一种基于FPGA卷积神经网络结构的光学像差畸变校正系统技术方案

本发明专利技术公开了一种基于FPGA卷积神经网络结构的光学像差畸变校正系统，包括探测相机、校正组件和FPGA卷积神经网络模型，所述探测相机为CDD相机，所述校正组件包括变形镜、凸透镜和半透半反镜；所述FPGA卷积神经网络模型包括卷积模块、非线性函数sigmoid模块、池化模块、中间量存储模块、全连接层模块，数据通过卷积模块和池化模块进行卷积运算和池化运算，各层之间通过非线性函数sigmoid模块实现激活连接。与现有技术相比，本发明专利技术提供的光学像差畸变校正系统具有功耗低、运行速度快、效率高等优点。

【技术实现步骤摘要】
一种基于FPGA卷积神经网络结构的光学像差畸变校正系统
本专利技术涉及光学
，具体是一种基于FPGA卷积神经网络结构的光学像差畸变校正系统。
技术介绍
大气中的湍流效应会导致光在大气中传输时出现光强起伏、光斑漂移等。这些效应会导致激光远场传输时激光传输能量集中度下降，导致光学成像系统分辨力下降。提高激光系统的光束质量、改善光学成像系统的分辨能力需要对大气湍流导致的像差畸变进行校正。卷积神经网络可以通过对包含有湍流像差信息的目标成像与湍流像差畸变信息进行学习，实现通过对目标成像信息获取而得到湍流像差畸变信息，从而实现对湍流像差畸变的校正。但卷积神经网络计算量较大，难以满足大气湍流造成的高频相位畸变的要求。
技术实现思路
本专利技术的目的在于克服现有技术卷积神经网络计算量较大，难以满足大气湍流造成的高频相位畸变的要求的不足，提供了一种基于FPGA卷积神经网络结构的光学像差畸变校正系统，利用光学成像系统对经过大气湍流后的目标直接成像，通过FPGA卷积神经网络对目标成像进行特征分析，计算并提取大气湍流造成的畸变相位信息本文档来自技高网...

【技术保护点】
1.一种基于FPGA卷积神经网络结构的光学像差畸变校正系统，其特征在于，包括探测相机、校正组件和FPGA卷积神经网络模型，所述探测相机为CDD相机，所述校正组件包括变形镜、凸透镜和半透半反镜；所述FPGA卷积神经网络模型包括卷积模块、非线性函数sigmoid模块、池化模块、中间量存储模块、全连接层模块，数据通过卷积模块和池化模块进行卷积运算和池化运算，各层之间通过非线性函数sigmoid模块实现激活连接。/n

【技术特征摘要】
1.一种基于FPGA卷积神经网络结构的光学像差畸变校正系统，其特征在于，包括探测相机、校正组件和FPGA卷积神经网络模型，所述探测相机为CDD相机，所述校正组件包括变形镜、凸透镜和半透半反镜；所述FPGA卷积神经网络模型包括卷积模块、非线性函数sigmoid模块、池化模块、中间量存储模块、全连接层模块，数据通过卷积模块和池化模块进行卷积运算和池化运算，各层之间通过非线性函数sigmoid模块实现激活连接。


2.如权利要求1所述的一种基于FPGA卷积神经网络结构的光学像差畸变校正系统，其特征在于，FPGA卷积神经网络模型的网络结构分为9层，每层都包含依序连接的3个卷积模块、1个位加模块和1个卷积模块，每层的不同的模块之间通过池化或插值的方式进行连接。


3.如权利要求2所述的一种基于FPGA卷积神经网络结构的光学像差畸变校正系统，其特征在于，所述FPGA卷积神经网络模型的第1～4层为下采样层，第5层为桥接层，第6～9层为上采样层，上采样通过转置卷积实现，中间层经过一次上采样操作，尺寸扩大为前一层的一倍，同时控制其通道数减少一半；第1～5层通过最大池化连接，第6～9层通过上卷积连接，第1～4层和第6～9层通过残差一一对应连接，并将下采样过程中的部分中间层复制到上采样层中，参与上采样过程，第6～9层的输出经过一次卷积操作后，得到最终的输出图像。


4.如权利要求3所述的一种基于FPGA卷积神经网络结构的光学像差畸变校正系统，其特征在于，在最大池化和下采样过程中，每次从4个像素中确定一个最大的作为结果；在上采用过程中采用行缓冲的结构，通过相邻像素的计算得到所需的结果。


5.如权利要求1所述的一种基于FPGA卷积神经网络结构的光学像差畸变校正系统，其特征在于，所述卷积模块由3个长度为28的行寄...

【专利技术属性】
技术研发人员：刘国栋，胡流森，吴小龑，吴凌远，
申请(专利权)人：中国工程物理研究院流体物理研究所，
类型：发明
国别省市：四川;51