基于深度學(xué)習(xí)的波前復(fù)原方法是利用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型并直接根據(jù)輸入的光強(qiáng)圖像得到波前像差的Zernike系數(shù),不需要進(jìn)行迭代計(jì)算,方法簡(jiǎn)單易于實(shí)現(xiàn),便于快速獲取相位。CNN的訓(xùn)練是通過(guò)對(duì)大量畸變遠(yuǎn)場(chǎng)光強(qiáng)圖像和其對(duì)應(yīng)的Zernike波前系數(shù)數(shù)據(jù)進(jìn)行訓(xùn)練,自動(dòng)提取光強(qiáng)圖像特征,學(xué)習(xí)光強(qiáng)和Zernike系數(shù)的關(guān)系。本研究基于35階Zernike大氣湍流像差,建立了基于CNN的波前復(fù)原模型,通過(guò)分析該方法對(duì)靜態(tài)波前畸變的復(fù)原能力,驗(yàn)證了基于CNN的波前復(fù)原方法的可行性及復(fù)原能力。 

【文章來(lái)源】：激光與光電子學(xué)進(jìn)展. 2020,57(08)北大核心

【文章頁(yè)數(shù)】：10 頁(yè)

【文章目錄】：
1 引言
2 基于CNN的波前復(fù)原方法
    2.1 CNN波前復(fù)原方法
    2.2 CNN方法原理
3 CNN模型的建立與訓(xùn)練實(shí)施
    3.1 數(shù)據(jù)集生成方法
    3.2 CNN模型構(gòu)建
4 仿真結(jié)果與分析
    4.1 模型訓(xùn)練結(jié)果
    4.2 波前復(fù)原結(jié)果
5 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于生成對(duì)抗式神經(jīng)網(wǎng)絡(luò)的紅外目標(biāo)仿真方法[J]. 謝江榮,李范鳴,衛(wèi)紅,李冰.  光學(xué)學(xué)報(bào). 2019(03)
[2]一種基于角度距離損失函數(shù)和卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法[J]. 龍?chǎng)?蘇寒松,劉高華,陳震宇.  激光與光電子學(xué)進(jìn)展. 2018(12)
[3]基于判別協(xié)作表征分類器的人體行為識(shí)別[J]. 昝寶鋒,孔軍,蔣敏.  激光與光電子學(xué)進(jìn)展. 2018(01)
[4]一種基于瞳面相位差的波前傳感器相位恢復(fù)[J]. 楊慧珍,龔成龍.  光學(xué)學(xué)報(bào). 2011(11)



本文編號(hào)：3014729