# ASFNet自适应谱滤波神经网络

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。

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。