CN110068973A - 一种基于反卷积神经网络的液晶像差校正方法 - Google Patents
一种基于反卷积神经网络的液晶像差校正方法 Download PDFInfo
- Publication number
- CN110068973A CN110068973A CN201910297270.6A CN201910297270A CN110068973A CN 110068973 A CN110068973 A CN 110068973A CN 201910297270 A CN201910297270 A CN 201910297270A CN 110068973 A CN110068973 A CN 110068973A
- Authority
- CN
- China
- Prior art keywords
- liquid
- neural network
- liquid crystal
- crystal
- aberration correcting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000004973 liquid crystal related substance Substances 0.000 title claims abstract description 81
- 230000004075 alteration Effects 0.000 title claims abstract description 48
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012937 correction Methods 0.000 claims abstract description 33
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 15
- 238000003384 imaging method Methods 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims abstract description 8
- 230000010287 polarization Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 5
- 230000005684 electric field Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 claims description 2
- 239000007788 liquid Substances 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 claims 1
- 238000005096 rolling process Methods 0.000 claims 1
- 239000000126 substance Substances 0.000 claims 1
- 230000007704 transition Effects 0.000 abstract description 3
- 238000003475 lamination Methods 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G02—OPTICS
- G02F—OPTICAL DEVICES OR ARRANGEMENTS FOR THE CONTROL OF LIGHT BY MODIFICATION OF THE OPTICAL PROPERTIES OF THE MEDIA OF THE ELEMENTS INVOLVED THEREIN; NON-LINEAR OPTICS; FREQUENCY-CHANGING OF LIGHT; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
- G02F1/00—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics
- G02F1/01—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour
- G02F1/13—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour based on liquid crystals, e.g. single liquid crystal display cells
- G02F1/137—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour based on liquid crystals, e.g. single liquid crystal display cells characterised by the electro-optical or magneto-optical effect, e.g. field-induced phase transition, orientation effect, guest-host interaction or dynamic scattering
- G02F1/139—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour based on liquid crystals, e.g. single liquid crystal display cells characterised by the electro-optical or magneto-optical effect, e.g. field-induced phase transition, orientation effect, guest-host interaction or dynamic scattering based on orientation effects in which the liquid crystal remains transparent
- G02F1/1393—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour based on liquid crystals, e.g. single liquid crystal display cells characterised by the electro-optical or magneto-optical effect, e.g. field-induced phase transition, orientation effect, guest-host interaction or dynamic scattering based on orientation effects in which the liquid crystal remains transparent the birefringence of the liquid crystal being electrically controlled, e.g. ECB-, DAP-, HAN-, PI-LC cells
Landscapes
- Physics & Mathematics (AREA)
- Nonlinear Science (AREA)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- General Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Liquid Crystal (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本发明公开了一种基于反卷积神经网络的液晶像差校正方法，利用的系统包括：液晶像差校正器，成像探测器，反卷积神经网络模块。具体方法为，液晶像差校正器，作为执行机构对入射光的畸变波前进行校正；成像探测器负责采集液晶校正后的光束光斑图像；反卷积神经网络模块通过大量光斑数据学习训练后，根据成像系统传输的畸变光斑图像，推测出畸变光斑对应的校正波面灰度值，最终将校正波面灰度值加载在液晶像差校正器上，实现对波前像差的校正。该方法在卷积神经网络的基础上增加的反卷积层，可以根据畸变光斑波前直接生成校正波面灰度值，不需要额外设置灰度值转换模块，提高了控制系统的实时性。
Description
技术领域
本发明涉及光通信领域，具体涉及一种基于反卷积神经网络的液晶像差校正方法，主要通过反卷积神经网络生成校正波面灰度值控制液晶对波前像差进行高效校正。
背景技术
液晶空间光调制器具有体积小、重量轻、分辨率高、成本低等优点，在空间光通信中的波前像差校正领域具有很大的应用前景和研究价值。由于液晶只对偏振光进行校正并且材料存在色散问题，导致其能量利用率低；液晶的响应速度慢也影响像差校正系统的实时性。
针对以上问题，本发明提出一种基于反卷积神经网络的液晶像差校正方法，首先采用反卷积神经网络代替传统的有波前探测方法，该方法只需要少部分光束能量既可以对波前像差进行预测，避免了有波前探测器占用大部分光能量的问题，提高了系统的能量利用率；其次该方法在卷积神经网络的基础上增加的反卷积层，可以根据畸变光斑波前直接生成校正波面灰度值，不需要额外设置灰度值转换模块，提高了控制系统的实时性。
发明内容
本发明要解决的技术问题为：提出一种基于反卷积神经网络的液晶像差校正方法，主要通过反卷积神经网络预测的方法解决液晶像差校正系统能量利用率低，实时性较差的问题。
本发明采用的技术方案为：一种基于反卷积神经网络的液晶像差校正方法，该方法包括如下步骤：
步骤一、液晶像差校正器作为执行机构对入射光的的畸变波前进行校正；
步骤二、成像探测器负责采集液晶校正后的光束光斑图像；
步骤三、反卷积神经网络模块通过大量光斑数据学习训练后，根据成像系统传输的畸变光斑图像，推测出畸变光斑对应的校正波面灰度值；
步骤四、将校正波面灰度值加载在液晶像差校正器上，实现对波前像差的校正。
进一步地，液晶像差校正器的工作原理：
11)液晶具有电控双折射效应，当一束偏振光入射时，偏振方向垂直于指向矢方向，液晶表现为寻常折射率no；如果偏振方向平行于指向矢方向，表现为非常折射率ne，液晶的折射率与液晶分子偏转角度的关系表示如下：
式中，no为液晶的寻常折射率，ne为非常折射率，θ为液晶分子的偏转角度；
12)控制电场电压值，可以调节液晶分子排列取向，进而控制光波介质折射率，当液晶分子偏转角度为θ时，对入射光相位调制量为：
式中，no为液晶的寻常折射率；ne为非常折射率，θ为液晶分子的偏转角度，z为液晶分子z轴坐标值；
13)液晶驱动电压与灰度值相对应，所以根据系统发送的灰度值信息可以实现液晶的像差校正功能。
进一步地，成像探测器对液晶校正后的光束进行采集，提取光斑亮度值并将其传输到液晶控制器系统。
进一步地，反卷积神经网络模块进行光斑信息预测和系统控制：
21)建立初始反卷积神经网络结构：其中包括：三层以上卷积层、三层以上池化层及两层以上全连接层；
22)在卷积神经网络基础上增加反卷积结构，将系数矩阵进一步反算成校正波面灰度值；
23)训练卷积神经网络：将采集到的样本光斑图像和其对应的Zernike系数输入到卷积神经网络，对初始的卷积神经网络进行训练，最终得到液晶像差校正方法的无波前探测卷积神经网络。
进一步地，将神经网络生成的波面灰度值加载到液晶上，实现像差校正。
本发明与现有方法相比具有如下优点：
(1)同传统有波前探测器的像差校正方法相比，该发明采用神经网络代替波前探测器，需要少部分光束能量既可以对波前像差进行预测，避免了有波前探测器占用大部分光能量的问题，提高了系统的能量利用率。
(2)与现有的卷积神经网络相比，该方法在卷积神经网络的基础上增加的反卷积层，可以根据畸变光斑波前直接生成校正波面灰度值，不需要额外设置灰度值转换模块，提高了控制系统的实时性。
(3)该发明结构简单，易于实现。
附图说明
图1是本发明的基于反卷积神经网络的液晶像差校正方法原理图；
图2是本发明的基于反卷积神经网络的液晶像差校正方法流程图；
图3是本发明的液晶电控双折射效应原理图；
图4是本发明的基于反卷积神经网络信息预测流程图。
具体实施方式
以下结合附图对本发明的具体实施方式做详细说明。
如图1所示，基于反卷积神经网络的液晶像差校正方法，利用的系统包括：液晶像差校正器，成像探测器，反卷积神经网络模块。具体方法为，液晶像差校正器，作为执行机构对入射光的的畸变波前进行校正；成像探测器负责采集液晶校正后的光束光斑图像；反卷积神经网络模块通过大量光斑数据学习训练后，根据成像系统传输的畸变光斑图像，推测出畸变光斑对应的校正波面灰度值，最终将校正波面灰度值加载在液晶像差校正器上，实现对波前像差的校正。
如图2所示，基于反卷积神经网络的液晶像差校正方法的具体流程为：液晶像差校正器对畸变入射光进行初步校正。校正后的光束残差进入图像采集系统生成光斑图像，最后输入到反卷积神经网络中。经过训练后的卷积神经网络根据输入光斑图像实时校正波面灰度值。液晶根据反馈的残差校正灰度值进行二次微调校正，成像探测器继续对二次校正后的图像进行采集，经过多次循环最终实现像差校正。
如图3所示，液晶电控双折射效应原理图。液晶具有电控双折射效应，当一束偏振光入射时，偏振方向垂直于指向矢方向，液晶表现为寻常折射率no；如果偏振方向平行于指向矢方向，表现为非常折射率ne。液晶的折射率与对液晶分子偏转角度具有一一对应关系。通过控制电场电压值，可以调节液晶分子排列取向，进而控制介质折射率，实现对入射光波的相位调制。液晶电极电压与控制灰度为一一对应关系，根据波前校正反馈信息产生对应的灰度值，最终实现对液晶像差校正器的控制。
如图4所示，基于反卷积神经网络生成控制信号的流程图。首先对卷积神经网络进行训练，将大量经过弱大气湍流产生畸变的图像输入到卷积神经网络中，建立起畸变光斑与校正波面灰度值的匹配模型。应用阶段，将实际系统采集到的畸变图像输入到训练好的反卷积神经网络中，生成液晶像差校正器的控制灰度，最终实现对液晶的实时控制。
Claims (5)
1.一种基于反卷积神经网络的液晶像差校正方法，其特征在于：该方法包括如下步骤：
步骤一、液晶像差校正器作为执行机构对入射光的畸变波前进行校正；
步骤二、成像探测器负责采集液晶校正后的光束光斑图像；
步骤三、反卷积神经网络模块通过大量光斑数据学习训练后，根据成像系统传输的畸变光斑图像，推测出畸变光斑对应的校正波面灰度值；
步骤四、将校正波面灰度值加载在液晶像差校正器上，实现对波前像差的校正。
2.根据权利要求1所述的一种基于反卷积神经网络的液晶像差校正方法，其特征在于：液晶像差校正器的工作原理：
11)液晶具有电控双折射效应，当一束偏振光入射时，偏振方向垂直于指向矢方向，液晶表现为寻常折射率no；如果偏振方向平行于指向矢方向，表现为非常折射率ne，液晶的折射率与液晶分子偏转角度的关系表示如下：
式中，no为液晶的寻常折射率，ne为非常折射率，θ为液晶分子的偏转角度；
12)控制电场电压值，可以调节液晶分子排列取向，进而控制光波介质折射率，当液晶分子偏转角度为θ时，对入射光相位调制量为：
式中，no为液晶的寻常折射率；ne为非常折射率，θ为液晶分子的偏转角度，z为液晶分子z轴坐标值；
13)液晶驱动电压与灰度值相对应，所以根据系统发送的灰度值信息可以实现液晶的像差校正功能。
3.根据权利要求1所述的一种基于反卷积神经网络的液晶像差校正方法，其特征在于：成像探测器对液晶校正后的光束进行采集，提取光斑亮度值并将其传输到液晶控制器系统。
4.根据权利要求1所述的一种基于反卷积神经网络的液晶像差校正方法，其特征在于：反卷积神经网络模块进行光斑信息预测和系统控制：
21)建立初始反卷积神经网络结构：其中包括：三层以上卷积层、三层以上池化层及两层以上全连接层；
22)在卷积神经网络基础上增加反卷积结构，将系数矩阵进一步反算成校正波面灰度值；
23)训练卷积神经网络：将采集到的样本光斑图像和其对应的Zernike系数输入到卷积神经网络，对初始的卷积神经网络进行训练，最终得到液晶像差校正方法的无波前探测卷积神经网络。
5.根据权利要求1所述的一种基于反卷积神经网络的液晶像差校正方法，其特征在于：将神经网络生成的波面灰度值加载到液晶上，实现像差校正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910297270.6A CN110068973B (zh) | 2019-04-15 | 2019-04-15 | 一种基于反卷积神经网络的液晶像差校正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910297270.6A CN110068973B (zh) | 2019-04-15 | 2019-04-15 | 一种基于反卷积神经网络的液晶像差校正方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110068973A true CN110068973A (zh) | 2019-07-30 |
| CN110068973B CN110068973B (zh) | 2020-11-13 |
Family
ID=67367645
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910297270.6A Active CN110068973B (zh) | 2019-04-15 | 2019-04-15 | 一种基于反卷积神经网络的液晶像差校正方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110068973B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111507049A (zh) * | 2020-06-01 | 2020-08-07 | 中国计量大学 | 一种镜头像差仿真及优化方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101630074A (zh) * | 2009-08-18 | 2010-01-20 | 哈尔滨工业大学 | 一种基于液晶空间光调制器的循环反馈控制波前校正方法 |
| CN101178477B (zh) * | 2006-12-29 | 2010-06-02 | 中国科学院长春光学精密机械与物理研究所 | 快速向列液晶自适应光学系统 |
| US20130296710A1 (en) * | 2008-08-10 | 2013-11-07 | Board Of Regents, The University Of Texas System | Digital light processing hyperspectral imaging apparatus |
| CN105739091A (zh) * | 2016-03-16 | 2016-07-06 | 中国人民解放军国防科学技术大学 | 一种可减弱大气湍流影响的成像方法及装置 |
| CN105785609A (zh) * | 2016-04-28 | 2016-07-20 | 长春理工大学 | 基于透射式液晶空间光调制器波前校正的方法及装置 |
| KR101644998B1 (ko) * | 2015-12-22 | 2016-08-02 | 엑스브레인 주식회사 | Convolutional Neural Network를 이용하여 비정상 입력 데이터를 검출하는 방법 및 장치 |
| CN107407799A (zh) * | 2015-03-13 | 2017-11-28 | 加州理工学院 | 使用傅里叶叠层成像技术校正不相干成像系统中的像差 |
| CN108983412A (zh) * | 2018-07-09 | 2018-12-11 | 北京邮电大学 | 一种无波前检测自适应光学系统及光束相位调整方法 |
| CN109031654A (zh) * | 2018-09-11 | 2018-12-18 | 安徽农业大学 | 一种基于卷积神经网络的自适应光学校正方法及系统 |
| CN109596227A (zh) * | 2018-12-06 | 2019-04-09 | 浙江大学 | 一种卷积神经网络先验增强的光学元件中频误差的相位恢复检测系统 |
-
2019
- 2019-04-15 CN CN201910297270.6A patent/CN110068973B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101178477B (zh) * | 2006-12-29 | 2010-06-02 | 中国科学院长春光学精密机械与物理研究所 | 快速向列液晶自适应光学系统 |
| US20130296710A1 (en) * | 2008-08-10 | 2013-11-07 | Board Of Regents, The University Of Texas System | Digital light processing hyperspectral imaging apparatus |
| CN101630074A (zh) * | 2009-08-18 | 2010-01-20 | 哈尔滨工业大学 | 一种基于液晶空间光调制器的循环反馈控制波前校正方法 |
| CN107407799A (zh) * | 2015-03-13 | 2017-11-28 | 加州理工学院 | 使用傅里叶叠层成像技术校正不相干成像系统中的像差 |
| KR101644998B1 (ko) * | 2015-12-22 | 2016-08-02 | 엑스브레인 주식회사 | Convolutional Neural Network를 이용하여 비정상 입력 데이터를 검출하는 방법 및 장치 |
| CN105739091A (zh) * | 2016-03-16 | 2016-07-06 | 中国人民解放军国防科学技术大学 | 一种可减弱大气湍流影响的成像方法及装置 |
| CN105785609A (zh) * | 2016-04-28 | 2016-07-20 | 长春理工大学 | 基于透射式液晶空间光调制器波前校正的方法及装置 |
| CN108983412A (zh) * | 2018-07-09 | 2018-12-11 | 北京邮电大学 | 一种无波前检测自适应光学系统及光束相位调整方法 |
| CN109031654A (zh) * | 2018-09-11 | 2018-12-18 | 安徽农业大学 | 一种基于卷积神经网络的自适应光学校正方法及系统 |
| CN109596227A (zh) * | 2018-12-06 | 2019-04-09 | 浙江大学 | 一种卷积神经网络先验增强的光学元件中频误差的相位恢复检测系统 |
Non-Patent Citations (1)
| Title |
|---|
| 谭奇良: "应用于大尺寸光电测量装置中的波前修正系统的研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111507049A (zh) * | 2020-06-01 | 2020-08-07 | 中国计量大学 | 一种镜头像差仿真及优化方法 |
| CN111507049B (zh) * | 2020-06-01 | 2024-01-30 | 中国计量大学 | 一种镜头像差仿真及优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110068973B (zh) | 2020-11-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhan et al. | High-resolution additive light field near-eye display by switchable Pancharatnam–Berry phase lenses | |
| CN109739033A (zh) | 一种无波前探测的液晶像差校正方法 | |
| US9208735B2 (en) | Voltage adjustment method and apparatus of liquid crystal display panel | |
| Mu et al. | Adaptive optics imaging system based on a high-resolution liquid crystal on silicon device | |
| CN107272202A (zh) | 光学装置和波导显示装置 | |
| EP0649044A1 (en) | Optical device | |
| Chu et al. | Four-mode 2D/3D switchable display with a 1D/2D convertible liquid crystal lens array | |
| TWI387817B (zh) | 相位調變光調變器及在相位調變光調變器中用來確保最小振幅調變的方法 | |
| Xu et al. | High dynamic range head mounted display based on dual-layer spatial modulation | |
| CN106444334A (zh) | 相位采集与同步精准调制的装置和方法 | |
| US20230090308A1 (en) | Augmented reality device based on waveguide with variable curvature, method for operating the augmented reality device, augmented reality glasses, optical compensator | |
| CN110068973A (zh) | 一种基于反卷积神经网络的液晶像差校正方法 | |
| JPH03265819A (ja) | 光学装置 | |
| Skaf et al. | On-sky validation of image-based adaptive optics wavefront sensor referencing | |
| Lin et al. | Liquid crystal lens set in augmented reality systems and virtual reality systems for rapidly varifocal images and vision correction | |
| CN101563629A (zh) | 用于自动立体显示设备的透镜结构 | |
| CN101368846B (zh) | 一种基于液晶板自动控制光强实现局部选通的探测器 | |
| Liu et al. | Open-loop control of liquid-crystal spatial light modulators for vertical atmospheric turbulence wavefront correction | |
| CN101382653B (zh) | 双液晶自适应闭环系统 | |
| CN102636877A (zh) | 一种提高液晶光阀光束整形器性能的方法 | |
| CN1896790A (zh) | 折衍混合偏振型红外热像仪光学成像装置 | |
| Ahn et al. | A non-linear curvature wavefront sensor for the Subaru telescope’s AO3k system | |
| Tang et al. | Partially light-controlled imaging system based on high temperature poly-silicon thin film transistor-liquid crystal display | |
| CN115079454A (zh) | 显示模组及显示装置 | |
| Takizawa et al. | Spatial light modulators for projection displays |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |