本发明涉及一种针对退化条纹增强的神经网络映射方法,属于光学测量。
背景技术:
1、在工业生产和检测数字化的过程中,如何测量高动态范围(hdr)、高速、大景深等复杂场景,对主流的条纹投影轮廓术是一项难题。为证明本发明的优势,以下针对高动态范围测量问题展开描述。具体地,条纹投影轮廓术首先由投影端投射条纹图在被测面形上,再由成像端采集变形条纹图,最终恢复出物体面形信息。然而,对于具有高动态范围的物体,由于成像设备动态范围有限,会导致采集的条纹出现过曝或过暗的情况,最终重构出错误的三维面形。
2、深度学习作为一种数据驱动的技术,对光学计量领域中许多具有挑战性的问题表现出强大的解决能力。对于hdr问题,也有许多基于深度学习的技术方案被提出。根据神经网络的映射范式不同,它们可以分为两类:条纹-条纹的深度学习方法和条纹-相位的深度学习方法。
3、一、条纹-条纹的深度学习方法的步骤是:(1)建立“退化条纹图-真值条纹图”的数据对,构建数据集;(2)完成网络训练;(3)将退化的条纹图输入网络,可获得对应高质量的条纹图;(4)提取相位,再结合系统标定获得物体面形。该方法以包含冗余信息的条纹强度为学习对象,如条纹中的背景光强和调制度。对于不同光照条件下的具有复杂反射率的面形数据,退化图像和对应的真值存在较大的尺度差,并且由于面形反射率不均匀,退化图像和对应真值的强度变化剧烈,所以这类方法它们的网络难以收敛,进而表现出较差的测量精度和鲁棒性。
4、二、条纹-相位的深度学习方法的步骤是:(1)建立“退化条纹图-真值截断相位的分子和分母项”的数据对,构建数据集;(2)完成网络训练;(3)将退化的条纹图输入网络,可获得对应高质量截断相位的分子和分母;(4)完成相位计算,再结合系统标定获得物体面形。这类方法需要学习条纹中的调制度和相位,虽然移去了冗余的背景光强,但对于不同光照条件下的具有复杂反射率的面形数据,它们的网络仍难以收敛,测量精度和鲁棒性也较差。
技术实现思路
1、为了克服现有技术中的问题,本发明提供一种针对退化条纹增强的神经网络映射方法。
2、本发明解决上述技术问题所提供的技术方案是:一种针对退化条纹增强的神经网络映射方法,包括以下步骤:
3、步骤s1、采用投影仪-相机系统,在退化测量场景下,完成数据采集获得相移条纹图;
4、步骤s2、由相移条纹图提取退化正弦分量sd和退化余弦分量cd;
5、步骤s3、采用多次曝光法或提高相移步数的方法获取退化正弦分量sd、退化余弦分量cd对应的真值正弦分量sgt、真值余弦分量cgt;
6、步骤s4、将退化正弦分量sd、退化余弦分量cd作为网络输入,将真值正弦分量sgt、真值余弦分量cgt作为网络学习目标,构建正弦性分量-正线性分量的映射模式;
7、步骤s5、利用back propagation算法完成网络参数更新,从而获得训练好的神经网络模型;
8、步骤s6、将未参与训练的退化正余弦分量输入训练好的神经网络模型,输出修复后的正余弦分量。
9、进一步的技术方案是,所述步骤s1中退化测量场景包括高动态范围场景、低投影照度和低相机曝光场景、存在光的复杂散射折射的场景、未适度离焦的测量场景、存在非线性的测量场景。
10、进一步的技术方案是,所述步骤s2中获取退化正余弦分量的方式有三种;第一种是由相移条纹图提取截断相位,再提取正余弦分量;第二种是由相移条纹图提取条纹的调制度,再提取正余弦分量;第三种是由相移条纹图提取背景光强和调制度,再提取正余弦分量。
11、进一步的技术方案是,所述第一种的提取公式为:
12、
13、式中:为第i个条纹图;为退化截断相位;δi=2πi/n为相移量;sd为退化正弦分量;cd为退化余弦分量;n为相移步数
14、进一步的技术方案是,所述第二种的提取公式为:
15、
16、式中:bd为调制度;δi=2πi/n为相移量;sd为退化正弦分量;cd为退化余弦分量;n为相移步数;为第i个条纹图。
17、进一步的技术方案是,所述第三种的提取公式为:
18、
19、式中:ad为背景光强;bd为调制度;为第i个条纹图;δi=2πi/n为相移量;sd为退化正弦分量;cd为退化余弦分量;n为相移步数;为求导算子。
20、进一步的技术方案是,三种的提取过程中通过公式计算得到退化正弦分量sd、退化余弦分量cd或者通过公式计算得到退化正弦分量sd、退化余弦分量cd中的一个,再通过对退化正弦分量sd或退化余弦分量cd求导得到退化余弦分量cd或退化正弦分量sd。
21、进一步的技术方案是,所述步骤s3中多次曝光法包括借助调制投影光强、成像曝光时间、使用多通道成像设备的方法。
22、进一步的技术方案是,所述正弦性分量-正线性分量的网络映射模式为:
23、
24、式中:θ*为优化的网络参数;gθ为网络映射;sd为退化正弦分量;cd为退化余弦分量;sgt为真值正弦分量;cgt为真值余弦分量。
25、本发明具有以下有益效果:本发明可有效减轻网络训练负担、促进网络训练收敛,具有模型泛化能力强、恢复纹路细节能力强等优点。
1.一种针对退化条纹增强的神经网络映射方法,其特征体现在以下步骤:
2.根据权利要求1所述的一种针对退化条纹增强的神经网络映射方法,其特征在于,所述步骤s1中退化测量场景包括高动态范围场景、低投影照度和低相机曝光场景、存在光的复杂散射折射的场景、未适度离焦的测量场景、存在非线性的测量场景。
3.根据权利要求1所述的一种针对退化条纹增强的神经网络映射方法,其特征在于,所述步骤s2中获取退化正余弦分量的方式有三种;第一种是由相移条纹图提取截断相位,再提取正余弦分量;第二种是由相移条纹图提取条纹的调制度,再提取正余弦分量;第三种是由相移条纹图提取背景光强和调制度,再提取正余弦分量。
4.根据权利要求3所述的一种针对退化条纹增强的神经网络映射方法,其特征在于,所述第一种的提取公式为:
5.根据权利要求4所述的一种针对退化条纹增强的神经网络映射方法,其特征在于,所述第二种的提取公式为:
6.根据权利要求5所述的一种针对退化条纹增强的神经网络映射方法,其特征在于,所述第三种的提取公式为:
7.根据权利要求6所述的一种针对退化条纹增强的神经网络映射方法,其特征在于,三种的提取过程中通过公式计算得到退化正弦分量sd、退化余弦分量cd或者通过公式计算得到退化正弦分量sd、退化余弦分量cd中的一个,再通过对退化正弦分量sd或退化余弦分量cd求导得到退化余弦分量cd或退化正弦分量sd。
8.根据权利要求1所述的一种针对退化条纹增强的神经网络映射方法,其特征在于,所述步骤s3中多次曝光法包括借助调制投影光强、成像曝光时间、使用多通道成像设备的方法。
9.根据权利要求1所述的一种针对退化条纹增强的神经网络映射方法,其特征在于,所述正弦性分量-正线性分量的网络映射模式为: