[发明专利]基于多尺度生成对抗神经网络的单帧条纹分析方法

说明书

本发明公开了一种基于多尺度生成对抗神经网络的单帧条纹分析方法，其包括构建多尺度生成对抗神经网络模型；构建多尺度生成对抗神经网络模型的综合损失函数L；采集多尺度生成对抗神经网络的训练数据，并利用训练数据对多尺度生成对抗神经网络进行训练；将待测条纹图像输入至训练好的多尺度图像生成器，获得对应的正弦项、余弦项和调制度图，利用反正切函数计算相位。本发明中的神经网络经训练好后，计算过程不需要人为地设置复杂的计算参数，操作更为简便。由于神经网络的输入为单幅条纹图像，本发明为运动物体的条纹分析提供了高效、高精度的相位计算方法。

技术领域

本发明属于光学测量技术领域，具体为一种基于多尺度生成对抗神经网络的单帧条纹分析方法。

背景技术

随着计算机技术、信息技术和光电子技术的进步，光学三维测量技术得到了迅速发展。光学三维测量技术是以现代光学为基础，融光电子学、信号处理、图像处理、计算机图形学、模式识别等科学技术为一体的技术。它把光学图像当作检测和传递信息的手段和载体加以利用，其目的是从图像中提取有用的信号，完成三维实体模型的重构。光学三维测量技术按照成像照明方式的不同通常分为两大类：被动三维测量和主动三维测量。被动三维测量技术通过一个或多个摄像系统获取的二维图像中确定距离信息，形成被测物体的三维面形数据。这类方法一般测量精度较低，不便于工业使用。主动三维测量技术是采用结构照明技术，利用光源向被测物体投影按照一定规则和模式编码的图像，形成主动式三维形态测量。编码图案受到物体表面形状的调制而产生形变，而带有形变的结构光被另外位置的相机拍摄到，通过相机投影光源之间的位置关系和结构光形变的程度可以确定出物体的三维形貌。结构光三维测量技术具有非接触性、高灵敏度、高测量精度、高自动化等优点而日益受到人们重视。

条纹图像分析是结构照明技术实施过程中一项不可缺少的重要步骤。它的主要目的在于利用特定的解算方法，分析得到隐藏在条纹图像中与目标三维轮廓有关的相位信息。根据使用图像的数量，条纹图像分析方法常被分为多帧法与单帧法。N步相移法是一种广泛使用的多帧条纹图像分析方法。该方法通过对投影光栅相位场进行相移来增加若干常量相位，从而获得一系列的条纹图像，并从中求解相位场(文献“Temporal phaseunwrapping algorithms for fringe projection profilometry:A comparativereview”，作者C Zuo等)。该方法的优点在于测量精度高，并且对物体的相位细节保真度高。但不足之处在于，由于需要采集一系列的条纹图像进行分析，因此测量效率较低，并且难以满足运动目标的轮廓测量。

相比于多帧法，单帧法在测量效率上具有绝对的优势。这类方法将相位的编码集中于单幅条纹图像，因此仅利用一幅图像即可完成相位信息的获取。傅里叶条纹图像分析方法是最具代表性的一种单帧条纹图像分析法(文献“Fourier-transform method offringe-pattern analysis for computer-based topography and interferometry”，作者M Takeda等)。该方法是一种基于空间滤波的单帧光栅投影法，其原理为利用光的相位信息来编码物体的空间高度。通过投影正弦光栅，在频域中选取合适滤波窗提取物体相位，根据相位与高度的映射关系实现三维重建。由于整个过程只需一幅变形条纹图即可求得主值相位分布，该方法具有较高的灵敏度，受投影、测量装置抖动的影响小，可重复性高，测量速度快，适合于动态、高速运动物体的三维测量等优点。然而该方法的缺点在于，测量精度较低，对轮廓细节的保真度较差。在传统傅里叶条纹图像分析方法基础上，加窗傅里叶条纹图像分析法通过引入加窗傅里叶变换，可保留更多物体细节的相位信息(文献“Two-dimensional windowed Fourier transform for fringe pattern analysis:principles,applications and implementations”，作者Q Kemao等)。但该方法的缺点在于实施过程较为复杂，其中参数调节的过程较为繁琐，并且相位分析的时间成本十分高昂。

发明内容

本发明的目的在于提供了一种基于多尺度生成对抗神经网络的单帧条纹分析方法。