[发明专利]基于构造边的高精度快速相位解缠方法

摘要

本发明公开了一种基于构造边的高精度快速相位解缠方法。包括以下几个步骤：利用三步相移法投射三幅光栅图像，用相机分别捕获，得到由包裹相位图；计算产生质量图；在质量图上，由相邻两像素质量值构造水平与竖直权值边；初始化各个像素点的状态；删除冗余的权值边；进行像素点的相位解缠。本发明通过优化权值边的数量，降低了数据处理的规模，节省了解缠时间。本发明的相位解缠方法具有精度高、效率高、抗干扰能力强的特点。

主权项

基于构造边的高精度快速相位解缠方法，其特征在于：包括以下几个步骤，步骤一：利用三步相移法投射三幅光栅图像，用相机分别捕获，得到包裹相位图；步骤二：由包裹相位图计算产生质量图；步骤三：在质量图上，由相邻两像素点质量值构造水平与竖直权值边；步骤四：初始化各个像素点的状态；步骤五：删除冗余的权值边；步骤六：进行像素点的相位解缠；解缠过程为：第一步：选择具有最小权值的权值边关联的两像素点，比较两个像素点的质量值，质量值大的像素点相对质量值小的像素点解缠，并将质量值大的像素点设置为已解缠标志，将两点加入到一个集合中，记录该集合的秩；第二步：将剩余的权值边按其权值从小到大的排序作为路径向导进行解缠，根据权值边关联两像素点的状态，分三种情况进行解缠：a)有一像素点已解缠而另一像素点未解缠,解缠两像素点中未解缠的像素点，合并到已解缠像素点集合中；b)两像素点均未解缠，解缠这两像素点，并标记为一个新集合；c)两像素点均已解缠且分别属于不同集合，比较两个集合的秩的大小得到小秩集合和大秩集合，属于小秩集合中的像素点相对大秩集合的像素点解缠，合并到大秩集合中；解缠的方法为：$\mathrm{\φ}(x_m,y_n)=\left\{\begin{array}{ccc}\mathrm{\φ}(x_{m-1},y_n)+\mathrm{\Δ}{\mathrm{\φ}}_r(x_m,y_n)+2\mathrm{\π}& \mathrm{if}& \mathrm{\Δ}{\mathrm{\φ}}_r(x_m,y_n)\≤-\mathrm{\π}\\ \mathrm{\φ}(x_{m-1},y_n)+{\mathrm{\Δ\φ}}_r(x_m,y_n)& \mathrm{if}& -\mathrm{\π}\<\mathrm{\Δ}{\mathrm{\φ}}_r(x_m,y_n)\<\mathrm{\π}\\ \mathrm{\φ}(x_{m-1},y_n)+\mathrm{\Δ}{\mathrm{\φ}}_r(x_m,y_n)-2\mathrm{\π}& \mathrm{if}& \mathrm{\Δ}{\mathrm{\φ}}_r(x_m,y_n)\≥\mathrm{\π}\end{array}\right.$其中，φ(x_m,y_n)为待解缠像素点的绝对相位值，φ(x_m‑1,y_n)为相邻已解缠的像素点的绝对相位值，Δφ_r(x_m,y_n)＝φ_r(x_m,y_n)‑φ_r(x_m‑1,y_n)是相邻两像素点包裹相位值的差值，φ_r(x_m,y_n)是像素点(x_m,y_n)的包裹相位值，φ_r(x_m‑1,y_n)是像素点(x_m‑1,y_n)的包裹相位值。