[发明专利]全尺度连接的深度学习相位展开方法在审

专利信息
申请号: 202110470505.4 申请日: 2021-04-28
公开(公告)号: CN113129295A 公开(公告)日: 2021-07-16
发明(设计)人: 谢先明;田宪辉 申请(专利权)人: 桂林电子科技大学
主分类号: G06T7/00 分类号: G06T7/00;G06K9/46;G06K9/62;G01S13/90;G06N3/04;G06N3/08
代理公司: 桂林市华杰专利商标事务所有限责任公司 45112 代理人: 覃永峰
地址: 541004 广西*** 国省代码: 广西;45
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 尺度 连接 深度 学习 相位 展开 方法
【权利要求书】:

1.全尺度连接的深度学习相位展开方法,其特征在于,包括以下步骤:

S1,创建干涉图数据集,得到真实相位图与缠绕相位图;

S2,将S1创建好的两种数据放入全尺度连接的深度学习模型中进行训练,得到训练后的权值;

S3,将待解缠相位图像放入已训练全尺度连接的深度学习模型中得出解缠出的真实相位图像。

2.根据权利要求1所述的全尺度连接的深度学习相位展开方法,其特征在于,S1包括如下步骤:

S1-1,通过随机函数,得到构建2×2~20×20随机初始矩阵;

S1-2,用双三次插值法对初始矩阵扩展进行插值放大到256像素×256像素,得到真实相位干涉图;

S1-3,使用Zernike前20个系数多项式得到大小为400像素×400像素初始矩阵;

S1-4,利用Zernike矩阵,截取大小为256像素×256像素的真实相位矩阵,得到真实相位图;

S1-5,从晋城真实相位中截取大小为256像素×256像素的真实相位矩阵,得到真实相位图;

S1-6,将生成的真实相位图重缠绕相位并加入不同信噪比的噪声,得到缠绕相位图。

3.根据权利要求1所述的全尺度连接的深度学习相位展开方法,其特征在于,S2包括如下步骤:

S2-1,单通道的缠绕相位图从改进的全尺度连接的深度学习模型的编码模块的输入层进入,经卷积层将图像通道数调整后通过残差网络层,最后在通过卷积层输出,得到特征图;

S2-2,上层特征图通过最大池化层对传入的特征图进行下采样后传入模型的下一单元模块,由下一单元模块中的卷及操作,得到图像通道数加倍后的特征图;

S2-3,重复S2-1~S2-2,直到特征图进入编码路径最后的单元模块完成编码操作;

S2-4,上述特征图先经过上采样放大并减半通道数,再通过全尺度跳跃连接与编解码路径中每一个单元模块的输出特征图进行拼接,得到融合特征图;

S2-5,上述特征图依次经过卷积模块、残差模块、卷积模块输出到下个上采样层处;

S2-6,重复S2-4~S2-5,直到特征图通道数降为8,再通过卷积操作,得到单通道特征图。

4.根据权利要求1所述的全尺度连接的深度学习相位展开方法,其特征在于,S2所述改进U-Net3+模型,以U-Net3+为骨架添加残差神经网络,由对称的编码路径、解码路径以及全尺度跳跃连接组成;网络左侧为编码路径,利用六个子模块由浅入深地逐层提取干涉图特征信息,其中每个单元模块包括卷积层、残差网络层及最大池化层;与编码路径一样,右侧解码路径亦包含六个子模块,各单元模块包括上采样反卷积层、全尺度跳跃连接层、卷积层和残差网络层;

全尺度跳跃连接,解码阶段上采样层在放大特征图的同时通过卷积操作保持特征图通道数与左侧编码路径不同阶段输出特征图通道数匹配,即每一解码层都均衡桥接了来自不同编码层中包含相位细节信息的大尺度特征图和解码层中抽象的干涉图条纹特征图;最终通过卷积操作调整特征图通道数,即可获得分辨率为256×256特征图,亦即干涉图解缠相位图,全尺度连接的深度学习相位展开模型的输入为缠绕相位图,其输出为其解缠相位图。

5.根据权利要求1所述的全尺度连接的深度学习相位展开方法,其特征在于,S3中,单通道的缠绕相位图从输入层进入,经第一单元模块卷积层将图像通道数调整为8后通过残差网络层输出特征图,再通过最大池化层实现下采样,特征图进入后一单元模块再利用卷积操作将通道数加倍,随后重复第一单元模块中的操作,直到特征图进入编码路径最后单元模块完成编码工作,随后再依次通过解码路径中各单元模块中上采样层、全尺度跳跃连接、卷积层和残差网络层执行解缠操作,其中解码路径中各单元模块依次减半图像通道数,最后由输出层输出解缠结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于桂林电子科技大学,未经桂林电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110470505.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top