一种基于CPU并行加速的快速相位解包裹算法研究

一、引言

在相位测量技术中，直接获取的相位通常为被折叠进[-π, π)区间的包裹相位图，当相位的变化范围超过2π时会出现跳变，形成条纹图案。将包裹相位恢复为连续相位的相位展开技术作为相位测量中不可缺少的关键技术，已广泛应用于自适应光学、散斑干涉成像、核磁共振成像、光栅条纹投影测量以及干涉合成孔径雷达等多个领域。

近年来国内外科研工作者针对解包裹算法做出了大量研究，已经提出了许多相位展开算法。这些算法主要可以分为两类：1) 最小范数算法，2) 路径跟踪算法。

路径跟踪算法的思想是选择合适的解包路径，避免受噪声影响大的区域产生的误差随着路径不断传递。路径的选择主要分为枝切法、最小不连续算法和质量图引导法，枝切法寻找包裹图像中会出现解包错误的残差点并形成枝切线，在最后单独进行解包。枝切法计算速度较快，但枝切线出现封闭环时无法正确解包裹。最小不连续算法将差异大于π的相邻像素称为一个不连续，在整个包裹相位中循环搜索不连续区域并展开，使图像的不连续最小，循环搜索使最小不连续算法执行效率较低。质量引导路径算法生成描述相位质量高低的质量图作为引导，优先对高质量像素点解包，使低质量区域产生的误差不会被传播，因此具有较好的抗噪性能。

质量引导路径算法中，Miguel等人提出的快速相位解包裹算法高效准确且具有较强的抗噪鲁棒性，但其串行的计算方式效率较低，对于如自适应光学、干涉法测量等实时性强的任务需要进一步提速。针对上述问题，本文对Miguel等人提出的解包裹算法进行改进，提出了一种低可靠度区块乱序并行合并的策略，改进算法与原始算法的处理结果完全一致，而解包裹算法的运行效率得到了显著提升[1]

二、多线程并行加速解包裹原理

Miguel算法的核心思想是以最大可靠度的公共边作为两个相邻组的解包路径，当相邻组合并为一组后，它们原有的其他公共边便不再执行，避免了对低可靠度边进行合并，从而降低解包误差。分析Miguel算法的执行流程可知，原始算法为串行运算，运行中同时最多只有一条边解包，在处理高分辨率包裹相位时存在耗时较长的问题，对实时性要求较高的任务，需要对此算法进行并行加速。

本文改进算法的思想如图1所示，在图1(a)所示的 4×4 包裹图像中，所有边已按照可靠度排序为1至24。 Miguel 算法需要 24 次合并操作顺序执行，如图1(a)所示，其中绿色边为有效合并边，白色边表示相邻像素已属于同一组，数字代表合并时的循环次数；而改进后的策略是并行执行低可靠度边中互不影响的合并任务，如图1(b)所示，相同颜色的边代表在一个循环内完成判断与合并，其中数字代表合并时的循环次数，仅有颜色的边表示相邻像素已属于同一组。改进后合并操作减少为15次，并且每次循环可同时执行多个合并任务，仅需要6次循环即可完成。

图1 来自文献[1]

三、算法复现

现有仿真一个包裹相位数据，如果仅采用基于可靠度排序的非连续路径解包裹算法来进行解包裹，此时用时为59.44秒。而如果采用并行加速处理，此时用时仅为9.52秒，加速比为6.24。

图2 算法复现结果

参考文献

[1] 龙潇, 鲍华, 饶长辉, et al. 一种并行加速改进的快速相位解包裹算法 [J]. 光电工程, 2020, 47(12): 85-92.

---

⭐️◎⭐️◎⭐️◎⭐️ · · · **博 主 简 介** · · · ⭐️◎⭐️◎⭐️◎⭐️ ♪

▁▂▃▅▆▇ 博士研究生生 ，研究方向主要涉及定量相位成像领域，具体包括干涉相位成像技术(如**全息干涉☑**、散斑干涉☑等)、非干涉法相位成像技术(如波前传感技术☑，相位恢复技术☑)、此外，还对各种相位解包裹算法☑，相干噪声去除算法☑等开展过深入的研究。

---