(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210128483.8 (22)申请日 2022.02.11 (71)申请人 广西大学 地址 530004 广西壮 族自治区南宁市西乡 塘区大学东路10 0号 (72)发明人 李清光　张峻康　 (74)专利代理 机构 武汉臻诚专利代理事务所 (普通合伙) 42233 专利代理师 胡星驰 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 智能二维相位展开系统、 应用、 其训练及数 据集构建方法 (57)摘要 本发明公开了智能二维相位展开系统、 应 用、 其训练及数据集构建方法。 其采用对称的编 码器和解码器构成的语义分割模块对二维相位 进行语义分割， 并对分割后的区域进行相位包裹 数预测， 从而将二维相位进行展开， 对噪声较强 的二维相位数据有着良好的准确度， 表现优于其 他网络结构。 本发明提供的训练方法， 构建数据 集， 所述数据集包括用作输出监督的未包裹相 位， 以及训练输入的包裹相位； 采用加权交叉熵 损失 作为损失函数， 进行训练， 以缓解类别不 平衡， 分配权重以有效平衡所有类别的损失值， 从而可以增 加对少数类别像素分类的正确率。 权利要求书2页 说明书15页 附图3页 CN 114529723 A 2022.05.24 CN 114529723 A 1.一种智能二维相位展开系统， 其特 征在于， 包括语义分割模块、 相位 合成模块； 所述语义分割模块， 用于将输入的包裹相位， 并对包裹相位进行语义分割为不同的区 域， 并对所述区域进 行分类获得每个像素的包裹数， 并提交给相位合成模块； 所述语义分割 模块， 包括相连的编码器和解码器； 所述编码器和解码器具有对称的结构； 所述相位合成模块， 用于将每个像素的包裹数乘以2π后与输入的包裹相位合成为相位 的展开。 2.如权利要求1所述的智能二维相位展开系统， 其特征在于， 所述编码器， 用于使得特 征图收缩， 包括多个残差块和最大池化层组成的特征图收缩单元， 所述多个特征图收缩单 元级联； 所述解码器， 用于使得收缩的特征图扩大， 包括多个转置卷积层和SRB层组成的特 征图扩大 单元， 所述多个特 征图扩大 单元级联。 3.如权利要求2所述的智能二维相位展开系统， 其特征在于， 所述编码器的残差块输出 的特征图， 还与所述解码 器中相应残差块输出的下采样之后的大小相同的特征图在通道上 合并； 优选， 所述编码器的输入端和解码器的输出端通过边 缘增强块相连。 4.如权利要求1所述的智能二维相位展开系统， 其特征在于， 所述编码器和解码器之间 采用瓶颈相连； 所述 瓶颈， 包括相连的残差块、 多尺度融合 块、 和/或空间自注意力层。 5.如权利要求4所述的智能二维相位展开系统， 其特征在于， 所述空间自注意力层， 以 特征图为输入， 将特征图卷积后进行线性变换， 得到锐化特征图； 将锐化特征图与其转置图 进行张量积， 采用softmax函数处理为空间注 意力矩阵， 与锐化特征图进 行张量积后进 行线 性变换与输入的特 征图按像素相加后输出。 6.如权利要求4所述的智能二维相位展开系统， 其特征在于， 所述边缘增强块， 包括卷 积层和线性变换层； 所述线性变换层采用的线性变换函数为： O＝r·conv(Ψ， kc)+b 其中O为边缘增强模块的输出； r和b分别为可学习的比例参数和偏置参数， conv(Ψ， kc) 表示使用kc作为卷积核对 包裹相位Ψ进行 卷积。 7.如权利要求1至4任意一项所述的智能二维相位展开系统， 其特征在于， 所述残差块， 包括多个依次相连的卷积层、 BN层和激活层； 所述激活层优选采用LeakyReLU激活函数； 优 选首个依次相连的卷积层、 BN层和激活层之后， 每一层卷积层之前具有分支通道和相邻的 BN层的输出相加。 8.如权利要求1至7任意一项所述的智能二维相位展开系统的应用， 其特征在于， 用于 测量， 包括以下步骤： (1)获取以二维相位进行记录的测量数据； 所述测量数据为采用复指数形式记录并采 用反正切函数得到包裹的二维相位， 例如光学干涉、 雷达干涉、 核磁共振成像、 或条纹投影 轮廓技术； (2)将步骤(1)获取的二维相位输入到所述智能二维相位展开系统， 获得相位的展开； (3)根据步骤(2)获得的相位的展开， 得到测量 值。 9.如权利要求1至7任意一项所述的智能二维相位展开系统的训练方法， 其特征在于， 包括以下步骤： 构建数据集， 所述数据集包括用作输出监督的未包裹相位， 以及训练输入的包裹相位； 所述未包裹相位优选包括连续相位和非连续相位； 所述连续相位采用多个二 维高斯分布叠权　利　要　求　书 1/2 页 2 CN 114529723 A 2加并加入 噪声叠加 生成； 所述非连续相位， 采用连续相位和随机数量的随机大小的矩形区 域相位值置零 获得， 以模拟相位跳变； 所述包裹相位， 为未包裹相位使用反正切函数进行包 裹得到； 采用加权交叉熵损失 作为损失函数， 进行训练。 优选采用带动量的随机梯度下降算法作为优化器。 10.一种智能二维相位展开系统训练用数据集构建方法， 其特 征在于， 包括以下步骤： 叠加多个二维高斯分布及高斯噪声生成未包裹的相位图像， 作为连续相位类型的输出 监督； 叠加多个二维 高斯分布及高斯噪声并将随机大小和个数的矩形区域的相位值置为零 生成未包裹的相位图像， 作为非连续相位类型的输出监 督； 将监督输出进行反正切函数运 算后得到包裹相位图像， 作为训练输入； 将训练输入和相应输出监 督组合为智能二维相位展开系统训练用数据集。权　利　要　求　书 2/2 页 3 CN 114529723 A 3