基于改进FFDNet的条纹图去噪方法

来源：计算机应用与软件杂志2025年第10期北京时间：

作者：张伟, 张俊杰, 龚渠, 宋杰, 王宸, 王生怀

摘要：在数字条纹投影的三维测量技术中,噪声的存在往往会导致条纹边缘信息缺失,降低相位提取的精度,最终影响测量结果的准确性。为了更好地保留条纹边缘信息,提出一种改进FFDNet(Fast and Flexible Denoising Convolutional Neural Network)神经网络的条纹图去噪方法。使用LeakyReLU激活函数与残差稠密网络优化FFDNet的网络结构,从而提高模型正则效果与网络层的利用率。实验结果表明,相较于FFDNet,改进FFDNet的去噪效果在不同的噪声水平下提升了1.87~2.61dB,而且参数量减少了75%。

关键词：条纹图去噪, 深度学习, FFDNet, 残差稠密网络