Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Ji, Ying" wg kryterium: Autor


Wyświetlanie 1-2 z 2
Tytuł:
Two-step blind phase-shifting interferometry based on the extreme value of interference and least-squares iterative algorithm
Autorzy:
Xu, Xiaoqing
Xie, Ming
Ji, Ying
Wang, Yawei
Powiązania:
https://bibliotekanauki.pl/articles/2033890.pdf
Data publikacji:
2021
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
interferometry
phase retrieval
fringe analysis
Opis:
To improve the measuring accuracy in two-step phase-shifting interferometry (PSI), a new approach combining the extreme value of interference (EVI) and the least-squares iterative algorithm (LSIA) is proposed to extract the phase from two-frame blind phase-shifting interferograms. This method first evaluates the phase shift between two interferograms by the EVI algorithm, and then constructs the fitted interferogram by the addition of two interferograms after filtering the corresponding background intensities, so the phase with high precision can be retrieved by combining two real interferograms and this fitted interferogram using the LSIA method. The proposed algorithm expands the flexibility of the LSIA method and has the high-precision performance compared with the existing algorithms in two-step PSI. Simulation and experiment are performed to verify the feasibility of the proposed algorithm.
Źródło:
Optica Applicata; 2021, 51, 4; 513-527
0078-5466
1899-7015
Pojawia się w:
Optica Applicata
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Interferogram blind denoising using deep residual learning for phase-shifting interferometry
Autorzy:
Xu, Xiaoqing
Xie, Ming
Chen, Song
Ji, Ying
Wang, Yawei
Powiązania:
https://bibliotekanauki.pl/articles/2060681.pdf
Data publikacji:
2022
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
interferogram denoising
deep learning
interferometry
Opis:
The interferogram containing the noises often affects the accuracy of phase retrieval, leading to the degradation of the phase imaging quality. To address this issue, a new interferogram blind denoising (IBD) method based on deep residual learning is proposed. In the presence of unknown noise levels, during the training, the deep residual convolutional neural networks (DRCNN) in the IBD approach is able to remove the latent clean interferogram implicitly, and then gradually establish the residual mapping relation in the pixel-level between the interferogram and the noises. With a well-trained DRCNN model, this algorithm can deal not only with the single-frame interferogram efficiently but also with the multi-frame phase-shifted interferograms collaboratively, while effectively retaining interferogram features related to phase retrieval. Simulation and experimental results demonstrate the feasibility and applicability of the proposed IBD method.
Źródło:
Optica Applicata; 2022, 52, 1; 101--116
0078-5466
1899-7015
Pojawia się w:
Optica Applicata
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies