CN111968099A - 一种大口径拼接望远镜共相方法、装置、设备及存储介质 - Google Patents
一种大口径拼接望远镜共相方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111968099A CN111968099A CN202010857102.0A CN202010857102A CN111968099A CN 111968099 A CN111968099 A CN 111968099A CN 202010857102 A CN202010857102 A CN 202010857102A CN 111968099 A CN111968099 A CN 111968099A
- Authority
- CN
- China
- Prior art keywords
- phase
- telescope
- view
- psf image
- neural network
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种大口径拼接望远镜共相方法、装置、设备及存储介质,包括:利用大视场终端对星空成像,获得不同视场的第一星点像作为基准PSF图像;将拼接式望远镜最外圈的子镜平移到最大量程,获得不同视场的第二星点像作为遮挡PSF图像;对基准PSF图像和遮挡PSF图像经傅里叶变换得到的OTF图像求差,得到不同视场的缠绕相位,并对缠绕相位进行解缠;以解缠后得到的相位信息及其共轭图为输入,以前37阶泽尼克多项式为输出,训练神经网络,并通过训练好的神经网络获得不同视场的波前信息后,解算得到被测元件的实际面形。这样利用OTF技术结合神经网络的方法可以获得高分辨率的波前检测数据,准确得到元件的实际面形。
Description
技术领域
本发明涉及望远镜技术领域,特别是涉及一种大口径拼接望远镜共相方法、装置、设备及存储介质。
背景技术
黑洞、暗物质与暗能量、宇宙起源、天体起源、宇宙生命起源等是近年来天文学界研究的热点。为了完成以上科学目标,通过建造大口径地基望远镜获得更高的集光面积(与口径平方成正比)与分辨率(与口径成正比)是非常重要的技术手段。
受限于制造工艺、运输和成本等诸多方面的限制,单体大口径望远镜的极限口径为八米级,针对更大口径的望远镜需要引入合成孔径技术,包括使用较小口径的阵列进行合成以及利用子镜实现对大口径主镜的等效。前一种策略典型的设备为VLTI,而后一种策略中拼接镜由于子镜成本风险低,波前填充比高。
传统的拼接式望眼镜多使用哈特曼传感器进行波前传感,但是由于受光学系统视场的限制,只能针对该视场单目标进行波前传感,其可控的软件数量受到极大的限制,且下一代大口径望远镜之中改正镜组以及反射元件的数量均很多。
因此,针对拼接望远镜的共相过程,如何获得高分辨率的波前检测数据,是本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此,本发明的目的在于提供一种大口径拼接望远镜共相方法、装置、设备及存储介质,可以获得高分辨率的波前检测数据,准确得到元件的实际面形。其具体方案如下:
一种大口径拼接望远镜共相方法,包括:
在对拼接式望远镜共焦调节后,利用大视场终端对星空成像,获得不同视场的第一星点像作为基准PSF图像;
将所述拼接式望远镜最外圈的子镜平移到最大量程,获得不同视场的第二星点像作为遮挡PSF图像;
对所述基准PSF图像和所述遮挡PSF图像经傅里叶变换得到的OTF图像求差,得到不同视场的缠绕相位,并对所述缠绕相位进行解缠;
以解缠后得到的相位信息及其共轭图为输入,以前37阶泽尼克多项式为输出,训练神经网络,并通过训练好的所述神经网络获得不同视场的波前信息后,解算得到被测元件的实际面形。
优选地,在本发明实施例提供的上述大口径拼接望远镜共相方法中,对所述缠绕相位进行解缠,具体包括:
将得到的所述缠绕相位沿着两个方向分别进行二阶数值微分以及两次数值积分,获得解缠后的相位信息及其共轭图。
优选地,在本发明实施例提供的上述大口径拼接望远镜共相方法中,获得所述基准PSF图像,包括:
在被测元件的入射光瞳前放置光瞳掩模和遮挡物;所述遮挡物与XY位移台连接;
当利用大视场终端对星空成像时,移走所述遮挡物,准直激光通过所述被测元件后,成像于后端相机CCD上,以获得所述PSF图像。
优选地,在本发明实施例提供的上述大口径拼接望远镜共相方法中,获得所述遮挡PSF图像,包括:
将所述拼接式望远镜最外圈的子镜平移到最大量程时,调整所述XY位移台,使所述遮挡物遮挡部分入瞳孔径,以获得遮挡PSF图像。
优选地,在本发明实施例提供的上述大口径拼接望远镜共相方法中,还包括:
在未改变元件尺寸的前提下,利用执行机构加入设定波长范围额度离焦,对点扩散函数所覆盖的区域进行扩大。
优选地,在本发明实施例提供的上述大口径拼接望远镜共相方法中,所述神经网络使用小波函数作为隐藏层激活函数。
本发明实施例还提供了一种大口径拼接望远镜共相装置,包括:
基准PSF图像获取模块,用于在对拼接式望远镜共焦调节后,利用大视场终端对星空成像,获得不同视场的第一星点像作为基准PSF图像;
遮挡PSF图像获取模块,用于将所述拼接式望远镜最外圈的子镜平移到最大量程,获得不同视场的第二星点像作为遮挡PSF图像;
OTF相位检测模块,用于对所述基准PSF图像和所述遮挡PSF图像经傅里叶变换得到的OTF图像求差,得到不同视场的缠绕相位,并对所述缠绕相位进行解缠;
神经网络训练模块,用于以解缠后得到的相位信息及其共轭图为输入,以前37阶泽尼克多项式为输出,训练神经网络,并通过训练好的所述神经网络获得不同视场的波前信息后,解算得到被测元件的实际面形。
优选地,在本发明实施例提供的上述大口径拼接望远镜共相装置中,所述OTF相位检测模块包括:
相位解缠单元,用于将得到的所述缠绕相位沿着两个方向分别进行二阶数值微分以及两次数值积分,获得解缠后的相位信息及其共轭图。
本发明实施例还提供了一种大口径拼接望远镜共相设备,包括处理器和存储器,其中,所述处理器执行所述存储器中保存的计算机程序时实现如本发明实施例提供的上述大口径拼接望远镜共相方法。
本发明实施例还提供了一种计算机可读存储介质,用于存储计算机程序,其中,所述计算机程序被处理器执行时实现如本发明实施例提供的上述大口径拼接望远镜共相方法。
从上述技术方案可以看出,本发明所提供的一种大口径拼接望远镜共相方法、装置、设备及存储介质,包括:在对拼接式望远镜共焦调节后,利用大视场终端对星空成像,获得不同视场的第一星点像作为基准PSF图像;将拼接式望远镜最外圈的子镜平移到最大量程,获得不同视场的第二星点像作为遮挡PSF图像;对基准PSF图像和遮挡PSF图像经傅里叶变换得到的OTF图像求差,得到不同视场的缠绕相位,并对缠绕相位进行解缠;以解缠后得到的相位信息及其共轭图为输入,以前37阶泽尼克多项式为输出,训练神经网络,并通过训练好的神经网络获得不同视场的波前信息后,解算得到被测元件的实际面形。
本发明通过执行上述步骤,首先获取拼接式望远镜不同视场下的基准PSF图像和遮挡PSF图像,然后利用OTF技术求出基准PSF图像和遮挡PSF图像的傅里叶变换之差,求解不同视场的相位,由于相位求解时会产生相位缠绕,因此先对相位进行解缠,之后针对解缠后的相位信息及其共轭图,利用神经网络的方法获得高分辨率的波前检测数据,最后对系统失调以及元件面形进行解算,准确得到元件的实际面形。
附图说明
为了更清楚地说明本发明实施例或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的大口径拼接望远镜共相方法的流程图;
图2为本发明实施例提供的波前幅值的示意图;
图3为本发明实施例提供的波前相位的示意图;
图4为本发明实施例提供的解缠后的波前图;
图5为本发明实施例提供的OTF所用的光路图;
图6为本发明实施例提供的大口径拼接望远镜共相方法采用OTF的原理示意图;
图7为本发明实施例提供的数据解算过程的示意图;
图8为本发明实施例提供的大口径拼接望远镜共相装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种大口径拼接望远镜共相方法,如图1所示,包括以下步骤:
S101、在对拼接式望远镜共焦调节后,利用大视场终端对星空成像,获得不同视场的第一星点像作为基准PSF图像;
在实际应用中,针对已经完成共焦调节的大口径镜望远镜,需要将进一步实现共相调节,因此利用大视场终端对星空成像,获得不同视场的星点像(即点扩散函数图像);
S102、将拼接式望远镜最外圈的子镜平移到最大量程,获得不同视场的第二星点像作为遮挡PSF图像;
需要说明的是,由于需要孔径函数发生足够大的变化,将拼接式望远镜最外圈的子镜平移到最大量程,然后重复执行步骤S101,以获取不同视场的另一点扩散函数图像;
S103、对基准PSF图像和遮挡PSF图像经傅里叶变换得到的OTF图像求差,得到不同视场的缠绕相位,并对缠绕相位进行解缠;
需要说明的是,利用两幅点扩算函数图像的傅里叶变换之差,求解不同视场的相位信息,由于相位求解时会产生相位缠绕,因此,需要对相位进行解缠;
S104、以解缠后得到的相位信息及其共轭图为输入,以前37阶泽尼克多项式为输出,训练神经网络,并通过训练好的神经网络获得不同视场的波前信息后,解算得到被测元件的实际面形。
在本发明实施例提供的上述大口径拼接望远镜共相方法中,首先获取拼接式望远镜不同视场下的基准PSF图像和遮挡PSF图像,然后利用OTF技术求出基准PSF图像和遮挡PSF图像的傅里叶变换之差,求解不同视场的相位(即得到dOTF),由于相位求解时会产生相位缠绕,因此先对相位进行解缠,之后针对解缠后的相位信息及其共轭图,利用神经网络的方法获得高分辨率的波前检测数据,最后对系统失调以及元件面形进行解算,准确得到元件的实际面形。
需要说明的是,dOTF是检测光瞳面成像的相位和复振幅从而获得波前的简单技术,其本质是利用两幅PSF图像的傅里叶变换之差(分别取全部光瞳面和部分遮挡的光瞳面)计算光瞳面(pupil field)的相位分布。因为PSF是光瞳面的二次泛函,傅里叶变换后所得OTF(Optical Transfer Function,光学传递函数)本质上为非线性函数,dOTF则是通过微分方法将OTF的二次泛函变为线性的过程。两个PSF图像的傅里叶变换之差近似于OTF对光瞳掩模(pupil mask)的导数,而OTF导数的几何意义为翻转对称且存在部分重叠的共轭光瞳图像。当图像不重叠时,光瞳面可通过相位和振幅进行检测,但重叠部分内不方便进行测量计算,dOTF采用引入部分遮挡,减小了光瞳重叠区域的方法,计算得到光瞳面的差分光学传递函数,估算整个光瞳面的相位和振幅分布,得到光学系统的波前分布。
设光瞳掩模后复振幅为u(x):
u(x)=Π(x)u0(x) (1)
其中,Π(x)为光瞳掩模函数,u0(x)为入射光瞳复振幅。
光学传递函数(OTF)在光瞳场内可表达为:
其中,ξ为空间频率。dOTF中被遮挡部分的光瞳函数变化可由下式表示:
Π'(x)=Π(x)+ΔΠ(x) (4)
所对应的光瞳场为:
ψ'(ξ)=ψ(ξ)+Δψ(ξ) (5)
差分光学传递函数为ΔΠ(x)可表示为:
当不考虑重叠区域点时,最终求得光瞳面的相位θ(ξ)和振幅A(ξ)可由下式表示:
根据全息光学的基本概念,系统的所有信息均已反映在该幅图像之中,但是由于中心定位以及二次项解缠困难等影响,造成信息提取过程会产生误差,因此利用神经网络提取信息能力强的特点,建立校准后的信息提取流程。
进一步地,在具体实施时,在本发明实施例提供的上述大口径拼接望远镜共相方法中,对缠绕相位进行解缠,具体可以包括:将得到的缠绕相位沿着两个方向分别进行二阶数值微分以及两次数值积分,获得解缠后的相位信息及其共轭图。具体地,在获得缠绕相位信息之后沿着两个方向分别进行二阶数值微分,再进行两次数值积分,其解算初值由原始波前边缘解算得出,最终获得解缠后的波前相位信息。图2至图4示出了解缠的效果图。
同时,在具体实施时,为了在不缩小探测器像元尺寸的同时提高检测的分辨率,可选的,还可以包括:在未改变元件尺寸的前提下,利用执行机构加入设定波长范围(如1/10波长左右)额度离焦,对点扩散函数所覆盖的区域进行扩大,最终增加探测的分辨率与敏感度。
需要注意的是,本发明由于系统共向阶段点扩散函数位置以及尺寸均可以较好的控制,因此,首先采用定标的方法确定点扩散函数的大体位置,并以此利用计算机编程方法生成大量仿真数据以训练神经网络。
在具体实施时,在本发明实施例提供的上述大口径拼接望远镜共相方法中,获得基准PSF图像和遮挡PSF图像,可以包括:如图5和图6所示,在dOTF基础上进行波前对准检测技术,其波前检测光路结构简单,具体利用已经调好可成像的望远镜自身光路即可,在被测元件的入射光瞳前放置光瞳掩模和遮挡物;遮挡物与XY位移台连接;首先,当利用大视场终端对星空成像时,在检测光路中移走遮挡物,准直激光通过被测元件(如被测透镜)后,成像于后端相机CCD上,以获得PSF图像;然后,将拼接式望远镜最外圈的子镜平移到最大量程时,调整XY位移台,使遮挡物遮挡部分入瞳孔径,以获得遮挡PSF图像。之后,对两个PSF图像傅里叶变换得到的OTF图像求差,得到dOTF。对遮挡物进行动态调整,OTF共轭成像和重叠区域也会发生相应改变,获得不同遮挡位置的不同dOTF数值,后端通过人工神经网络训练,如图7所示,得到被测元件的最终波前的振幅和相位,相位分布同样采用Zernike多项式表达。
由于小波神经网络结合了小波变换多尺度表征的特性,同时保留了神经网络泛化能力好、非线性映射能力强的特点。基于深度学习算法“端到端”地构建系统误差(重力、温度、气流、振动、执行机构误差、光学元件面形误差、偏振误差,光强闪烁)模型,实现系统的标校,减少硬件实现的压力。因此,在具体实施时,在本发明实施例提供的上述大口径拼接望远镜共相方法中,神经网络可以使用小波函数作为隐藏层激活函数。
需要说明的是,主成分分析及其学习是十分重要的预处理步骤,也是提取线性系统基底的重要方法,通过对数据径向奇异值滤波,可以取得对检测结果影响最大的成分。在此本发明为了降低二次项(主要表现为零阶分量)以及孪生像的影响,借助主成分分析,针对低阶像差构建样本库,进行主成分析,利用所生成的正交主成分,建立模板基底,并在实际解算的过程中,以主成分分量为输入,以前37阶泽尼克多项式为输出,训练神经网络,得到实际面形。
基于同一发明构思,本发明实施例还提供了一种大口径拼接望远镜共相装置,由于该大口径拼接望远镜共相装置解决问题的原理与前述一种大口径拼接望远镜共相方法相似,因此该大口径拼接望远镜共相装置的实施可以参见大口径拼接望远镜共相方法的实施,重复之处不再赘述。
在具体实施时,本发明实施例提供的大口径拼接望远镜共相装置,如图8所示,具体可以包括:
基准PSF图像获取模块11,用于在对拼接式望远镜共焦调节后,利用大视场终端对星空成像,获得不同视场的第一星点像作为基准PSF图像;
遮挡PSF图像获取模块12,用于将拼接式望远镜最外圈的子镜平移到最大量程,获得不同视场的第二星点像作为遮挡PSF图像;
OTF相位检测模块13,用于对基准PSF图像和遮挡PSF图像经傅里叶变换得到的OTF图像求差,得到不同视场的缠绕相位,并对缠绕相位进行解缠;
神经网络训练模块14,用于以解缠后得到的相位信息及其共轭图为输入,以前37阶泽尼克多项式为输出,训练神经网络,并通过训练好的神经网络获得不同视场的波前信息后,解算得到被测元件的实际面形。
在本发明实施例提供的上述大口径拼接望远镜共相装置中,可以通过上述四个模块的相互作用,首先获取拼接式望远镜不同视场下的基准PSF图像和遮挡PSF图像,然后利用OTF技术求出基准PSF图像和遮挡PSF图像的傅里叶变换之差,求解不同视场的相位,由于相位求解时会产生相位缠绕,因此先对相位进行解缠,之后针对解缠后的相位信息及其共轭图,利用神经网络的方法获得高分辨率的波前检测数据,最后对系统失调以及元件面形进行解算,准确得到元件的实际面形。
在具体实施时,在本发明实施例提供的上述大口径拼接望远镜共相装置中,OTF相位检测模块13可以包括:
相位解缠单元,用于将得到的缠绕相位沿着两个方向分别进行二阶数值微分以及两次数值积分,获得解缠后的相位信息及其共轭图。
关于上述各个模块更加具体的工作过程可以参考前述实施例公开的相应内容,在此不再进行赘述。
相应的,本发明实施例还公开了一种大口径拼接望远镜共相设备,包括处理器和存储器;其中,处理器执行存储器中保存的计算机程序时实现前述实施例公开的大口径拼接望远镜共相方法。
关于上述方法更加具体的过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
进一步的,本发明还公开了一种计算机可读存储介质,用于存储计算机程序;计算机程序被处理器执行时实现前述公开的大口径拼接望远镜共相方法。
关于上述方法更加具体的过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置、设备、存储介质而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
本发明实施例提供的一种大口径拼接望远镜共相方法、装置、设备及存储介质,包括:在对拼接式望远镜共焦调节后,利用大视场终端对星空成像,获得不同视场的第一星点像作为基准PSF图像;将拼接式望远镜最外圈的子镜平移到最大量程,获得不同视场的第二星点像作为遮挡PSF图像;对基准PSF图像和遮挡PSF图像经傅里叶变换得到的OTF图像求差,得到不同视场的缠绕相位,并对缠绕相位进行解缠;以解缠后得到的相位信息及其共轭图为输入,以前37阶泽尼克多项式为输出,训练神经网络,并通过训练好的神经网络获得不同视场的波前信息后,解算得到被测元件的实际面形。通过执行上述步骤,首先获取拼接式望远镜不同视场下的基准PSF图像和遮挡PSF图像,然后利用OTF技术求出基准PSF图像和遮挡PSF图像的傅里叶变换之差,求解不同视场的相位,由于相位求解时会产生相位缠绕,因此先对相位进行解缠,之后针对解缠后的相位信息及其共轭图,利用神经网络的方法获得高分辨率的波前检测数据,最后对系统失调以及元件面形进行解算,准确得到元件的实际面形。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的大口径拼接望远镜共相方法、装置、设备及存储介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种大口径拼接望远镜共相方法,其特征在于,包括:
在对拼接式望远镜共焦调节后,利用大视场终端对星空成像,获得不同视场的第一星点像作为基准PSF图像;
将所述拼接式望远镜最外圈的子镜平移到最大量程,获得不同视场的第二星点像作为遮挡PSF图像;
对所述基准PSF图像和所述遮挡PSF图像经傅里叶变换得到的OTF图像求差,得到不同视场的缠绕相位,并对所述缠绕相位进行解缠;
以解缠后得到的相位信息及其共轭图为输入,以前37阶泽尼克多项式为输出,训练神经网络,并通过训练好的所述神经网络获得不同视场的波前信息后,解算得到被测元件的实际面形。
2.根据权利要求1所述的大口径拼接望远镜共相方法,其特征在于,对所述缠绕相位进行解缠,具体包括:
将得到的所述缠绕相位沿着两个方向分别进行二阶数值微分以及两次数值积分,获得解缠后的相位信息及其共轭图。
3.根据权利要求2所述的大口径拼接望远镜共相方法,其特征在于,获得所述基准PSF图像,包括:
在被测元件的入射光瞳前放置光瞳掩模和遮挡物;所述遮挡物与XY位移台连接;
当利用大视场终端对星空成像时,移走所述遮挡物,准直激光通过所述被测元件后,成像于后端相机CCD上,以获得所述PSF图像。
4.根据权利要求3所述的大口径拼接望远镜共相方法,其特征在于,获得所述遮挡PSF图像,包括:
将所述拼接式望远镜最外圈的子镜平移到最大量程时,调整所述XY位移台,使所述遮挡物遮挡部分入瞳孔径,以获得遮挡PSF图像。
5.根据权利要求4所述的大口径拼接望远镜共相方法,其特征在于,还包括:
在未改变元件尺寸的前提下,利用执行机构加入设定波长范围额度离焦,对点扩散函数所覆盖的区域进行扩大。
6.根据权利要求5所述的大口径拼接望远镜共相方法,其特征在于,所述神经网络使用小波函数作为隐藏层激活函数。
7.一种大口径拼接望远镜共相装置,其特征在于,包括:
基准PSF图像获取模块,用于在对拼接式望远镜共焦调节后,利用大视场终端对星空成像,获得不同视场的第一星点像作为基准PSF图像;
遮挡PSF图像获取模块,用于将所述拼接式望远镜最外圈的子镜平移到最大量程,获得不同视场的第二星点像作为遮挡PSF图像;
OTF相位检测模块,用于对所述基准PSF图像和所述遮挡PSF图像经傅里叶变换得到的OTF图像求差,得到不同视场的缠绕相位,并对所述缠绕相位进行解缠;
神经网络训练模块,用于以解缠后得到的相位信息及其共轭图为输入,以前37阶泽尼克多项式为输出,训练神经网络,并通过训练好的所述神经网络获得不同视场的波前信息后,解算得到被测元件的实际面形。
8.根据权利要求7所述的大口径拼接望远镜共相装置,其特征在于,所述OTF相位检测模块包括:
相位解缠单元,用于将得到的所述缠绕相位沿着两个方向分别进行二阶数值微分以及两次数值积分,获得解缠后的相位信息及其共轭图。
9.一种大口径拼接望远镜共相设备,其特征在于,包括处理器和存储器,其中,所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1至6任一项所述的大口径拼接望远镜共相方法。
10.一种计算机可读存储介质,其特征在于,用于存储计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的大口径拼接望远镜共相方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010857102.0A CN111968099B (zh) | 2020-08-24 | 2020-08-24 | 一种大口径拼接望远镜共相方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010857102.0A CN111968099B (zh) | 2020-08-24 | 2020-08-24 | 一种大口径拼接望远镜共相方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111968099A true CN111968099A (zh) | 2020-11-20 |
CN111968099B CN111968099B (zh) | 2023-01-24 |
Family
ID=73391214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010857102.0A Active CN111968099B (zh) | 2020-08-24 | 2020-08-24 | 一种大口径拼接望远镜共相方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111968099B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112508904A (zh) * | 2020-12-02 | 2021-03-16 | 长春理工大学 | 基于bp神经网络的拼接型望远镜平移像差检测方法 |
CN113158487A (zh) * | 2021-05-08 | 2021-07-23 | 大连海事大学 | 一种基于长短期记忆深度网络的波前相位差探测方法 |
CN113468802A (zh) * | 2021-06-08 | 2021-10-01 | 南昌大学 | 一种基于点扩散函数的智能光学主动装调方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090262364A1 (en) * | 2008-04-22 | 2009-10-22 | Office National D'etudes Et De Recherches Aerospatiales (Onera) | Method, phase grating and device for analyzing a wave surface of a light beam |
TW201403218A (zh) * | 2012-06-14 | 2014-01-16 | Kla Tencor Corp | 用於檢驗極紫外線光光罩之裝置及方法 |
CN106164732A (zh) * | 2014-04-04 | 2016-11-23 | 高通股份有限公司 | 低构型折叠光学器件多相机系统中的自动聚焦 |
US20180061019A1 (en) * | 2016-08-23 | 2018-03-01 | Canon Kabushiki Kaisha | Image processing apparatus, imaging apparatus, image processing method, and storage medium |
CN108008383A (zh) * | 2017-11-09 | 2018-05-08 | 电子科技大学 | 一种迭代多基线高精度四次fft相位解缠方法 |
CN111551129A (zh) * | 2020-06-11 | 2020-08-18 | 中国科学院长春光学精密机械与物理研究所 | 大口径平面镜的中、低阶面形检测装置、系统及存储介质 |
CN111812836A (zh) * | 2020-07-21 | 2020-10-23 | 中国科学院长春光学精密机械与物理研究所 | 大口径大视场相机的标校装调方法、装置、设备及介质 |
CN111811785A (zh) * | 2020-07-21 | 2020-10-23 | 中国科学院长春光学精密机械与物理研究所 | 大动态范围望远镜像差的检测方法、装置、设备及介质 |
-
2020
- 2020-08-24 CN CN202010857102.0A patent/CN111968099B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090262364A1 (en) * | 2008-04-22 | 2009-10-22 | Office National D'etudes Et De Recherches Aerospatiales (Onera) | Method, phase grating and device for analyzing a wave surface of a light beam |
TW201403218A (zh) * | 2012-06-14 | 2014-01-16 | Kla Tencor Corp | 用於檢驗極紫外線光光罩之裝置及方法 |
CN106164732A (zh) * | 2014-04-04 | 2016-11-23 | 高通股份有限公司 | 低构型折叠光学器件多相机系统中的自动聚焦 |
US20180061019A1 (en) * | 2016-08-23 | 2018-03-01 | Canon Kabushiki Kaisha | Image processing apparatus, imaging apparatus, image processing method, and storage medium |
CN108008383A (zh) * | 2017-11-09 | 2018-05-08 | 电子科技大学 | 一种迭代多基线高精度四次fft相位解缠方法 |
CN111551129A (zh) * | 2020-06-11 | 2020-08-18 | 中国科学院长春光学精密机械与物理研究所 | 大口径平面镜的中、低阶面形检测装置、系统及存储介质 |
CN111812836A (zh) * | 2020-07-21 | 2020-10-23 | 中国科学院长春光学精密机械与物理研究所 | 大口径大视场相机的标校装调方法、装置、设备及介质 |
CN111811785A (zh) * | 2020-07-21 | 2020-10-23 | 中国科学院长春光学精密机械与物理研究所 | 大动态范围望远镜像差的检测方法、装置、设备及介质 |
Non-Patent Citations (7)
Title |
---|
ALI CEM UNAL: "Adaptive Backstepping Approach for 2-DOF Telescopes Despite Unknown Wind Disturbance", 《2019 IEEE 10TH INTERNATIONAL CONFERENCE ON MECHANICAL AND AEROSPACE ENGINEERING (ICMAE)》 * |
唐境: "大口径大视场望远镜米级校正透镜支撑设计与评价方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
安其昌等: "三十米望远镜三镜集成检测关键技术研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
张妍: "干涉合成孔径雷达相位解缠技术的研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
李德全: "基于焦面图像信息的空间拼接型望远镜共相方法研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
王桢霖等: "SRTM DEM在InSAR相位解缠绕问题中的应用", 《信息技术》 * |
胡山峰等: "基于自适应参数的径向基函数相位解缠算法", 《光电子·激光》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112508904A (zh) * | 2020-12-02 | 2021-03-16 | 长春理工大学 | 基于bp神经网络的拼接型望远镜平移像差检测方法 |
CN112508904B (zh) * | 2020-12-02 | 2024-04-26 | 长春理工大学 | 基于bp神经网络的拼接型望远镜平移像差检测方法 |
CN113158487A (zh) * | 2021-05-08 | 2021-07-23 | 大连海事大学 | 一种基于长短期记忆深度网络的波前相位差探测方法 |
CN113468802A (zh) * | 2021-06-08 | 2021-10-01 | 南昌大学 | 一种基于点扩散函数的智能光学主动装调方法 |
CN113468802B (zh) * | 2021-06-08 | 2022-07-12 | 南昌大学 | 一种基于点扩散函数的智能光学主动装调方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111968099B (zh) | 2023-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111968099B (zh) | 一种大口径拼接望远镜共相方法、装置、设备及存储介质 | |
Sivaramakrishnan et al. | Astrometry and photometry with coronagraphs | |
Rousset | Wave-front sensors | |
Rousset | Wavefront sensing | |
CN111551129B (zh) | 大口径平面镜的中、低阶面形检测装置、系统及存储介质 | |
CN104320598A (zh) | 一种基于ccd阵列像素响应函数频域标定的无像差图像重构方法 | |
Colodro-Conde et al. | Laboratory and telescope demonstration of the TP3-WFS for the adaptive optics segment of AOLI | |
Potier et al. | Increasing the raw contrast of VLT/SPHERE with the dark hole technique-I. Simulations and validation on the internal source | |
Podanchuk et al. | Holographic wavefront sensor based on the Talbot effect | |
Ahn et al. | Combining EFC with spatial LDFC for high-contrast imaging on Subaru/SCExAO | |
Phillion et al. | Two-sided pyramid wavefront sensor in the direct phase mode | |
CN107589542B (zh) | 宽波段相位差图像重建中的中心波长的选择方法 | |
Krist et al. | End-to-end coronagraphic modeling including a low-order wavefront sensor | |
Vidal et al. | End-to-End simulations for the MICADO-MAORY SCAO mode | |
CN112013973B (zh) | 基于斐波那契光子筛的变剪切比四波剪切干涉仪 | |
Jiang et al. | Comparison of the Shack–Hartmann and plenoptic sensor in closed-loop adaptive optics system | |
Moore et al. | Picometer differential wavefront metrology by nonlinear Zernike wavefront sensing for LUVOIR | |
Baudoz et al. | Focal plane wavefront sensor sensitivity for ELT planet finder | |
Chanan | Principles of wavefront sensing and reconstruction | |
Pueyo et al. | Advanced static speckle calibration for exoplanet imaging | |
Martinez et al. | Mach-Zehnder wavefront sensor for phasing of segmented telescopes | |
Zhang et al. | Field-balancing alignment of the secondary mirror of space telescope using a self-calibrated model | |
Martinod et al. | Long baseline interferometry in the visible: first results of the FRIEND project | |
van Dam et al. | Measuring segment piston with a dispersed fringe sensor on the Giant Magellan Telescope | |
Hénault et al. | Phase-shifting coronagraph |
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 |