专利交易市场

本发明公开了一种基于深度学习语义分割网络的二维相位解包裹方法。本发明包括如下步骤：步骤1、利用Zernike多项式产生网络训练数据并对网络进行训练；步骤2、用步骤1得到的训练数据对语义分割DeepLabV3+网络进行训练：步骤3、利用训练后的网络对包裹相位进行分割并和包裹相位相加，得到初步解包裹相位，并对初步解包裹相位进行后处理得到最终解包裹相位。本发明提出的方法的求解速度快，对噪声鲁棒，尤其针对于散斑干涉仪测到的大噪声相位图的相位解包裹。在光学成像研究领域有着很大的应用前景。

本发明公开了一种基于二倍角相位编码的解包裹方法，将灰度条纹数量缩减并获取阶梯码字，包括以下步骤：步骤一：确定阶梯码字数，得到理想阶梯相位，步骤二：将理想阶梯相位嵌入二倍角的余弦相移条纹，形成量化的余弦条纹，通过投影仪投射至被测物体表面，步骤三：采集被物体高度调制的变形图像，进行解相位操作，获取包裹相位和变形的阶梯相位，步骤四：对变形的阶梯相位进行归一化、量化、取整等操作，获取阶梯码字，步骤五：重建被测物体表面形貌信息，投影仪对灰度条纹的投影帧率远远低于对二值条纹的投影帧率，减少了三维测量系统中灰度图像的投影，提高了投影效率，通过一幅灰度相移图像、两幅黑白图像便可以获取8个以上阶梯码字。