[發明專利]一種基于神經網絡的缺光子孔徑質心位移估計方法

有效

• 申請號: 202110933080.6
• 申請日: 2021-08-12
• 公開（公告）號: CN113654670B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 趙孟孟;趙旺;王帥;楊平;楊康建;曾鳳嬌;孔令曦
• 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;G06N3/04;G06N3/08
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 江亞平

1.一種基于神經網絡的缺光子孔徑質心位移估計方法，其特征在于：該方法基于神經網絡建立夏克-哈特曼波前傳感器局部與全口徑子孔徑質心位移之間的非線性關系，根據已知的部分子孔徑質心位移估計缺光子孔徑質心位移，該方法通過以下步驟實現：

步驟1：根據夏克-哈特曼波前傳感器局部子孔徑質心位移和全口徑子孔徑質心位移構造訓練集；

步驟1中，所述的訓練集構造過程如下：

步驟1.1：將畸變波前輸入夏克-哈特曼波前傳感系統中，輸出光斑陣列圖像，通過質心算法得到全口徑子孔徑質心位移矩陣T_x、T_y，作為神經網絡的輸出；

步驟1.2：隨機選取若干個子孔徑假設為缺光子孔徑，并將其對應位置的子孔徑質心位移設置為零，得到局部子孔徑質心位移矩陣L_x、L_y，該矩陣作為神經網絡的輸入，與T_x、T_y構成一組訓練樣本；

步驟1.3：重復步驟1.1、步驟1.2，隨機生成若干組訓練樣本以構成訓練集；

步驟2：構建滿足局部子孔徑質心位移矩陣和全口徑子孔徑質心位移矩陣對應關系的神經網絡；

步驟3：利用步驟1生成的訓練集對步驟2構建的神經網絡進行訓練，訓練完畢后保存該神經網絡；

步驟4：在實際應用中，將不可準確探測的子孔徑質心位移置零，即獲得局部子孔徑質心位移矩陣，然后將其輸入步驟3訓練好的神經網絡得到全口徑子孔徑質心位移，即完成缺光子孔徑質心位移估計，所述不可準確探測的子孔徑包括缺光子孔徑和/或低信噪比子孔徑。

2.根據權利要求1所述的一種基于神經網絡的缺光子孔徑質心位移估計方法，其特征在于：所述神經網絡可以是BP神經網絡、感知機、U-net網絡、卷積神經網絡、深度神經網絡或其他任意滿足輸入和輸出模式的神經網絡。

3.根據權利要求1所述的一種基于神經網絡的缺光子孔徑質心位移估計方法，其特征在于：所述質心算法可以是重心法(GoG)，也可以是加權重心法(WCoG)、加窗法、閾值重心法(TGoG)或其他任意質心算法。

4.根據權利要求1所述的一種基于神經網絡的缺光子孔徑質心位移估計方法，其特征在于：所述步驟1.2中神經網絡的輸入是通過隨機將10％～50％的有效子孔徑假設為缺光子孔徑，并將其對應位置的質心位移置零所獲得。