一种基于深度学习的干涉图像相位解调方法

摘要

本发明涉及一种基于深度学习的干涉图像相位解调方法，属于激光干涉测量技术领域，随机生成测量光与参考光之间光程差，采集干涉图像并计算获得旋转角度，建立输入输出数据集，搭建卷积神经网络模型，利用训练数据集对卷积神经网络模型进行迭代优化，直至利用测试数据集对卷积神经网络模型进行验证时效果符合终止条件，采集待解调的干涉图像，并输入到训练后的卷积神经网络模型，输出待解调的旋转角度，计算得到测量光相位变化信息，本发明取代了传统的干涉图像解调算法，能够实现快速、高精度干涉相位解调，提高测量精度。