포장 위상은 레이저 간섭 측정에서 위상 정보를 획득하기 위한 전제 조건입니다. 측정 과정에서 잡음이 포장 위상 띠에 미치는 간섭을 줄이고 재구성된 이미지의 품질을 향상시키기 위해 비대칭 융합 비국소 엣지 추출 신경망(Asymmetric Fusion Non-Local and Verge Extraction Neural Network, AFNVENet)이 제안되었습니다. 이 네트워크는 FFDNet을 기반으로 하며, 비대칭 융합 비국소 블록과 엣지 추출 모듈을 설계하였습니다. 서로 다른 수준의 잡음 특성과 역방향 안내 제거 과정을 융합하여 다중 수준 잡음을 효과적으로 억제하는 동시에 더 많은 이미지 세부 정보를 보존합니다. 승법 스펙클과 가법 임의 잡음이 포함된 포장 위상 데이터셋을 선택하여 훈련하였으며, 소멸 실험 및 비교 실험 결과 AFNVENet 알고리즘은 다양한 수준의 잡음에 대해 더 나은 잡음 제거 효과를 보여주었습니다. 잡음 표준 편차가 [0, 2.0] 범위 내에서 변화할 때, 잡음 제거 후 PSNR, SSIM 및 SSI 평균값은 각각 24.88 dB, 0.97 및 0.95에 도달하였습니다. 또한 추가적인 언패킹 결과 AFNVENet 잡음 제거 후 언패킹 위상의 평균 제곱근 오차가 SCAF, NLM, KSVD 및 DnCNN에 비해 각각 87%, 73%, 79% 및 36% 감소하여 이 방법의 타당성을 검증하였습니다. AFNVENet 방법은 잡음 억제에 뛰어난 견고성을 가지며, 다양한 간섭 측정 환경에서 다중 수준 잡음이 있는 포장 위상 정보 복원에 적용할 수 있습니다.

레이저 간섭 측정;포장 위상;잡음 억제;AFNVENet 네트워크