基于深度学习语义分割网络的相位解包裹方法

本发明公开了一种基于深度学习语义分割网络的相位解包裹方法，包括以下步骤：使用仿真软件生成包括包裹相位和对应的展开相位的数据集，并按比例随机划分成训练集、验证集和测试集；对训练集中的包裹相位数据进行预处理得到处理后的训练集；基于U‑Net网络搭建包含卷积层、池化层的U型网络，并加入多信息融合模块形成复合神经网络模型PMDU；将待解包裹的包裹相位图输入到PMDU网络模型中进行模型训练后确定PMDU模型的参数；将测试集中的包裹相位数据作为PMDU模型的输入进行相位解包裹，将得到对应实际展开相位数据与仿真软件生成的对应展开相位数据对比确定PMDU模型的准确性。本发明求解速度快，精度高，噪声鲁棒性强。