一种相位恢复方法、装置及系统制造方法及图纸

本发明专利技术实施例公开了一种相位恢复方法、装置及系统，其中，该方法包括：获取以相位差和像面图像数据对为样本的训练数据；依据所述训练数据训练相位恢复模型；获取待预测的物体图像数据对，依据所述相位恢复模型进行相位恢复。本发明专利技术实施例在相位恢复的过程中准确性高、实时性强，无需对光学系统的设计进行限制，可灵活应对复杂的情况。

A phase recovery method, device and system

An embodiment of the invention discloses a phase recovery method, device and system, in which the method includes: acquiring the training data of the sample with phase difference and image data, training the phase recovery model according to the training data, obtaining the image data pair to be predicted, and based on the phase recovery model. Phase recovery. The invention has high accuracy and real time in the process of phase recovery, and does not need to limit the design of the optical system, and it can be flexible to cope with the complicated situation.

【技术实现步骤摘要】
一种相位恢复方法、装置及系统
本专利技术涉及光电
，尤其涉及一种相位恢复方法、装置及系统。
技术介绍
光学系统采集被测物体图像时，由于光学系统会引入相应的相位误差(即相位差)，导致采集到的图像模糊不清，因此如何确定光学系统的相位差，并进行相位的恢复至关重要。目前，常用的相位恢复的方法有两种，一种是利用相位差传感器(具体可以使用波前传感器)直接探测光学系统的相位差，另一种是通过利用Gerchberg–Saxton(GS)算法，以最优理论图像为目标，利用傅里叶变换与逆傅里叶变换反复迭代修正误差，最终收敛后得到光学系统的相位差。但是，利用波前传感器进行光学系统相位差探测，需要在光学系统的特定位置安装波前传感器，同时还需要在成像面上设置一个点光源作为引导星，给光学系统的设计带来较大的限制；而利用GS算法计算光学系统的相位差，需要反复采集数据进行多次迭代计算，使得计算复杂度高、收敛速度慢、实时性较差。
技术实现思路
本专利技术的目的在于，提供一种相位恢复方法、装置及系统，在相位恢复的过程中准确性高、实时性强，无需对光学系统的设计进行限制，可灵活应对复杂的情况。为达此目的，本专利技术采用以下技术方案：第一方面，本专利技术实施例提供了一种相位恢复方法，包括：获取以相位差和像面图像数据对为样本的训练数据；依据所述训练数据训练相位恢复模型；获取待预测的物体图像数据对，依据所述相位恢复模型进行相位恢复。第二方面，本专利技术实施例提供了一种相位恢复装置，包括：数据获取模块，用于获取以相位差和像面图像数据对为样本的训练数据；模型训练模块，用于依据所述训练数据训练相位恢复模型；相位恢复模块，用于获取待预测的物体图像数据对，依据所述相位恢复模型进行相位恢复。第三方面，本专利技术实施例提供了一种相位恢复系统，包括：采集终端和处理终端；所述采集终端用于获取以相位差和像面图像数据对为样本的训练数据，以及获取待预测的物体图像数据对；所述处理终端用于依据所述训练数据训练相位恢复模型，以及依据所述相位恢复模型进行相位恢复。本专利技术实施例提供了一种相位恢复方法、装置及系统，通过获取以相位差和像面图像数据对为样本的训练数据，对相位恢复模型进行训练，获取待预测的物体图像数据对，通过训练的相位恢复模型进行相位恢复。在相位恢复的过程中准确性高、实时性强，无需对光学系统的设计进行限制，可灵活应对复杂的情况。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：图1是本专利技术实施例一提供的一种相位恢复方法的流程图；图2是本专利技术实施例一提供的一种相位恢复模型示意图；图3是本专利技术实施例二提供的一种相位恢复方法中相位恢复模型训练方法的流程图；图4是本专利技术实施例三提供的一种相位恢复方法的流程图；图5是本专利技术实施例四提供的一种相位恢复装置的结构框图；图6A-6B是本专利技术实施例五提供的一种相位恢复系统的结构框图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部内容。实施例一图1为本专利技术实施例一提供的一种相位恢复方法的流程图，本实施例可适用于对光学系统的相位差进行恢复的情况，该方法可以由本专利技术实施例提供的相位恢复系统来执行，例如，可以是采集终端和处理终端配合执行。如图1所示，该相位恢复方法包括如下步骤：步骤S101：获取以相位差和像面图像数据对为样本的训练数据。为了保证所训练的相位恢复模型准确性高、适用范围广，在构建训练数据时要尽可能多的获取训练数据。具体的，训练数据可以由海量的训练样本构成，而训练样本又是由相位差和该相位差对应的像面图像数据对构成，优选的，相位差可以是人工通过光学调制器模拟生成的，例如，利用空间光调制器生成不同大小的相位差来模拟不同光学系统的相位差。由图像的计算公式ψ＝|Wx||2(其中，ψ是图像数据，W是离散傅里叶变换(DiscreteFourierTransform，DFT)矩阵，x是光学系统的相位差)可知，利用图像数据进行相位差计算时由于绝对值计算的存在，所以只获取相位差对应的一幅图像进行相位恢复模型的训练有时无法准确的进行相位差的恢复，因此，对应一个相位差要获取一组像面图像数据对作为图像数据。优选的,获取训练数据的过程可以是模拟出一个相位差，然后获取该相位差对应的像面图像数据对，将该相位差及其对应的像面图像数据对作为一个样本，再重复上述操作，获取尽可能多的不同相位差对应的样本，构成训练数据。步骤S102：依据训练数据训练相位恢复模型。其中，相位恢复模型是一种神经网络模型，可以根据输入的图像数据对输出该图像数据对对应的相位差，进而完成对光学系统相位的恢复。具体的，相位恢复模型是运用步骤S101中获取的训练数据对神经网络进行训练，使其建立起相位差与像面图像数据对之间的关系后得到的。优选的，依据训练数据训练相位恢复模型可以是：依据反向传播算法，训练相位恢复模型的权重数据；依据权重数据，训练相位差和相位差对应的像面图像数据对之间的映射关系。相位恢复模型是由多层网络组成，如图2所示，该相位恢复模型包括：输入层、多个卷积层、采样层以及输出层。相邻的不同网络层之间存在一个权重数据，即上一层的输出数据和权重数据进行计算后得到下一层的输入数据，该计算过程可以是乘积或偏移等。利用获取的大量的训练数据，通过反向传播算法对相位恢复模型相邻的不同网络层之间的权重数据进行训练。当相位恢复模型的权重数据训练完成后，就可以依据相邻的不同网络层之间的权重数据训练出相位差与其对应的像面图像数据对之间的映射关系，即输入的像面图像数据对通过不同网络层之间的权重数据计算即可建立与该像面图像对对应的相位差之间的映射关系。优选的，如图2所示，对该相位恢复模型的训练可以分为两步：(1)学习训练数据从输入层经过多个卷积层、采样层处理后传向输出层的正向传播过程，(2)将该模型输出的相位差误差按原来正向传播过程反向传回，并对多个卷积层、采样层之间的权重数据进行修正，以使该相位恢复模型输出的相位差误差趋向最小。步骤S103：获取待预测的物体图像数据对，依据相位恢复模型进行相位恢复。光学系统在出厂时都会存在误差，导致光学系统采集到的图像模糊不清，可以通过步骤S102中训练的相位恢复模型对其进行相位的恢复。由于步骤S102中训练相位恢复模型时，训练的是像面图像数据对与相位差之间的映射关系，因此，进行相位的恢复时，也要获取物体在该光学系统下的物体图像数据对，输入到训练好的相位恢复模型中，即可输出物体图像数据对对应的相位差(即该光学系统的相位差)，得到相位差后即可完成对光学系统相位的恢复。示例性的，如图2所示，将待预测的物体图像数据对输入相位恢复模型中，得到相位恢复数据的具体过程可以是：将待预测的物体图像数据对输入相位恢复模型的输入层，由多个卷积层对输入的物体图像数据对进行滤波处理操作，优选的，每一个卷积层都是在上一层输出结果的基础上进行卷积操作，每个卷积层采用的滤波器也可以不同，例如，可以是7×7×96滤波器、5×5×256滤波器、3×3×384滤波器等。多个卷积层完成滤波处理后，采样层根据卷积层的滤波本文档来自技高网...

【技术保护点】
1.一种相位恢复方法，其特征在于，包括：获取以相位差和像面图像数据对为样本的训练数据；依据所述训练数据训练相位恢复模型；获取待预测的物体图像数据对，依据所述相位恢复模型进行相位恢复。

【技术特征摘要】
1.一种相位恢复方法，其特征在于，包括：获取以相位差和像面图像数据对为样本的训练数据；依据所述训练数据训练相位恢复模型；获取待预测的物体图像数据对，依据所述相位恢复模型进行相位恢复。2.根据权利要求1所述的方法，其特征在于，获取以相位差和像面图像数据对为样本的训练数据，包括：在成像系统无相位差时，模拟生成多个相位差；依次获取各相位差对应的像面图像数据对；分别将各相位差及其对应的像面图像数据对作为一个样本，构成所述训练数据。3.根据权利要求2所述的方法，其特征在于，依次获取各相位差对应的像面图像数据对，包括：针对每个相位差，在特定光源照射具有光学调制器的成像系统时，获取所述相位差对应的第一像面图像数据；控制所述光学调制器在所述相位差的基础上，添加预设离焦量；获取添加所述预设离焦量后的相位差对应的第二像面图像数据，其中，所述第一像面图像数据与所述第二像面图像数据构成所述相位差对应的像面图像数据对。4.根据权利要求1所述的方法，其特征在于，依据所述训练数据训练相位恢复模型，包括：依据反向传播算法，训练所述相位恢复模型的权重数据；依据所述权重数据，训练相位差和所述相位差对应的像面图像数据对之间的映射关系。5.根据权利要求1所述的方法，其特征在于，获取待预测的物体图像数据对，依据所述相位恢复模型进行相位恢复，包括：当成像系统的光学调制器位于焦平面位置时，获取第一物体图像数据；控制所述光学调制器在当前相位差的基础上添加预设离焦量；获取添加所述预设离焦量后的相位差对应的第二物体图像数据；将所述第一物体图像数据和所述第二物体图像数据作为待预测的物体图像数据对，输入所述相位恢复模型中，得到相位...

【专利技术属性】
技术研发人员：张骁，樊科，骆健忠，卢俊，宋研，麦仕文，欧阳瑶，张凤香，赵洪南，张莹，董建华，秦季生，黄海飞，
申请(专利权)人：中国科学院广州生物医药与健康研究院，
类型：发明
国别省市：广东,44