【技术实现步骤摘要】
本专利技术属于自适应光学领域，特别涉及一种结合深度学习的相位差法波前重构装置、方法。
技术介绍
1、在天基望远镜，尤其是拼接式空间望远镜的应用中，系统的复杂设计对设备提出了体积小巧、重量轻以及减少光学元件使用的要求。为满足这些需求，通常采用分时采集图像的方式。然而，这种方式容易受到机械抖动的影响，可能导致焦面与离焦面图像中心未能正确对齐，从而对波前重构造成干扰。传统的解析求解例如gerchberg-saxton算法是一种基于远场进行点对点迭代反演的方法，对焦面离焦面的精确对准有较强的依赖性。如果未能对齐，不仅会导致算法精度的下降，甚至可能使得整个算法失效。因此，对齐的精度直接决定了传统算法重构波前的精度。然而，现有深度学习方法的极限精度仍受训练数据质量和网络结构的限制，难以达到传统解析求解算法的精度水平。
2、为解决对齐问题，通常使用质心配准技术对齐焦面和离焦面。然而，质心配准在受噪声影响较大，并且传统相位差法使用离焦进行调制，理论上不改变质心位置，但多通道调制，采用非中心对称相差调制，图像质心位置改变，质心算法失效。>
<本文档来自技高网...
【技术保护点】
1.一种结合深度学习的相位差法波前重构装置，其特征在于，包括多帧短曝光图像预处理模块、神经网络波前畸变预测模块、已知相位差修正模块和相位差法波前畸变解析求解模块，其中，
2.根据权利要求1所述的一种结合深度学习的相位差法波前重构装置，其特征在于：其中所述多帧短曝光图像预处理模块使用的图像为多帧短曝光图像。
3.根据权利要求1所述的一种结合深度学习的相位差法波前重构装置，其特征在于：对齐方法使用的是归一化互相关算法，去噪算法使用减阈值法。
4.根据权利要求3所述的一种结合深度学习的相位差法波前重构装置，其特征在于：归一化互相关算法为：
5.根...
【技术特征摘要】
1.一种结合深度学习的相位差法波前重构装置，其特征在于，包括多帧短曝光图像预处理模块、神经网络波前畸变预测模块、已知相位差修正模块和相位差法波前畸变解析求解模块，其中，
2.根据权利要求1所述的一种结合深度学习的相位差法波前重构装置，其特征在于：其中所述多帧短曝光图像预处理模块使用的图像为多帧短曝光图像。
3.根据权利要求1所述的一种结合深度学习的相位差法波前重构装置，其特征在于：对齐方法使用的是归一化互相关算法，去噪算法使用减阈值法。
4.根据权利要求3所述的一种结合深度学习的相位差法波前重构装置，其特征在于：归一化互相关算法为：
5.根据权利要求3所述的一种结合深度学习的相位差法波前重构装置，其特征在于：减阈值法为：通过从图像的四个角提取背景噪声平均值计算阈值，并将阈值从图像中减去，同时将结果中的负值归零，去除噪声。
6.根据权利要求1所述的一种结合深度学习的相位差法波前重构装置，其特征在于：神经网络波前畸...
【专利技术属性】
技术研发人员：鲍华，蒋宁，张莹，李淑琪，卞晴，
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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。