一、原理
在多数相位解包裏算法中,都利用包裹相位梯度来计算解包裹相位。因此,相位梯度是相位解包裹中的一个重要的量。对于无噪声包裹相位来说,相位梯度与其真实相位的梯度是相同的。然而,噪声的存在将导致包裹相位梯度与其真实值之间产生误差,从而使相位解包裹变得困难甚至失败。
提出一种适用于含有较高噪声相位图的相位梯度校正方法,首先,对包裹相位梯度按下式进行校正
这里,sgn(…)是符号函数,
T
x
{{T}_{x}}
Tx和
T
y
{{T}_{y}}
Ty是阈值,
G
x
{{G}_{x}}
Gx和
G
y
{{G}_{y}}
Gy是校正相位梯度。这些参数的定义如下(
E
(
.
.
.
)
E\left( ... \right)
E(...)代表统计平均值)
从上式可以看出,
T
x
{{T}_{x}}
Tx和
T
y
{{T}_{y}}
Ty分别是包裹相位梯度
Δ
i
j
x
\Delta _{ij}^{x}
Δijx和
Δ
i
j
y
\Delta _{ij}^{y}
Δijy的标准差,而
G
x
{{G}_{x}}
Gx和
G
y
{{G}_{y}}
Gy则是
Δ
i
j
x
\Delta _{ij}^{x}
Δijx和
Δ
i
j
y
\Delta _{ij}^{y}
Δijy的平均值。因此,该校正算法的含义是:对于绝对值大于其标准差的包裹相位梯度,用其平均值来校正。校正后的包裹相位梯度带入最小二乘迭代算法继续进行解包裹运算。将该算法命名为基于最小二乘、选代和相位梯度校正的解包裹算法(Calibrated Phase Unwrappingbased on Least-squares and iteration, CPULSI)
二、剪切散斑相位解包裹实例应用
从实验得到的包裹相位图,如下图所示:
采用上述算法得到的解包裹相位如下图所示:
三、资源获取
上述资源可从以下链接处获取:
https://download.csdn.net/download/qq_36584460/84256420
资源共包含以下内容:
1) 包裹相位图.mat (包裹相位图实验数据)
2) CPULSI.m (子函数)
3) 基于最小二乘、选代和相位梯度校正的解包裹算法.m(主程序)
4) 基于最小二乘、选代和相位梯度校正的解包裹算法-UTF8格式.m(防注释乱码)
5) 动画演示过程.gif
执行程序时用到了ginput函数,该函数要求在包裹相位图中选择一个已知的相位点,如下动画演示过程:
整个执行过程大约需要3秒钟。
如有任何疑问,可私信交流讨论。