摘要
位相シフト干渉（PSI）は精密光学測定で広く用いられる技術ですが、従来のPSI手法は通常3フレーム以上の位相シフト干渉画像を必要とし、動的測定や振動に敏感な環境での応用が制限されます。この問題を解決するために、本論文では深層学習に基づくPSI-IPENetフレームワークを提案します。本フレームワークはツー・トゥ・ワン（Two-to-One）構造を採用し、2フレームの位相シフト干渉画像を二重チャネル入力とし、1フレームの位相画像を教師信号として使用し、訓練用データセットを構築しました。PSI-IPENet は IPENet の特徴抽出能力と干渉イメージングの物理特性を組み合わせ、位相回復のロバスト性とノイズ耐性を効果的に向上させます。実験結果は、本手法が入力フレーム数が少ない場合でも高精度な位相回復能力を維持し、従来の4ステップ位相シフト法に比べて信号対雑音比や位相誤差の指標で顕著な優位性を有することを示しています。
关键词
位相シフト干渉;位相復元;深層学習;IPENet
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website