[发明专利]一种基于全卷积神经网络的相位主值提取方法

说明书

一种基于全卷积神经网络的相位主值提取方法，包括以下步骤：1)在计算机上将预先编码所需的按正弦分布的条纹图，预先编码好的条纹图投影至待测物，并使用工业相机采集待测物条纹图；2)构建全卷积神经网络模型，设定训练参数和损失函数，将1)中得到的图片输入至神经网络中，运行神经网络，获得所需的相位主值；3)使用基于质量图导向的方法对2)中得到的相位主值进行解缠，得到准确相位值。本发明提供一种图像采集的数量少、无需训练数据集以及训练过程、精度较高的基于全卷积神经网络的相位主值提取方法。

技术领域

本发明涉及一种图像处理方法，尤其是一种基于全卷积神经网络的相位主值提取方法。

背景技术

随着信息技术的飞速发展和社会需求的多样化，物体轮廓的空间三维测量在工业自动检测、产品质量控制、逆向设计、生物医学、虚拟现实、文物复制、人体测量等众多领域中得到了广泛应用。特别是采用光学方法的三维测量，由于是非接触测量、测量精度高、获取数据量大，易在计算机下实现光、机、电一体化而在近十年得到很大发展。

相位测量轮廓术(phase measuring profilometry，简称PMP)是采用正弦光栅投影和相移技术相结合的一种三维测量方法。其基本思想是:当一个正弦光栅图形投影到三维漫反射物体表面时,从成像系统可以获得受物体表面面形调制的变形条纹,利用离散相移技术获取N幅变形光场图像,再根据N步相移算法计算出相位分布。目前主流的相位主值提取算法包括三步相移法、四步相移法，这些算法需要至少三幅图像来提取相位主值，而为了减少噪声、背景的影响以及保证解缠精度，往往在实际测量时需要分别拍摄不同条纹频率的图像来保证精度，比如使用4种频率的四步相移法进行一次测量就需要拍摄16幅图片，过多的图片拍摄数量显著的降低了三维重建的速度。而在实验条件较差的日常使用条件下，十几张图片的拍摄过程中往往会有被测物移动的情况发生，造成测量精度下降的情况。

发明内容

为了克服现有图像相位主值提取方法的在实际测量时所需图片数量过多、拍摄时间过长、精度较低的不足，为了能够在单帧条纹图像中提取出精确的相位主值，基于这样的思路，本发明提出一种精度较高的基于全卷积神经网络的相位主值提取方法。

本发明解决其技术问题所采用的技术方案是：

一种基于全卷积神经网络的相位主值提取方法，包括以下步骤：

1)在计算机上将预先编码所需的按正弦分布的条纹图，预先编码好的条纹图投影至待测物，并使用工业相机采集待测物条纹图；

2)构建全卷积神经网络模型，设定训练参数和损失函数，将1)中得到的待测物条纹图片输入至全卷积神经网络模型中，运行全卷积神经网络模型，获得所需的相位主值；

3)使用基于质量图导向的方法对2)中得到的相位主值进行解缠，得到准确相位值。

进一步，所述步骤1)中，采集条纹图过程包括以下步骤：

1.1)在计算机上进行条纹预编码，构建出所需的按正弦规律分布的条纹图，条纹按照以下公式进行编码：

其中I(x,y)为图像灰度值，x为横坐标；

1.2)设计拍摄光路，并按设计好的光路放置工业相机、DLP投影仪以及待测物；

1.3)使用工业相机依次采集高清的条纹图像。

进一步，所述步骤2)中，提取相位主值过程包括以下步骤：

2.1)全卷积神经网络模型构建

在投影仪将预先编码好的条纹图投影至待测物表面时，由于受到物体表面高度的调制，被CCD相机获取的变形条纹表示为：