一种扩展目标超分辨波前复原方法技术

本发明专利技术提供一种扩展目标超分辨波前复原方法，应用于夏克

【技术实现步骤摘要】
一种扩展目标超分辨波前复原方法


[0001]本专利技术属于光学信息测量
，具体涉及一种测量光学波前的方法，特别涉及一种扩展目标超分辨波前复原方法。

技术介绍

[0002]现有的哈特曼波前传感器的模式波前复原方法通常根据各子孔径的平均斜率重构出像差模式的系数(Guang
‑
ming Dai,"Modal wave
‑
front reconstruction with Zernike polynomials and Karhunen
‑
Lo
è
ve functions,"J.Opt.Soc.Am.A13,1218
‑
1225,1996)。平均斜率的获取依赖于子孔径图像的质心计算，每一个子孔径通常只能得到x和y方向两个斜率。这在哈特曼波前传感器的观察目标为点源时，即入射光波前畸变完全决定了哈特曼焦平面相机上各子孔径图的焦斑形变时是成立的，然而当观察目标为扩展目标时，子孔径图的焦斑形变由扩展目标形状和波前像差共同作用产生，此时传统的波前复原方法对波前的测量存在极大误差，测量不准确。
[0003]另外，质心计算方法在子孔径入射光波前像差仅包含倾斜，不存在离焦及更高阶次的像差时是成立的。然而而当哈特曼波前传感器的入射光波前畸变的空间频率明显高于哈特曼子孔径的采样率时，传统波前复原方法将面临很大的模式混淆误差。即哈特曼波前传感器在模式重构时将高阶像差引起的波前斜率的变化重构为低阶模式像差。
[0004]上述问题的根源在于，在扩展目标的波前测量中，传统的波前复原方法中计算的平均斜率与扩展目标形状和波前像差是双重映射关系，所以无法通过直接计算平均斜率反解出波前像差。如果能够从子孔径图中提取出只受波前畸变影响的特征，则通过对该特征进行计算，波前像差的测量精度都将得到有效的提升。
[0005]另外，产生模式混淆误差的根源在于使用了各子孔径平均斜率组成的斜率向量来表征模式。这个斜率向量的维度最多只能为哈特曼波前传感器有效子孔径数的两倍，并且由于某些阶次像差的斜率向量过于接近，在探测噪声的影响下还会引起明显的模式耦合。如果能够以更多维度的特征来表征波前像差，则不同模式的区分度将得到有效的提升，模式间的混淆与耦合也能得到更好的抑制，从而提高哈特曼波前传感器的模式复原阶次和相位复原精度。
[0006]专利技术专利201910312442.2曾提出利用深度学习方法直接建立模式系数与哈特曼波前传感器采集图像之间的映射关系，以提高哈特曼波前传感器的模式复原阶次和相位复原精度。但是该方法受限于点源波前测量场景，在扩展目标探测场景中误差大。
[0007]专利技术专利202010113444.1利用哈特曼波前传感器中探测区域的子孔径图和参考子孔径图的相关运算计算倾斜量，从而重构波前，该方案可用于扩展目标的波前探测领域。但是该方法在扩展目标波前探测场景中，波前探测空间分辨率受限。

技术实现思路

[0008]本专利技术要解决的技术问题是：如何提取出有效的独立于扩展目标形状的特征，从
而实现扩展目标场景下高精度高空间分辨率的波前复原。
[0009]本专利技术解决其技术问题所采用的技术方案是：一种基于夏克
‑
哈特曼波前传感器的扩展目标超分辨波前复原方法，从哈特曼焦平面相机采集到的扩展目标子孔径图像中计算提取出特征图像，再使用训练好的人工神经网络直接对特征图像进行计算，复原出入射光波前的模式系数，具体步骤如下：
[0010]步骤(1)：计算随机模式系数矩阵A
KL
：利用计算机随机生成模式系数矩阵A
KL
；其中A
KL
矩阵的行数为K，表示模式阶数共有K阶，A
KL
矩阵的列数为L，表示共生成L组模式系数；模式函数表示为M
k
(x0，y0)，其中k为模式阶次，x0，y0是定义域内的二维坐标；
[0011]步骤(2)：计算相位函数序列根据模式函数M
k
(x0，y0)和模式系数矩阵A
KL
的第j列向量生成相位函数序列：
[0012]步骤(3)：计算入瞳复振幅序列U
j
(x0，y0)：将相位函数逐次代入哈特曼波前传感器入瞳复振幅计算公式得到U
j
(x0，y0)，其中A
j
(x0，y0)为振幅函数，可根据哈特曼波前传感器的实际应用场景灵活设置；其中，e为一个自然常数，是自然对数的底数，i为虚数单位；
[0013]步骤(4)：创建第一关系函数F1(m，n，U)：根据哈特曼波前传感器入射光波长λ、入瞳函数P(x0，y0)、微透镜阵列透过率函数T(x0，y0)以及焦平面相机二维采样函数S(m，n，x
f
，y
f
)建立焦平面相机图像I(m，n)与哈特曼传感器入瞳复振幅U(x0，y0)之间的第一关系函数F1(m，n，U)；其中m，n为像素点在焦平面相机图像上的二维坐标，x
f
，y
f
为焦平面相机图像采样前的二维坐标，U为复振幅序列；
[0014]步骤(5)：计算点源焦面孔径图像I
j
(m，n)：将L个哈特曼波前传感器的入瞳复振幅序列U
j
(x0，y0)分别代入第一关系函数F1(m，n，U)计算对应的点源焦面孔径图像I
j
(m，n)；
[0015]步骤(6)：计算点源理想焦面孔径图像I0(m，n)：理想情况相位函数将相位函数代入哈特曼波前传感器入瞳复振幅计算公式得到理想入瞳复振幅U0(x0，y0)，将理想入瞳复振幅U0(x0，y0)代入第一关系函数F1(m，n，U)计算点源理想焦面孔径图像I0(m，n)；
[0016]步骤(7)：创建第二关系函数F2(m，n，I0，I
j
)：根据点源理想焦面孔径图像I0(m，n)建立特征图像F
j
(m，n)与哈特曼子孔径图像I
j
(m，n)之间的第二关系函数F2(m，n，I0，I
j
)；
[0017]步骤(8)：计算特征图像F
j
(m，n)：将点源理想焦面孔径图像I0(m，n)、点源焦面子孔径图像I
j
(m，n)代入第二关系函数F2(m，n，I0，I
j
)中计算点源特征图像F
j
(m，n)并作为后续人工神经网络训练的输入样本集{F
j
(m，n)}，记录向量的集合为人工神经网络训练的标签样本集；
[0018]步骤(9)：建立人工神经网络，其输入为特征图像的二维矩阵或单元数与特征图像像素总和相等的一维向量；
[0019]步骤(10)：训练网络：利用输入样本集{F
j
(m，n)}和标签样本集组成的样本集对步骤(9)建立的人工神经网络进行训练，训练完毕后保存该人工神经网络；
...

【技术保护点】

【技术特征摘要】
1.一种扩展目标超分辨波前复原方法，应用于夏克
‑
哈特曼波前传感器，其特征在于：该方法通过从哈特曼焦平面相机采集到的扩展目标子孔径图像中计算提取出特征图像，再使用训练好的人工神经网络直接对特征图像进行计算，复原出入射光波前的模式系数，具体包括以下步骤：步骤(1)：计算随机模式系数矩阵A
KL
：利用计算机随机生成模式系数矩阵A
KL
；其中A
KL
矩阵的行数为K，表示模式阶数共有K阶，A
KL
矩阵的列数为L，表示共生成L组模式系数；模式函数表示为M
k
(x0，y0)，其中k为模式阶次，x0，y0是定义域内的二维坐标；步骤(2)：计算相位函数序列根据模式函数M
k
(x0，y0)和模式系数矩阵A
KL
的第j列向量生成相位函数序列：步骤(3)：计算入瞳复振幅序列U
j
(x0，y0)：将相位函数逐次代入哈特曼波前传感器入瞳复振幅计算公式得到U
j
(x0，y0)，其中A
j
(x0，y0)为振幅函数，可根据哈特曼波前传感器的实际应用场景灵活设置；步骤(4)：创建第一关系函数F1(m，n，U)：根据哈特曼波前传感器入射光波长λ、入瞳函数P(x0，y0)、微透镜阵列透过率函数T(x0，y0)以及焦平面相机二维采样函数S(m，n，x
f
，y
f
)建立焦平面相机图像I(m，n)与哈特曼传感器入瞳复振幅U(x0，y0)之间的第一关系函数F1(m，n，U)；其中m，n为像素点在焦平面相机图像上的二维坐标，x
f
，y
f
为焦平面相机图像采样前的二维坐标，U为复振幅序列；步骤(5)：计算点源焦面孔径图像I
j
(m，n)：将L个哈特曼波前传感器的入瞳复振幅序列U
j
(x0，y0)分别代入第一关系函数F1(m，n，U)计算对应的点源焦面孔径图像I
j
(m，n)；步骤(6)：计算点源理想焦面孔径图像I0(m，n)：理想情况相位函数将相位函数代入哈特曼波前传感器入瞳复振幅计算公式得到理想入瞳复振幅U0(x0，y0)，将理想入瞳复振幅U0(x0，y0)代入第一关系函数F1(m，n，U)计算点源理想焦面孔径图像I0(m，n)；步骤(7)：创建第二关系函数F2(m，n，I0，I
j
)：根据点源理想焦面孔径图像I0(m，n)建立特征图像F
j
(m，n)与哈特曼子孔径图像I
j
(m，n)之间的第二关系函数F2(m，n，I0，I
j
)；步骤(8)：计算特征图像F
j
(m，n)：将点源理想焦面孔径图像I0(m，n)、点源焦面子孔径图像I
j
(m，n)代入第二关系函数F2(m，n，I0，I
j
)中计算点源特征图像F
j
(m，n)并作为后续人工神经网络训练的输入样本集{F
j
(m，n)}，...

【专利技术属性】
技术研发人员：郭友明，张曼婷，李颖，饶长辉，
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：