一种基于深度学习的离轴望远镜低阶像差校正方法技术

本发明专利技术公开了一种基于深度学习的离轴望远镜低阶像差校正方法。所述方法包括：步骤一：建立光学系统模型；步骤二：构建神经网络数据集，所述数据集包括训练集和测试集；步骤三：训练神经网络模型；步骤四：求解失调量并指导装调。本方法无需使用波前传感器获取光学系统的像差，有效降低系统的复杂度以及避免像差探测环节带来的累积误差，从而提高系统低阶像差校正的效率和系统的成像质量。本方法适用于各种复杂系统的镜片失调量求解，并具备高精度和实时性，在工程实践中将其应用于离轴望远镜的像差校正具有重要指导意义。差校正具有重要指导意义。差校正具有重要指导意义。

【技术实现步骤摘要】
一种基于深度学习的离轴望远镜低阶像差校正方法


[0001]本专利技术属于离轴望远镜的像差校正领域，针对光学镜片空间位置失调而产生的像差，具体涉及一种基于深度学习的离轴望远镜低阶像差校正方法。

技术介绍

[0002]离轴反射式光学系统相对于同轴反射式系统，它不存在中心遮拦，同时具有高光能利用率以及没有中低频衍射极限限制等优势，所以在空间光通信、天文探测以及空间遥感领域得到广泛的应用。但由于光学元件初始装配后的残余误差、系统工作时外界环境的变化(例如温度变化、气流扰动以及重力影响等)以及自身抖动都会引起光学镜片空间相对位置与理想相对位置的不同而降低光学系统整体的成像质量。因此，找到一种精度高且具有实时性的离轴反射式系统像差的校正方法对系统成像质量的提升具有重要意义。
[0003]早期光学系统的装调过程主要依靠技术人员的装调经验和简单的装调工具完成，调整过程具有很大的随机性且精度较低、时效性差。面对复杂的光学系统且高精度实时性的要求，同时伴随着计算机技术、光学设计和加工技术的发展，国外率先提出了计算机辅助装调技术并将其应用于实际光学系统的装调本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的离轴望远镜低阶像差校正方法，用于校正离轴反射式望远镜系统的次镜相对于主镜的空间位置失调而引起的像差，其特征在于，所述方法包括如下步骤：步骤一：建立光学系统模型：根据待装调的离轴反射式望远镜系统的结构参数建立其光学系统模型；步骤二：构建神经网络数据集，所述数据集包括训练集和测试集，包括：步骤2.1：记录光学系统处于理想位置时次镜的空间位置作为次镜的理想位置和记录该理想位置下的光斑图，然后给次镜添加已知的失调量并获取相应的光斑图，同时将次镜相对于主镜的失调量和相应的光斑图作为一组样本；步骤2.2：重复步骤2.1直到得到N组样本，即得到一个完整的包含训练集和测试集的数据集；步骤三：训练神经网络模型：选取适用于图像回归问题的卷积神经网络，该卷积神经网络包含输入层、卷积层、池化层、全连接层和输出层；以一定的比例随机从数据集中选择一部分作为训练集对上述卷积神经网络进行训练，当所述卷积神经网的损失函数收敛时，整个训练过程完成，数据集中剩余的部分作为测试集验证上述卷积神经网络的拟合能力；步骤四：求解失调量并指导装调，包括：步骤4.1：在实际望远镜系统的低阶像差校正过程中，将CCD相机采集到的系统光斑图输入训练好的神经网络模型，然后输出预测的次镜失调量，将该数据输入控制次镜空间位置的执行机构来指导像差校正，再次采集校正次镜位置偏...

【专利技术属性】
技术研发人员：黄永梅，唐薇，田思恒，郭弘扬，吴琼雁，王子豪，王强，贺东，
申请(专利权)人：中国科学院光电技术研究所，
类型：发明
国别省市：