CN103325092A - 一种生成二维相位解缠质量图的方法及装置 - Google Patents

Abstract

本发明公开了一种生成二维相位解缠质量图的方法，包括：将缠绕相位数据变换为N_g个灰度等级数据；对变换后的灰度等级数据进行分块，将分块后的每个数据块生成对应的灰度共生矩阵(GLCM)；采用新型的熵差计算模型计算生成的每个数据块对应的所述GLCM的熵差，得到二维相位解缠质量图。本发明同时公开了一种生成二维相位解缠质量图的装置，采用本发明的方法及装置，能生成稳定、有效的质量图，从而能正确地指导二维相位解缠，使得相位解缠结果更加可靠。

Description

一种生成二维相位解缠质量图的方法及装置

技术领域

本发明涉及二维相位解缠技术，尤其涉及一种生成二维相位解缠质量图的方法及装置。

背景技术

由于很多相位测量系统在测量相位时，都是以2π为模来测量的，因此，二维相位解缠技术用来处理测量相位，从而恢复出测量出的相位所携带实际信息的真实值。二维相位解缠技术广泛应用于合成孔径雷达、合成孔径声纳、自适应波束形成、核磁共振成像以及衍射测速仪等领域。

现有的二维相位解缠技术主要包括：路径积分方法和最小范数方法这两种方法。而在这两种方法中，反映干涉图质量好坏的质量图均扮演了重要角色。

目前，已有的质量图包括：相关系数图、伪相关系数图、相位差分变化(PDV，Phase Differential Variation)图、以及最大相位梯度图。其中，相关系数图能够有效评估干涉图的质量，但只能从干涉合成孔径雷达(InSAR，InterferometricSyntheticAperture Radar)数据中提取，大大限制了应用范围；伪相关系数图和最大相位梯度图虽然能应用于InSAR数据以外的数据，但是采用这两种图评估干涉图时，会将未受噪声影响但变化趋势陡的相位当成质量差的数据；而PDV则是在相关系数图不可用时最可靠的质量图，采用PDV图评估干涉图时，会将即使波动不大且没有噪声、但地势变化趋势不一致的相位当成质量差的数据。

综上所述，采用现有的质量图评估干涉图时均受到一定程度的限制，因此，生成一种稳定、可靠、适用范围广的质量图是目前亟待解决的问题。

发明内容

有鉴于此，本发明的主要目的在于提供一种生成二维相位解缠质量图的方法及装置，能生成稳定、有效的质量图。

为达到上述目的，本发明的技术方案是这样实现的：

本发明提供了一种生成二维相位解缠质量图的方法，该方法包括：

将缠绕相位数据变换为N_g个灰度等级数据；

对变换后的灰度等级数据进行分块，将分块后的每个数据块生成对应的灰度共生矩阵(GLCM)；

采用新型的熵差计算模型计算生成的每个数据块对应的所述GLCM的熵差，得到二维相位解缠质量图；

所述新型的熵差计算模型为：

$E=-\underset{k=0}{\overset{N_g-1}{\mathrm{\Σ}}}{P}_Y\left(k\right)\×\log \left[P_Y\left(k\right)\right];$

$P_Y\left(k\right)=\underset{i=1}{\overset{N_g}{\mathrm{\Σ}}}\underset{j=1}{\overset{N_g}{\mathrm{\Σ}}}p(i,j,d,\mathrm{\θ}),G\left(\right|W(\tilde{i}-\tilde{j})-\stackrel{\‾}{W(\tilde{i}-\tilde{j})}\left|\right)=k,k=\mathrm{0,1},...,N_g-1;$

其中，E表示熵差，i、j表示两个像素的灰度级，d表示两个像素之间的距离，θ表示两个像素连线与横轴的夹角，W表示缠绕算子，

表示未经量化的i值，

表示未经量化的j值，G表示灰度级量化操作，p(i，j，d，θ)表示归一化GLCM元素。

上述方案中，所述将缠绕相位数据变换为N_g个灰度等级数据，为：

将缠绕相位图中每个像素的相位值通过一个常数函数映射为N_g个灰度等级数据中的一个。

上述方案中，在采用新型的熵差计算模型计算生成的每个数据块对应的所述GLCM的熵差，得到二维相位解缠质量图之前，该方法还包括：

根据干涉图的相位的特性及传统熵差计算模型，得到新型的熵差计算模型；

所述传统熵差计算模型，为：

$E=-\underset{k=0}{\overset{N_g-1}{\mathrm{\Σ}}}{P}_Y\left(k\right)\×\log \left[P_Y\left(k\right)\right];$

$P_Y\left(k\right)=\underset{i=1}{\overset{N_g}{\mathrm{\Σ}}}\underset{j=1}{\overset{N_g}{\mathrm{\Σ}}}p(i,j,d,\mathrm{\θ}),|i-j|=k,k=\mathrm{0,1},...,N_g-1.$

上述方案中，所述对变换后的灰度等级数据进行分块，将分块后的每个数据块生成对应的GLCM，为：

将变换后的灰度等级数据分成相等的若干小块；

对分块后的每个数据块计算对应的GLCM。

上述方案中，所述GLCM为：

P(i，j，d，θ)＝#{[(k，l)，(m，n)]∈(N_x×N_y)×(N_x×N_y)|f(k，l)＝i，f(m，n)＝j，d，θ}；

其中，#表示所求的元素个数，Nx和Ny表示矩阵的行数和列数，(k，l)和(m，n)表示数据块中的两个像素的坐标，f()表示取值。

本发明还提供了一种生成二维相位解缠质量图的装置，该装置包括：灰度等级数据变换单元、GLCM生成单元、以及计算单元；其中，

灰度等级数据变换单元，用于将缠绕相位数据变换为N_g个灰度等级数据，并将变换后的灰度等级数据发送给GLCM生成单元；

GLCM生成单元，用于收到灰度等级数据变换单元发送的数据后，对变换后的灰度等级数据进行分块，将分块后的每个数据块生成对应的GLCM，并将生成的每个数据块对应的所述GLCM发送给计算单元；

计算单元，用于收到GLCM生成单元发送的每个数据块对应的所述GLCM后，采用新型的熵差计算模型计算生成的每个数据块对应的所述GLCM的熵差，得到二维相位解缠质量图；其中，

所述新型的熵差计算模型为：

$E=-\underset{k=0}{\overset{N_g-1}{\mathrm{\Σ}}}{P}_Y\left(k\right)\×\log \left[P_Y\left(k\right)\right];$

$P_Y\left(k\right)=\underset{i=1}{\overset{N_g}{\mathrm{\Σ}}}\underset{j=1}{\overset{N_g}{\mathrm{\Σ}}}p(i,j,d,\mathrm{\θ}),G\left(\right|W(\tilde{i}-\tilde{j})-\stackrel{\‾}{W(\tilde{i}-\tilde{j})}\left|\right)=k,k=\mathrm{0,1},...,N_g-1;$

其中，E表示熵差，i、j表示两个像素的灰度级，d表示两个像素之间的距离，θ表示两个像素连线与横轴的夹角，W表示缠绕算子，

表示未经量化的i值，

表示未经量化的j值，G表示灰度级量化操作，p(i，j，d，θ)表示归一化GLCM元素。

上述方案中，所述计算单元，还用于根据干涉图的相位的特性及传统熵差计算模型，得到所述新型的熵差计算模型；

所述传统熵差计算模型，为：

$E=-\underset{k=0}{\overset{N_g-1}{\mathrm{\Σ}}}{P}_Y\left(k\right)\×\log \left[P_Y\left(k\right)\right];$

$P_Y\left(k\right)=\underset{i=1}{\overset{N_g}{\mathrm{\Σ}}}\underset{j=1}{\overset{N_g}{\mathrm{\Σ}}}p(i,j,d,\mathrm{\θ}),|i-j|=k,k=\mathrm{0,1},...,N_g-1.$

上述方案中，所述灰度等级数据变换单元，具体用于：将缠绕相位图中每个像素的相位值通过一个常数函数映射为N_g个灰度等级数据中的一个。

上述方案中，所述GLCM生成单元，具体用于：将变换后的灰度等级数据分成相等的若干小块；并对分块后的每个数据块计算对应的GLCM。

上述方案中，所述GLCM为：

P(i，j，d，θ)＝#{[(k，l)，(m，n)]∈(N_x×N_y)×(N_x×N_y)|f(k，l)＝i，f(m，n)＝j，d，θ}；

其中，#表示所求的元素个数，Nx和Ny表示矩阵的行数和列数，(k，l)和(m，n)表示数据块中的两个像素的坐标，f()表示取值。

本发明提供的生成二维相位解缠质量图的方法及装置，将缠绕相位数据变换为N_g个灰度等级数据；对变换后的灰度等级数据进行分块，将分块后的每个数据块生成对应的GLCM；采用新型的熵差计算模型计算生成的每个数据块对应的所述GLCM的熵差，得到二维相位解缠质量图，新型的熵差计算模型假设地面变化趋势存在合理的抖动，所述合理的抖动在相位图上表现为局部相位梯度可以有一定的不一致，合理的抖动不会影响相位的质量评价，如此，更符合实际情况，能生成稳定、有效的质量图，从而能正确地指导二维相位解缠，使得相位解缠结果更加可靠。

另外，采用本发明的技术方案所生成的二维相位解缠质量图，解决了PDV图中存在的问题，即当地形变化趋势有一定波动时，产生的质量评价不准确的问题，如此，本发明的技术方案所生成的二维相位解缠质量图更符合实际情况，更加准确合理。

附图说明

图1为本发明生成二维相位解缠质量图的方法流程示意图；

图2为本发明GLCM中的参数示意图；

图3a为本发明各部分受不同噪声影响的GLCM示意图；

图3b为本发明图3a中的左上角相关系数为0.9时的GLCM示意图；

图3c为本发明图3a中的右上角相关系数为0.6时的GLCM示意图；

图3d为本发明图3a中的左下角相关系数为1时的GLCM示意图；

图4为本发明实施例一待解缠的干涉相位图；

图5为本发明实施例一生成的二维相位解缠质量图；

图6a为本发明实施例一中利用本发明提供的方法所生成的二维相位解缠质量图进行相位解缠的结果；

图6b为本发明实施例一中采用真实相位与利用本发明提供的方法所生成的二维相位解缠质量图进行相位解缠的结果之差；

图7a为本发明实施例二中真实数据的图像的幅度图；

图7b为本发明实施例二中真实数据的干涉图；

图8a为本发明实施例二中图7a中方框所示区域的干涉图；

图8b为本发明实施例二中采用本发明提供的方法所生成的二维相位解缠质量图；

图9a为本发明实施例二中SRTM DEM数据反演的真实相位图；

图9b为本发明实施例二中采用本发明提供的方法所生成的质量图指导算法的解缠结果；

图9c为本发明实施例二中SRTM DEM数据反演的真实相位与采用本发明提供的方法所生成的二维相位解缠质量图进行路径指导相位解缠的结果的误差图；

图10a为本发明实施例三中待解缠的干涉相位图；

图10b为本发明实施例三中带解缠的干涉相位的水平变化示意图；

图10c为本发明实施例三中采用图10a中横线所示的相位的质量评价结果。

图11为本发明生成二维相位解缠质量图的装置结构示意图。

具体实施方式

下面结合附图及具体实施例对本发明再作进一步详细的说明。

由于干涉图表现为一种纹理图，而GLCM是一种用于分析纹理特性的二阶统计模型，GLCM具有强大的纹理分析能力，它能提取出干涉图中更多的有用信息，因此，GLCM可以作为一种有效的工具用于产生干涉图的质量图。基于此，本发明生成二维相位解缠质量图的方法，如图1所示，包括以下步骤：

步骤101：将缠绕相位数据变换为N_g个灰度等级数据；

具体地，对给定灰度等级数N_g，将缠绕相位图中每个像素的相位值通过一个常数函数映射为N_g个灰度等级数据中的一个。举个例子来说，假设缠绕相位图为N_x行、N_y列个像素的矩阵，灰度等级数据为G＝{1，2，...，N_g}，则缠绕相位图中第X×Y个像素的相位值通过一个常数函数映射到G，f：X×Y→G，其中，X≤N_x，Y≤N_y。

其中，根据经验设置N_g的值；N_g的取值是和得到的质量图联系在一起的，换句话说，N_g的取值决定着局部相位梯度变化的合理范围，当数据块内所有的相位梯度与该数据块内的平均相位梯度的差值的绝对值小于π/N_g时，该数据块对应的相位质量是不会降低的，即，该数据块对应的相位质量不是质量差的相位。

步骤102：对变换后的灰度等级数据进行分块，将分块后的每个数据块生成对应的GLCM；

具体地，将变换后的灰度等级数据分成相等的若干小块，然后对分块后的每个数据块计算对应的GLCM。

这里，所述GLCM为：

P(i，j，d，θ)＝#{[(k，l)，(m，n)]∈(N_x×N_y)×(N_x×N_y)|f(k，l)＝i，f(m，n)＝j，d，θ}；

其中，i、j表示两个像素的灰度级，d表示两个像素之间的距离，θ表示两个像素连线与横轴的夹角，如图2所示，#表示所求的元素个数，Nx和Ny表示矩阵的行数和列数，(k，l)和(m，n)表示数据块中的两个像素的坐标，f()表示取值，|表示满足f(k，l)＝i，f(m，n)＝j，d，θ的两个像素，P(i，j，d，θ)表示在研究区域内存在的满足约束条件的两个像素的个数；所述约束条件为：灰度级为i、j的两个像素之间的距离为d，所述灰度级为i、j的两个像素连线与横轴的夹角为θ。

图3为不同噪声等级影响下不同相位区域的GLCM示意图，如图3所示，图3a为各部分受不同噪声影响的GLCM示意图，其中，左上角相关系数为0.9，右上角相关系数为0.6，左下角相关系数为1，图3b、图3c、图3d分别为对应的GLCM示意图。从图3中可以看出，随着噪声越来越大，GLCM中的点越来越偏离对角线，因此，GLCM可以用于生成二维相位解缠质量图。

步骤103：采用新型的熵差计算模型计算生成的每个数据块对应的所述GLCM的熵差，得到二维相位解缠质量图。

这里，在执行本步骤之前，该方法还可以进一步包括：

根据干涉图的相位的特性及传统熵差计算模型，得到所述新型的熵差计算模型；

其中，由于干涉图中的相位是缠绕的相位，即：测量相位是真实相位以2π取模得到的，因此，当相位值大于π或者小于-π时，缠绕相位会出现跳跃，传统熵差计算模型会受到很大的影响，使得二维相位解缠质量图的质量降低。基于干涉图的相位是缠绕的相位的特性，本发明的新型熵差计算模型，在传统熵差计算模型上作了相应改进，具体地，假设地面变化趋势存在合理的抖动，所述合理的抖动在相位图上表现为局部相位梯度可以有一定的不一致，而合理的抖动不会影响相位的质量评价，使得在计算熵差时能忽略缠绕相位跳跃的影响，从而能够得到有效的二维相位解缠质量图；同时，为了去除量化带来的边界效应，本发明的新型熵差计算模型在研究区域内减去了相位梯度的均值，这样，得到的二维相位解缠质量图更加有效，进而在指导二维相位解缠处理时，使得相位解缠结果更加准确。

其中，所述传统熵差计算模型为：

$E=-\underset{k=0}{\overset{N_g-1}{\mathrm{\Σ}}}{P}_Y\left(k\right)\×\log \left[P_Y\left(k\right)\right];$

$P_Y\left(k\right)=\underset{i=1}{\overset{N_g}{\mathrm{\Σ}}}\underset{j=1}{\overset{N_g}{\mathrm{\Σ}}}p(i,j,d,\mathrm{\θ}),|i-j|=k,k=\mathrm{0,1},...,N_g-1;$

所述新型的熵差计算模型为：

$E=-\underset{k=0}{\overset{N_g-1}{\mathrm{\Σ}}}{P}_Y\left(k\right)\×\log \left[P_Y\left(k\right)\right];$

$P_Y\left(k\right)=\underset{i=1}{\overset{N_g}{\mathrm{\Σ}}}\underset{j=1}{\overset{N_g}{\mathrm{\Σ}}}p(i,j,d,\mathrm{\θ}),G\left(\right|W(\tilde{i}-\tilde{j})-\stackrel{\‾}{W(\tilde{i}-\tilde{j})}\left|\right)=k,k=\mathrm{0,1},...,N_g-1;$

其中，E表示熵差，i、j表示两个像素的灰度级，d表示两个像素之间的距离，θ表示两个像素连线与横轴的夹角，W表示缠绕算子，

中横线代表均值，

表示未经量化的i值，

表示未经量化的j值，g表示，G表示灰度级量化操作，p(i，j，d，θ)表示归一化GLCM元素，||表示取绝对值。

下面结合实施例对本发明再作进一步详细的描述。

实施例一

本实施例采用图4所示的待解缠的干涉相位图作为仿真数据，本实施例生成二维相位解缠质量图的方法，包括以下步骤：

步骤a：将干涉相位图中每个像素的相位值变换到N_g个灰度等级数据中的一个；

这里，本实施例取N_g为8；将干涉相位图以N_g归一化，即：将其最大值变为8，然后再取整，就使得每个像素的相位值变换为灰度等级数据G＝{1，2，...N_g}中的一个。

步骤b：对变换后的灰度等级数据进行分块，并计算每个数据块对应的GLCM；

这里，本实施例取每块大小为3×3。

步骤c：对每个数据块对应的GLCM，利用新型的熵差计算模型，计算熵差，得到二维相位解缠质量图。

图5为得到的二维相位解缠质量图。从图5中可以看出，利用本发明提供的方法所生成的二维相位解缠质量图区分出了干涉相位图中噪声影响严重的区域和噪声影响很小的区域，因此，利用本发明提供的方法所生成的二维相位解缠质量图能够正确指导积分路径的选择。

为了进一步说明利用本发明提供的方法所生成的二维相位解缠质量图能够正确指导积分路径的选择，还将利用本发明提供的方法所生成的二维相位解缠质量图对干涉相位图进行相位解缠的结果与真实相位作比较。图6a为利用本发明提供的方法所生成的二维相位解缠质量图进行相位解缠的结果，图6b为利用本发明提供的方法所生成的二维相位解缠质量图进行相位解缠所得结果与真实相位之差。从图6b中可以看出，采用本发明提供的方法所生成的二维相位解缠质量图进行相位解缠得到的解缠相位与真实相位一致，即：在除噪声区域以外的区域均与真实值相等，进一步说明了利用本发明提供的方法所生成的二维相位解缠质量图能够正确指导积分路径的选择。

实施例二

在本实施例中，N_g的取值为8，用到的真实数据为从InfoTerra网站上下载的两幅覆盖美国大峡谷(Grand Canyon)区域的TerraSAR-X图像。图7a为该区域SAR图像的幅度图，图7b由两次采集数据生成的干涉图。

在本实施例中，选取了图7a方框所示的区域作为研究对象进行了仔细的分析。图8a为所选区域的干涉图，图8b为所选区域采用本发明提供的方法所生成的二维相位解缠质量图。其中，图8a为图7b中对应图7a的局部放大图。从图8a中可以看出，稳定的相位夹杂在噪声之中；从图8b中可以看出，稳定的相位被很好的提取了出来，而噪声相位被准确的进行了识别，而且图8b所示的二维相位解缠质量图是由相位数据直接提取的，因此，应用范围十分广泛。这表明本发明提供的方法所生成的二维相位解缠质量图是一种稳定、有效、应用广泛的质量图，从而进一步证明了采用本发明提供的方法所生成的二维相位解缠质量图能正确指导指导积分路径的选择。

接着，还采用本发明提供的方法所生成的二维相位解缠质量图对图8a方框所示的区域进行了相位解缠，以证明本发明提供的方法所生成的二维相位解缠质量图在实际应用中具有可靠性。图9a为美国航天飞机地形测绘任务(SRTM)得出的该地区的数字高程(DEM)数据反演的真实相位图，该SRTM DEM数据反演的真实相位可以作为真实地形的参考值，图9b为采用本发明提供的方法所生成的二维相位解缠质量图进行路径指导相位解缠的结果，图9c为SRTMDEM数据反演的真实相位与采用本发明提供的方法所生成的二维相位解缠质量图进行路径指导相位解缠的结果的误差图。从图9a、图9b、以及图9c中可以看出，采用本发明提供的方法所生成的二维相位解缠质量图进行相位解缠的解缠结果与SRTM DEM数据反演的真实相位保持了较好的一致性，大部分误差在±π以内，这表明本发明提供的方法所生成的二维相位解缠质量图在实际应用中具有可靠性。

实施例三

在本实施例中，N_g的取值为8。本实施例采用图10a所示的山坡的相位图作为仿真数据，图10b为山坡的相位的水平变化示意图，图10c为采用图10a中横线所示的相位的质量评价结果。从图10a中可以看出，该相位图没有噪声干扰，从图10b中可以看出，地形变化趋势波动范围不大，结合图10a和图10b可以得出，每个像素的相位质量都应该表现为良好，即维持在1。

从图10c中可以看出，采用本发明提供的方法所生成的二维相位解缠质量图对图10a中横线所示的相位进行评估后，维持在1，表明每个像素的相位质量均表现良好，也就是最好的相位质量，而采用PDV图评估图10a中横线所示的相位后，出现了波动。从图10c可以得出，采用本发明提供的方法所生成的二维相位解缠质量图，解决了PDV图中存在的问题，即：当地形变化趋势有一定波动时，产生的质量评价不准确的问题，从而证明采用本发明提供的方法所生成的二维相位解缠质量图更符合实际情况，更准确合理。在图10c中，实线表示采用本发明提供的方法所生成的二维相位解缠质量图对图10a中横线所示的相位进行评估的结果，虚线表示PDV图对图10a中横线所示的相位进行评估的结果。

综上所述，采用本发明提供的方法所生成的二维相位解缠质量图在仿真数据和真实数据中均有良好的表现，进一步证明了采用本发明提供的方法所生成的二维相位解缠质量图是一种稳定、有效、应用广泛的质量图，从而能够正确地指导二维相位解缠，使得相位解缠结果更加可靠。

为实现上述方法，本发明还提供了一种生成二维相位解缠质量图的装置，如图11所示，该装置包括：灰度等级数据变换单元111、GLCM生成单元112、以及计算单元113；其中，

灰度等级数据变换单元111，用于将缠绕相位数据变换为N_g个灰度等级数据，并将变换后的灰度等级数据发送给GLCM生成单元112；

GLCM生成单元112，用于收到灰度等级数据变换单元111发送的数据后，对变换后的灰度等级数据进行分块，将分块后的每个数据块生成对应的GLCM，并将生成的每个数据块对应的所述GLCM发送给计算单元113；

计算单元113，用于收到GLCM生成单元112发送的每个数据块对应的所述GLCM后，采用新型的熵差计算模型计算生成的每个数据块对应的所述GLCM的熵差，得到二维相位解缠质量图。

其中，所述计算单元113，还用于根据干涉图的相位的特性及传统熵差计算模型，得到所述新型的熵差计算模型。

所述灰度等级数据变换单元111，具体用于：将缠绕相位图中每个像素的相位值通过一个常数函数映射为N_g个灰度等级数据中的一个。

所述GLCM生成单元112，具体用于：将变换后的灰度等级数据分成相等的若干小块；并对分块后的每个数据块计算对应的GLCM。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims (10)

1.一种生成二维相位解缠质量图的方法，其特征在于，该方法包括：

将缠绕相位数据变换为N_g个灰度等级数据；

对变换后的灰度等级数据进行分块，将分块后的每个数据块生成对应的灰度共生矩阵(GLCM)；

采用新型的熵差计算模型计算生成的每个数据块对应的所述GLCM的熵差，得到二维相位解缠质量图；

所述新型的熵差计算模型为：

$E=-\underset{k=0}{\overset{N_g-1}{\mathrm{\Σ}}}{P}_Y\left(k\right)\×\log \left[P_Y\left(k\right)\right];$

$P_Y\left(k\right)=\underset{i=1}{\overset{N_g}{\mathrm{\Σ}}}\underset{j=1}{\overset{N_g}{\mathrm{\Σ}}}p(i,j,d,\mathrm{\θ}),G\left(\right|W(\tilde{i}-\tilde{j})-\stackrel{\‾}{W(\tilde{i}-\tilde{j})}\left|\right)=k,k=\mathrm{0,1},...,N_g-1;$

其中，E表示熵差，i、j表示两个像素的灰度级，d表示两个像素之间的距离，θ表示两个像素连线与横轴的夹角，W表示缠绕算子，

表示未经量化的i值，

表示未经量化的j值，G表示灰度级量化操作，p(i，j，d，θ)表示归一化GLCM元素。

2.根据权利要求1所述的方法，其特征在于，所述将缠绕相位数据变换为N_g个灰度等级数据，为：

将缠绕相位图中每个像素的相位值通过一个常数函数映射为N_g个灰度等级数据中的一个。

3.根据权利要求1所述的方法，其特征在于，在采用新型的熵差计算模型计算生成的每个数据块对应的所述GLCM的熵差，得到二维相位解缠质量图之前，该方法还包括：

根据干涉图的相位的特性及传统熵差计算模型，得到新型的熵差计算模型；

所述传统熵差计算模型，为：

$E=-\underset{k=0}{\overset{N_g-1}{\mathrm{\Σ}}}{P}_Y\left(k\right)\×\log \left[P_Y\left(k\right)\right];$

$P_Y\left(k\right)=\underset{i=1}{\overset{N_g}{\mathrm{\Σ}}}\underset{j=1}{\overset{N_g}{\mathrm{\Σ}}}p(i,j,d,\mathrm{\θ}),|i-j|=k,k=\mathrm{0,1},...,N_g-1.$

4.根据权利要求1、2或3所述的方法，其特征在于，所述对变换后的灰度等级数据进行分块，将分块后的每个数据块生成对应的GLCM，为：

将变换后的灰度等级数据分成相等的若干小块；

对分块后的每个数据块计算对应的GLCM。

5.根据权利要求4所述的方法，其特征在于，所述GLCM为：

P(i，j，d，θ)＝#{[(k，l)，(m，n)]∈(N_x×N_y)×(N_x×N_y)|f(k，l)＝i，f(m，n)＝j，d，θ}；

其中，#表示所求的元素个数，Nx和Ny表示矩阵的行数和列数，(k，l)和(m，n)表示数据块中的两个像素的坐标，f()表示取值。

6.一种生成二维相位解缠质量图的装置，其特征在于，该装置包括：灰度等级数据变换单元、GLCM生成单元、以及计算单元；其中，

灰度等级数据变换单元，用于将缠绕相位数据变换为N_g个灰度等级数据，并将变换后的灰度等级数据发送给GLCM生成单元；

GLCM生成单元，用于收到灰度等级数据变换单元发送的数据后，对变换后的灰度等级数据进行分块，将分块后的每个数据块生成对应的GLCM，并将生成的每个数据块对应的所述GLCM发送给计算单元；

计算单元，用于收到GLCM生成单元发送的每个数据块对应的所述GLCM后，采用新型的熵差计算模型计算生成的每个数据块对应的所述GLCM的熵差，得到二维相位解缠质量图；其中，

所述新型的熵差计算模型为：

$E=-\underset{k=0}{\overset{N_g-1}{\mathrm{\Σ}}}{P}_Y\left(k\right)\×\log \left[P_Y\left(k\right)\right];$

$P_Y\left(k\right)=\underset{i=1}{\overset{N_g}{\mathrm{\Σ}}}\underset{j=1}{\overset{N_g}{\mathrm{\Σ}}}p(i,j,d,\mathrm{\θ}),G\left(\right|W(\tilde{i}-\tilde{j})-\stackrel{\‾}{W(\tilde{i}-\tilde{j})}\left|\right)=k,k=\mathrm{0,1},...,N_g-1;$

其中，E表示熵差，i、j表示两个像素的灰度级，d表示两个像素之间的距离，θ表示两个像素连线与横轴的夹角，W表示缠绕算子，

表示未经量化的i值，

表示未经量化的j值，G表示灰度级量化操作，p(i，j，d，θ)表示归一化GLCM元素。

7.根据权利要求6所述的装置，其特征在于，

所述计算单元，还用于根据干涉图的相位的特性及传统熵差计算模型，得到所述新型的熵差计算模型；

所述传统熵差计算模型，为：

$E=-\underset{k=0}{\overset{N_g-1}{\mathrm{\Σ}}}{P}_Y\left(k\right)\×\log \left[P_Y\left(k\right)\right];$

$P_Y\left(k\right)=\underset{i=1}{\overset{N_g}{\mathrm{\Σ}}}\underset{j=1}{\overset{N_g}{\mathrm{\Σ}}}p(i,j,d,\mathrm{\θ}),|i-j|=k,k=\mathrm{0,1},...,N_g-1.$

8.根据权利要求6或7所述的装置，其特征在于，

所述灰度等级数据变换单元，具体用于：将缠绕相位图中每个像素的相位值通过一个常数函数映射为N_g个灰度等级数据中的一个。

9.根据权利要求6或7所述的装置，其特征在于，

所述GLCM生成单元，具体用于：将变换后的灰度等级数据分成相等的若干小块；并对分块后的每个数据块计算对应的GLCM。

10.根据权利要求9所述的装置，其特征在于，所述GLCM为：

P(i，j，d，θ)＝#{[(k，l)，(m，n)]∈(N_x×N_y)×(N_x×N_y)|f(k，l)＝i，f(m，n)＝j，d，θ}；

其中，#表示所求的元素个数，Nx和Ny表示矩阵的行数和列数，(k，l)和(m，n)表示数据块中的两个像素的坐标，f()表示取值。

Images