Robust interferogram processing using deep learning and signal subspace method for phase derivative estimation

doi:10.1016/j.optlastec.2025.113616

Robust interferogram processing using deep learning and signal subspace method for phase derivative estimation

2025-07-22

0

PRE

AI

V

Viren S. Ram

G

Gannavarpu, Rajshekhar *

DOI：10.1016/j.optlastec.2025.113616

原文链接

原文求助

摘要

En 中文

对于采用光学干涉测量的无损变形测量，干涉图信号中编码的相位图的导数包含关于位移导数和应变等物理量的关键信息。因此，可靠地恢复相位导数在精密测量中具有重大的实际意义。然而，在存在严重噪声和成像伪影（如非均匀强度变化）的情况下，这种信息的恢复往往很困难。在本文中，我们提出了一种基于深度学习的信号子空间方法用于提取相位导数。所提出方法的主要优点包括对严重噪声的鲁棒性和对干涉图异常的容错性。通过严格的数值模拟验证了所提出方法性能。通过在数字全息干涉测量中获得的实验结果展示了该方法的应用价值。

Keyword:

phase derivative

optical interferometry

deep learning

signal subspace

digital holographic interferometry

Robust interferogram processing using deep learning and signal subspace method for phase derivative estimation

摘要

期刊

机构

引用论文