基于改进U-net的条纹图去噪分析

张伟; 龚渠; 张俊杰; 王生怀

doi:10.13741/j.cnki.11-1879/o4.2022.03.016

您当前的位置：

首页 >

文章列表页 >

基于改进U-net的条纹图去噪分析

光学图像处理与识别 | 更新时间：2025-09-01

- 基于改进U-net的条纹图去噪分析
- Fringe pattern denoising analysis based on improved U-net
- 光学技术 2022年48卷第3期页码：334-340
- 作者机构：
  
  1:湖北汽车工业学院机械工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金(51475150,51675167);湖北省自然科学基金(2020CFB755)
- DOI：10.13741/j.cnki.11-1879/o4.2022.03.016
  中图分类号： TP18;TP391.41
- 纸质出版：2022
- 稿件说明：
移动端阅览
张伟, 龚渠, 张俊杰, 等. 基于改进U-net的条纹图去噪分析[J]. 光学技术, 2022,48(3):334-340.

Fringe pattern denoising analysis based on improved U-net[J]. 2022, 48(3): 334-340.
张伟, 龚渠, 张俊杰, 等. 基于改进U-net的条纹图去噪分析[J]. 光学技术, 2022,48(3):334-340. DOI： 10.13741/j.cnki.11-1879/o4.2022.03.016.

Fringe pattern denoising analysis based on improved U-net[J]. 2022, 48(3): 334-340. DOI： 10.13741/j.cnki.11-1879/o4.2022.03.016.

摘要

基于变形条纹图分析的非接触三维光学测量中，从采集的变形条纹图中提取相位分布，进而获得被测形状的面信息，但是测量中获取的条纹图含有噪声，影响了提取相位信息的精度。为了更好更快的去除条纹图中的噪声，提出了一种改进U-net神经网络的深度学习滤波算法，在图像去噪领域，U-net获取的浅层特征较少，所提算法在U-net的卷积层中含有1×1的平行卷积分支，获取多尺度特征信息，分别添加1、2、3个1×1平行卷积分支进行实验。实验采用含有高密度区域的条纹图，并与目前最新的深度学习条纹图去噪算法对比，去噪效果提升0.9%

去噪效率提升41.7%

训练时间减少30.8%。

Abstract

去噪效率提升41.7%

训练时间减少30.8%。

关键词

Keywords

references

浏览量

217

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于高光谱遥感的荒漠化草原草种类分类模型研究

杠杆式GMM-FBG电流传感器的仿真设计

五棱镜扫描法检测大口径平行光管光束平行性

光学装调中的一种基于猫眼效应的焦距测试方法

基于3D全卷积神经网络的肺叶自动分割方法