基于UCNet的散斑干涉相位解包裹

作     者：陈辰 曾启林 于霄翊 熊显名 杜浩 赵嘉浩 石冯睿 Chen Chen;Zeng Qilin;Yu Xiaoyi;Xiong Xianming;Du Hao;Zhao Jiahao;Shi Fengrui

作者机构：桂林电子科技大学光电工程学院广西桂林541004 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2024年第61卷第14期

页      面：121-127页

核心收录：

学科分类：080901[工学-物理电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081203[工学-计算机应用技术] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 0835[工学-软件工程] 0803[工学-光学工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划项目(2022YFF0605502) 国家科技重大专项课题(2017ZX02101007-003) 国家自然科学基金(61965005) 国家自然科学基金(62205076) 广西自然科学基金(2019GXNSFDA185010) 广西重点研发计划项目(AB22035047) 上海市在线检测与控制技术重点实验室开放基金项目(ZX2021104) 

主　　题：激光剪切散斑干涉 深度学习 相位解包裹 卷积神经网络 

摘      要：激光剪切散斑干涉是一种可以测量物理表面位移导数的光学测量技术,广泛应用于无损检测和精密测量等领域。在激光剪切散斑干涉中,相位信息的准确获取对于测量目标的形貌和表面特征至关重要,然而相位信息通常受到噪声和非线性失真等因素的影响。基于此,提出一种基于UCNet的散斑干涉相位解包裹方法。以U-Net为框架在网络中引入平行、对称卷积和多尺度解码器,提高模型理解和利用不同尺度特征信息的能力。同时使用SmoothL1损失函数使模型能够适应不同尺度的任务。运用模拟数据集进行网络训练,对生成网络模型进行模拟测试,并经过实际采集的相位图进行验证,证明了网络的精度与泛化能力。结果表明,UCNet相较于深度学习相位解包裹网络,在结构性相似指数值上提高了1.05倍,能够准确地实现激光剪切散斑干涉相位解包裹。