التداخل بتحريك الطور (PSI) هو تقنية تُستخدم على نطاق واسع في القياسات البصرية الدقيقة، لكن طرق PSI التقليدية عادة ما تتطلب 3 إطارات أو أكثر من صور التداخل بتحريك الطور، مما يحد من تطبيقها في القياسات الديناميكية والبيئات الحساسة للاهتزازات. لحل هذه المشكلة، يقترح هذا البحث إطار عمل PSI-IPENet المعتمد على التعلم العميق، والذي يستخدم بنية اثنين إلى واحد، حيث يتم إدخال صورتين من صور التداخل بتحريك الطور كقناتين دخل، وصورة طور واحدة كإشارة إشراف، ويتم بناء مجموعة بيانات للتدريب. يجمع PSI-IPENet بين قدرة IPENet على استخراج الميزات وخصائص التصوير التداخلي الفيزيائية، مما يعزز من متانة استعادة الطور وقدرتها على مقاومة الضوضاء. تظهر النتائج التجريبية أن هذه الطريقة قادرة على الحفاظ على دقة عالية لاستعادة الطور حتى تحت عدد منخفض من إطارات الإدخال، وتمتاز بفوائد واضحة في مؤشرات نسبة الإشارة إلى الضوضاء وخطأ الطور مقارنةً بطريقة التحريك الرباعي التقليدية.

التداخل بتحريك الطور;استعادة الطور;التعلم العميق;IPENet