单帧条纹图不再靠手调滤波窗：频谱注意力按图自适应，仿真训练也能重建未见实验数据
核心概要
数字全息干涉测量中的单帧条纹图分析，过去依赖人工设定频域滤波窗，条纹被噪声、离焦或过曝破坏时难以选对参数。自适应频谱滤波网络把傅里叶域滤波做成可学习的注意力权重，对每张输入图动态选择+1阶频谱内容，并用前向模型合成带噪声与过曝的仿真数据训练。在400个仿真测试样本上，其像素误差低于调好的傅里叶变换法与端到端ResUNet；仅在仿真数据上训练后，对未见实验条纹图的重建伪影和离群点少于手工调参的傅里叶方法。
深度剖析
单帧条纹图的相位解调从人工设定频域滤波窗，转为由网络对每张输入图自行决定保留哪些+1阶频谱内容。 此前的空间相位解调方法，包括傅里叶变换分析，依靠手工设定的分析参数，例如频域滤波窗的形状；条纹被噪声、离焦或过曝严重破坏时，很难确定合适的参数设置。 在400个仿真测试样本上，该网络在MAE、RMSE、PSNR和SSIM四项指标上均优于调好的傅里叶变换法和端到端ResUNet，且标准差最小；相对次优的ResUNet，MAE和RMSE分别降低约39%和10.6%。
网络先在空间域提取并调制特征，再转到傅里叶域做自适应频谱滤波，最后回到空间域回归复振幅的实部与虚部以计算包裹相位。 承担频谱选择的是自适应频谱滤波块：它用卷积和残差稠密块增强上下文表示，再经Sigmoid生成取值在0到1之间的频谱注意力权重，增强+1阶分量、抑制无关分量，形式上对应傅里叶变换分析中的滤波步骤。 训练数据由离轴数字全息显微层析的前向模型生成，模拟光纤的三维折射率分布并加入噪声与过曝，共4400对样本按10:1划分为训练集与验证集；实验条纹图来自532纳米激光、20倍0.40数值孔径物镜的层析系统，裁剪为512×512像素。
训练中引入频谱注意力掩膜，用倒汉宁窗压制中心零阶区域、用半平面掩膜压制共轭谱，把注意力权重的搜索范围约束在物体频谱附近。 去掉该掩膜后，训练早期损失明显上升、稳定性下降，同一配置多次重复训练均在约10个epoch后发散。 该掩膜与注意力权重相乘后参与滤波，是训练稳定性的必要条件；消融实验同时显示，去掉空间特征调制对解调精度的影响最大，去掉自适应频谱滤波块也会使性能下降但幅度较小。
启示与展望
方法面向数字全息干涉测量中的单帧条纹图相位解调，并在数字全息层析中用于180个角度投影相位的三维折射率重建。仿真验证覆盖400个测试样本，实验验证使用532纳米激光、20倍0.40数值孔径物镜的层析系统采集、裁剪为512×512像素的条纹图。实验条纹图没有精确真值，因此实验部分只能与人工调好的傅里叶变换结果做定性比较。
仿真数据虽加入噪声与过曝，但与真实条纹图之间仍存在域差，来源包括非均匀照明、环境与系统噪声、离焦模糊、局部饱和和机械振动等耦合退化，这限制了网络在实验数据上的泛化。实验条纹图缺少精确真值，定量评估无法进行。后续可考虑域随机化、以无标签实验条纹图做自监督或无监督训练，以及域适应来缩小仿真与实验的差异，其中构造可靠伪标签仍是开放问题。