[发明专利]一种基于HRUnet网络的高精度相位解调方法

说明书

本发明涉及光学干涉测量领域，具体公开了一种基于HRUnet网络的高精度相位解调方法。只需一幅干涉图，即可得到无包裹相位信息。本方法直接从单幅含有闭合条纹的干涉图得到无包裹相位分布，先建立并训练神经网络HRUnet，然后把余弦干涉图Isubgt;cos/subgt;输入训练好的网络，输出得到无包裹相位分布。具体包括如下步骤:1.数据准备，使用泽尼克(Zernike)多项式产生训练数据和测试数据用于网络训练；2.建立HRUnet网络，用步骤1得到的数据对网络进行训练；3.把余弦干涉图输入训练后的神经网络，输出得到无包裹相位分布。本发明提出的技术一步输出无包裹相位，相位重建精度高，在光学干涉测量研究领域有着很大的应用前景。

技术领域

本发明涉及光学干涉测量技术领域，具体涉及一种基于HRUnet网络的高精度相位解调方法。

背景技术

在光学球面、非球面的干涉测量中，需要对测量得到的干涉图进行相位解调。传统的相位解调方法通常包含两个主要步骤：1.从干涉图得到包裹相位分布；2.包裹相位去包裹得到无包裹相位分布。对于包含闭合条纹的干涉图，为了得到包裹相位分布，通常需要采用相移干涉技术。但是相移干涉技术存在装置复杂的缺点。例如，在时间相移干涉技术中，为了记录多幅相移干涉图，需要精密的相移器件例如压电陶瓷驱动器等。并且，在测量中要求样品静止不动，因此该技术不能用于动态变化样品的测量(Daniel Malacara,Opticalshop testing,2007,JohnWileySons,Inc.)。

在空间平行相移干涉技术中，为了同时记录多幅相移干涉图，需要构建复杂的干涉装置。通常，需要用到多个CCD相机或对单个CCD/CMOS相机的光敏芯片空间复用，因此还存在不同视场需要对准、操作复杂且因多设备引入更多误差的问题。

从一幅含有闭合条纹的干涉图，直接解调得到无包裹相位分布，可实现对动态过程的实时测量，同时可避免采用传统的相移干涉技术存在的问题。最近提出的基于超列卷积的神经网络HCNN(Zhao.Zh,et.al.Optics Express,29(11),2021:16406-16421,doi:10.1364/OE.410723)，可以从单幅干涉图中直接得到无包裹相位分布。但是该网络存在如下缺点:由于网络直接输出的无包裹相位分布中存在明显的突变状相位误差，为了得到正确的相位分布，就需要对网络输出的相位分布进行误差校正，误差校正的具体流程包括误差区域的确定和对误差区域的相位分布进行多项式拟合，然后才能得到最终的无包裹相位分布，这个过程极其复杂，并且需要人工干预交互实现。

综上所述，不断优化相位解调方法，成为本领域工作人员的重点研究方向。

发明内容

本发明提出一种基于HRUnet网络的高精度相位解调方法，以克服现有技术中存在的网络直接输出的无包裹相位分布中存在明显的突变状相位误差，后续需要对网络输出的相位分布进行复杂的误差校正的问题。

为了达到上述目的，本发明的技术方案是:一种基于HRUnet网络的高精度相位解调方法，包括以下步骤:

步骤一：使用泽尼克(Zernike)多项式产生数据用于网络训练；

步骤二：卷积神经网络的构建和训练；

(2.1)设计相位解调网络HRUnet：

HRUnet网络由两层下采样卷积层、两层上采样卷积层以及HRnet模块组成,相同的卷积层之间采用跳跃连接；

HRnet模块结构包含一个Layer1模块,交替串行连接的3个Transition模块和3个Stage模块；

(2.2)使用数据集对神经网络进行训练：

I_cos作为输入、φ(x,y)作为输出标签对神经网络进行训练，直到损失函数不再下降并保持稳定后训练完成，得到网络各层的权重值；