一种基于卷积神经网络的共相误差校正方法

    公开(公告)号:CN114117904A

    公开(公告)日:2022-03-01

    申请号:CN202111389079.8

    申请日:2021-11-22

    Abstract: 本发明公开了一种基于卷积神经网络的共相误差校正方法,可用于光学合成孔径成像系统共相误差的实时校正。本方法将仿真生成的光学合成孔径成像图像和对应加载的子孔径共相误差分别作为单卷积神经网络的输入和输出,让网络进行有监督学习,不断更新网络的权值和偏置,使其逼近二者的映射关系,训练完成后的网络可基于单帧焦面实验图像对光学合成孔径平台共相误差进行端到端的检测。由于在实际系统上采集训练集面临非常多的问题,目前基于卷积神经网络的共相误差检测技术还难以实用化。本方法无需采集实验训练图像,大大降低了网络训练的难度,且光路简单,普适性强,实时性好,对光学合成孔径成像技术的实用化进程具有积极的推动作用。

    一种适用于光学合成孔径的排布无关的活塞解析方法

    公开(公告)号:CN118565770A

    公开(公告)日:2024-08-30

    申请号:CN202410739632.3

    申请日:2024-06-07

    Abstract: 本发明公开了一种适用于光学合成孔径的排布无关的活塞解析方法,该方法包括:S110:设置系统相关参数:设置一个已知的固定活塞相位作为调制量,以及一个孔径作为参考孔径;根据光学合成孔径系统的相关参数,设置参考孔径与其余各孔径的空间采样位置,模拟单色光照明下,对点目标的成像过程;S120:采集初始图像,然后以调制量对参考孔径施加调制,从而捕获调制图像作为输入;S130:使用调制图像减去初始图像,得到差值图像,以及对差值图像进行傅里叶变换后得到差值图像的相位分布;S140:根据差值图像的相位分布,得到各子孔径相对参考孔径的活塞误差的解析解。本发明方法针对任何排布的光学合成孔径系统的活塞可以实现高精度解析,且无需额外光学元件。

    一种基于复合指标的光学干涉阵列孔径排布优化方法

    公开(公告)号:CN118551728A

    公开(公告)日:2024-08-27

    申请号:CN202410747801.8

    申请日:2024-06-11

    Abstract: 本发明公开了一种基于复合指标的光学干涉阵列孔径排布优化方法,包括以下步骤:根据预先确定的分布函数生成分布参考坐标;生成初始待优化阵列构成的粒子群;计算待优化的阵列排布矩阵中每个阵列排布方案的适应度;根据步骤三计算的适应度执行个体最优矩阵和全局最优矩阵更新;执行优化速度矩阵更新;执行阵列排布矩阵迭代优化:将待优化的阵列排布矩阵与步骤五得到的优化速度相加;保留适应度最低的阵列排布方案,判断该阵列排布方案是否满足终止迭代条件,若没有满足,返回步骤三继续进行;否则,输出全局最优个体及其评价函数和适应度曲线图。本发明方法适用性强,能针对不同孔径数量、不同特征分布函数进行优化。

Patent Agency Ranking