典型文献
基于改进U-net的条纹图去噪分析
文献摘要：
基于变形条纹图分析的非接触三维光学测量中,从采集的变形条纹图中提取相位分布,进而获得被测形状的面信息,但是测量中获取的条纹图含有噪声,影响了提取相位信息的精度.为了更好更快的去除条纹图中的噪声,提出了一种改进U-net神经网络的深度学习滤波算法,在图像去噪领域,U-net获取的浅层特征较少,所提算法在U-net的卷积层中含有1×1的平行卷积分支,获取多尺度特征信息,分别添加1、2、3个1×1平行卷积分支进行实验.实验采用含有高密度区域的条纹图,并与目前最新的深度学习条纹图去噪算法对比,去噪效果提升0.9％,去噪效率提升41.7％,训练时间减少30.8％.
文献关键词：
光学测量;条纹图去噪;U-net神经网络;深度学习
中图分类号：
作者姓名：
张伟;龚渠;张俊杰;王生怀
作者机构：
湖北汽车工业学院机械工程学院,湖北十堰442002
文献出处：
引用格式：
[1]张伟;龚渠;张俊杰;王生怀-.基于改进U-net的条纹图去噪分析)[J].光学技术,2022(03):334-340
A类：
条纹图去噪
B类：
net,去噪分析,非接触,光学测量,相位分布,相位信息,滤波算法,图像去噪,卷积层,行卷,多尺度特征,特征信息,去噪算法,算法对比,去噪效果,效果提升,训练时间
AB值：
0.282532
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
