面向干涉包裹相位的多等级噪声抑制网络

作     者：刘芸 吴晓强 康琦 薛锦锋 陈梦露 张碧轩 焦明星 邢俊红 LIU Yun;WU Xiaoqiang;KANG Qi;XUE Jinfeng;CHEN Menglu;ZHANG Bixuan;JIAO Mingxing;XING Junhong

作者机构：西安理工大学机械与精密仪器工程学院陕西西安710048 

出 版 物：《光学精密工程》 (Optics and Precision Engineering)

年 卷 期：2024年第32卷第14期

页      面：2299-2310页

核心收录：

学科分类：070207[理学-光学] 07[理学] 08[工学] 0803[工学-光学工程] 0702[理学-物理学] 

基　　金：国家自然科学基金项目(No.61805195,No.51875455) 陕西省重点研发计划项目(No.2023-YBGY-400) 西安市科技计划项目(No.22GXFW0089) 西安理工大学硕士研究生创意创新种子基金项目(No.252082206) 

主　　题：激光干涉测量 包裹相位 噪声抑制 AFNVENet网络 

摘      要：包裹相位是激光干涉测量获取相位信息的前提,为了减小测量过程中噪声对包裹相位条纹的干扰,提高重构图像的质量,提出了一种非对称融合非局部边缘提取神经网络(Asymmetric Fusion Non-Local and Verge Extraction Neural Network,AFNVENet)。该网络在FFDNet基础上,设计了非对称融合非局部块和边缘提取模块,通过融合不同级别噪声特征及反向引导去噪过程,在有效抑制多等级噪声的同时,保留了更多的图像细节信息。选择带有乘性散斑与加性随机噪声的包裹相位数据集用于训练,通过消融实验和对比实验结果表明,AFNVENet算法对不同等级的噪声都具有更好的噪声滤除效果,当噪声标准差在[0,2.0]范围内变化时,去噪后的PSNR、SSIM和SSI均值分别达到24.88 dB,0.97和0.95。此外,通过进一步解包裹结果表明,AFNVENet去噪后的解包裹相位均方根误差均值比SCAF,NLM,KSVD和DnCNN分别减小了87%,73%,79%和36%,验证了该方法的可行性。AFNVENet方法在抑制噪声时具有较好的鲁棒性,可适用于不同干涉测量环境下多等级噪声的包裹相位信息恢复。