[發明專利]一種基于深度學習的離軸望遠鏡低階像差校正方法

有效

• 申請號: 202210633536.1
• 申請日: 2022-06-07
• 公開（公告）號: CN114859552B
• 公開（公告）日: 2023-09-19
• 發明（設計）人: 黃永梅;唐薇;田思恒;郭弘揚;吳瓊雁;王子豪;王強;賀東
• 申請（專利權）人: 中國科學院光電技術研究所
• 主分類號: G02B27/00
• 分類號: G02B27/00;G06V10/82;G06V10/766;G06V10/774;G06N3/0464;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: 鄧治平

本發明公開了一種基于深度學習的離軸望遠鏡低階像差校正方法。所述方法包括：步驟一：建立光學系統模型；步驟二：構建神經網絡數據集，所述數據集包括訓練集和測試集；步驟三：訓練神經網絡模型；步驟四：求解失調量并指導裝調。本方法無需使用波前傳感器獲取光學系統的像差，有效降低系統的復雜度以及避免像差探測環節帶來的累積誤差，從而提高系統低階像差校正的效率和系統的成像質量。本方法適用于各種復雜系統的鏡片失調量求解，并具備高精度和實時性，在工程實踐中將其應用于離軸望遠鏡的像差校正具有重要指導意義。

技術領域

本發明屬于離軸望遠鏡的像差校正領域，針對光學鏡片空間位置失調而產生的像差，具體涉及一種基于深度學習的離軸望遠鏡低階像差校正方法。

背景技術

離軸反射式光學系統相對于同軸反射式系統，它不存在中心遮攔，同時具有高光能利用率以及沒有中低頻衍射極限限制等優勢，所以在空間光通信、天文探測以及空間遙感領域得到廣泛的應用。但由于光學元件初始裝配后的殘余誤差、系統工作時外界環境的變化(例如溫度變化、氣流擾動以及重力影響等)以及自身抖動都會引起光學鏡片空間相對位置與理想相對位置的不同而降低光學系統整體的成像質量。因此，找到一種精度高且具有實時性的離軸反射式系統像差的校正方法對系統成像質量的提升具有重要意義。

早期光學系統的裝調過程主要依靠技術人員的裝調經驗和簡單的裝調工具完成，調整過程具有很大的隨機性且精度較低、時效性差。面對復雜的光學系統且高精度實時性的要求，同時伴隨著計算機技術、光學設計和加工技術的發展，國外率先提出了計算機輔助裝調技術并將其應用于實際光學系統的裝調中。計算機輔助裝調通常指的是首先利用仿真軟件建立光學系統模型，然后構建系統波像差(一般是澤尼克多項式系數)和各光學元件失調量之間的數學關系式，在實際裝調過程中，利用波前傳感器檢測的澤尼克多項式系數和數學模型求解出各光學元件的失調量，從而指導執行機構進行相應的調整，大幅提高光學系統裝調的精度和速度。計算機輔助裝調主要有兩大類方法，一類是基于矢量像差理論的解析化方法，該方法需要對全視場波像差進行檢測來尋找像差節點并且針對每一類像差進行單獨校正，針對不同的光學系統需建立不同的復雜解析式，普適性差且在實際裝調過程像差節點難以檢測。另一類是以靈敏度矩陣法為代表的數值化方法，在光學元件失調量較小的范圍內，假定失調量和表征系統像差的澤尼克多項式系數具有線性關系，利用光學仿真軟件，給系統添加失調量，得到相應的澤尼克多項式系數，利用最小二乘法進行曲線擬合取其斜率作為靈敏度矩陣的元素，最后在實際裝調時，利用波前傳感器檢測的澤尼克多項式系數與系統無失調量的澤尼克多項式系數作差，結合靈敏度矩陣反解出系統的失調量。該方法計算量大，裝調效率不高，缺乏實時性，同時當次鏡具有較大的失調量時，失調量和表征系統像差的澤尼克多項式系數不再是線性關系，求解誤差較大，不能應用于實際裝調。

發明內容

本發明的目的在于針對光學鏡片空間相對位置與理想相對位置的不同而產生的像差，提供一種基于深度學習的離軸望遠鏡低階像差校正方法，跳過像差探測環節直接利用CCD相機采集的光斑圖求解出各元件的失調量進而校正像差，有效避免像差環節探測帶來的累積誤差，降低系統的復雜度，從而提升失調量的求解精度和速度，同時具備普適性。

本發明的系統組成成分主要有：光學仿真系統，神經網絡，實際待像差校正的離軸反射式望遠鏡系統，CCD相機，次鏡位移臺。其中神經網絡主要由輸入層，多層隱含層(包含卷積層、池化層、全連接層)以及輸出層組成。

本發明的原理是：神經網絡由神經元聯結，其根據外界信息的變化改變自身內部結構，具有極強的非線性擬合能力。本發明根據采集的系統光斑圖預測失調量所使用的模型是卷積神經網絡。卷積神經網絡是專門用來處理圖像數據這種具有類似網絡結構的數據的神經網絡。卷積神經網絡結合了局部感受野、稀疏權重和參數共享，這使得卷積神經網絡跟其他神經網絡相比擁有一定平移和尺度的不變性，更加適合圖像數據的學習。

本發明采用的技術方案是：