基于离散小波注意力机制的结构光多尺度相位提取网络
摘要
提出了一种基于离散小波注意力机制的结构光多尺度相位提取网络（Wavelet Attention Based Multi-scale Phase Extraction Network，WA-MSPNet），旨在提升结构光相位提取的准确性与效率。基于小波域的混合注意力机制，通过离散小波变换提取低频分量，并在小波域融合通道信息与空间信息，进而增强了有效特征的表达能力；其次，提出一种改进的多尺度增强预测策略，通过自下而上的多层级特征融合输出，提高了预测的准确性和鲁棒性；并且，优化的网络结构，在提升性能的同时能够显著减少参数量和计算量，与经典UNet相比，参数量减少约58%，计算量减少约32%。最后，借助152组测试数据集进行了对比实验，实验结果表明，文中的相位提取网络WA-MSPNet在平均绝对误差、均方根误差以及峰值信噪比等指标方面均优于经典UNet、加入注意力门控的Att-UNet以及结合Swin Transformer和UNet的混合架构模型Swin-UNet，证明了该网络在相位预测的优越性能和良好的泛化能力。
引用本文（GB/T 7714）
尚建华 Shang Jianhua, 王刚 WANG Gang, 刘洋 LIU Yang, 等. 基于离散小波注意力机制的结构光多尺度相位提取网络[J]. Infrared and Laser Engineering, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。