CN115031856A - 基于子光斑筛选的夏克-哈特曼波前传感器波前复原方法 - Google Patents

基于子光斑筛选的夏克-哈特曼波前传感器波前复原方法 Download PDF

Info

Publication number
CN115031856A
CN115031856A CN202210640699.2A CN202210640699A CN115031856A CN 115031856 A CN115031856 A CN 115031856A CN 202210640699 A CN202210640699 A CN 202210640699A CN 115031856 A CN115031856 A CN 115031856A
Authority
CN
China
Prior art keywords
sub
wavefront
shack
light spot
spot
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.)
Pending
Application number
CN202210640699.2A
Other languages
English (en)
Inventor
陈春璐
赵旺
王帅
官泓利
赵孟孟
赵晨思
杨平
杨康建
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Optics and Electronics of CAS
Original Assignee
Institute of Optics and Electronics of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Optics and Electronics of CAS filed Critical Institute of Optics and Electronics of CAS
Priority to CN202210640699.2A priority Critical patent/CN115031856A/zh
Publication of CN115031856A publication Critical patent/CN115031856A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J9/00—Measuring optical phase difference; Determining degree of coherence; Measuring optical wavelength
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J9/00—Measuring optical phase difference; Determining degree of coherence; Measuring optical wavelength
    • G01J2009/002—Wavefront phase distribution
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Testing Of Optical Devices Or Fibers (AREA)

Abstract

本发明公开了一种基于子光斑筛选的夏克‑哈特曼波前传感器波前复原方法，受大气湍流强度、传输距离、信标光回光特性、探测器动态范围受限等因素影响，待测光束近场光强分布不均匀且动态变化，波前传感器图像出现低信噪比区域、异形子光斑的情况，使子光斑质心即波前斜率计算误差增大，从而导致波前传感器的复原精度降低。针对上述问题，本发明首先根据夏克‑哈特曼波前传感器子光斑信噪比、形态、相似度、有效像素数等信息，将不满足评价指标的子孔径剔除，实现子光斑筛选，降低异常子孔径的斜率计算误差对全局波前复原的影响，进而可以提升夏克‑哈特曼波前传感器的波前探测精度。

Description

基于子光斑筛选的夏克-哈特曼波前传感器波前复原方法
技术领域
本发明属于波前探测技术领域，尤其涉及一种基于子光斑筛选的夏克-哈特曼波前传感器波前复原方法，可用于天文观测、激光大气传输补偿、自由空间激光通信等多个领域的波前探测。
背景技术
夏克-哈特曼波前传感器(Shack-Hartmann wavefront sensor,SHWFS)由于原理简单、光能利用率高、速度快等特点，在自适应光学系统中得到了广泛应用。夏克-哈特曼波前传感器主要由微透镜阵列和光电探测器组成，当入射光束有波前畸变时，子孔径范围内的波前倾斜将造成光斑漂移，通过测量聚焦子光斑质心位置相对标定位置的偏移量，可以得到该子孔径对应的波前斜率。得到入射波前斜率数据后，通过波前复原算法可以得到入射波面的相位分布。
在实际应用中，受大气湍流强度、传输距离、信标光回光特性等因素影响，夏克-哈特曼波前传感器入射光束近场光强分布不均匀且动态变化，波前传感器出现低信噪比区域和异形子光斑，此时子孔径斜率计算误差增大，从而使得波前传感器的复原精度降低。最终，导致自适应光学系统校正效果下降，甚至出现闭环不稳定的情况。目前主要采用加窗阈值加权质心法([1]魏平.低信噪比条件下哈特曼波前传感器图像信号处理方法研究[D].电子科技大学,2021.)、互相关算法(E.Sidick,J.J.Green,R.M.Morgan,et al.Adaptivecross-correlation algorithm for extended scene Shack-Hartmann wavefrontsensing[J].Optics Letters,2008,33(3):213-215)、局部自适应阈值(李旭旭，李新阳，王彩霞.哈特曼传感器子孔径光斑的局部自适应阈值分割方法[J].光电工程，2018，45(10):170699)、基于深度学习的质心定位(李自强.基于深度学习的自适应光学波前传感技术[D].中国科学院大学(中国科学院光电技术研究所),2021.)等方法，试图提高低信噪比、异形子光斑的质心计算误差，但是无法完全避免这些“低质量”子孔径数据误差对全口径波前重构精度的影响。
为此，当入射光束近场光强分布不均匀且动态变化时，需要寻找一种能够降低低信噪比子光斑、异形子光斑质心计算误差对波前复原精度影响的方法，提升入射光束近场动态起伏下的波前探测精度，进一步扩展自适应光学系统在强湍流、长传输距离等条件下的适应性。
发明内容
本发明要解决的技术问题是：入射光束近场光强分布不均匀下夏克-哈特曼波前传感器的高精度波前复原问题。
本发明解决上述技术问题采用的技术方案是：一种基于子光斑筛选的夏克-哈特曼波前传感器波前复原方法，根据夏克-哈特曼波前传感器子光斑图像特征评价指标筛选出有效子孔径，并仅以筛选出的子孔径信息复原波前。该方法具体通过以下步骤实现：
步骤1：根据子孔径排布与分割设计，对夏克-哈特曼波前传感器光斑阵列图像依次计算每个子孔径的子光斑图像特征评价指标，同时采用光斑定位技术计算子光斑质心数据xc、yc，初始全子孔径总数为m，根据子光斑图像特征评价指标筛选出(m-k)个有效子孔径；
步骤2：设定复原的像差模式数为N，计算以每一阶像差模式作为输入条件下全子孔径光斑质心偏移矩阵D，维度为2m×N，根据剔除的k个子孔径删除质心偏移矩阵中对应的2k行，形成新矩阵D’，维度为2(m-k)×N，D’的逆矩阵则是筛选出子孔径生成的模式复原矩阵R，维度为N×2(m-k)；
步骤3：利用子光斑偏移计算得到当前探测波前的斜率向量S，维度为2m×1，根据剔除的k个子孔径删除对应的2k行，得到新矩阵S’，维度为2(m-k)×1，由A＝R·S’得到像差模式系数，根据像差模式及对应的系数，累加求和重构波前。
进一步地，步骤1所述的子光斑图像特征评价指标包括子光斑信噪比、子光斑形态、子光斑与标准光斑之间的相似度、子光斑有效像素数等。
进一步地，步骤1所述的光斑定位技术包括加窗法、加权质心法、阈值质心法、匹配滤波法、基于配准的算法等光斑定位方法，也可以是其他任意可以定位光斑位置的方法。
进一步地，步骤2、步骤3所述的像差模式可以采用Zernike像差模式、勒让德像差模式，也可以是其他任意完备正交像差模式。
本发明与现有技术相比有如下优点：
(1)本发明通过子光斑筛选方法，打破现有方法中将所有的有光、有效子孔径参与探测的经典处理方式，通过剔除不满足子光斑图像特征评价指标的子孔径，实现对模式复原矩阵的改造和优化，能够有效提升波前探测精度，进一步扩展自适应光学系统在强湍流、长传输距离等条件下的适应性；
(2)本发明在波前传感器入射光束近场光强起伏时具有兼容性高的特点，不需要根据夏克-波前传感器子光斑状态和探测器噪声特性实时调整光斑定位算法参数。
附图说明
图1为本发明基于子光斑筛选的夏克-哈特曼波前传感器波前复原方法流程图；
图2为无噪声、有噪声的夏克-哈特曼波前传感器光斑图；
图3为夏克-哈特曼波前传感器有效子孔径排布图；
图4为夏克-哈特曼波前传感器筛选出的符合子光斑图像特征评价指标的子孔径排布图；
图5为无噪声、有噪声、子光斑筛选后复原的波前和波前复原残差。
具体实施方式
为使本发明的目的和技术方案更加清楚明白，以下结合以子光斑信噪比为评价指标的具体实施例，并参照附图，对本发明进一步详细说明。
实施例中，入射光束口径为30mm、激光波长为1064nm、波前传感器子孔径数目为14×14、子孔径尺寸为270μm、微透镜焦距为11.5mm、CCD探测器像素尺寸为15μm×15μm，位深为10位。
具体步骤包括：
步骤1：根据子孔径排布与分割设计，对夏克-哈特曼波前传感器光斑阵列图像依次计算每个子孔径的子光斑图像信噪比SNR，子光斑质心数据，全子孔径数为156，根据子光斑图像特征评价指标筛选子孔径。
所述步骤1中以信噪比作为子光斑图像特征评价指标，以及质心定位的具体过程如下：
步骤1.1：信噪比(SNR)是衡量信号与噪声强弱关系的物理量，根据二维高斯光斑模型，采用峰值信噪比SNRp＝Imax/σn，其中，σn是噪声标准差，Imax是光斑峰值；
步骤1.2：利用子光斑定位技术提取子光斑在x方向、y方向的位置坐标xc、yc，并计算子光斑相对标定位置的偏移量Δx＝xc-x0、Δy＝yc-y0(x0、y0为平面波作为输入标定哈特曼波前传感器每个子孔径的质心零点)。夏克-哈特曼波前传感器整体减去固定阈值Thresh_fix，将图像数值小于0的数据置零，实施例中固定阈值Thresh_fix为50。遍历夏克-哈特曼波前传感器子孔径对应的图像，单个子孔径对应的图像减去图像峰值的Thresh_p倍，将图像数值小于0的数据置零，其中Thresh_p为阈值系数，实施例中阈值系数Thresh_p为0.2，阈值法去除图像噪声后，利用加权质心法计算子光斑位置；
步骤1.3：将信噪比设为子光斑图像特征评价指标，设定信噪比阈值TsubSNRp为6，判定信噪比低于TsubSNRp的子光斑内多为噪声信号，不利于进行波前复原，进而筛选出信噪比较高的子光斑，此时筛选出119个有效子孔径，删除37个低信噪比子孔径。
步骤2：根据筛选出的子孔径生成模式复原矩阵。
步骤2.1：设定待测像差模式数为Nz为35，像差模式为Zernike像差模式，计算以每一阶Zernike像差模式作为输入条件下子孔径光斑质心偏移数据矩阵D，矩阵维度为312×35；
步骤2.2：根据筛选子光斑后剔除的37个子孔径对应删除质心偏移矩阵中的74行，形成新矩阵D’，维度为238×35，计算D’的逆矩阵则是对应的优化后的像差模式系数复原矩阵R，则有矩阵维度为35×238。
步骤3：采用筛选出子孔径中的光斑质心偏移数据，通过模式复原矩阵计算得到像差模式系数，根据像差模式及对应的系数，累加求和重构波前。
步骤3.1：利用子光斑偏移计算波前斜率矩阵Sxy，矩阵维度为312×1。斜率矩阵中子孔径x方向斜率和y方向斜率交替放置，其中x方向波前斜率等于2πΔx/(λf)，y方向波前斜率等于2πΔy/(λf)，λ为入射光束波长，f为微透镜焦距。根据筛选子光斑后剔除的37个子孔径对应删除斜率矩阵中的74行，形成新矩阵S’，维度为238×1；
步骤3.2：根据光斑质心偏移数据向量S’，利用像差模式系数复原矩阵R，计算待测波前畸变中的35阶Zernike像差模式系数，即模式系数向量A＝R·S’。根据求解的35阶Zernike像差模式系数A，以及对应的像差模式，累加求和重构出波前。
图2给出了无噪声、有噪声的夏克-哈特曼波前传感器光斑图像，可见噪声对夏克-哈特曼光斑图像有很大影响，信噪比大幅下降，噪声的加入给波前的高精度复原带来极大困难。使用本发明中的方法筛选出符合子光斑图像特征评价指标的子孔径如图4所示，相比较图3中经典的哈特曼波前传感器所用的满布有效子孔径排布，筛选出的子孔径数目明显减少。图5给出了无噪声、有噪声和子孔径筛选后复原的波前和波前复原残差，利用无噪声子光斑图像和子光斑筛选后图像复原的波前二维分布一致，利用有噪声子光斑图像复原的波前和上述结果差异较明显，子光斑图像无噪声、有噪声、子光斑筛选后波前复原残差RMS值分别为0.0396λ、0.1294λ、0.0603λ。图5结果表明，相比于有噪声图像直接利用分段阈值质心法计算光斑位置进行波前复原，本发明所述方法波前复原精度提升约2倍。综上所述，本发明通过子光斑筛选，能够提升波前传感器的波前探测精度。
以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内。

Claims (4)

1.一种基于子光斑筛选的夏克-哈特曼波前传感器波前复原方法，其特征在于：该方法根据夏克-哈特曼波前传感器子光斑图像特征评价指标筛选出有效子孔径，并仅以筛选出的子孔径信息复原波前，该方法具体通过以下步骤实现：
步骤1：根据子孔径排布与分割设计，依次计算夏克-哈特曼波前传感器光斑阵列图像每个子孔径的子光斑图像特征评价指标，同时采用光斑定位技术计算子光斑质心数据xc、yc，初始全子孔径总数为m，筛选出(m-k)个有效子孔径，k为经过筛选剔除的无效子孔径数目；
步骤2：设定复原的像差模式数为N，计算以每一阶像差模式作为输入条件下全部子孔径光斑质心偏移矩阵D，维度为2m×N，根据剔除的k个子孔径，删除质心偏移矩阵中对应的2k行，形成新矩阵D’，维度为2(m-k)×N，D’的逆矩阵则是筛选出子孔径生成的模式复原矩阵R，维度为N×2(m-k)；
步骤3：利用子光斑偏移计算得到当前探测波前的斜率向量S，维度为2m×1，根据剔除的k个子孔径对应删除2k行，得到新向量S’，维度为2(m-k)×1，由A＝R·S’得到像差模式系数，根据像差模式及对应的系数，累加求和重构波前。
2.根据权利要求1所述的一种基于子光斑筛选的夏克-哈特曼波前传感器波前复原方法，其特征在于：步骤1所述的子光斑图像特征评价指标包括子光斑信噪比、子光斑形态、子光斑与标准光斑之间的相似度、子光斑有效像素数。
3.根据权利要求1所述的一种基于子光斑筛选的夏克-哈特曼波前传感器波前复原方法，其特征在于：步骤1所述的光斑定位技术包括加窗法、加权质心法、阈值质心法、匹配滤波法、基于配准的算法光斑定位方法，也可以是其他任意可以定位光斑位置的方法。
4.根据权利要求1所述的一种基于子光斑筛选的夏克-哈特曼波前传感器波前复原方法，其特征在于：步骤2、步骤3所述的像差模式可以采用Zernike像差模式、勒让德像差模式，也可以是其他任意完备正交像差模式。
CN202210640699.2A 2022-06-08 2022-06-08 基于子光斑筛选的夏克-哈特曼波前传感器波前复原方法 Pending CN115031856A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210640699.2A CN115031856A (zh) 2022-06-08 2022-06-08 基于子光斑筛选的夏克-哈特曼波前传感器波前复原方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210640699.2A CN115031856A (zh) 2022-06-08 2022-06-08 基于子光斑筛选的夏克-哈特曼波前传感器波前复原方法

Publications (1)

Publication Number Publication Date
CN115031856A true CN115031856A (zh) 2022-09-09

Family

ID=83123838

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210640699.2A Pending CN115031856A (zh) 2022-06-08 2022-06-08 基于子光斑筛选的夏克-哈特曼波前传感器波前复原方法

Country Status (1)

Country Link
CN (1) CN115031856A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114252163A (zh) * 2021-12-21 2022-03-29 中国科学院光电技术研究所 一种基于图像噪声去除的低信噪比子光斑波前复原方法
CN117455927A (zh) * 2023-12-21 2024-01-26 万灵帮桥医疗器械(广州)有限责任公司 光斑阵列分割与光斑偏移量计算方法、装置、设备及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114252163A (zh) * 2021-12-21 2022-03-29 中国科学院光电技术研究所 一种基于图像噪声去除的低信噪比子光斑波前复原方法
CN114252163B (zh) * 2021-12-21 2023-12-22 中国科学院光电技术研究所 一种基于图像噪声去除的低信噪比子光斑波前复原方法
CN117455927A (zh) * 2023-12-21 2024-01-26 万灵帮桥医疗器械(广州)有限责任公司 光斑阵列分割与光斑偏移量计算方法、装置、设备及存储介质
CN117455927B (zh) * 2023-12-21 2024-03-15 万灵帮桥医疗器械(广州)有限责任公司 光斑阵列分割与光斑偏移量计算方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN115031856A (zh) 基于子光斑筛选的夏克-哈特曼波前传感器波前复原方法
CN110969656B (zh) 一种基于机载设备激光光束光斑大小的检测方法
CN112880986B (zh) 基于卷积神经网络的拼接式望远镜平移误差检测方法
CN113158487B (zh) 一种基于长短期记忆深度网络的波前相位差探测方法
CN114186664B (zh) 一种基于神经网络的模式波前复原方法
CN111221122A (zh) 较大视场强容差超分辨望远成像系统设计方法
CN114370820A (zh) 光谱共焦位移传感器的峰值提取方法、检测方法及系统
CN116046183A (zh) 基于图像增强的夏克-哈特曼波前传感器波前复原方法
CN110146258B (zh) 一种Poisson noise模型下对扩展目标成像时的相位恢复方法
CN112484866B (zh) 一种基于夏克-哈特曼波前传感器的波前复原方法
CN114967129A (zh) 一种新型扩展目标自适应光学成像系统及其方法
Zhang et al. Performance Characterization of Deep-Phase-Retrieval Shack-Hartmann Wavefront Sensors
CN114252163A (zh) 一种基于图像噪声去除的低信噪比子光斑波前复原方法
CN112179503A (zh) 基于稀疏子孔径夏克-哈特曼波前传感器的深度学习波前复原方法
VATTAI Development and validation of a horizon-based optical navigation test facility
Vilnrotter et al. An optical array receiver for deep-space communication through atmospheric turbulence
Li et al. Super-Resolution Terahertz Imaging Through a Plasmonic Photoconductive Focal-Plane Array
CN114323310B (zh) 一种高分辨率哈特曼波前传感器
CN117706578B (zh) 一种基于近场抑制的水下目标偏振成像探测装置及方法
CN117387754A (zh) 一种基于倾斜角度调制的低像素采样哈特曼波前传感器方法
CN118138131A (zh) 一种适用于强湍流条件的激光通信波前探测方法
CN115077726A (zh) 一种利用组合哈特曼系统提高空间分辨率的波前测量方法
CN115265810A (zh) 一种基于夏克-哈特曼波前传感器的波前斜率和曲率信息的提取方法
CN116929570A (zh) 一种基于深度学习的压缩波前探测方法
CN117977356A (zh) 用于提高大孔径激光器光束质量的装置和方法

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