发明

一种克服本底像差的无监督学习波前复原方法

2023-08-03 07:17:43 发布于四川 1
  • 申请专利号:CN202310543836.5
  • 公开(公告)日:2025-08-01
  • 公开(公告)号:CN116520565A
  • 申请人:中国科学院光电技术研究所
摘要:本发明公开了一种克服本底像差的无监督学习波前复原方法。本发明首次将无监督学习的思想引入到与目标无关的波前复原方法中,使用无监督学习模式训练模型,无需制作标签,训练完善的网络能够对任意成像目标进行快速相位反演。首先提出了一种精细化特征,该特征只依赖于波前像差而与成像目标无关,接着联合一个轻量型的神经网络和光学特征系统组成了无监督学习模型,通过反向输出精细特征促进神经网络实现特征与波前像差的非线性拟合。该方法无需制作标签,并且能够有效地克服实际光路中存在的本底像差的问题,实现任意扩展目标场景下的高精度的波前复原,对于基于图像的波前复原领域有应用潜力和实际应用意义。

专利内容

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116520565 A (43)申请公布日 2023.08.01 (21)申请号 202310543836.5 (22)申请日 2023.05.15 (71)申请人 中国科学院光电技术研究所 地址 610209 四川省成都市双流350信箱 (72)发明人 葛欣兰 朱里程 高泽宇 王宁  叶红卫 杨平  (74)专利代理机构 北京科迪生专利代理有限责 任公司 11251 专利代理师 杨学明 (51)Int.Cl. G02B 27/00 (2006.01) 权利要求书1页 说明书5页 附图3页 (54)发明名称 一种克服本底像差的无监督学习波前复原 方法 (57)摘要 本发明公开了一种克服本底像差的无监督 学习波前复原方法。本发明首次将无监督学习的 思想引入到与目标无关的波前复原方法中,使用 无监督学习模式训练模型,无需制作标签,训练 完善的网络能够对任意成像目标进行快速相位 反演。首先提出了一种精细化特征,该特征只依 赖于波前像差而与成像目标无关,接着联合一个 轻量型的神经网络和光学特征系统组成了无监 督学习模型,通过反向输出精细特征促进神经网 络实现特征与波前像差的非线性拟合。该方法无 需制作标签,并且能够有效地克服实际光路中存 A 在的本底像差的问题,实现任意扩展目标场景下 5 的高精度的波前复原,对于基于图像的波前复原 6 5 0 领域有应用潜力和实际应用意义。 2 5 6 1 1 N C C

最新专利