基于GANs网络的条纹图正交化方法

提出一种利用深度学习强大的隐式建模能力解决单帧条纹图正交化存在的欠采样问题，结合条纹图降噪归一化技术，利用对抗生成网络的特征先验，构造了一种条纹图轮廓项数字方式的π/2相移网路，实现了单帧条纹图的正交化，放松了应用解析模型法实现条纹图正交化时的严格要求。通过标签图像对训练后，该网络成功地实现了归一化后的条纹图的正交化，进而高精度地实现了单帧条纹图的相位解调。仿真和实验分析证明，与基于Riesz变换的数字相移方法相比，所提方法求解更可靠，能有效地恢复测量相位。以现有的多帧高精度相移算法的解调结果作为参考值，实验结果表明所提方法的相位误差分布在0.05 rad以内，为瞬变场和物体三维轮廓测量提供了一种途径。