一种四台阶相位型菲涅尔波带片的快速波前复原方法技术

本发明专利技术公开了一种四台阶相位型菲涅尔波带片的快速波前复原方法。本发明专利技术基于菲涅尔波带片设计了一种操作简单、结构简洁、实时性好、复原精度高的波前复原传感器，可利用1、3象限焦距与2、4象限焦距不同的情况下，打破传统无波前传感技术中单帧远场图像存在的多解问题，并利用神经网络构建经混合焦距的四台阶相位型菲涅尔波带片成像的远场图像和泽尼克模式系数的非线性关系，避免了传统无波前传感技术的相位模糊问题及利用多张远场图片克服多解问题，结合实时性较强的神经网络，无需耗时较大的迭代寻优过程，实现单帧焦面光强图像的快速相位反演。速相位反演。速相位反演。

【技术实现步骤摘要】
一种四台阶相位型菲涅尔波带片的快速波前复原方法


[0001]本专利技术涉及无波前传感器的单帧图像波前复原的
，尤其涉及一种四台阶相位型菲涅尔波带片的快速波前复原方法。

技术介绍

[0002]相位反演方法是一种利用焦面光强分布来解算波前的探测方法，该方法结构简单，可实现高阶连续像差检测，能对扩展目标进行相位复原，可在线检测，能量集中度高，适合弱光探测。但其主要问题是反演精度不高，且存在多解问题，在迭代过程容易陷入停滞。这种迭代停滞是由于实际的近场复振幅f(x,y)和它的旋转180度共轭复振幅在远场上具有相同的光强分布而产生的。因此，GS算法很容易收敛到局部最小伪解或两个全局最小模糊解之一。
[0003]单帧焦面图像的波前反演方法是通过一张远场图像实现波前复原，该方法光路简单，但是多解现象的存在使其应用范围收到了限制。法国的Serge Meimon等人，通过在原像差中加上一定角度的散光，得到低阶像差与光斑分布之间的线性算法，但此种方法的线性区域受到限制，只对低阶像差探测有效(参见C.Plantet,S.Meimon,J.M.Conan,et al.Experiment al validation of LIFT for estimation of low
‑
order modes in low
‑
flux wavefront sensing[J].Optics Express,2013,21(14):16337
‑
16352)。Dong Bing等人在2015年提出了一种混合相位反演算法，该算法使用了线性相位反演和GS算法相结合。利用线性反演的结果作为GS算法的初始波前相位。通过此方法，高阶像差基本恢复，但多解问题仍未解决(参见B.Dong,G.Jia,R.Wang.Hybrid phase retrieval from a single defocused image[C].Proc.SPIE,2015,9622:962205)。
[0004]基于单帧焦面图像的波前相位反演方法，具有结构简单、环境要求低、能量利用率高的优点，是一种具有广阔应用前景和研究价值的波前复原技术。但传统的单帧焦面反演技术存在多解问题，会导致测试效果不够精确。相位差法虽然可以克服此问题，但它需要在焦面和离焦面两个位置探测光强信息，结构较复杂。其他的基于单帧焦面图像的波前反演方法存在各种限制，并没有根本解决相位反演的复原精度问题。
[0005]因此，本专利技术提出一种基于混合焦距的四台阶相位型菲涅尔波带片结合神经网络的波前复原法。

技术实现思路

[0006]本专利技术要解决的技术问题是：在只采集一张远场光斑图像的情况下，使远场既包含一部分在焦信息，又包含一部分离焦信息，然后结合神经网络利用远场图像反演近场波前相位唯一解，并保证波前复原的精度和实时性。本专利技术提供一种基于混合焦距的四台阶相位型菲涅尔波带片结合神经网络的波前复原法，设计一个一、三象限为一焦距，二、四象限为另一焦距的四台阶菲涅尔波带片，打破近场波前的旋转翻转对称性，从根本上克服多解问题，另外结合非线性拟合能力强大的神经网络技术，无需耗时量大的迭代寻优即可得
到最终复原结果，实现一种更为实时高效的无波前探测自适应光学波前复原方法。
[0007]本专利技术解决上述问题采用的技术方案是：一种四台阶相位型菲涅尔波带片的快速波前复原方法，选用在样本空间充分采样的数据集供卷积神经网络(CNN)拟合远场光斑与近场波前相位的映射关系，网络训练收敛之后，输入经混合焦距菲涅尔波带片成像的远场光斑图像，即可获得其对应的波前泽尼克模式系数，此映射求解过程不再需要迭代运算，减少计算耗时，具体实现步骤如下：
[0008]步骤1：设计基于混合焦距的四台阶相位型菲涅尔波带片，包括混合焦距的分布、入瞳半径、焦距差、相位台阶宽度、相位台阶高度、衍射效率参数设计；
[0009]步骤2：验证步骤1设计的基于混合焦距的四台阶相位型菲涅尔波带片是否可以在混合焦距的四台阶相位型菲涅尔波带片的其中之一个焦距焦面上同时获得单帧点光源的远场光强分布，并且光强利用率达到百分之八十以上，且光斑半径大于五个像素，否则神经网络对少量的像素数难以进行特征提取；
[0010]步骤3：若步骤2可以实现，则使用步骤1设计的混合焦距的四台阶相位型菲涅尔波带片，对理想平行光引入符合大气传输模型的随机像差，记录远场光斑与近场波前数据，并将CCD探测到的远场光斑图像和与之一一对应的的近场波前Zernike模式系数(或近场波面)分别作为样本和标签制作基于混合焦距的四台阶相位型菲涅尔波带片结合神经网络的波前复原数据集，若步骤2无法实现，则重复执行步骤1再次设计基于混合焦距的四台阶相位型菲涅尔波带片，直至实现步骤2；
[0011]步骤4：配置深度学习环境，搭建神经网络；
[0012]步骤5：任意抽取数据集中80％的样本作为训练集，供网络学习远场光斑与近场波前的映射关系；从数据集剩下的20％样本中任意抽取一半样本做为验证集，用于调整网络超参数并验证算法有效性，最后剩余的10％样本作为测试集用于进行无偏估计；
[0013]步骤6：更换不同的神经网络进行测试，记录测试集结果，根据最终结果选出性能最优的网络结构。
[0014]其中，所述步骤1中混合焦距的四台阶相位型菲涅尔波带片的第一、三象限为一个焦距值，第二、四象限为与一、三象限不同的焦距值，将CCD放置在一、三或二、四象限的在焦面上才可保证远场成像既包含一部分在焦信息又包含一部分离焦信息，达到打破近场波面翻转旋转对称性的目的，即克服多解问题。
[0015]其中，所述步骤1中混合焦距的四台阶相位型菲涅尔波带片中一、三象限与二、四象限的焦距值差值可根据传统相位差法确认一个合适的离焦量，更有利于提高波前复原的精度，优选一个波长左右的离焦量。
[0016]其中，所述步骤2中选择衍射效率较高且台阶数适中的的四台阶类型进行设计，台阶宽度、高度直接影响衍射效率。
[0017]其中，所述步骤3中数据集的样本数应至少为三万组，即应在样本空间进行充分采样。
[0018]其中，所述步骤5中训练集、验证集与测试集的划分方式可根据实际需求和数据集的大小适当改变。
[0019]本专利技术与现有技术相比的优点在于：
[0020](1)本专利技术设计的混合焦距的四台阶相位型菲涅尔波带片衍射效率较高且仅需一
张远场光斑图像即可克服多解问题；
[0021](2)本专利技术仿真设计了多种离焦量和多种相位台阶高度的四台阶菲涅尔波带片，使用神经网络训练测试确定了复原精度较高的设计参数，复原62阶泽尼克模式系数的精度可达波前复原残差为0.008个波长；
[0022](3)本专利技术无传统的波前传感器和额外调制器件，结构简单易操作，成像设备仅需一台CCD相机；
[0023](4)本专利技术神经网络引入了通道注意力和空间注意力机制，让网络更多的聚焦于重要局部信息，抑制无用信息，无需迭代，实时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种四台阶相位型菲涅尔波带片的快速波前复原方法，其特征在于，通过以下步骤实现：步骤1：设计基于混合焦距的四台阶相位型菲涅尔波带片，包括混合焦距的分布、入瞳半径、焦距差、相位台阶宽度、相位台阶高度、衍射效率参数设计；步骤2：验证步骤1设计的基于混合焦距的四台阶相位型菲涅尔波带片是否可以在混合焦距的四台阶相位型菲涅尔波带片的其中之一个焦距焦面上同时获得单帧点光源的远场光强分布，并且光强利用率达到百分之八十以上，且光斑半径大于五个像素，否则神经网络对少量的像素数难以进行特征提取；步骤3：若步骤2可以实现，则使用步骤1设计的混合焦距的四台阶相位型菲涅尔波带片，对理想平行光引入符合大气传输模型的随机像差，记录远场光斑与近场波前数据，并将CCD探测到的远场光斑图像和与之一一对应的的近场波前Zernike模式系数或近场波面分别作为样本和标签制作基于混合焦距的四台阶相位型菲涅尔波带片结合神经网络的波前复原数据集，若步骤2无法实现，则重复执行步骤1再次设计基于混合焦距的四台阶相位型菲涅尔波带片，直至实现步骤2；步骤4：配置深度学习环境，搭建神经网络；步骤5：选取数据集前90％的样本作为训练集，供网络学习远场光斑与泽尼克模式系数的非线性映射关系；余下10％的数据集做为验证集，用于调整网络超参数并验证算法有效性，最后另外制作与训练集和验证集符合同一数据分布的1000组数据作为测试集用于进行模型的测试，对输出的预测泽尼克模式系数与实际标签泽尼克模式系数...

【专利技术属性】
技术研发人员：朱里程，葛欣兰，马帅，王宁，叶红卫，
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：