디지털 홀로그래피 영상에서 미세 산란체의 회절로 생성된 고리 무늬 잡음은 수치 재구성 시 비선형적으로 증폭되어 구조화된 위상 오차를 발생시키며, 이는 정량적 위상 영상 및 3D 재구성 정확도를 제한한다. 고리 무늬 잡음 이론 모델 및 억제 방법에 대응하여, 공간 영역과 주파수 영역을 공동으로 활용하는 새로운 합성곱 신경망 모델 FUResNet을 제안하였다. 다중 입자 회절장 중첩 모델을 구축하여 고리 무늬 잡음을 정밀하게 시뮬레이션하고, 푸리에 신경 연산자, 잔차 학습 프레임워크 및 주의 메커니즘을 결합하여 고리 무늬 잡음의 효율적 억제와 홀로그램 핵심 특징의 정확한 보존을 달성한다. FUResNet은 시뮬레이션 및 실측 홀로그램에서 기존 방법보다 우수하며, 배경 잡음 표준 편차가 73.9% 감소하고 최대 신호 대 잡음비가 13.46 dB 향상되었으며, 시뮬레이션에서 구조적 유사도가 13.9% 향상되었다. 잡음 억제, 이미지 충실도 및 구조 보호의 세 가지 핵심 차원에서 실질적인 개선을 이루어 고정밀 정량적 위상 영상에 효과적인 솔루션을 제공한다.

디지털 홀로그래피; 고리 무늬 잡음; 위상 영상; 푸리에 신경 연산자; 합성곱 신경망