散斑干涉测量技术因为有着无接触,高精度高灵敏度的优点被广泛应用在工业加工,质量检测,航空航天,铁道交通,生物病理等诸多方面,为了能够实现三维测量,实时获取物体三维位移信息,本文设计搭建了一套三维散斑干涉测量系统,并编写了一种图像处理算法,该系统基于时域散斑干涉测量原理,能够实现物体位移的动态测量,该算法基于卷积神经网络,能方便快捷地去除图像噪声。该系统不同于已有设计方案,具备了仪器化的基础:首先,采用三波长耦合激光器代替原有的三个独立光源,将红绿蓝三种颜色的光从同一根光纤耦合输出,它们分别实现三个正交方向的干涉测量;其次,优化复用面内、离面测量光路,采用笼式同轴系统设计搭建光路,有效缩减了光路的体积;最后实验过程中形成的散斑干涉图像仅用一台CCD彩色相机接收。为了提高位移测量结果的精度,干涉图像需要进一步处理。本文采用计算机模拟的数据集训练卷积神经网络,使之具有去除散斑干涉图像噪声的能力。卷积神经网络作为一种典型的机器学习训练结构,有着方便、智能、快捷的优点,被广泛应用在图像处理,超分辨率成像等。经过编写、训练,该网络将实验中的噪声有效去除。最后编写小波变换算法提取相位,进一步求得位移值。整个干涉系统坚固紧凑,小型方便,又具有去噪性能。论文的主要工作:1.研究三维时域散斑干涉测量技术,将光学原理和机械装配结合起来,设计一套小型紧凑的三维动态散斑干涉测量装置。2.在实验室搭建三维测量系统,对物体三维位移值进行测量,测量实验中,被测物在三个方向上位移测量结果的相对误差分别为2.3%、0.5%、1.1%。3.研究总结卷积神经网络算法,编写适合训练的数据集,以及可以实现去除噪声功能的神经网络,成功将实验中得到的条纹变为高对比度的图像。