[發(fā)明專利]一種基于深度學習的哈特曼波前傳感器模式波前復原方法

有效

• 申請?zhí)枺?/td>: 201910312442.2
• 申請日: 2019-04-18
• 公開（公告）號: CN110044498B
• 公開（公告）日: 2021-02-19
• 發(fā)明（設計）人: 郭友明;田雨;饒學軍;饒長輝
• 申請（專利權）人: 中國科學院光電技術研究所
• 主分類號: G01J9/00
• 分類號: G01J9/00;G06N3/02;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于深度學習的哈特曼波前傳感器模式波前復原方法，其特征在于：利用人工神經(jīng)網(wǎng)絡直接對哈特曼波前傳感器采集的圖像進行計算以復原出入射光波前的模式系數(shù)，具體步驟如下：

步驟(1)：根據(jù)哈特曼波前傳感器入射光波長λ、入瞳函數(shù)P(x₀,y₀)以及微透鏡陣列透過率函數(shù)T(x₀,y₀)建立焦平面光強分布I_f(x_f,y_f)與哈特曼波前傳感器入瞳復振幅U₀(x₀,y₀)之間的關系函數(shù)F₁(x_f,y_f,U₀)；其中，(x₀,y₀)為入瞳平面坐標，(x_f,y_f)為焦平面坐標；

步驟(2)：根據(jù)關系函數(shù)F₁(x_f,y_f,U₀)以及焦平面相機的二維采樣函數(shù)S(m,n,x_f,y_f)建立焦平面相機圖像I(m,n)與U₀(x₀,y₀)之間的關系函數(shù)F₂(m,n,U₀)；其中，(m,n)為像素點在焦平面相機圖像上的位置；

步驟(3)：利用計算機隨機生成模式系數(shù)矩陣A_KL，其中，A_KL矩陣的行數(shù)為K，表示模式階數(shù)共有K階，A_KL矩陣的列數(shù)為L，表示共生成L組模式系數(shù)；模式函數(shù)表示為M_k(x₀,y₀)，其中k為模式階次；

步驟(4)：根據(jù)模式函數(shù)M_k(x₀,y₀)和模式系數(shù)矩陣A_KL的第j列向量生成相位函數(shù)序列：

步驟(5)：將相位函數(shù)φ₀(x₀,y₀)＝φ_0j(x₀,y₀)逐次代入哈特曼波前傳感器入瞳復振幅計算公式得到復振幅序列U_0j(x₀,y₀)，其中A₀(x₀,y₀)為振幅函數(shù)可根據(jù)哈特曼波前傳感器的實際應用場景靈活設置；

步驟(6)：針對L個哈特曼波前傳感器入瞳復振幅U_0j(x₀,y₀)分別計算對應的焦平面相機圖像I_0j(m,n)；按照實際應用場景隨機生成包含可能面臨的各種噪聲強度的噪聲圖像序列I_tj(m,n)；

步驟(7)：計算焦平面相機圖像序列I_j(m,n)＝I_0j(m,n)+I_tj(m,n)作為后續(xù)人工神經(jīng)網(wǎng)絡訓練的輸入數(shù)據(jù)集，記錄向量為人工神經(jīng)網(wǎng)絡訓練的標簽集；

步驟(8)：建立人工神經(jīng)網(wǎng)絡，其輸入為維度與焦平面相機采集圖像匹配的二維矩陣或單元數(shù)與焦平面相機采集圖像像素總和相等的一維向量；

步驟(9)：利用輸入樣本集I_j(m,n)和標簽樣本集組成的L個樣本集對步驟(8)建立的人工神經(jīng)網(wǎng)絡進行訓練，訓練完畢后保存該人工神經(jīng)網(wǎng)絡；

步驟(10)：在實際應用中進行波前探測時，以焦平面相機采集到的圖像作為輸入，利用經(jīng)步驟(9)訓練后的人工神經(jīng)網(wǎng)絡計算對應的輸出，作為波前復原的模式系數(shù)。