三维视觉成像在逆向工程、医学成像、虚拟/增强现实、元宇宙等方面有着重要的应用。单帧条纹投影轮廓术作为一种非接触式的主动三维视觉成像测量方法,具有便捷性强、精度高、可成像动态物体的优点。而相位提取是单帧条纹投影轮廓术中最重要的步骤,其主要包括包裹相位提取、相位展开以及非线性载波相位去除三个主要环节。在单帧条纹图像相位提取的各个环节中,现有的方法还面临着如下挑战:（1）非线性载波相位去除方法的精度不高、自适应性以及通用性较差;（2）传统的非深度学习相位展开方法精度低、鲁棒性较差;近几年新出现的基于深度学习的相位展开方法精度虽然比较高,但泛化能力比较差。针对上述问题,分别对问题产生的原因以及可改进的方向进行研究,取得了如下创新性成果:（1）对于非线性载波相位去除问题,在观察和试验的基础上提出了一个条纹投影图像前景-背景可分性假设:利用奇异值分解可将条纹投影图像分离为背景条纹成分图像和前景物体成分图像。根据上述假设,提出了一种基于奇异值分解的非线性载波相位去除方法。新方法分成三步:第一步首先利用奇异值分解从条纹投影图像中检测出背景区域。第二步,仅对背景区域的相位进行多项式曲面拟合,获得更加准确的非线性载波相位。第三步,从条纹投影图像提取的相位中减去由拟合得到的非线性载波相位,得到被测物体的相位。在模拟的条纹图像以及实际条纹投影图像上进行的对比实验的结果表明,新方法相较于现有方法有较高的精度,验证了所提出假设的正确性。通过对抗噪声性能以及其他影响性能的因素进行对比实验,也验证了新方法相对于现有方法有更强的鲁棒性和通用性。（2）对于二维相位展开问题,首先提出了一个度量包裹相位中先验信息的量化指标,用来定量地衡量相位展开的难易程度。然后提出了一种新的基于边缘增强自注意力网络的二维相位展开方法。其中,设计并采用密集残差块代替卷积层以增强网络的学习能力;通过加入增大感受野的空洞空间金字塔池化和位置自注意力来解决相位展开中的远距离依赖问题;提出边缘增强块来更有效地利用包裹边缘特征。此外,设计并使用加权的交叉熵损失以克服相位数据中普遍存在的类别不平衡问题。多种对比实验表明,提出的新方法相对现有的同类方法有更高的精度和鲁棒性。消融实验也证明了加入位置注意力以及空洞空间金字塔池化有利于新方法性能的提高。