包絡位相は、レーザー干渉計測で位相情報を取得するための前提条件です。測定中のノイズによる包絡位相縞の干渉を減らし、再構成画像の品質を向上させるために、非対称融合非局所エッジ抽出ニューラルネットワーク（Asymmetric Fusion Non-Local and Verge Extraction Neural Network、AFNVENet）が提案されました。本ネットワークはFFDNetを基に、非対称融合非局所ブロックとエッジ抽出モジュールを設計し、異なるレベルのノイズ特徴と逆方向ガイド付き除去プロセスを融合することで、多段階ノイズを効果的に抑制し、より多くの画像詳細を保持します。乗算型スペックルと加算型ランダムノイズを含む包絡位相データセットを用いて学習を行い、アブレーション実験と比較実験の結果、AFNVENetアルゴリズムは異なるレベルのノイズに対してより優れたノイズ除去効果を示しました。ノイズ標準偏差が［0、2.0］の範囲で変化するとき、除去後のPSNR、SSIM、SSIの平均値はそれぞれ24.88 dB、0.97、0.95に達しました。さらに、追加のアンラッピング結果により、AFNVENetによるノイズ除去後のアンラップ位相の平均二乗根誤差が、SCAF、NLM、KSVD、DnCNNと比べてそれぞれ87％、73％、79％、36％減少し、本手法の実現可能性を検証しました。AFNVENet法はノイズ抑制に優れたロバスト性を有し、さまざまな干渉計測環境下での多段階ノイズを伴う包絡位相情報の復元に適用可能です。

レーザー干渉計測;包絡位相;ノイズ抑制;AFNVENetネットワーク