基于改进UNet模型的光条纹中心提取方法

摘要

针对复杂环境下工件表面不均匀强反射、背景噪声干扰与高精度测量需求之间的矛盾，提出一种基于改进U型网络（UNet）的光条纹中心提取算法.首先，在UNet模型中的编码器和解码器中分别引入分组深度可分离卷积模块与密集残差卷积模块，构建了基于多重卷积、特征融合和注意力机制的U型分割模型，以降低光条纹图像异常曝光引起的干扰，提高对光条纹整体分割的精度.然后，在测试集上进行实验，结果表明，光条纹分割任务中的相似系数、平均交并比和精确率分别为0.901 8,0.835 4,0.913 5，与UNet模型相比，分别提高了6.43%,9.13%,15.51%.最后，采用基于海森矩阵的光条纹中心提取Steger算法对光条纹中心线进行精确提取，实验结果证明了改进后的UNet模型与Steger算法相结合的有效性，即使在光条纹图像异常曝光时也具有较高的准确性.

关键词

图像处理 / 线结构光 / 光条纹中心提取 / 图像分割 / UNet