典型文献
基于注意力残差网络的相位解包裹方法
文献摘要：
相位测量是获取物体形态结构信息的有效手段,而相位解包裹是相位测量中的关键步骤.深度学习在相位解包裹领域具有巨大潜力,但神经网络的训练需要大量数据,通过实验获得大量样本相位数据的过程十分繁琐.提出了一种基于注意力残差网络的相位解包裹方法,该方法引入包含注意力机制的残差结构对U-Net网络进行改进,并使用随机生成的模拟包裹相位和对应的解包裹相位对网络进行训练,大大降低了获取数据集的难度.实验结果表明,该方法不仅对模拟包裹相位有极高的解包裹精度,所得结果与对应模拟解包裹相位间的结构相似性指数均在0.99以上,并且对实验获取的样本包裹相位也有较好的解包裹效果.
文献关键词：
全息显微;相位解包裹;注意力机制;深度学习
中图分类号：
作者姓名：
陈建明;王华英;董昭;王学;朱巧芬;雷家良;王杰宇;王文健
作者机构：
河北工程大学数理科学与工程学院,河北邯郸056038;计算光学成像与光电检测技术创新中心,河北邯郸056038
文献出处：
引用格式：
[1]陈建明;王华英;董昭;王学;朱巧芬;雷家良;王杰宇;王文健-.基于注意力残差网络的相位解包裹方法)[J].激光杂志,2022(09):60-65
A类：
B类：
注意力残差网络,相位解包裹,相位测量,形态结构,结构信息,关键步骤,巨大潜力,注意力机制,残差结构,Net,包裹相位,大大降低,获取数据,拟解,结构相似性指数,全息显微
AB值：
0.206141
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。
