基于机器学习的多像质参数自适应像差矫正方法及装置制造方法及图纸

本发明专利技术公开了一种基于机器学习的多像质参数自适应像差矫正方法及装置，该方法先获取图像的相对图像评价数据；将所述相对图像评价数据和所述相对图像评价数据对应的像差泽尼克系数作为训练集，输入至机器学习模型中进行训练，以构建训练好的像差泽尼克系数的预测模型；根据所述像差泽尼克系数的预测模型，对待检测图像的相对图像评价数据进行像差泽尼克系数的预测，并根据所述像差泽尼克系数的预测的结果进行像差的矫正。采用本发明专利技术技术方案不仅能够提高像差的矫正效率，还能够提高像差矫正精度。

Adaptive aberration correction method and device of multi image quality parameters based on machine learning

【技术实现步骤摘要】
基于机器学习的多像质参数自适应像差矫正方法及装置
本专利技术涉及光学显微成像领域，尤其涉及一种基于机器学习的多像质参数自适应像差矫正方法及装置。
技术介绍
目前，自适应像差矫正方法主要分为基于波前传感器的直接波前探测方法和无波前传感器的间接探测方法，然而直接波前探测方法引入了波前传感器，不仅增加光学系统的成本和设计难度，还提高光源能量的要求，从而使得直接波前探测法难以推广和应用。现有技术中，无波前传感器的间接探测法主要分为两种，一种为无模型的随机搜索算法，虽然无模型的随机搜索算法的矫正范围大，但是矫正结果的准确度不高，需要反复测试才能获得相对较好的矫正结果，从而导致像差的矫正效率低。另一种是基于模型的模式法，虽然基于模型的模式法的矫正速度比随机搜索算法的矫正速度快，但是基于模型的模式法的像差矫正范围小，需要多次测试才能完成矫正，从而导致像差的矫正效率低。
技术实现思路
本专利技术实施例提供了一种基于机器学习的多像质参数自适应像差矫正方法及装置，不仅能够提高像差的矫正效率，还能够提高像差矫正精度。为了解本文档来自技高网...

【技术保护点】
1.一种基于机器学习的多像质参数自适应像差矫正方法，其特征在于，包括：/n获取图像的相对图像评价数据；/n将所述相对图像评价数据和所述相对图像评价数据对应的像差泽尼克系数作为训练集，输入至机器学习模型中进行训练，以构建训练好的像差泽尼克系数的预测模型；/n根据所述像差泽尼克系数的预测模型，对待检测图像的相对图像评价数据进行像差泽尼克系数的预测，并根据所述像差泽尼克系数的预测的结果进行像差的矫正。/n

【技术特征摘要】
1.一种基于机器学习的多像质参数自适应像差矫正方法，其特征在于，包括：
获取图像的相对图像评价数据；
将所述相对图像评价数据和所述相对图像评价数据对应的像差泽尼克系数作为训练集，输入至机器学习模型中进行训练，以构建训练好的像差泽尼克系数的预测模型；
根据所述像差泽尼克系数的预测模型，对待检测图像的相对图像评价数据进行像差泽尼克系数的预测，并根据所述像差泽尼克系数的预测的结果进行像差的矫正。


2.如权利要求1所述的基于机器学习的多像质参数自适应像差矫正方法，其特征在于，所述相对图像评价数据包括以下至少任一：相对图像强度评价值、相对图像灰度方差值、相对图像锐度值。


3.如权利要求2所述的基于机器学习的多像质参数自适应像差矫正方法，其特征在于，所述获取图像的相对图像强度评价值，具体为：
获取待调整图像和标准图像；
计算所述待调整图像的图像强度，获得待调整图像强度评价值；
计算所述标准图像的图像强度，获得标准图像强度评价值；
以所述待调整图像强度评价值为被除数，以所述标准图像强度评价值为除数，获得的商作为所述相对图像强度评价值。


4.如权利要求2所述的基于机器学习的多像质参数自适应像差矫正方法，其特征在于，所述获取图像的相对图像灰度方差值，具体为：
获取待调整图像和标准图像；
计算所述待调整图像的灰度方差，获得待调整图像灰度方差值；
计算所述标准图像像的灰度方差，获得标准图像灰度方差值；
以所述待调整图像灰度方差值为被除数，以所述标准图像灰度方差值为除数，获得的商作为所述相对图像灰度方差值。


5.如权利要求2所述的基于机器学习的多像质参数自适应像差矫正方法，其特征在于，所述获取图像的相对图像锐度值，具体为：
获取待调整图像和标准图像；
计算所述待调整图像的图像锐度，获得待调整图像锐度...

【专利技术属性】
技术研发人员：王伟波，谭久彬，李晓君，
申请(专利权)人：哈工大机器人中山无人装备与人工智能研究院，
类型：发明
国别省市：广东;44