광학 간섭계는 간섭무늬로부터 위상 정보를 추출하여 광학 부품을 정밀하게 측정하는 기법이다. 그러나 실제 계측 환경에서는 다양한 잡음이 발생하여 위상 정확도를 저하시킨다. 본 연구에서는 실제 측정 환경에서 지배적인 2차 고조파 성분과 가우시안 잡음이 혼재된 경우를 복합 잡음으로 정의하고, 이를 제거하기 위한 딥러닝 기반 분해 기법을 제안한다. 이를 위해 복합 잡음을 효과적으로 분해하고 프린지 대비를 향상시키는 잔차 주의 기반 UNet(DRAUNet) 모델을 개발하였다. 시뮬레이션을 통한 성능 평가 결과, 제안한 모델은 기존 기법 대비 우수한 잡음 제거 성능을 보여주었다. 또한 잡음 제거 과정에서 2차 고조파 성분을 고려하는 것이 중요함을 검증하였다. 더 나아가 Fizeau 간섭계를 이용한 실리콘 웨이퍼 표면 형상 측정 실험을 통해 제안 기법의 효과성과 강인성을 확인하였다.
Bae et al. (Wed,) studied this question.