[发明专利]基于相位差波前重构的压缩进化混合粒子群优化算法

摘要

本发明属于波前探测和图像恢复领域，针对相位差法在大尺度和高频波前畸变重构时的多维多极值引起的重构精度失准的问题，发明了压缩进化混合粒子群优化算法，该算法解决了局部梯度类算法易陷入局部极值的问题，同时保持了局部梯度算法的高精度特点，增强了相位差法波前探测和图像恢复的适应能力。本发明的算法流程图如图1所示，由随机初值的压缩进化粒子群算法先获得全局极值的粗糙预估，再采用局部梯度的BFGS算法进行高精度的二步逼近。采用的粒子群算法引入了压缩因子，平衡了全局和局部的搜索能力，并引进了整体粒子群的自然选择进化；采用的BFGS算法，是一种成熟稳定的拟牛顿局部搜索算法。通过‘二步法‘策略，本发明可以大大增强相位差法优化求解在大尺度和高频波前畸变的恢复能力，提高相位差法的适应能力。

主权项

1.基于相位差法的压缩进化粒子群波前重构优化，其特点为：综合考虑到相位差法波前恢复优化问题的多维度、多局部极值分布的特点，通过引入全局搜索和收的粒子群算法，并考虑到原粒子群算法对于优化参数的敏感性，通过引入压缩因子，解决相位差波前重构面对多种尺度波前和高低频波前重构参数依赖问题，重构得到具有压缩进化策略的粒子群相位差优化算法，增强了相位差法的多尺度和各频率波前探测的能力，进而提高图像重建的适用能力。相位差法一般将波前畸变分解为Zernike多项式表示的各个频率畸变的线性组合，再根据最小二乘最大似然估计优化求解，即找到一组Zernike系数，使得系统待测波前畸变表示为：其中a＝[a1a2a3…an]即优化问题所要面对的Zernike系数。由于大气湍流的复杂程度瞬息万变，所要重构的波前系数有时候呈现出较大的RMS尺度，此时优化问题在Zernike系数空间呈现为多极值的复杂分布，和小尺度波前畸变相比，表现出非常大的求解难度。另外，当进行高精度波前畸变重构时，采用更多的Zernike多项式模式时，整个优化问题由于引入更多的优化变量，同样导致了复杂的多维度多局部极值的优化困境。常用的基于局部梯度的优化算法，受初值设定的限制，当遇到离初值较近的局部极值时候，算法自然终止，过早的陷入了局部的极值，得到了错误的优化系数。所提出的压缩进化粒子群算法，具有如下的特点：一是提供了全局搜索策略，粒子群算法初值随机给出，克服了局部梯度算法的初值敏感性；二是引入了压缩因子，克服了粒子群算法在相位差波前重构计算中算法参数的敏感性；三是引入了进化策略，通过粒子群总体上引入优胜劣汰的进化机制，进一步提高了算法的收敛效率。将利用上述发明的光学系统和相位差函数施加方式采集到的焦面和相位差异面图像代入相位差波前重构计算过程，得到比液晶自适应系统校正后分辨率更高的图像，实现了带有相位差波前重构技术的液晶自适应高分辨率成像系统。对于压缩因子的引入，考虑到粒子群计算中平衡局部搜索和全局搜索的计算投入，控制整个粒子群搜索时对于不同波前全局搜索和局部搜索的比例，提高算法适应能力，压缩因子为通过压缩因子控制第二项局部搜索和第三项全局搜索的比例投入具体公式如下：xi,j(t+1)＝xi,j(t)+vi,j(t+1),j＝1,2,...d对于进化策略的引入，则是考虑到粒子群进化中的优胜劣汰，增强优势粒子的数目，减少非优势粒子的数目，即所谓的自然选择优势进化。具体施行的过程中先进行优势排序，再采用对半分组，将优势粒子的速度和位置赋予非优势粒子，公式如下。