-
公开(公告)号：CN117974750A
公开(公告)日：2024-05-03
申请号：CN202410123618.0
申请日：2024-01-30
Applicant: 南京信息工程大学
IPC: G06T7/60
Abstract: 本发明公开了一种高效智能的相位信息提取方法、设备与介质，将包裹相位图像ψn‑1划分成大小为2n×2n的网格，并将每一个网格内的中心4个像素点作为一个新的2×2网格，将新的2×2网格内的4个像素点的相位值分别与新的2×2网格内任一像素点的相位值做差，若差值超过设定的阈值t，则对被减的像素点进行相位信息解缠，得到新的2×2网格各像素点的新相位值，将新的2×2网格各像素点的新相位值与原相位值做差，得到各像素点的新的2×2网格的相位差；并分别将各像素点的新的2×2的相位差添加到以相应像素点为基础的上一级2n‑1×2n‑1网格之中，当2n×2n的网格等于M×M或者包裹相位图像ψn满足平滑要求，则将包裹相位图像ψn作为相位图像ψn。本发明节约了相位信息提取的时间，提高了相位信息提取的准确度。
-
Patent Agency Ranking
公开(公告)号：CN115128041B
公开(公告)日：2025-04-29
申请号：CN202210748316.3
申请日：2022-06-29
Applicant: 南京信息工程大学
IPC: G01N21/45 , G06N3/0464
Abstract: 本发明公开了一种折射率重建方法，属于光学测量技术领域，包括：获取待测流场的莫尔条纹；基于傅立叶分析和多重网格法，利用待测流场的莫尔条纹获得标准莫尔条纹偏折角分布；将获得的标准莫尔条纹偏折角分布输入预设卷积神经网络获得预测流场折射率分布；将获得的预测流场折射率分布进行Radon变换得到预测莫尔条纹偏折角分布；将标准莫尔条纹偏折角分布和预测莫尔条纹偏折角分布代入误差函数，确定误差值；根据误差值的收敛状态，确定收敛卷积神经网络；采用所述收敛卷积神经网络计算标准流场折射率分布。本发明提供了一种折射率重建方法，有效降低了计算过程的复杂程度和理论难度。
-
公开(公告)号：CN115690195A
公开(公告)日：2023-02-03
申请号：CN202211283045.5
申请日：2022-10-19
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种自动获取莫尔条纹包裹相位的方法及装置，获取待测流场的莫尔条纹图像，选取莫尔条纹图像的计算区域，设计算区域为M×N的矩阵A；对矩阵A进行傅立叶分析，得到矩阵B；计算矩阵B的第i行所有元素的平均值为xi；获取xi最大值对应的行数为o，令xo＝0；设矩阵B剩余行中最大值所在的行数为h，h∈{i|o‑k＜i＜o+k},k＝1,2,3,…,c；依次将k从1取到c，若xh为o‑k＜i＜o+k中最大值，则令xh＝0；在xo＝0、xh＝0的矩阵B中，获取行中平均值最大值对应的行数为h′；将矩阵B中h′行的数据放入M×N的矩阵D的正中心；对矩阵D进行傅立叶逆变换，得到矩阵E；根据矩阵E利用反正切函数计算得到莫尔条纹的包裹相位分布ψ。本发明提供的一种自动获取莫尔条纹包裹相位的方法及装置，不仅节约了数据处理的时间，还为后期的相位解包提供更准确可靠的基础。
-
公开(公告)号：CN115128041A
公开(公告)日：2022-09-30
申请号：CN202210748316.3
申请日：2022-06-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种折射率重建方法，属于光学测量技术领域，包括：获取待测流场的莫尔条纹；基于傅立叶分析和多重网格法，利用待测流场的莫尔条纹获得标准莫尔条纹偏折角分布；将获得的标准莫尔条纹偏折角分布输入预设卷积神经网络获得预测流场折射率分布；将获得的预测流场折射率分布进行Radon变换得到预测莫尔条纹偏折角分布；将标准莫尔条纹偏折角分布和预测莫尔条纹偏折角分布代入误差函数，确定误差值；根据误差值的收敛状态，确定收敛卷积神经网络；采用所述收敛卷积神经网络计算标准流场折射率分布。本发明提供了一种折射率重建方法，有效降低了计算过程的复杂程度和理论难度。
-
公开(公告)号：CN116955900A
公开(公告)日：2023-10-27
申请号：CN202310929586.9
申请日：2023-07-26
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种相位解包裹方法，包括：获取待测流场的莫尔条纹；利用待测流场的莫尔条纹，获取其包裹相位；对包裹相位进行边缘检测，获取包裹的边缘位置及其矩形区域；对包裹边缘矩形区域内进行小波分析，获取其频域信息；对频域信息进行聚类分析，获取频域的高频部分并将其滤去，并对去除高频部分的频域信息进行小波逆变换，获取包裹边缘矩形区域的真实相位；将包裹边缘矩形区域的真实相位替换掉原包裹相位的值，获取初步的真实相位结果，并进行反复多次迭代，获取全部真实相位信息。本发明通过将莫尔条纹包裹相位进行无监督的聚类分析和小波分析，即可获得莫尔条纹的真实相位信息，有效降低了计算过程的复杂程度和理论难度。
-
公开(公告)号：CN115310543A
公开(公告)日：2022-11-08
申请号：CN202210961446.5
申请日：2022-08-11
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于无监督学习的莫尔条纹包裹相位分布的提取方法，包括：获取待测流场的莫尔条纹；对所述莫尔条纹进行预处理，得到第一矩阵，对第一矩阵进行峰值位置判定，得到波峰矩阵；将波峰矩阵输入到预训练的无监督学习聚类分析模型中进行计算，得到一级频谱位置；对一级频谱位置进行后处理，得到莫尔条纹的包裹相位分布。相对于传统的人眼观察，节省了人工确定的时间也减小了肉眼带来的误差。同时，相对于卷积神经网络的算法，通过无监督学习的聚类分析，可以处理无标签的数据，计算成本低，提取效率高。可以节省莫尔条纹的包裹相位计算时间，简化数据处理步骤，还可以为后期的相位解包提供更准确可靠的基础。
-
-
-
-
-
Search Results
6
records
(took 0.026 seconds)
