一种基于模型的无波前传感器自适应光学校正方法技术

本发明专利技术公开了一种基于模型的无波前传感器自适应光学校正方法，属于光学技术领域，用于解决现有的无波前传感器自适应光学方法依赖模式选择，且迭代次数较多的技术问题。本方法，采用图像功率谱密度低频空间的积分的倒数作为图像的像质评价函数，在非相干成像系统模型的基础上，推导了像质评价函数(图像功率谱密度低频空间的积分的倒数)与模式系数之间的关系，通过引入N+1次偏置，采集N+2幅图像计算像质评价函数，根据所推导的关系计算模式系数，并由变形镜产生共轭波前，达到校正像差，提高图像质量的目的。本方法适用于任意模式作为基底进行校正，迭代次数少，可以使系统带宽得到较大幅度的提升。

A model-based adaptive optical correction method for sensor without wavefront

【技术实现步骤摘要】
一种基于模型的无波前传感器自适应光学校正方法
本专利技术涉及一种无波前传感器自适应光学校正的方法，属于光学

技术介绍
高分辨率成像是人类长期追求的目标，传统光学技术无法解决动态波前扰动对像质的影响问题。大多数光学系统在受到系统像差、大气湍流或装调误差等情况的影响下，系统波前像差增大，成像质量会明显下降。影响光学系统波前质量的误差源，按照时间频率可以分为低频和高频两大类。属于低频误差的有系统设计误差、温度、重力变形及机械变形，加工装配误差等。属于高频误差的有外界空气热影响、来自阵风的反射镜变形、跟踪误差、大气湍流及激光经大气传播时的热晕等。如何克服以上动态波前误差的影响，是光学工作者不懈研究的课题。自适应光学是一门集光、机、电、自动控制、化学于一体的高技术学科，核心内容是实时地校正光束的波前畸变，以提高光学系统的成像质量。自适应光学技术能够有效的校正波前畸变，改善成像质量，在天文观测、自由空间光通信等有关领域得到了成功应用。但是，常规的自适应光学系统需要对被测量光束进行探测重构，导致系统结构复杂，不利于该技术的小型化应用，增加了系统成本。为了简化结构，降低系统成本，无波前传感自适应光学概念被提出，并在近年得到迅速发展。它与常规自适应光学系统的区别在于：无需直接进行波前探测重构，而是通过评价函数与待优化变量之间的关系逐步收敛到校正极限。无波前传感器自适应光学按校正方法，分为无模型的方法和基于模型的方法两类。无模型的方法主要包括随机并行梯度下降算法、爬山法、模拟退火算法、遗传算法等。无模型优化算法无需预知待优化变量与优化目标函数之间的具体数学关系，通过控制变形镜在光学系统中引入随机的波前变化并记录相应的像面光强信息，由光强信息计算评价函数，变形镜按一定的搜索路径通过多次迭代使评价函数值趋于最优。无模型方法的主要缺点是：(1)需要多次迭代才能达到校正效果，(2)容易收敛到局部极值。基于模型的无波前传感器自适应光学方法与无模型无波前传感器自适应光学方法相比实时性更好，无需多次迭代。该方法通过选定合适的评价函数，建立评价函数与模式系数之间的数学关系，求解模式系数，最后控制变形镜进行波前像差校正。现有的基于模型的无波前传感器自适应光学方法按照处理目标不同，可分为点目标和扩展目标两种，本专利技术主要关注的是对扩展目标的校正方法。现有的用于扩展目标成像的基于模型的无波前传感器自适应光学校正方法需要采集2N+1幅图像，也称2N+1算法。该方法以图像功率谱密度的低频空间积分作为评价函数，使用Lukosz模式或者变形镜本征模式等具有导数正交特性的模式作为校正模式，对每个模式施加正负两次偏置，因此校正N阶模式时需要采集2N+1幅图像来估计模式系数，最后根据估计的波前进行共轭校正。这种方法的缺点是：(1)只能选择具有导数正交特性的模式作为基函数；(2)需要采集的图像较多，导致校正速度慢、校正带宽低。
技术实现思路
本专利技术的目的是为了解决现有用于扩展目标成像的基于模型的无波前传感器自适应光学方法存在的问题，包括(1)依赖模式选择，(2)校正动态像差时带宽不足，创造性地提出一种新的基于模型的无波前传感器自适应光学校正方法。本专利技术方法的创新点在于，使用图像功率谱密度低频空间的积分的倒数作为图像的像质评价函数，在非相干成像系统模型的基础上，推导了像质评价函数与模式系数之间的关系，通过引入N+1次偏置，采集N+2幅图像计算像质评价函数，根据所推导的关系计算模式系数，并由变形镜产生共轭波前，达到校正像差，提高图像质量的目的。有益效果本专利技术方法，对比现有的用于扩展目标成像的基于模型的无波前传感器自适应光学方法，具有以下优点：(1)可选择任意模式作为基函数。本专利技术方法是从任意模式出发推导得到的结果，无需选用导数正交模式作为基函数。(2)实时性好。本专利技术方法仅需要施加N+1次偏置，采集N+2幅图像就可以完成一轮校正，相较于现有方法效率提高了接近一倍，提高了系统的校正带宽。附图说明图1为本专利技术方法的原理流程图；图2为本专利技术方法中仿真与实验光路示意图；图3为本专利技术方法中仿真结果图；图4为本专利技术方法中与其他方法比较效果图；图5为本专利技术方法的实验结果图。具体实施方式下面结合附图与实施例对本专利技术方法作进一步详细说明。如图1所示，一种基于模型的无波前传感器自适应光学校正方法，包括以下步骤：步骤1：确定像差表示模式。使用任意模式的线性叠加表示波前误差φ：φ＝KA(1)A＝[a1a2…ai…aN]T(2)其中，A为模式系数向量，具体形式如式2所示；K的每个列向量为Ki(i从1到N)，Ki是第i阶所述模式(基函数)，N为所述模式的总阶数，N的取值由变形镜拟合能力决定，ai是第i阶所述模式的系数。步骤2：采集图像，获取初始评价函数。在变形镜所有致动器的控制电压处于初始值时，采集图像I0。计算图像功率谱密度低频空间的积分的倒数，作为图像的像质评价函数g0：其中，S0(u,v)为图像I0的功率谱密度，(u,v)为频域坐标，R对应于频域上的环形区域m1≤(u2+v2)1/2≤m2，m1和m2是频域内小于图像截止频率的预设数值。低频空间指m2的取值较小，通常情况下，m1取大于0小于图像截止频率1/100之间的数，m2取大于图像截止频率1/20小于图像截止频率1/10之间的数。步骤3：获取N次正偏置评价函数。对1到N阶模式用变形镜分别引入幅度为b的正偏置φj+＝bKj，采集N幅图像Ij+(j从1到N)，获得图像的像质评价函数gj+：其中，Sj+(u,v)为图像Ij+的功率谱密度。步骤4：获取1次负偏置评价函数。对任意第s阶模式，s为1到N中的任意值，用变形镜引入幅度为b的负偏置φs-＝-bKs，采集一幅图像Is-，获得该图像的像质评价函数gs-：其中，Ss-(u,v)为图像Is-的功率谱密度。步骤5：计算模式系数向量A，具体如下：其中：G＝[g1+-g0g2+-g0…gN+-g0]T(7)X＝[α11α22…αNN]T(9)Y＝[α1sα2s…αNs](10)其中，表示矩阵求逆，T表示矩阵转置。式6、8、9、10中，αss、αNN、αNs的计算方法如式11中αij计算方法所示，其中i和j的取值范围为1到N；Ki、Kj表示对应阶的模式，▽表示梯度算符，P表示光瞳积分区域。步骤6：用变形镜进行共轭校正。模式系数向量A由步骤5得到，待校正的波前误差由式1给出，要对其进行校正，只需用变形镜产生与该波前误差共轭的波前即可。设变形镜的影响函数矩阵为F，F的每个列向量是对变形镜的每个致动器加单位电压时的波前相位变化，F可以由干涉仪或其他波前传感器事先测量得到，在校正过程中F为已知。用变形镜对波前误差进行校正时，各个致动器上施加的电本文档来自技高网...

【技术保护点】
1.一种基于模型的无波前传感器自适应光学校正方法，其特征在于，包括以下步骤：/n步骤1：确定像差表示模式；/n使用任意模式的线性叠加表示波前误差φ：/nφ＝KA (1)/nA＝[a

【技术特征摘要】
20200115 CN 20201003955711.一种基于模型的无波前传感器自适应光学校正方法，其特征在于，包括以下步骤：
步骤1：确定像差表示模式；
使用任意模式的线性叠加表示波前误差φ：
φ＝KA(1)
A＝[a1a2…ai…aN]T(2)
其中，A为模式系数向量，具体形式如式2所示；K的每个列向量为Ki，i取值从1到N，Ki是第i阶所述模式，即基函数；N为所述模式的总阶数，N的取值由变形镜拟合能力决定，ai是第i阶所述模式的系数；
步骤2：采集图像，获取初始评价函数；
在变形镜所有致动器的控制电压处于初始值时，采集图像I0；计算图像功率谱密度低频空间的积分的倒数，作为图像的像质评价函数g0：



其中，S0(u,v)为图像I0的功率谱密度，(u,v)为频域坐标，R对应于频域上的环形区域m1≤(u2+v2)1/2≤m2，m1和m2是频域内小于图像截止频率的预设数值；其中，m1取大于0小于图像截止频率1/100之间的数，m2取大于图像截止频率1/20小于图像截止频率1/10之间的数；
步骤3：获取N次正偏置评价函数；
对1到N阶模式用变形镜分别引入幅度为b的正偏置φj+＝bKj，采集N幅图像Ij+，j取值从1到N，获得图像的像质评价函数gj+：



其中，Sj+(u,v)为图像Ij+的功率谱密度；
步骤4：获取1次负偏置评价函数；
对任意第s阶模...

【专利技术属性】
技术研发人员：董冰，任虹禧，张晓芳，胡新奇，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11