基于变形条纹图分析的非接触三维光学测量中，从采集的变形条纹图中提取相位分布，进而获得被测形状的面信息，但是测量中获取的条纹图含有噪声，影响了提取相位信息的精度。为了更好更快的去除条纹图中的噪声，提出了一种改进U-net神经网络的深度学习滤波算法，在图像去噪领域，U-net获取的浅层特征较少，所提算法在U-net的卷积层中含有1×1的平行卷积分支，获取多尺度特征信息，分别添加1、2、3个1×1平行卷积分支进行实验。实验采用含有高密度区域的条纹图，并与目前最新的深度学习条纹图去噪算法对比，去噪效果提升0.9%

去噪效率提升41.7%

训练时间减少30.8%。