本文介绍了一项关于单模式结构光三维成像的超分辨率相位检索网络（Super-Resolution Phase Retrieval Network, SRPRNet）的研究。该研究由Jianwen Song、Kai Liu、Arcot Sowmya和Changming Sun共同完成，发表在2023年的《IEEE Transactions on Image Processing》期刊上。研究的主要目标是解决单模式结构光三维成像中相位检索精度低和分辨率不足的问题。

研究背景

结构光（Structured Light, SL）三维成像是一种高效的主动三维视觉技术，广泛应用于高精度三维信息获取。其基本原理类似于双目立体视觉，通过投影编码图案到物体表面，利用相机捕获变形后的图案，进而通过相位检索获取三维坐标。传统的结构光三维成像方法通常使用多模式投影，虽然精度高，但扫描时间长，难以满足实时性需求。单模式结构光成像通过减少投影图案数量，显著提高了扫描速度，但其相位检索精度较低。此外，硬件上提高投影仪分辨率成本高昂。因此，研究团队提出了SRPRNet，旨在通过计算方式提高单模式结构光三维成像的精度和分辨率。

研究方法

SRPRNet的核心由两个模块组成：相位偏移模块（Phase-Shifting Module, PSM）和精炼与超分辨率模块（Refinement and Super-Resolution Module, RSRM）。PSM通过四个偏移块和一个融合块提取多尺度特征，模拟多步相位偏移过程。RSRM则用于精炼相位特征并生成超分辨率相位分量。最终，通过相位解调和展开，获得高分辨率的绝对相位。

1. 相位偏移模块（PSM）：PSM通过四个偏移块逐步提取不同相位偏移的特征。每个偏移块通过卷积和残差密集块（Residual Dense Block, RDB）提取特征，并通过上采样和下采样操作获取多尺度信息。最终，这些特征通过融合块生成相位偏移特征。

2. 精炼与超分辨率模块（RSRM）：RSRM包含两个分支，一个用于初步估计相位分量，另一个用于生成残差相位分量。通过通道注意力机制（Channel Attention, CA）和残差块（Residual Block, RB），RSRM能够生成高质量的相位分量。

3. 相位解调与展开：在获得超分辨率的相位分量后，通过反正切函数计算包裹相位，并使用参考相位进行展开，获得连续的绝对相位。

实验结果

研究团队在三个数据集（FP1000、FP672和FP147）上进行了实验，验证了SRPRNet在1×、2×和4×超分辨率相位检索任务中的性能。实验结果表明，SRPRNet在相位检索精度和三维重建质量上均达到了最先进的水平。特别是在4×超分辨率任务中，SRPRNet生成的相位误差显著低于其他方法，且三维重建结果在细节纹理区域表现尤为出色。

结论与未来工作

SRPRNet通过模拟多步相位偏移过程，成功实现了单模式结构光三维成像的超分辨率相位检索。该网络不仅提高了相位检索的精度，还显著提升了三维重建的质量。未来的研究方向包括设计能够通过一组参数实现不同分辨率相位检索的网络，并进一步研究相位展开模块的集成。

研究亮点

1. 创新性：SRPRNet是首个用于单模式结构光三维成像的超分辨率相位检索网络，能够通过单个低分辨率输入图案生成高分辨率相位。
2. 模块设计：PSM和RSRM的设计充分利用了多尺度特征和通道注意力机制，显著提高了相位检索的精度。
3. 数据集贡献：研究团队构建了一个包含147个条纹图案和相位分量对的新数据集，进一步丰富了单模式结构光成像的数据资源。

研究意义

该研究不仅为单模式结构光三维成像提供了新的解决方案，还为超分辨率相位检索领域开辟了新的研究方向。其应用价值广泛，特别是在需要高精度三维重建的领域，如工业检测、医疗成像和虚拟现实等。