傅里叶变换轮廓术(Fourier Transform Profilometry,FTP)作为一种快速的光学无损检测方法已经广泛应用于工业测量中,但目前其测量精度受环境影响比较大,主要原因是复杂的背景光会使条纹频谱中零频和基频产生混叠,不利于基频信息的提取,虽然传统的带通滤波方法能够提取出基频信息,但其提取精度受到窗口形状及窗口大小的制约,且做不到自适应性。为了提高测量精度,适应更复杂的测量环境,本文着重研究了条纹图像的基频分量提取。基频分量提取一直是FTP的研究热点,在对比了二维经验模态分解(Bidimensional Empirical Mode Decomposition,BEMD)方法、希尔伯特变换(Hilbert Transform)方法和二维变分模态分解(Two-dimensional Mode Decomposition,2DVMD)方法后,从一维角度出发,应用了奇异值分解(Singular Value Decomposition,SVD)方法并做了改进,改进后的SVD-EMD模型效果更优。从二维角度考虑,改进了单纯使用2DVMD方法,实验证明改进后的2DVMD-BEMD模型是一种有效地条纹分解方法。对分解后的基频信息经过傅里叶逆变换、解包裹就可以恢复得到物体的相位信息,仿真与实验证明这种方式更有利于恢复出被测物体陡变部位信息,且测量精度接近相位测量轮廓术(Phase Measurement Profilometry,PMP)的测量精度。考虑到缺陷方向与条纹方向垂直的情况下就不能很好的进行缺陷复原,我们使用正交复合光栅条纹投影方法,基于2DVMD方法分解出横、竖条纹,对两个方向的相位相加融合,这样更有利于恢复出被测物体的表面缺陷信息。通过实验验证和误差分析发现,基于2DVMD方法的FTP更有利于恢复出物体表面外形轮廓,基于2DVMD方法的正交复合条纹相位提取方法更有利于恢复出物体的表面细节信息,两者都说明2DVMD方法的效果要远优于滤波方法。