[发明专利]一种基于机器学习的高速像差校正方法

摘要

本发明公开了一种基于机器学习的高速像差校正方法。入射的平行光束先经过不加载波前相位分布的空间光调制器得到理想的聚焦光斑，利用泽尼克多项式处理获得一系列的波前相位分布，每一波前相位分布加载到空间光调制器后得到畸变聚焦光斑，将各畸变聚焦光斑的光强分布与其入射波波前相位分布下的各项泽尼克系数输入到机器学习训练获得校正模型。将待测散射介质的畸变聚焦光斑图的光强分布输入到校正模型中，获得各项泽尼克系数的数值，再取负值计算后获得校正相位分布，并加载到空间光调制器上实现像差校正。本发明能实现对光路的高速光学像差校正，校正速度快，且精确度高，解决了传统自适应光学算法速度慢的问题。

主权项

1.一种基于机器学习的高速像差校正方法，其特征在于包括以下步骤：1)入射的平行光束先经过不加载波前相位分布的空间光调制器反射，再经过透镜聚焦，在焦平面位置得到理想的聚焦光斑；2)利用泽尼克多项式进行处理获得一系列的波前相位分布；所述步骤2)具体是：采用以下公式计算获得入射光束的波前相位分布：其中，ak表示第k项泽尼克系数，k＝1,2,3,4,5,6,...n，Zk表示泽尼克多项式的第k项表达式，n表示泽尼克多项式的项数；对每一项泽尼克系数ak依次进行等间隔取值，获得一系列的波前相位分布；3)针对步骤2)获得的每一波前相位分布，将该波前相位分布加载到空间光调制器上，平行光束先经过空间光调制器反射，再经过透镜聚焦，在焦平面位置得到一畸变聚焦光斑；4)将步骤3)获得的各个畸变聚焦光斑的光强分布I与其各自对应的波前相位分布下的各项泽尼克系数ak作为训练库一起输入到机器学习中进行训练获得校正模型；5)平行光束先经过不加载波前相位分布的空间光调制器反射，再经过透镜聚焦，到达焦平面位置前穿过待测散射介质，在焦平面位置用CMOS相机可测得路经待测散射介质的畸变聚焦光斑图；7)将待测散射介质的畸变聚焦光斑图的光强分布输入到步骤4)获得的校正模型中，获得对应的各项泽尼克系数ak的数值；8)将步骤7)中得到的各项泽尼克系数ak的数值进行处理获得校正相位分布，然后重复步骤5)并将校正相位分布加载到空间光调制器上，使入射平行光束经过空间光调制器和散射介质后的聚焦光斑接近理想聚焦光斑，实现像差校正。