1 上海市计量测试技术研究院，上海 201203
2 上海在线检测与控制技术重点实验室，上海 201203
3 桂林电子科技大学 计算机与信息安全学院，广西 桂林 541004
提出了一种结合深度学习的空间相位解包裹方法，采用基于改进U-Net网络的编码器-解码器架构，同时加入包含双向长短期记忆网络（BILSTM）的CBiLSTM模块，并且结合注意力机制，避免了典型卷积神经网络学习全局空间依赖关系的固有缺陷的同时增强了深度学习模型对相位解包裹任务中的关键信息的关注能力。通过大量的模拟数据，验证了文中方法在严重噪声(SNR=0)、不连续条件和混叠条件下的鲁棒性，在以上三种情况下，同其他深度学习网络模型进行对比，文中所提出的网络模型的归一化均方根误差（NRMSE）分别为0.75%、1.81%和1.68%；结构相似性指数（SSIM）分别为0.98、0.92和0.94；峰值信噪比(PSNR)分别为40.87、32.56、37.38；同时计算时间显著减少，适合应用到需要快速准确的空间相位解包裹任务中去。通过实际测量数据，验证了文中提出网络模型的可行性。该研究将双向长短期记忆网络（BILSTM）和注意力机制同时引入光学相位解包裹问题中，为解决复杂相位场的解包裹提供了新的思路和方案。
相位解包裹 深度学习 注意力机制 长短期记忆网络 卷积神经网络 phase unwrapping deep learning attention mechanism long short-term memory network convolutional neural network 红外与激光工程
2024, 53(2): 20230564
1 东北大学秦皇岛分校控制工程学院，河北 秦皇岛 066004
2 苏州中科行智智能科技有限公司，江苏 苏州 215000
针对合成波长方法动态范围较小的问题，提出一种用于相敏谱域光学相干层析（PSSD-OCT）的大动态范围合成波长相位解包裹方法，解决了传统合成波长方法的相位包裹限制问题，实现了大动态范围、快速及高灵敏度的PSSD-OCT成像。通过选取全长度干涉光谱和位于光谱仪中间的半长度干涉光谱，计算合成相位缺失的周期数；利用全长度干涉光谱及半长度干涉光谱解调结果的分段组合，消除易受噪声影响的相位周期数跳变问题。通过阶差规、硬币及电路板的成像实验，证明该方法可以用于大动态范围（毫米级）的高灵敏度位移解调。
相干光学 相敏谱域光学相干层析 合成波长 相位解包裹 动态范围
1 中国科学院西安光学精密机械研究所瞬态光学与光子技术国家重点实验室，陕西 西安 710119
2 西安电子科技大学物理学院，陕西 西安 710071
定量相位显微成像在工业检测、生物医学和光场调控等领域具有重要的应用价值。常用的定量相位显微成像技术通过干涉的方法来获取相位的定量分布，干涉装置的稳定性、光学衍射极限的限制、相位再现时的解包裹问题、激光照明下的相干噪声，以及动态观测过程中的样品离焦等因素都会影响定量相位显微成像的分辨率和精度。本文围绕高精度定量相位显微成像中的上述关键问题展开研究，通过构建物参共路的同步相移数字全息显微结构实现稳定的实时测量；采用结构光照明的超分辨相位成像方法实现对微小物体的超分辨相位成像；利用双波长照明将纵向无包裹相位测量范围扩大到微米量级；使用低相干LED照明解决相干噪声问题；提出了基于结构光照明和双波长照明的数字全息显微自动调焦方法，可以满足对不同类型样品的长时间跟踪观测。
定量相位显微成像 物参共路 结构光照明 相位解包裹 自动调焦
1 河北工程大学 数理科学与工程学院, 邯郸 056038
2 河北省计算光学成像与光电检测技术创新中心, 邯郸 056038
为了实现高精度的数字全息相位解包裹, 采用基于Unet网络框架中集成MobilenetV3的轻量级深度学习网络, 设计了UMnet网络以实现全息相位的精准解包裹。网络中融和轻量级注意力机制、多尺度卷积来增强网络精度与泛化能力, 同时运用hard-Swish激活函数提高网络学习能力; 运用模拟数据集进行网络训练, 对生成网络模型进行降噪能力测试, 并经过了实际样品全息图的测试验证。结果表明, UMnet比深度学习相位解包裹网络的结构性相似指数值提升了6.6%。UMnet能够简单、快速、高效地实现数字全息相位解包裹。
全息 相位解包裹 注意力机制 多尺度卷积 holography phase unwrapping attention mechanism multi-scale convolution
1 河北工程大学 数理科学与工程学院, 河北 邯郸 056038
2 河北省计算光学成像与光电检测技术创新中心, 河北 邯郸 056038
相位解包裹在数字全息显微成像技术中占据着重要地位, 是获取相位信息不可缺少的关键一步, 而目前传统的相位解包裹算法进入瓶颈期, 文章对利用深度学习进行相位解包裹研究方法加以改进, 获取更好的实验结果。提出了一种改进U-Net的相位解包裹方法, 在残差块之后加入通道注意力模块, 并使用深度可分离卷积替代部分传统卷积, 利用随机矩阵生成的大量模拟相位图作为数据集训练, 达到对真实全息图相位解包裹目的, 解决了光路不便获取大量数据集的难题。通过本方法不同实验全息图样本进行解包裹, 并且与其它解包裹算法结果对比, 实验结果表明, 所提解包裹方法样品边缘更平滑, 背景平坦, 实验测试集与离散余弦解包裹结果的结构相似性指数从平均0.932提升至0.973, 峰值信噪比由平均21.60提升至29.18。
数字全息 相位解包裹 显微成像 注意力机制 深度学习 digital holography phase unwrapping microscopic imaging attention mechanism deep learning
杭州职业技术学院 吉利汽车学院, 浙江 杭州 310027
干涉测量中, 环境和成像系统热噪声以及不均匀的被测表面反射率均会使测量相位分布不一致, 以留数点的形式出现在相位包裹图中。在此情况下, 获得完整真实、高精度的被测表面相位解包裹结果就成为亟需解决的难题。不同于传统方法利用枝切连接留数点, 隔离噪声干扰区域; 或以丢失细节信息为代价, 采用最小范数类方法的解包裹方案,首次将和谐均值这一数论概念应用在相位解包裹中。方法利用其具有剔除粗大误差的特殊性质, 类比环绕留数点的四邻域相位点为待计算和谐均值数据, 直接检测噪声干扰点, 得到全局相位解包裹结果。最后利用强噪声干扰下, 复杂表面的计算机模拟实验, 通过定量定性分析, 对其结果精度, 运算效率, 简单易执行的优点进行了有效验证。
干涉测量 相位解包裹 相位测量 成像系统噪声 interferometry phase unwrapping phase measurement noise in imaging systems
1 武汉科技大学信息科学与工程学院, 湖北 武汉 430081
2 武汉科技大学机器人与智能系统研究院, 湖北 武汉 430081
利用相位级次的编码和调制方法将相位级次信息叠加到相移图像中,提出了一种直接利用相移图像进行相位解包裹的方法。在投影端,提出了一种邻接不重复德布鲁因序列,并用该序列对相位级次进行编码,然后将该周期级次编码序列调制、叠加到多步相移图像中。相应地,在解码阶段,从拍摄到的相移图像中同时解调、分解出包裹相位和周期级次编码序列,通过序列的匹配还原真实周期级次信息,并最终准确地解包裹出绝对相位。以四步相移法为例,本文方法相比传统的时间相位解包裹算法,投影图片从10张(64个相位周期)缩减到了4张,提高了测量效率。
测量 结构光 相移法 相位解包裹 三维测量
1 中国工程物理研究院 机械制造工艺研究所，四川绵阳62000
2 清华大学 精密仪器系，北京100084
相位解包裹是光学干涉测量的关键环节，要求计算速度快、精度高、适应性强。根据包裹相位不同级次间存在明显边界的特点，本文提出数学形态学区域分割的快速相位解包裹算法。首先，采用数学形态学提取边界并分割相位区域。然后，计算区域之间的相位差异以确定各区域的相位级次和抬升值，判断边界点归属以确定边界各点抬升值。最后，根据抬升值对各区域相位进行整体抬升，最终获得空间上连续分布的相位。仿真和实验表明：基于数学形态学的解包裹算法对于1 000×1 000 pixels像素的相位处理时间在1 s以内，仅为经典的最小二乘算法用时的1/4，且相位自身边界、无效区域、噪声等因素对解包裹效果并无影响。该算法具有速度快、适用性强、精度较高等优点，在动态光干涉、光全息、光栅条纹投影轮廓测量等对运算速度要求较高的测量场景中有广泛的应用前景。
干涉测量 相位解包裹 数学形态学 区域分割 interferometry measurement phase unwrapping mathematical morphology region segmentation 光学 精密工程
2021, 29(11): 2724
1 中国科学院光电技术研究所, 四川 成都 610209
2 中国科学院大学, 北京 100049
针对路径相关的相位解包裹算法在较强噪声下具有敏感性, 不能进行精确的相位解包裹, 近几年国内外相继提出了基于深度学习的方法来提高解包裹的抗噪性能。光学相位常用Zernike多项式进行表征, 然而由仿真得到的训练数据却存在类别不平衡问题, 这会导致在分割时效果较差, 甚至无法对后续的包裹相位进行解调。提出了在DeepLabv3+网络结构下, 使用光学包裹相位数据作为训练样本, 通过使用不同的损失函数进行相应训练, 实验结果表明, 通过改善损失函数, 分割精度提升了2.03%, 为后续的高精度相位解包裹提供了可能。
相位解包裹 深度学习 光学相位 类别不平衡 损失函数 phase unwrapping deep learning optical phase category imbalance loss function
西安工业大学兵器科学与技术学院, 陕西 西安 710021
基于光栅条纹投影的三维测量技术通过相移法提取相位主值,相位主值展开的准确性是决定整个三维测量系统精度的关键因素。时间相位解包裹算法能够实现对孤立及表面不连续物体的相位展开,但受传感器及环境噪声的影响,得到的解相结果误差较大。为了选择出抗噪性能好的算法,本文通过仿真及实验对比了几种时间相位解包裹算法的抗噪性能。结果表明,多频层级相位展开法和负指数拟合法具有良好的抗噪性能,解相精度高,而多波长外差法和基于条纹定位的多波长外差法的抗噪性能差,解相误差大。本文的研究结果可为研究人员在选择解相方式上提供参考,具有重要的应用价值。
测量 条纹投影 相位主值 时间相位解包裹 三维测量 抗噪性能 激光与光电子学进展
2021, 58(12): 1212006
