位解包裹又是一个积分的过程，所以该类算法都是通过选取最佳积分路径，对包裹相位图进行积分。整个积分可以通过如下的数学表达式描述：(2.4)其中代表梯度，是真实相位图，而就是包裹相位图，是选取的积分起点，是选取的特定的连接积分起点和积分终点的积分路径。通过上述公式，可以看出基于路径的相位解包裹算法的主要难点在于积分路径的选择。而在实验过程中获得的包裹相位图可能会存在较大噪声干扰、某一区域包裹相位图被污染、相位变化幅度大等一系列影响解包裹算法的情形。这样就会存在基于路径的解包裹算法沿不同路径积分结果迥然不同。在这种情形下，积分路径如何避开以上影响解包裹的区域变得至关重要。目前，按照选择积分路径的定义和方法不同，基于路径解包裹算法主要有四种。接下来本节将对四种基于路径的相位解包裹算法一一介绍。2.2.1枝切法1988年，美国JPL实验室的Goldstein在干涉合成孔径雷达的研究中，发明了一种新的相位解包裹方法用于提取雷达波的相位信息[50]。该算法首先从输入的包裹相位图提取残差点（沿某一闭合环路包裹相位梯度积分不为零的点）的位置和极性。之后对整个包裹相位图中的像素寻找其邻域内的残差点。如果残差点的极性?
锹剂税??辔煌贾懈玫愕南辔恍畔⒅柿俊Ｖ??该算法会选择相位质量最高的像素点作为积分起点，再向多个方向低质量相位信息区间扩充解包裹，直到包裹相位图中所有的点都被成功地解包裹。因此，质量图导向法之间的区别主要是质量图和路径的选择。随着研究的不断深入，目前常用的质量图主要有：相位导数方差图、相干系数图、伪相干系数图和最大相位梯度图[54]。本节将主要介绍一种基于最大相位梯度质量图的质量图导向法。该算法在2002年由Herráez提出[52]（SRFNP），同时也是本文第五章的对比方法。首先介绍质量图的获取，以图2.2为例，计算包裹相位图中的二阶导数矩阵。二阶导数矩阵的定义如式（2.5）所示，各参数可通过式（2.6）计算。图2.2包裹相位图像素示例(2.5)(2.6)2/1222122HjiDjDjiVi+++=)],(),(),(),([),(jjiDi)]1,1(),([)],()1,1([),()]1,1(),([)],()1,1([),()]1,(),([)],()1,([),()],1(),([)],(),1([),(21=-+---+-=-----++=----+=----+jijijijijiDjijijijijiDjijijijijiVjijijijijiHjjgjjgjjgjjgjjgjjgjjgjjg
本文编号：3437180
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3437180.html
