A fase embrulhada é uma condição prévia para a aquisição de informações de fase na medição interferométrica a laser. Para reduzir a interferência do ruído nas franjas da fase embrulhada durante a medição e melhorar a qualidade da imagem reconstruída, foi proposta uma rede neural de extração de bordas não local com fusão assimétrica (Asymmetric Fusion Non-Local and Verge Extraction Neural Network, AFNVENet). Esta rede, baseada na FFDNet, projetou um bloco de fusão não local assimétrico e um módulo de extração de bordas. Ao fundir características de ruído em diferentes níveis e guiar reversamente o processo de remoção de ruído, suprime efetivamente o ruído em múltiplos níveis, ao mesmo tempo que preserva mais detalhes da imagem. Um conjunto de dados de fase embrulhada com speckle multiplicativo e ruído aditivo aleatório foi selecionado para treinamento. Os resultados dos experimentos de ablação e comparação mostram que o algoritmo AFNVENet oferece melhor remoção de ruído em diferentes níveis de ruído. Quando o desvio padrão do ruído varia na faixa [0, 2.0], as médias de PSNR, SSIM e SSI após a remoção de ruído atingiram 24,88 dB, 0,97 e 0,95 respectivamente. Além disso, os resultados de desempacotamento adicionais mostram que o erro quadrático médio da fase desempacotada após a remoção de ruído do AFNVENet diminuiu em 87%, 73%, 79% e 36% em comparação com SCAF, NLM, KSVD e DnCNN, respectivamente, verificando a viabilidade do método. O método AFNVENet apresenta boa robustez na supressão de ruído e pode ser aplicado à restauração de informações de fase embrulhada com ruído multinível em diferentes ambientes de medição interferométrica.

medição interferométrica a laser;fase embrulhada;supressão de ruído;rede AFNVENet