La interferometría de desplazamiento de fase (PSI) es una técnica ampliamente utilizada en mediciones ópticas precisas, pero los métodos tradicionales de PSI suelen requerir tres cuadros o más de interferogramas de desplazamiento de fase, lo que limita su aplicación en mediciones dinámicas y entornos sensibles a las vibraciones. Para solucionar este problema, este artículo propone un marco PSI-IPENet basado en aprendizaje profundo, que utiliza una estructura dos a uno (Two-to-One), es decir, utilizando dos cuadros de interferogramas de desplazamiento de fase como entrada de dos canales, acompañados de un mapa de fase como señal supervisada, y luego construyendo un conjunto de datos para entrenamiento. PSI-IPENet combina la capacidad de extracción de características de IPENet y las propiedades físicas de la imagen de interferencia, mejorando eficazmente la robustez de la recuperación de fase y la capacidad antirruido. Los resultados experimentales muestran que este método mantiene una alta precisión en la recuperación de fase con un bajo número de cuadros de entrada, y tiene ventajas significativas en comparación con el método tradicional de cuatro pasos de la interferometría de desplazamiento de fase en términos de relación señal-ruido, error de fase, etc.

Interferometría de desplazamiento de fase; Recuperación de fase; Aprendizaje profundo; IPENet