[发明专利] 一种基于卷积神经网络的共相误差校正方法 – CN114117904A 全文链接一   全文链接二

 
基本信息
申请号
 CN202111389079.8
申请日
 20211122
公开（公告）号
 CN114117904A
公开（公告）日
 20220301
申请（专利权）人
 中国科学院光电技术研究所
申请人地址
610209 四川省成都市双流350信箱
发明人
 马霞飞;谢宗良;马浩统;杨开元;刘洋;史建亮;任戈 专利类型 发明专利
摘要
 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。
主权项
 1.一种基于卷积神经网络的共相误差校正方法，其特征在于：具体步骤如下：步骤1)、建立光学合成孔径数值仿真研究平台，基于单波长点目标成像，将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卷积神经网络的输入和输出，构造仿真训练集；其中所述光学合成孔径成像图像为焦面点扩散函数图像；步骤2)、搭建卷积神经网络，所述卷积神经网络包括多个卷积层，池化层，BN层和全连接层，最后一个全连接层作为回归层，直接输出共相误差预测值；步骤3)、使用仿真训练集让网络进行有监督学习，并通过数据前向传播和误差反向传播更新网络的权重，多次迭代之后使网络逼近光学合成孔径成像图像和对应加载的子孔径共相误差之间的映射关系，损失函数降到一定值后结束训练，得到训练完善的网络；步骤4)、将光学合成孔径成像系统实时采集到的图像输入到步骤3)中训练完善的网络，网络执行一次数据前向传输即可得到共相误差检测结果，实现实际系统的闭环共相。

 

 
IPC信息
IPC主分类号
 G06F30/27
G 物理

G06 计算；推算；计数

G06F 电数字数据处理

 

 
法律状态信息
法律状态公告日
 20220301
法律状态
 公开 法律状态信息
CN202111389079 20220301 公开 公开

 

 
代理信息
代理机构名称
 北京科迪生专利代理有限责任公司 11251
代理人姓名
 江亚平