[发明专利]一种克服本底像差的无监督学习波前复原方法

权利要求书

1.一种克服本底像差的无监督学习波前复原方法，其特征在于，通过以下步骤实现：

步骤1：设计基于远场图像的光学成像系统，包括入射光中心波长、透镜的焦距、入瞳半径、离焦量参数设计；

步骤2：对理想平行光引入符合大气传输模型的随机像差，再引入一个随机像差，模拟光学系统中存在的本底像差；

步骤3：得到在焦、离焦远场图片后进行精细特征提取，消去目标信息，保留像差信息；

步骤4：记录特征图像与其对应的近场波前数据，并将特征图像作为样本制作基于无监督学习模型的波前复原数据集；

步骤5：选取数据集前80％的样本作为训练集，供网络学习特征图像与近场波面的非线性映射关系；余下20％的数据集以1:1的方式分别作为验证集和测试集，以衡量该方法的精度和实时性；

步骤6：配置深度学习环境，搭建神经网络；

步骤7：根据步骤1的光学系统参数建立目标无关的光学特征系统，反向计算出精细特征；

步骤8：将反算出的精细特征和输入的精细特征进行对比，计算损失值从而促进网络以无监督的学习模式进行参数更新。

2.根据权利要求1所述的一种克服本底像差的无监督学习波前复原方法，其特征在于：所述步骤1中入射光中心波长、透镜的焦距、入瞳半径、离焦量参数要与步骤7中的光学特征系统中的参数严格对应。

3.根据权利要求1所述的一种克服本底像差的无监督学习波前复原方法，其特征在于：所述步骤2中引入的本底像差可以是静态的，也可以是动态变化的。

4.根据权利要求1所述的一种克服本底像差的无监督学习波前复原方法，其特征在于：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适当改变。

5.根据权利要求1所述的一种克服本底像差的无监督学习波前复原方法，其特征在于：所述步骤6中，优先选择搭建一个轻量级的网络，以获得更短的推理时间和更高的波前复原效率。

6.根据权利要求1所述的一种克服本底像差的无监督学习波前复原方法，其特征在于：所述步骤7中，光学特征系统反向计算精细特征的实现过程如下，首先将神经网络输出的泽尼克系数转换为波前相位，然后根据波前相位计算在焦平面和离焦平面上的点扩散函数，最终使用两个点扩散函数反向计算出其对应的唯一特征图。

7.根据权利要求1所述的一种克服本底像差的无监督学习波前复原方法，其特征在于：所述步骤8中，损失值是根据神经网络输入的精细特征和光学特征系统反算出的精细特征来进行比较计算得到的，损失函数采用L1损失函数。