위상 변위 간섭(PSI)은 정밀 광학 측정에 널리 사용되는 기술이지만, 전통적인 PSI 방법은 일반적으로 3프레임 이상의 위상 변위 간섭 영상을 필요로 하여 동적 측정 및 진동에 민감한 환경에서의 적용이 제한됩니다. 이 문제를 해결하기 위해 본 논문에서는 딥러닝 기반 PSI-IPENet 프레임워크를 제안합니다. 이 프레임워크는 투-투-원(Two-to-One) 구조를 사용하여 두 장의 위상 변위 간섭 영상을 이중 채널 입력으로, 한 장의 위상 영상을 감독 신호로 사용하며, 학습을 위해 데이터셋을 구축합니다. PSI-IPENet은 IPENet의 특징 추출 능력과 간섭 영상의 물리적 특성을 결합하여 위상 복원의 강인성과 노이즈 저항성을 효과적으로 향상시킵니다. 실험 결과, 입력 프레임 수가 적음에도 불구하고 높은 정확도의 위상 복원 능력을 유지하며, 전통적인 사단계 위상 변위법에 비해 신호 대 잡음비 및 위상 오차 지표에서 현저한 우위를 보였습니다.

위상 변위 간섭;위상 복원;딥러닝;IPENet