تحلیل محاسباتی الگوهای تداخل موج، از فیزیک کوانتومی تا مهندسی سطح، یکی از ارکان اصلی سنجش‌های دقیق در فیزیک و مهندسی محسوب می‌شود. این الگوهای نواری (Fringe Patterns) حاوی اطلاعات فیزیکی حیاتی مانند جابه‌جایی، شکل سطح و ضریب شکست‌اند، اما استخراج فاز دقیق از داده‌های شدت رقومی نویزدار، به توان محاسباتی و روشهای پیشرفته مهندسی کامپیوتر وابسته است. روشهای کلاسیک تداخل‌سنجی، به‌ویژه تداخل‌سنجی با جابه‌جایی فاز (PSI) و پروفیل‌سنجی تبدیل فوریه (FTP)، سال‌ها ابزارهای اصلی در بازیابی فاز بوده‌اند، اما با دوگانگی ذاتی بین دقت و سرعت مواجه‌اند: PSI دقت پیکسلی و پایداری بالا دارد اما کند و به حرکت حساس است، در حالی که FTP سریع است ولی بخشی از تفکیک‌پذیری مکانی خود را فدا می‌کند. این مقاله با رویکردی مروری، پژوهش‌های اخیر در زمینه الگوریتم‌های بازیابی فاز دیجیتال و روشهای بازگشایی فاز (PhU) را از منظر دقت، پایداری، هزینه محاسباتی و تعمیم‌پذیری تحلیل می‌کند. یافته‌ها نشان می‌دهد که یادگیری عمیق (DL) توانسته با رفع تضاد دقت - سرعت، بازیابی فاز تک‌عکس را با کیفیت بالا ممکن سازد و پایداری چشمگیری در برابر نویز فراهم آورد [2, 3, 4] و [7]. نوآوری محوری مقاله، معرفی چارچوب یادگیری عمیق مبتنی بر فیزیک (PI-FPA) است که با ادغام صریح دانش پیشین فیزیکی در معماری شبکه و استفاده از ماژول‌هایی مانند LeFTP، بر ضعف تعمیم‌پذیری مدل‌های صرفاً داده‌محور غلبه کرده است این چارچوب ضمن کاهش نیاز به داده‌های آموزشی عظیم، دقت، پایداری و قابلیت انتقال نتایج را به‌طور قابل توجهی افزایش داده و استاندارد جدیدی برای حسگری محاسباتی دقیق و سریع در فیزیک امواج بنا نهاده است.
Mirzaei M, mohammadi A. Image Processing for the Analysis of Wave Interference Patterns in Physics: Review of Computational Methodologies. 3 2026; 5 (11) : 4 URL: http://jiis.iauh.ac.ir/article-1-66-fa.html
میرزائی مهدی، محمدی علیرضا. پردازش تصویر برای تحلیل الگوهای تداخل موج در فیزیک: مروری بر روشهای محاسباتی. 1. 1405; 5 (11) :32-38
