デジタルホログラフィにおいて、微小散乱体による回折から生じるリングノイズが数値再構成で非線形に増幅されて構造化された位相誤差となり、定量的位相イメージングおよび三次元再構成の精度を制約している。リングノイズの理論モデルおよび抑制法に対し、空間域と周波数域の協調的な畳み込みニューラルネットワークモデルFUResNetを提案する。多粒子回折場重ね合わせモデルを構築しリングノイズを正確にシミュレーションし、フーリエニューラルオペレータ、残差学習フレームワーク、注意機構を組み合わせてリングノイズの高効率抑制とホログラムの重要特徴の精密保持を実現する。FUResNetはシミュレーション及び実測ホログラムの両方で既存手法を上回り、背景雑音の標準偏差を73.9％低減し、ピーク信号対雑音比を13.46 dB向上させ、シミュレーションでの構造類似度を13.9％向上させた。雑音抑制、画像忠実度、構造保護の三つの重要な次元で実質的な改善を達成し、高精度定量的位相イメージングの有効な解決策を提供する。

デジタルホログラフィ; リングノイズ; 位相イメージング; フーリエニューラルオペレータ; 畳み込みニューラルネットワーク