基于神经网络散斑干涉图像去噪的综合性实验设计

来源：计算机测量与控制杂志2025年第7期北京时间：

作者：李珂嘉,赵自新,马跃洋,尹昱东,张璐

摘要：在科学研究和实际工程项目中，需要对光学粗糙表面的位移、形变、振动及应变等物理量进行高精度测量。散斑干涉测量是一种针对光学粗糙表面的高精度无损检测技术，然而在测量过程中，干涉条纹图像不可避免地包含大量的相干散斑噪声以及环境噪声，严重影响后续的相位解调和解包裹精度和准确性。因此设计了一种基于DnCNN神经网络模型的图像降噪实验模型，设计搭建干涉测量硬件系统，编写软件实现对图像的采集和增强。利用计算机模拟的散斑干涉条纹图像生成数据集，完成了神经网络的设计和训练。实验结果表明，设计方法能够有效去噪，减少了白色噪点，且网络的拟合效果达到最佳状态。经过实验测试，在去噪性能的评估测试中，与传统的滤波方法相比，DnCNN展现出了显著优势，其中信噪比和散斑指数表现突出。

关键词：神经网络;散斑去噪;自适应估计;散斑干涉;DnCNN

基金资助：陕西省自然科学基础研究计划项目