Teng Zhang    Shaowei Jiang    Zixin Zhao    Krishna Dixit    Xiaofei Zhou    Yongbing Zhang    Chenggang Yan

        文章提出了一种相位解包裹的方法：二维相位展开算法广泛用于光学计量和测量。然而，来自干扰测量的高噪声经常导致传统相位展开算法的失败。在文中，张腾提出了一种基于深度卷积神经网络（DCNN）的方法来执行快速和稳健的二维相位展开。在该方法中，采用DCNN架构DeepLabV3 +，具有噪声抑制和强大的特征表示功能。所采用的DCNN首先用于执行语义分割以获得包装相位图的分割结果。然后将包裹的相位图与分割结果组合以生成展开的相位。通过将它们与成熟的方法进行比较来对结果进行基准测试。提出的方法胜过传统的路径依赖和路径无关的算法。还使用光学计量设置的干涉测量来测试报告方法的稳健性。实验结果再次明显胜过传统的相位解包算法。

        该成果发表于 Optic Express 。

Rapid and robust two-dimensional phase unwrapping via deep learning.pdf