买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海市计量测试技术研究院(中国上海测试中心、华东国家计量测试中心、上海市计量器具强制检定中心);上海芬创信息科技有限公司

摘要：本发明公开了一种基于深度学习语义分割网络的相位解包裹方法，包括以下步骤：使用仿真软件生成包括包裹相位和对应的展开相位的数据集，并按比例随机划分成训练集、验证集和测试集；对训练集中的包裹相位数据进行预处理得到处理后的训练集；基于U‑Net网络搭建包含卷积层、池化层的U型网络，并加入多信息融合模块形成复合神经网络模型PMDU；将待解包裹的包裹相位图输入到PMDU网络模型中进行模型训练后确定PMDU模型的参数；将测试集中的包裹相位数据作为PMDU模型的输入进行相位解包裹，将得到对应实际展开相位数据与仿真软件生成的对应展开相位数据对比确定PMDU模型的准确性。本发明求解速度快，精度高，噪声鲁棒性强。

主权项：1.一种基于深度学习语义分割网络的相位解包裹方法，其特征在于，包括如下步骤：1使用计算机仿真软件依据Zernike多项式生成数据集，其中，所述数据集中包括包裹相位数据和对应的展开相位数据，所述包裹相位数据和所述展开相位数据分别作为输入信息和相应的标签信息；2将所述数据集随机划分成训练集、验证集和测试集；3基于U-Net网络搭建包含卷积层、池化层的U型网络，并加入多信息融合模块形成复合神经网络模型PMDU模型，所述PMDU模型包括主干特征提取阶段和加强特征提取阶段，所述主干特征提取阶段共由6个编码层，每个编码层包括两个卷积层和一个池化层，所述的两个卷积层分别为第一卷积层和第二卷积层，为提取到更多的图像信息及图像内在特征联系，在主干特征提取阶段第5个编码层中加入多信息融合模块，将前五个编码层得到的信息融合后获得的特征图输入第六个编码层的第一卷积层中；4对所述训练集中的包裹相位数据进行预处理，所述的预处理包括图像添加随机噪声、图像反转中的一种或一种以上，得到处理后的训练集，使用所述预处理后的训练集对PMDU模型进行模型训练，得到PMDU模型的网络模型参数；5将所述测试集中的包裹相位数据作为PMDU模型的输入，以对所述测试集中的包裹相位数据进行相位解包裹，得到对应的PMDU模型输出的展开相位数据，初步检验PMDU模型对包裹相位图像的相位解包裹能力；6使用由CCD相机采集的包裹相位图像作为PMDU模型的输入，以最终检验PMDU模型对真实包裹相位图像的相位解包裹能力，确定PMDU模型的准确性。

全文数据：

权利要求：

百度查询： 上海市计量测试技术研究院(中国上海测试中心、华东国家计量测试中心、上海市计量器具强制检定中心) 上海芬创信息科技有限公司 基于深度学习语义分割网络的相位解包裹方法