电子散斑干涉（Electronic Speckle Pattern Interferometry,ESPI）技术作为光学计量中重要的方法之一,是一种强大的全场测量技术。通过对电子散斑干涉条纹图中相位项的求解即可得到待测物体的物理信息,因此如何准确地获取相位信息是ESPI成功应用的关键。基于条纹细化的条纹骨架线法是ESPI相位测量中最直接的方法,该方法首先通过预处理得到ESPI条纹图对应的二值图像,然后再利用简单的细化算法即可获得单像素宽度的骨架线。然而,ESPI条纹图中固有的散斑噪声和强度的不均匀性使得从ESPI条纹图中获得二值图像非常困难。随着深度学习的发展和应用,如何实现干涉条纹图的自动化处理逐渐成为光学计量相关科研人员新的研究方向。本文将ESPI条纹图骨架线提取过程与深度学习方法相结合,实现了ESPI条纹图骨架线的自动化提取。本文介绍了几种典型的ESPI系统及其基本原理,接着以合金金属片为待测物,通过迈克尔逊散斑干涉测量系统采集了大量实验ESPI条纹图。同时用计算机模拟的方式获得了模拟ESPI条纹图,然后利用条纹骨架线法分别得到对应的骨架线图像,并用这些数据构建了用于深度学习的训练集和测试集。本文提出了一种基于Pix2pix c GAN的ESPI条纹图骨架线提取方法,只需要完成网络模型的训练,即可通过该模型实现大量ESPI条纹图骨架线的快速、精确提取。在配对的实验ESPI条纹图和对应的骨架线图像中加入部分模拟数据对网络进行训练,进一步提高了该方法提取骨架线的准确性。分别使用200幅模拟ESPI条纹图和200幅实验ESPI条纹图作为测试集来验证该方法骨架线提取的有效性。结果表明,本文方法无需对原始ESPI条纹图做预处理即可得到对应的骨架线图像,而且提取200幅实验ESPI条纹图的骨架线仅需要20 s。通过将本文方法与传统条纹骨架线法、U-Net方法以及Cycle GAN方法在定性和定量两个角度的对比和分析,充分证明了该方法在提取骨架线速度和精度方面的优越性。此外,对于实验中采集的一些存在条纹断裂的ESPI条纹图,使用该方法同样可以得到完整且平滑的骨架线图像。最后使用铝片在受热状态下采集的一组ESPI条纹图验证了本文方法的泛化能力。