Na imagem holográfica digital, o ruído de anel gerado pela difração de micro-difusores é amplificado não linearmente durante a reconstrução numérica, transformando-se em erros estruturados de fase, o que limita a precisão da imagem de fase quantitativa e da reconstrução tridimensional. Em resposta ao modelo teórico do ruído de anel e aos métodos de supressão, é proposto um novo modelo de rede neural convolucional colaborativa em domínio espacial e de frequência chamado FUResNet. Foi estabelecido um modelo de sobreposição de campos de difração de múltiplos grãos para simular com precisão o ruído de anel, combinando o operador neural de Fourier, a estrutura de aprendizado residual e o mecanismo de atenção para alcançar supressão eficiente do ruído de anel e preservação precisa das características-chave do holograma. O FUResNet supera os métodos existentes em hologramas simulados e reais: o desvio padrão do ruído de fundo foi reduzido em 73,9%, a razão sinal-ruído de pico aumentou 13,46 dB e a similaridade estrutural na simulação aumentou 13,9%. Alcançou melhorias substanciais nas três dimensões principais da supressão de ruído, fidelidade da imagem e proteção estrutural, fornecendo uma solução eficaz para imagem de fase quantitativa de alta precisão.

holografia digital; ruído de anel; imagem de fase; operador neural de Fourier; rede neural convolucional