提出了一种由粗及精的无需预滤波的两帧先进迭代随机相移技术。基于最小化残差背景，首先利用采集条纹图的相关运算，在近似正交条件下估计相移和相位；然后利用这些求解过程中的中间参数在空域由条纹图数据估计相移和背景；最后，迭代上述过程直至收敛到预定义的精度，从而实现相位的精确求解。针对条纹图空域背景和振幅变化问题，利用条纹图子图降低背景空域变化对背景和相移估计的影响，并减小运算量。与现有的方法相比，本文方法由于提供了正确的初值，具有收敛快、计算快的特点。本文方法简单可靠，是一种实用的两帧相移干涉方法。

提出一种利用深度学习强大的隐式建模能力解决单帧条纹图正交化存在的欠采样问题，结合条纹图降噪归一化技术，利用对抗生成网络的特征先验，构造了一种条纹图轮廓项数字方式的π/2相移网路，实现了单帧条纹图的正交化，放松了应用解析模型法实现条纹图正交化时的严格要求。通过标签图像对训练后，该网络成功地实现了归一化后的条纹图的正交化，进而高精度地实现了单帧条纹图的相位解调。仿真和实验分析证明，与基于Riesz变换的数字相移方法相比，所提方法求解更可靠，能有效地恢复测量相位。以现有的多帧高精度相移算法的解调结果作为参考值，实验结果表明所提方法的相位误差分布在0.05 rad以内，为瞬变场和物体三维轮廓测量提供了一种途径。

采用线结构光法测量金属表面形貌时，由于受到金属表面光学特性和散斑噪声的影响，条纹中心的提取误差往往较大。为此，提出了一种非相干线结构光形貌测量方法，避免了散斑噪声的影响。通过分析该方法测量金属表面形貌时的条纹图像特点，提出一种适合非相干线结构光条纹的中心提取方法。该方法首先采用结合积分图像原理的自适应阈值分割算法，对原条纹图像进行分割。采用灰度重心法粗提取原条纹中心坐标，以该坐标为基准向条纹宽度方向延伸，从而确定阈值分割后条纹图的感兴趣区和背景区，并去除背景区的噪声。经中值滤波后，采用几何中心法提取条纹中心。实验结果表明：采用该方法提取粗糙度样块表面非相干光条纹中心的平均误差为1.5 μm，提取齿轮渐开线样板表面非相干光条纹中心的平均误差为0.9 μm，均比其线激光条纹中心的提取误差小。所提方法能实现金属表面非相干线结构光条纹中心的精确提取。