CN103968781B - 基于构造边的高精度快速相位解缠方法 - Google Patents
基于构造边的高精度快速相位解缠方法 Download PDFInfo
- Publication number
- CN103968781B CN103968781B CN201410216216.1A CN201410216216A CN103968781B CN 103968781 B CN103968781 B CN 103968781B CN 201410216216 A CN201410216216 A CN 201410216216A CN 103968781 B CN103968781 B CN 103968781B
- Authority
- CN
- China
- Prior art keywords
- pixel
- solution
- weights
- twines
- limit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Abstract
本发明公开了一种基于构造边的高精度快速相位解缠方法。包括以下几个步骤:利用三步相移法投射三幅光栅图像,用相机分别捕获,得到由包裹相位图;计算产生质量图;在质量图上,由相邻两像素质量值构造水平与竖直权值边;初始化各个像素点的状态;删除冗余的权值边;进行像素点的相位解缠。本发明通过优化权值边的数量,降低了数据处理的规模,节省了解缠时间。本发明的相位解缠方法具有精度高、效率高、抗干扰能力强的特点。
Description
技术领域
本发明属于计算机视觉中结构光三维视觉测量技术领域,尤其涉及一种基于构造边的高精度快速相位解缠方法。
背景技术
无论是时域相位调制,还是频域相位调制,最终要获得相位主值,都必须用到反正切函数,根据反三角函数的固有性质,这些相位值仅是每一点的实际相位对应在2π主值区间内的值,即被包裹到(-π,π]内的包裹相位值,所以需要把不连续的包裹相位值解缠恢复为连续的绝对相位。
将包裹相位恢复为真实相位的过程就是相位解缠,相位解缠不仅在相位三维轮廓测量中用到,在高分辨率SAR合成孔径雷达图像的目标识别、磁共振成像、全息干涉计量等技术中都属于核心技术。因此,深入研究相位解缠方法,不仅对复杂形体三维轮廓测量意义深远,也会促进多项技术的发展。
相位解缠面临的挑战是,如何提高解缠的精度和加快解缠的速度,解缠的精度和速度是一对矛盾体,追求高精度的同时必然带来解缠速度的下降;而一味追求解缠速度,常出现解缠错误或误差累积的情况。所以,寻找一种符合具体应用的高精度快速的解缠方法是工程中的关键,它直接关系到测量的分辨率和效率。
发明内容
本发明的目的是提供一种具有高精度的基于构造边的高精度快速相位解缠方法。
本发明是通过以下技术方案实现的:
基于构造边的高精度快速相位解缠方法,包括以下几个步骤,
步骤一:利用三步相移法投射三幅光栅图像,用相机分别捕获,得到包裹相位图;
步骤二:由包裹相位图计算产生质量图;
步骤三:在质量图上,由相邻两像素点质量值构造水平与竖直权值边;
步骤四:初始化各个像素点的状态;
步骤五:删除冗余的权值边;
步骤六:进行像素点的相位解缠;
解缠过程为:
第一步:选择具有最小权值的权值边关联的两像素点,比较两个像素点的质量值,质量值大的像素点相对质量值小的像素点解缠,并将质量值大的像素点设置为已解缠标志,将两点加入到一个集合中,记录该集合的秩;
第二步:将剩余的权值边按其权值从小到大的排序作为路径向导进行解缠,根据权值边关联两像素点的状态,分三种情况进行解缠:a)有一像素点已解缠而另一像素点未解缠,解缠两像素点中未解缠的像素点,合并到已解缠像素点集合中;b)两像素点均未解缠,解缠这两像素点,并标记为一个新集合;c)两像素点均已解缠且分别属于不同集合,比较两个集合的秩的大小得到小秩集合和大秩集合,属于小秩集合中的像素点相对大秩集合的像素点解缠,合并到大秩集合中;
解缠的方法为:
其中,φ(xm,yn)为待解缠像素点的绝对相位值,φ(xm-1,yn)为相邻已解缠的像素点的绝对相位值,Δφr(xm,yn)=φr(xm,yn)-φr(xm-1,yn)是相邻两像素点包裹相位值的差值,φr(xm,yn)是像素点(xm,yn)的包裹相位值,φr(xm-1,yn)是像素点(xm-1,yn)的包裹相位值。
本发明基于构造边的高精度快速相位解缠方法还可以包括:
1、属于小秩集合中的像素点合并到大秩集合的过程为:
2.1小秩集合中的像素点h相对大秩集合的像素点g解缠,得到小秩集合中的像素点h的新的相位值;
2.2计算小秩集合中的像素点h的新旧相位的差值Δdiff;
2.3将小秩集合中所有的像素点的相位值都加上差值Δdiff,并将小秩集合中所有的像素点加入到大秩集合中。
2、三幅捕获图像依次为第一捕获图像I1(i,j)、第二捕获图像I2(i,j)和第三捕获图像I3(i,j),像素点(i,j)的横坐标x和纵坐标y为:
x=2*I2(i,j)-I1(i,j)-I3(i,j)
y=I1(i,j)-I3(i,j)
当像素点的横坐标x不等于零时,包裹相位图中像素点(i,j)的相位值M(i,j)为:
M(i,j)=arctan(T)
其中,变量根据点(x,y)所在的象限,对相位值M(i,j)进行调整,得到包裹相位值M′(i,j):
当像素点的横坐标x等于零或纵坐标y等于零时,对相位值M(i,j)进行调整,得到包裹相位值M′(i,j):
3、质量图中的像素点(m,n)的质量值为:
其中,φi,j是像素点(m,n)的包裹相位值,k是以像素点(m,n)为中心窗口的尺寸。
4、在质量图上,构造两个相邻像素点P1和P2的水平或竖直的权值边E,其权值ω为:
ω=(Q1+Q2)+β×|(eα-e-α)/(eα+e-α)|
其中,Q1为像素点P1的质量值,Q2为像素点P2的质量值,β为权值系数,e为自然底数,α=(Q1-Q2)2/2。
5、像素点的状态包括:解缠状态、所属集合、连接权值边的度数nd、连接该像素点的所有权值边的最小权值ωmin。
6、冗余的权值边满足以下两个条件:
(1)权值边的权值不是其关联的两个像素点的最小权值,
(2)权值边关联的两个像素点的度数nd不小于2。
7、删除的冗余权值边的组合可以有多种。
本发明的有益效果:
本发明根据权值边权值的大小决定解缠次序,权值边由质量图进一步量化得到,可保证精度不会低于质量图引导法;同时,只对构造边进行一次排序即可,避免了动态操作数据结构,节省运行时间。通过优化权值边的数量,降低了数据处理的规模,节省了解缠时间。该相位解缠方法具有精度高、效率高、抗干扰能力强的特点,解决了相位测量的瓶颈问题,为实时高精度测量奠定了基础。
附图说明
图1根据指标函数计算构造的边权值图
图2环回路图
图3环中必须保留的边
图4两像素点均未解缠
图5两像素点中一点解缠而另一点未解缠
图6两像素点均已解缠且属于同一集合
图7两像素点均已解缠但不属于同一集合
图8-a合并前示意图,图8-b合并后示意图
图9解缠方法的流程图
图10全部解缠合并示意图
图11实现方法采用的数据结构
图12解缠实验所使用的形体
图13解缠结果图
图14对比实验使用的包裹相位图
图15 Goldstein枝切结合洪水法的解缠结果
图16基于Prim最小生成树法的解缠结果
图17质量图引导解缠法的解缠结果
图18本发明方法的解缠结果
图19解缠方法处理时间对比表
具体实施方式
下面将结合附图对本发明做进一步详细说明。
本发明公开一种基于构造边的高精度快速相位解缠方法,首先通过三步相移法得到包裹相位图,由包裹相位图计算产生质量图,再由相邻两像素点的质量值构造水平与竖直权值边,根据构造边权值的大小作为路径导向进行相位解缠。解缠过程以两像素点所构成边为单位,采用不连续解缠路径,逐次解缠所有像素点,有效解决了由于区域不连续、测量遮挡或环境噪声对解缠精度的影响,通过一次排序即可确定解缠顺序,提高了解缠效率。最后,针对本文构造权值图的特点,对算法进一步优化,剔除了冗余的权值边。通过对比解缠结果验证得出该方法是高精度和快速的。
本发明的具体实施步骤是:
1)得到包裹相位图,使用三步相移法分别投射水平和竖直两个方向的正弦光栅,由相机捕获的图像求出包裹相位图;
首先,利用三步相移法投射三幅条纹图像,并用相机分别捕获,由捕获的三幅变形条纹图像提取出包裹相位。设三幅图像依次为I1、I2和I3,像素点的横纵坐标分别为x和y,则在像素点(i,j)处,
y=I1(i,j)-I3(i,j) (1)
x=2*I2(i,j)-I1(i,j)-I3(i,j) (2)
当x不等于零时,设变量包裹相位图中点设为M(i,j),则:
M(i,j)=arctan(T) (3)
然后由x和y的正负来判断像素点(x,y)所在的象限,对M(i,j)进行如下调整:
当x或者y等于零时,对应于坐标轴上点,对M(i,j)进行如下调整,即可得包裹相位值。
2)由包裹相位图计算产生质量图,选用PDV质量图,在点(m,n)处的定义式如下:
其中,φi,j是(m,n)点的包裹相位值,k是以点(m,n)为中心窗口的尺寸。
3)构造权值边,根据包裹相位图计算得到质量图后,每个像素点都有一个质量值,由相邻两像素质量值构造水平与竖直权值边。设两个相邻像素点分别为P1和P2,其质量值分别为Q1和Q2,由P1和P2构造一条有权边记为E,权值为ω,构造ω的表达式为:
ω=(Q1+Q2)+β×|(eα-e-α)/(eα+e-α)| (7)
其中,β为自定义系数,e为自然底数,
α=(Q1-Q2)2/2 (8)
从(7)式可以看出,ω的前半部分反映了两像素点总体质量的好坏,后半部分反映了两点之间质量评估值的落差,落差大的两点要比落差小的两点ω大。采用该式的原因是将最可靠且之间落差小的两点先挑出,即经过(7)式的描述后,边权值ω能够最大表征一条边所连接点对的相位质量的可靠程度,ω越大,代表可靠程度越低,反之,可靠程度越高。
得到评估指标函数后,利用指标函数分别构造水平和竖直两个方向所有相邻像素点的权值边,得到了一张有权图,四个顶点每个顶点有两条边,非顶点的边界点具有三条边,非边界的点具有四条边。每个点的解缠顺序与其连接边的ω大小直接相关,ω小的边所关联的点先解缠,反之,后解缠。
4)将权值边按从小到大排序,初始化各点的状态。其中,各点的状态主要包括,解缠状态、所属分组、连接边的条数(度)nd、连接该点所有边的最小值ωmin;
5)删除冗余的边,按照上述步骤是对所有边进行排序,将所有边扫描一遍,事实上,在执行的过程中,许多边是冗余的,解缠过程中并不需要扫描,如某边关联两顶点均已解缠,且属于同一集合的情况,所以针对权值图的特点,对方法进行改进,剔除无用边,使数据处理的规模减小。其中,每次去除的冗余边需要满足:a)该边不是其两个顶点的最小边ωmin;b)边对应顶点的度数nd不小于2。
6)解缠过程,其实就是点集合查询和点集合合并的过程,借助“并查集”能够实现较快的合并和判断元素所在集合的操作。相位解缠方法通常是假设相邻像素间的相位差的绝对值是小于π的,即满足香农采样定理。当包裹相位差达到-π或+π时,需要对包裹相位加上或减去2π进行解缠。
其中,φ(xm,yn)为待计算像素点的绝对相位值,φ(xm-1,yn)为相邻已解缠的像素点的绝对相位值,Δφr(xm,yn)=φr(xm,yn)-φr(xm-1,yn)是相邻两点包裹相位值的差值,φr(xm,yn)是像素点(xm,yn)的包裹相位。
初始状态,每个点被标记为未解缠,每个点不属于任何集合。首先解缠权值最小边,对于此边关联的两点,比较其质量值,质量值大的点相对于质量值小的点按(9)式解缠,并设置已解缠标志,将两点加入到一个集合中,实时记录每个集合元素的个数,即集合的秩。
根据边关联两点的状态,分三种情况进行解缠,a)有一点已解缠而另一点未解缠,解缠两点中未解缠点,将其合并到已解缠点组中;b)两点均未解缠,解缠这两点,并标记为一个新组;c)两点均已解缠且不同组,秩较小组的点相对秩较大组的点解缠,合并到秩较大的组中。解缠所有的点,最终权值图中所有的像素点属于同一个分组,解缠完成。
下面给出本发明解缠过程的具体实施例:
1)首先,分析无用边产生的原因,取图1中一个环,由四点形成的回路,如图2所示,权值ω1<ω2<ω3<ω4,所以解缠顺序是(e,i),(e,f),(f,j),在图示环中四点解缠只需要三条边,在将权值为ω4的边解缠之前,该边所连接的两个顶点已经被解缠,所以此边就是冗余的,且权值为ω4的边是该环中权值最大的边。通过观察发现每个环中最大边都是无用的。
假设相位图尺寸为M×N,按照本文构造边的方法,将形成(M-1)×(N-1)个环,理论上每个环会多余一条边,这样就多余了(M-1)×(N-1)条边。因此若删除无用边,数据处理的规模将减少很多。在删除边的过程中,对每个点而言,要使其不被孤立,至少要有一条边与其连接,而这条边的特点是其为连接该点所有边中权值最小的边。也就是说,该边是连接该点的必经边,需要保留,如图3所示,要保留的边用实体表示,对于有些权值相同的边,这种选择可以有多种。
2)如图4所示,a点和b点解缠,实体边代表当前选中边,颜色相同的点为同一集合。解缠过程始终由边权值从小到大进行。如图5所示,当边关联的两点之一已解缠时,未解缠点相对此边另一个已解缠点解缠,即e点相对于a点解缠,解缠完成后,将解缠后的e点加入到已解缠点a所在的集合。这时,a、b、e属于同一个集合,集合的个数没有增加,只是集合中元素个数增加;同理解缠i、f点。
如图6所示,当被选中边关联的两点均已解缠时,若两点属于同一个集合,则不操作,继续寻找下一条边。同理按照权值由小到大解缠n和r点,实时更新集合的秩。解缠h和m点,并将其加入到新建集合。依照上述规律依次解缠d、j、g点。
当解缠到如图7的g和h点时,出现新的情况,所选边关联两点均已解缠但不属于同一个集合,此时,需要首先比较两集合的秩,秩大的集合代表平均可靠程度高于秩小的集合,所以是将秩小的集合合并到秩大的集合中。合并过程如图8-a和图8-b所示,首先将h点相对于g点解缠,得到h点新的相位值,然后计算h点新旧相位的差值Δdiff,最后将h点所在集合中的所有点的相位值都加上此差值Δdiff,并将h点所在集合的全部点都加入到g点所属的集合,这样就合并了两个集合,如果出现两个集合的秩相等,合并方向是任意的。每次合并之后,总的集合个数都减少1。
对所有点按照上述规律进行解缠,依次解缠点t、c、k和s,至此,所有点完成解缠,且所有点属于同一个集合。
解缠过程开始是逐点进行,集合数目增多,接着是点面进行,集合数目不变,最后是区域合并,集合数目减少,最终只有一个集合,所有点得到解缠。解缠流程图如图9所示,所有集合合并之后如图10所示。
3)算法的数据结构,众所周知,图一般使用采用邻接矩阵和邻接表来表示,对于相位图而言,顶点就是各个像素点,如果采用权重边的构造方式,对于稀疏图,采用邻接矩阵更为妥当,但如果图像尺寸较大,会出现内存消耗过大或内存不够使用的情况。例如,图像尺寸为1600×1200,使用邻接矩阵表示该相位图就需要4G以上的内存。为了解决上述问题,使用如图11所示的数据结构,分层存放连接各点的权重,利用层数标记权重属于四邻域的哪个方向,这样在取出某权重时,就可迅速得到该权重所连接点的坐标,在优先级队列Q中,权重与点坐标和层数对应。
4)解缠实验,在相位解缠的研究中,有几种物体经常被学者们使用,像螺旋台面、折叠斜面、球面等,对于测量这些物体得到的包裹相位图,其相位解缠具有挑战性。此外,为了进一步验证解缠算法的表现,本文还使用了形状更为复杂的物面,这样可以和现有的算法进行很好的对比。
如图12所示,选择了六种物体,分别进行解缠实验。如图13所示,是解缠结果图,第一列是六种被测物体在测量场景的一帧图像,三步相移中的一步,第二列是对应的用三步相移法提取的包裹相位图,第三列是对应的可靠度图,第四列是解缠之后的绝对相位图。
5)解缠精度和耗时对比,分别对比了Goldstein枝切结合洪水解缠法、Prim最小生成树法、质量图引导解缠法、本发明的解缠方法。Goldstein枝切法是一种常用的快速解缠方法,具有一定的精度;质量图引导法是一种高精度解缠方法,能有效克制噪声的影响,并能克服包裹相位图不连续的情况。许多学者提出新算法时,常把这两种方法的结果作为参考对象。通过同一平台下解缠相同图片所耗费的时间来分析方法的速度。
如图14所示,依次是螺旋台面、阿古力雕塑、足球、红皮球的包裹相位图,其中,螺旋台面和足球图像添加有部分噪声,阿古力雕塑图像未添加噪声,红皮球图像添加有强噪声,下面的解缠实验将使用这四幅图。
如图15所示,是Goldstein枝切结合洪水法的解缠结果,从前三幅图可以看出,当噪声不是很强烈时,解缠结果比较理想,只出现了少部分区域解缠有误差,从第四幅图可看出,该方法在强噪声区域解缠失败,造成相位图解缠不完整。如图16所示,是基于Prim最小生成树法的解缠结果,效果十分理想,能有效克服强噪声的影响。如图17所示,是质量图引导解缠法的解缠结果,无论在背景噪声区,在人为添加的弱噪声区,或是在强噪声区,解缠结果都很好,误差未扩散,并且最大限度的恢复了误差区的绝对相位。如图18所示,是本发明方法的解缠结果,解缠效果与质量图引导法相当,有些情况甚至更好,该法能有效抑制噪声的影响,将误差区域最小化,而且能最大限度的恢复误差区的绝对相位。
如图19所示,是这四种解缠方法的耗时对比,从表中可以看出Goldstein枝切法是一种快速解缠方法;质量图引导解缠方法相对枝切法而言,耗时是枝切法的8到10倍,处理更大图像时,能达到30倍,可见基于质量图引导解缠法效率十分低下;最小生成树法还是相对耗时少一些,但在处理大图像时耗时依然很大;而本方法,即基于构造边的相位解缠法处理一般图片时,耗时是枝切法的1/2,处理较大图片耗时也很较少,所以该法是一种非常快速的解缠方法,运行环境,操作系统:Windows 7(x64);CPU:Inter(R)Core(TM)i5-3210M@2.50GHz,2.5GHz;内存:4GB;软件:MATLAB2010a(64位版本)。
综上分析,基于构造边的相位解缠方法无论在精度上,还是在速度上都很理想,在精度上与质量图引导法相当或更好,而在速度上比枝切法等方法快很多,所以它是一种非常好的高精度快速相位解缠方法。
Claims (8)
1.基于构造边的高精度快速相位解缠方法,其特征在于:包括以下几个步骤,
步骤一:利用三步相移法投射三幅光栅图像,用相机分别捕获,得到包裹相位图;
步骤二:由包裹相位图计算产生质量图;
步骤三:在质量图上,由相邻两像素点质量值构造水平与竖直权值边;
步骤四:初始化各个像素点的状态;
步骤五:删除冗余的权值边;
步骤六:进行像素点的相位解缠;
解缠过程为:
第一步:选择具有最小权值的权值边关联的两像素点,比较两个像素点的质量值,质量值大的像素点相对质量值小的像素点解缠,并将质量值大的像素点设置为已解缠标志,将两点加入到一个集合中,记录该集合的秩;
第二步:将剩余的权值边按其权值从小到大的排序作为路径向导进行解缠,根据权值边关联两像素点的状态,分三种情况进行解缠:a)有一像素点已解缠而另一像素点未解缠,解缠两像素点中未解缠的像素点,合并到已解缠像素点集合中;b)两像素点均未解缠,解缠这两像素点,并标记为一个新集合;c)两像素点均已解缠且分别属于不同集合,比较两个集合的秩的大小得到小秩集合和大秩集合,属于小秩集合中的像素点相对大秩集合的像素点解缠,合并到大秩集合中;
解缠的方法为:
其中,φ(xm,yn)为待解缠像素点的绝对相位值,φ(xm-1,yn)为相邻已解缠的像素点的绝对相位值,Δφr(xm,yn)=φr(xm,yn)-φr(xm-1,yn)是相邻两像素点包裹相位值的差值,φr(xm,yn)是像素点(xm,yn)的包裹相位值,φr(xm-1,yn)是像素点(xm-1,yn)的包裹相位值。
2.根据权利要求1所述的基于构造边的高精度快速相位解缠方法,其特征在于:所述的属于小秩集合中的像素点合并到大秩集合的过程为:
2.1小秩集合中的像素点h相对大秩集合的像素点g解缠,得到小秩集合中的像素点h的新的相位值;
2.2计算小秩集合中的像素点h的新旧相位的差值Δdiff;
2.3将小秩集合中所有的像素点的相位值都加上差值Δdiff,并将小秩集合中所有的像素点加入到大秩集合中。
3.根据权利要求1或2所述的基于构造边的高精度快速相位解缠方法,其特征在于:步骤一中用相机分别捕获,得到三幅捕获图像依次为第一捕获图像I1(i,j)、第二捕获图像I2(i,j)和第三捕获图像I3(i,j),像素点(i,j)的横坐标x和纵坐标y为:
x=2*I2(i,j)-I1(i,j)-I3(i,j)
y=I1(i,j)-I3(i,j)
当像素点的横坐标x不等于零时,包裹相位图中像素点(i,j)的相位值M(i,j)为:
M(i,j)=arctan(T)
其中,变量根据点(x,y)所在的象限,对相位值M(i,j)进行调整,得到包裹相位值M′(i,j):
当像素点的横坐标x等于零或纵坐标y等于零时,对相位值M(i,j)进行调整,得到包裹相位值M′(i,j):
4.根据权利要求3所述的基于构造边的高精度快速相位解缠方法,其特征在于:所述的质量图中的像素点(m,n)的质量值为:
其中,φi,j是像素点(m,n)的包裹相位值,k是以像素点(m,n)为中心窗口的尺寸。
5.根据权利要求4所述的基于构造边的高精度快速相位解缠方法,其特征在于:在质量图上,构造两个相邻像素点P1和P2的水平或竖直的权值边E,其权值ω为:
ω=(Q1+Q2)+β×|(eα-e-α)/(eα+e-α)|
其中,Q1为像素点P1的质量值,Q2为像素点P2的质量值,β为权值系数,e为自然底数,α=(Q1-Q2)2/2。
6.根据权利要求5所述的基于构造边的高精度快速相位解缠方法,其特征在于,所述的像素点的状态包括:解缠状态、所属集合、连接权值边的度数nd、连接该像素点的所有权值边的最小权值ωmin。
7.根据权利要求6所述的基于构造边的高精度快速相位解缠方法,其特征在于:所述的冗余的权值边满足以下两个条件:
(1)权值边的权值不是其关联的两个像素点的最小权值,
(2)权值边关联的两个像素点的度数nd不小于2。
8.根据权利要求7所述的基于构造边的高精度快速相位解缠方法,其特征在于:所述的删除的冗余权值边的组合有多种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410216216.1A CN103968781B (zh) | 2014-05-21 | 2014-05-21 | 基于构造边的高精度快速相位解缠方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410216216.1A CN103968781B (zh) | 2014-05-21 | 2014-05-21 | 基于构造边的高精度快速相位解缠方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103968781A CN103968781A (zh) | 2014-08-06 |
CN103968781B true CN103968781B (zh) | 2016-09-14 |
Family
ID=51238582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410216216.1A Expired - Fee Related CN103968781B (zh) | 2014-05-21 | 2014-05-21 | 基于构造边的高精度快速相位解缠方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103968781B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104964657B (zh) * | 2015-06-30 | 2018-02-09 | 东莞市盟拓光电科技有限公司 | 一种基于质量图的多队列快速相位展开方法及系统 |
CN105005046A (zh) * | 2015-07-09 | 2015-10-28 | 西安电子科技大学 | 基于无网格与频率估计的干涉合成孔径雷达相位解缠方法 |
CN110531335A (zh) * | 2019-09-18 | 2019-12-03 | 哈尔滨工程大学 | 一种基于并查集的低复杂度相似聚类信号分选方法 |
CN111595267B (zh) * | 2020-05-18 | 2022-08-16 | 浙江大华技术股份有限公司 | 确定物体相位值的方法、装置、存储介质及电子装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6107953A (en) * | 1999-03-10 | 2000-08-22 | Veridian Erim International, Inc. | Minimum-gradient-path phase unwrapping |
CN101655357A (zh) * | 2009-09-11 | 2010-02-24 | 南京大学 | 一种用于二维相位展开的相位梯度相关质量图获取方法 |
CN103279945A (zh) * | 2013-04-26 | 2013-09-04 | 北京理工大学 | 一种基于质量图导引法和枝切法的干涉相位图解缠方法 |
-
2014
- 2014-05-21 CN CN201410216216.1A patent/CN103968781B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6107953A (en) * | 1999-03-10 | 2000-08-22 | Veridian Erim International, Inc. | Minimum-gradient-path phase unwrapping |
CN101655357A (zh) * | 2009-09-11 | 2010-02-24 | 南京大学 | 一种用于二维相位展开的相位梯度相关质量图获取方法 |
CN103279945A (zh) * | 2013-04-26 | 2013-09-04 | 北京理工大学 | 一种基于质量图导引法和枝切法的干涉相位图解缠方法 |
Non-Patent Citations (4)
Title |
---|
Fast two-dimensional phase-unwrapping algorithm based on sorting by reliability following a noncontinuous path;Miguel Arevallilo Herraez等;《APPLIED OPTICS》;20021210;第41卷(第35期);第7437-7444页 * |
一种新的质量图导引路径积分相位展开算法;刘景峰等;《光电工程》;20071231;第34卷(第12期);第104-107,128页 * |
一种相对距离导向的相位展开算法;余亮,苏显渝;《光子学报》;20090531;第38卷(第5期);第1235-1239页 * |
相位展开算法中质量权值的数学描述与分析;崔海华等;《光学学报》;20100131;第30卷(第1期);第97-104页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103968781A (zh) | 2014-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109598290A (zh) | 一种基于两级检测相结合的图像小目标检测方法 | |
CN106023298B (zh) | 基于局部泊松曲面重建的点云刚性配准方法 | |
CN103968781B (zh) | 基于构造边的高精度快速相位解缠方法 | |
CN104361632B (zh) | 一种基于Hermite径向基函数的三角网格补洞方法 | |
CN103258345B (zh) | 一种基于地面激光雷达三维扫描的树木枝干参数提取方法 | |
Xu et al. | Reconstruction of scaffolds from a photogrammetric point cloud of construction sites using a novel 3D local feature descriptor | |
CN110378900A (zh) | 产品缺陷的检测方法、装置及系统 | |
CN109887015A (zh) | 一种基于局部曲面特征直方图的点云自动配准方法 | |
CN107123164A (zh) | 保持锐利特征的三维重建方法及系统 | |
CN104809456B (zh) | 一种基于二值描述符的三维目标识别方法 | |
CN105180890A (zh) | 融合激光点云和数字影像的岩体结构面产状测量方法 | |
CN101958008B (zh) | 序列图像三维重建中的自动纹理映射方法 | |
CN108920765B (zh) | 一种基于建筑物三维线段模型的假设平面拟合方法 | |
CN103914837B (zh) | 一种适用于多视角点云处理的圆柱形邻域及其搜索方法 | |
CN105184786B (zh) | 一种浮点型三角形特征描述方法 | |
CN109117851A (zh) | 一种基于网格统计约束的视频图像匹配方法 | |
CN107680137A (zh) | 一种基于球体投影公切线的多相机标定及参数优化方法 | |
Song et al. | Volumetric stereo and silhouette fusion for image-based modeling | |
CN109343021A (zh) | 一种点迹凝聚方法 | |
CN103903298B (zh) | 三维数据处理和识别方法 | |
CN103530627A (zh) | 基于二维散射中心集网格模型的isar图像恢复方法 | |
Palma et al. | Detection of geometric temporal changes in point clouds | |
CN104517280A (zh) | 三维成像方法 | |
CN109783842A (zh) | 一种基于体素数据的射线检测方法及系统 | |
CN102663958A (zh) | 一种顾及拓扑关系的大规模矢量地图快速综合的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160914 |