一种基于仿真数据集驱动的深度学习双频相位展开方法

本发明属于测量技术领域，公开了一种基于仿真数据集驱动的深度学习双频相位展开方法。首先通过仿真算法生成包含高频、中频和低频的仿真变形条纹序列；然后采用相位解调和展开算法获取包裹相位，并利用扩充历史掩膜加权处理，从而生成仿真数据集；接着采用仿真数据集对网络模型进行训练；最后利用训练完成的网络模型从真实测量场景的包裹相位中恢复绝对相位，并通过相位‑高度映射获得三维信息。本发明的有益效果在于：能够采用卷积神经网络对真实测量场景实现可靠的双频相位展开，且由于无需人工干预即刻生成仿真数据集驱动卷积神经网络，因此可以大大降低所提方法在不同测量设备中的部署成本。