一种针对退化条纹增强的神经网络映射方法

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。

技术特征：

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：

技术总结
本发明涉及一种针对退化条纹增强的神经网络映射方法，属于光学测量技术领域。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，包括采用投影仪‑相机系统，完成数据采集获得退化相移条纹图；提取退化正弦分量和退化余弦分量；获取真值正弦分量、真值余弦分量；将退化正弦分量、退化余弦分量作为网络输入，将真值正弦分量、真值余弦分量作为网络学习目标，构建正弦性分量‑正线性分量的映射模式；获得训练好的神经网络模型；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。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。

技术研发人员：王亚军,李付谦,牛兴漫,张启灿,刘元坤,吴周杰
受保护的技术使用者：四川大学
技术研发日：
技术公布日：2024/1/5