[发明专利]一种基于残差自编码神经网络的相位数据解包裹方法

说明书

本发明公开了一种基于残差自编码神经网络的相位数据解包裹方法，读取生成的实验数据，将相位数据解包裹任务视为一种多分类问题，建立残差自编码神经网络；采用Zernike多项式生成模拟初始相位数据集，对模拟初始相位数据集进行包裹处理，对残差自编码神经网络进行训练；对训练后的网络模型进行评估，如果满足预设精度要求，则通过残差自编码神经网络对包裹相位进行预测分类，得到与之对应的包裹倍数分布图，利用二维中值滤波器对结果进行处理得到去噪的包裹倍数分布图；将相位包裹倍数分布图与包裹的相位数据和待测数据Xtrest进行求和运算得到最终的解包裹相位结果，表征待测对象的表面轮廓的起伏信息。本发明可实现各种自由曲面相位数据的解包裹运算。

技术领域

本发明属于三维轮廓精密测量领域相位数据处理技术领域，具体涉及一种基于残差自编码神经网络的相位数据解包裹方法。

背景技术

三维轮廓测量技术在工业制造，国防军事，航空航天，民用消费等领域中应用广泛。干涉测量法与条纹投影法等方法属于主流的三维轮廓精密测量技术。在其实施过程中需要通过相移采集多幅干涉图以提取相位数据，最终得到相关面形测量结果。相移技术将引入反正切运算，而计算机中常采用周期函数atan2代替arctan函数，其值域范围为[-π，π]。故最初提取的相位数据为包裹的相位数据，其数据范围被包裹于[-π，π]，造成了相位不连续，因此不能直接得到真实的测量信息分布。为了获得真实的相位分布，需对这些包裹位相作进一步处理，获得连续的相位分布，这一过程即称为相位解包裹。通过特定的方法，在包裹的相位图中找出跃变点，再加上2π的整数倍k即可将包裹相位复原成不包含跃变点的平滑连续的相位分布。

为解决相位包裹问题，实现准确的三维轮廓测量，国内外学者提出了不同的相位解包裹方法。根据原理不同可分为三类：

1.行列扫描法，通过比较空间上相邻点相位主值来完成解包。依次比较相邻列相同行的两个像素点的相位值，若后一像素点与前一像素点差值超过π或-π，则给该点及以后各点减去或加2π，直到所有列数据全部完成解包裹。该方法原理简单但易受噪声影响。

2.路径跟踪算法是一种局部相位展开法，通过选择合适的积分路径对包裹相位图积分来实现相位解包，优先展开相位可靠区域。典型方法有Goldstein最小化枝切法，质量导向算法，最小不连续算法等。此类方法对初始条件的选择较为敏感。

3.最小范数法是一种全局的相位展开方法，通过设置目标函数,并附以相关的约束条件,把相位展开问题转化为求解最优化的问题。其主要思想是寻求展开相位的局域微分与包裹相位的局域微分差异最小。典型方法有Multigrid算法，DCT算法等。但其计算效率较低。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于残差自编码神经网络的相位数据解包裹方法，适用于相邻像素相位幅值跳变小于2π的各种自由曲面面形解包。

本发明采用以下技术方案：

一种基于残差自编码神经网络的相位数据解包裹方法，读取生成的实验数据，采用36项Zernike多项式生成模拟初始相位数据集，对模拟初始相位数据集进行包裹处理，将相位数据解包裹任务视为一种多分类问题，以像素为单位，每一级倍数的包裹作为一级分类，建立残差自编码神经网络；对残差自编码神经网络进行训练；对训练后的结果进行预测，如果满足精度要求，通过残差自编码神经网络分类得到初始包裹倍数分布图，利用二维中值滤波器对结果进行处理得到去噪的包裹倍数分布图；将相位包裹倍数分布图与包裹的相位数据和待测数据Xtrest进行求和运算得到最终的解包裹相位结果，用于表征待测对象的表面轮廓的起伏信息。

具体的，Zernike多项式为：

其中，Z_nm为多项式的项，n为多项式的阶数，k为正整数，m为整数，s为整数上式求和的下标。