复杂流场的全场显示和关键参数测量是现代航空航天和能源工程等领域中的关键技术。光学层析技术可获取流场参数的三维信息分布,是实现复杂流场三维定量测量的重要解决方案之一。其中,莫尔层析技术具有光路结构简单、抗干扰能力强、测量动态范围大等特点,特别适用于在强振动等环境下的风洞流场测量。本文针对莫尔层析投影图像的处理问题展开研究,主要对莫尔条纹傅里叶变换一级频谱的提取方法进行了详细讨论和研究,论文工作包含以下几个方面:首先,针对莫尔条纹频谱图中一级频谱的提取问题,研究了自动的一级频谱提取算法。与现有的手动频谱提取方法以及滤波器滤波方法相比,只需要确定二值化时的阈值,不需要人工选择频谱区域,同时更适合于处理有复杂轮廓的条纹图。其次,在自动频谱提取方法中,二值化时的阈值决定了频谱提取的准确性,需要寻找一个最优阈值以提高频谱提取的准确度。针对此问题,提出了基于卷积神经网络的频谱提取方法。该方法用卷积神经网络代替自动频谱提取的过程,卷积神经网络寻找最优参数的过程就相当于自动频谱提取方法寻找最优阈值的过程。卷积神经网络频谱提取方法可自动检测变形条纹傅里叶变换频谱图中一级频谱轮廓点的坐标,完全避免了人工影响,提升了一级频谱定位的准确性和可重复性。基于上述研究,进行了莫尔层析投影图像处理实验,分别用自动方法和卷积神经网络方法对相位信息进行提取。为了验证卷积神经网络方法提取出的相位的正确性,将卷积神经网络方法得到的相位作为测量值,自动方法得到的相位作为真实值进行均方误差计算,均方误差大小为0.20。卷积神经网络方法基本实现了一级频谱轮廓点的自动识别和相位提取。通过本文研究,为莫尔层析技术在实际工程应用中的投影条纹图像处理提供了一种自动处理条纹相位的技术解决方案。