CN117232426A - 一种微结构元件跨尺度超精密检测系统及工作方法 - Google Patents
一种微结构元件跨尺度超精密检测系统及工作方法 Download PDFInfo
- Publication number
- CN117232426A CN117232426A CN202210627118.1A CN202210627118A CN117232426A CN 117232426 A CN117232426 A CN 117232426A CN 202210627118 A CN202210627118 A CN 202210627118A CN 117232426 A CN117232426 A CN 117232426A
- Authority
- CN
- China
- Prior art keywords
- light
- image
- beam splitter
- path
- displacement
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 title claims abstract description 40
- 230000003287 optical effect Effects 0.000 claims abstract description 37
- 238000005259 measurement Methods 0.000 claims abstract description 23
- 238000005305 interferometry Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 8
- 238000006073 displacement reaction Methods 0.000 claims description 90
- 230000010287 polarization Effects 0.000 claims description 41
- 230000004075 alteration Effects 0.000 claims description 35
- 230000010363 phase shift Effects 0.000 claims description 19
- 238000003384 imaging method Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 230000009469 supplementation Effects 0.000 claims description 3
- 230000009897 systematic effect Effects 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 7
- 239000000243 solution Substances 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 239000003086 colorant Substances 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 239000012804 pollen sample Substances 0.000 description 4
- 208000033809 Suppuration Diseases 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005210 holographic interferometry Methods 0.000 description 2
- 238000001093 holography Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种微结构元件跨尺度超精密检测系统及工作方法，属于精密测量技术领域，该系统基于数字全息和动态干涉的相位信息获取全口径拼接系统来完整的记录物体的信息，并对整个系统进行像差矫正，解决了测量的准确性问题，然后使用压缩感知与超分辨算法相结合的方法，去除干涉图噪声散斑的同时，提高分辨率，从而达到更高的测量精度。最后，通过扫描拼接的方法来达到毫米量级的全口径大视场检测，并使用动态干涉测量系统确保拼接过程的准确性。相较于传统的光学元件面型检测系统，本发明具有实时性、准确性、精度高、测量范围大等优点，在保证面形检测精度的同时提高绝对检测方法的效率，能够满足多种类微结构光学元件的面形快速测量的需求。
Description
技术领域
本发明涉及一种微结构元件跨尺度超精密检测系统及工作方法，具体为一种基于数字全息的高精度全口径跨尺度光学元件面形超精密检测系统及工作方法，属于精密测量技术领域。
背景技术
随着国防工业、航天以及生命科学等领域的发展，微结构光学元件的应用日趋广泛。与传统的光学元件不同，微结构光学元件整体尺寸小，便于整个光学系统集成化、阵列化，同时元件表面微结构尺寸也比较小，一般在微米级。因此微结构光学元件加工精度很大程度上依赖于面形检测技术,对检测精度的要求也越来越高。
数字全息干涉测量技术由于具有实时、非接触、精度高等光学干涉技术的普遍特点，而且具有微米甚至亚微米级的横向分辨率和亚纳米级的纵向分辨率，成为形貌测量技术研究的热点之一。其中而彩色数字全息是用多波长(红、绿、蓝)光源拍摄物体并以数字的形式记录物体的信息，相比于单色光全息图，能更全面、更完整的反应物体的信息，可以实现准确的表面形貌测量。
目前只依赖于数字全息的测量系统难以达到纳米量级的高精度检测要求。数字全息测量的横向分辨率小于1um纵向分辨率为1nm，但实际的分辨率要远远低于理论值，并且会受到散斑噪声的影响，降低图像的信噪比，影响三维重建精度，限制了数字全息在微结构测量和微小物体识别等方面的应用。由于受到阵列尺寸和像素总数的限制，CCD(或CMOS)的成像视场和成像分辨率之间总是相互制约，影响了数字全息技术的测量范围。
因此，解决纳米-微米-毫米跨尺度表面形貌超精密快速全口径检测问题是一项极具挑战性的课题。
发明内容
针对现在技术的不足，本发明提供一种微结构元件跨尺度超精密检测系统及工作方法，相较于传统的光学元件面型检测系统，本发明具有实时性、准确性、精度高、测量范围大等优点，在保证面形检测精度的同时提高绝对检测方法的效率，能够满足多种类微结构光学元件的面形快速测量的需求。
本发明采用以下技术方案：
一种微结构元件跨尺度超精密检测系统，包括红绿蓝三色激光器、非偏振分束器A、空间滤波器、偏振片、偏振分束器A、偏振分束器B、偏振分束器C、偏振分束器D、彩色偏振相机、螺旋相位板、滤光片、直角反射镜、偏振相机、PZT位移台和三轴位移台；
红绿蓝三色激光器分别经由三个非偏振分束器A调制后合束，通过空间滤波器进行扩束与滤波，再经过偏振方向与光轴成45°的偏振片后透射到偏振分束器A，偏振分束器A将入射光分束成S和P两个偏振态，其中偏振方向垂直于入射面的S光分量经由其反射进入参考光路，在参考光路中经由1/4波片A和透镜组组成的4f系统调制后，4f系统为一种常规的滤波系统，通过显微物镜A反射回的参考光透过偏振分束器A进入成像光路；
另一路偏振方向平行于入射面的P光分量经由偏振分束器A投射进入测量光路，在测量光路中经由1/4波片B、透镜组调制后，经非偏振分束器B将光进行分束，一路通过测量光路照到待测物体上，并通过显微物镜B反射回携带有待测物体表面的形貌信息的光，经偏振分束器A进入成像光路，待测物体设置于三轴位移台上，另一路通过滤光片后变为532nm的单波长光束，进入动态干涉测量系统，在成像光路中，通过显微物镜A反射回的参考光与显微物镜B反射回的携带有待测物体表面形貌信息的物光经由1/4波片C调制后，变为旋向正交的圆偏振光入射到彩色偏振相机中发生干涉，由彩色偏振相机记录彩色数字全息干涉图；
在动态干涉测量系统中光由偏振分束器B进行分束，分为测量光路和参考光路，光在测量光路中通过偏振分束器C进行分束，一路入射到PZT位移台，反射后经过偏振分束器D与参考光进行干涉，另一路光在参考光路通过螺旋相位板被调制为右旋涡旋光，通过直角反射镜后与另一路的线性偏振光束，即参考光干涉后形成花瓣状干涉图案，由偏振相机记录。
一种上述的微结构元件跨尺度超精密检测系统的工作方法，包括以下步骤：
(1)采集全息干涉图：通过显微物镜A反射回的参考光与显微物镜B反射回的携带有待测物体表面形貌信息的物光，发生干涉，由彩色偏振相机记录彩色数字全息干涉图，获得红绿蓝三色四幅全息干涉图，其中红、蓝色各采集一幅，绿色采集两幅，并通过四步相移法恢复出一张子图像(四步相移需要采集四幅图，根据彩色数字全息的原理，三种颜色干涉图一个颜色采集一幅，第四幅可以随机颜色再采集一幅，此处选择了绿色)；
(2)校正系统误差：获得包含测试物体相位和系统像差的三幅全息干涉图后，即在采集第一幅全息图(该全息图可以为三种原色光的叠加，即白光)后，在光轴的垂直平面上正交地移动三轴位移台两次并分别捕获全息图，得到系统相位像差，将步骤(1)得到的子图像减去计算出的系统相位像差，从而获得无像差的全息子图像；
(3)图像增强与面型重建：对步骤(2)得到的无像差的全息子图像进行图像增强，得到高质量、低噪声、高分辨率的子图像，该子图像为经过系统像差校正和图像增强后的图像，即待测元件的面形，将多幅子图像拼接即得到整个元件的面形；
(4)全口径图像拼接：移动三轴位移台，重复步骤(1)-(3)，采集多幅子图像，将获得的多幅子图像拼接得到全口径大视场的图像。
优选的，步骤(4)中移动三轴位移台时，首先根据重叠区域要求和单次成像区域大小粗略确定三轴位移台沿平行光轴方向的位移量，然后通过动态干涉测量系统精确控制三轴位移台的位移量。
三轴位移台每移动一个位置，控制三轴位移台沿垂直光轴方向移动扫描并采集一幅子图像，其中使用单波长涡旋光动态干涉系统来控制三轴位移台位移量；
优选的，过动态干涉测量系统精确控制三轴位移台位移量的过程为：
移动PZT位移台引入相移，由四步相移原理，引入的相移量分别为0、π/2、π、3π/2，PZT位移台需要纵向移动三次，每次位移量为λ/8，由偏振相机实时捕获的四幅相移共轭涡旋光干涉图光强为：
其中I1、I2、I3、I4为四幅图的光强，a为背景光强，b为条纹的调制幅值，联立公式(1)的四个方程，即可求得任意点(x,y)处的涡旋光的螺旋波前，涡旋光等相位线绕波矢量k匀速旋转，旋转角度大小与其产生的光程变化成正比，介质为空气，等相位线的旋转角度为θ，传播距离h与旋转角度满足简单的线性关系：h＝θ×λ/2π，因此只要能探测到涡旋光束的等相位线即可间接测量得到三轴位移台的微位移值，通过这种方式控制三轴位移台的位移量，移动待测元件位移台进行扫描，实现多幅子图的采集，对采集的子图拼接，从而实现大视场全口径的检测。
优选的，步骤(2)中三轴位移台正交的移动是指：在光轴的垂直平面上，先移动一次，捕获全息图，然后再进行第二次移动，再捕获全息图，第二次移动与第一次移动方向正交，且第二次移动是基于原位置进行移动(第一次和第二次的位移量为任意值即可)。
优选的，步骤(2)中，从三幅全息干涉图中获取切比雪夫多项式的系统像差相位参数，其中系统像差相位由一系列切比雪夫多项式表示：
其中T′1(x,y)、T′2(x,y)、T′3(x,y)表示三幅全息干涉图对应的相位参数，R(x,y)和O(x,y)分别是系统像差相位和测试物体相位,ai为切比雪夫多项式的系数，Ci(x,y)是切比雪夫多项式的项，n是切比雪夫多项式的项数，Δx为三轴位移台x方向的位移量，Δy为三轴位移台y方向的位移量；
对公式(2)进行差分运算得到系统像差相位在两次位移前后的相位差分数据ΔT1和ΔT2：
ΔCix(x,y)和ΔCiy(x,y)分别是切比雪夫多项式在x和y方向上的微分，将方程(3)写成矩阵形式并求解，得到切比雪夫多项式的系数ai，继而得到系统像差R(x,y)；
这种绝对校准方法的优点是可以有效地保护物体相的中高频信息，即使对于非常复杂的像差，也可以消除各种低阶和高阶像差。
优选的，步骤(3)的图像增强包括压缩感知算法和超分辨算法，由压缩感知算法和超分辨算法对彩色偏振相机得到的干涉图像进行处理，所述压缩感知算法利用压缩感知对含噪图像进行稀疏表示，再用重构算法恢复出原始图像，以达到去噪目的，对干涉图像进行采样时，压缩感知算法选择50％的采样率，确保保留完整的频谱信息；
进一步的，图像压缩感知算法包括3方面:①用稀疏基ψ将图像信号x进行稀疏表示x＝ψa，其中a为稀疏系数；②设计一个能从测量信息中包含原图像丰富信息观测矩阵Φ～N(0,1/M)，获取观测值y，y＝Φa；③通过求解欠定问题，从观测值y中重构出的稀疏系数为a’，并高概率重构出信号x＝ψa′，因此图像的重构也就是是求解欠定方程组问题的过程，是CS算法的核心。
优选的，在重构时选择典型的凸优化算法—基追踪算法(Basis Pursuit，BP)，基追踪算法的核心为将求解最小L0范数问题转化为求解最小L1范数问题，如公式(4)所示：
min||s||1 (4)
其中，s为输入信号，然后通过变量代换将式(4)转化为比较成熟的线性规划问题，具体地，μ，ν为两个非负向量，μ＝[μi]N×1≥0，ν＝[νi]N×1≥0，N为正整数，将式(4)替换为式(5)所示的线性优化问题：
如果另Θ＝[A,-A],/>则式(5)可以改写为
mincTz s.t.Θz＝y (6)
然后可以用原尺度放射法对式(3)进行求解：首先求出一个可行解z(0)使其满足Θz＝y，然后沿着能使目标函数f＝cTz的函数值下降的方向(即目标函数的负梯度方向，也就是-c方向)移动，逐渐靠近最优解。
优选的，超分辨算法使用FSRCNN网络框架，FSRCNN网络框架是通过Python实现的，具体的，每次向网络输入2对图像，每个历元的训练步长为2500步,并使用了25轮迭代训练，在每轮迭代中所有的样本都被学习一次，该网络一共分为六步，分别对应于Conv1、Conv2、Conv3、Conv4、deconvolution和supplement，分别对应输入到输出图像的直接连接通道：特征提取、收缩、映射、扩展、反卷积和补充，输入是一个低分辨率干涉图，经过Conv1(5×5，64卷积核,1通道)后得出低分辨率图像的特征图，Conv2(1×1,12卷积核,56通道)用于降低了分辨率的特征维度，节约计算成本，Conv3即映射步骤包含M＝4层，每层有12个大小为3×3卷积核，然后使用Con4(1×1,56卷积核,12通道)扩展特征维度，获得高分辨率图像，deconvolution层(9×9，1卷积核，56通道)用于对之前的特征进行采样和聚合，输出高分辨率的结果，最后的supplement层为神经网络卷积层处理结果添加低频约束条件，防止因图像基本信息丢失导致的失真。
本发明中，四步相移可以从干涉条纹重构面形信息，通过图像增强可以对四步相移已获得的图像进行再一次处理，目的是从模糊的像重构出清晰的像。
本发明采用基于RGB三色同轴反射式数字全息和动态干涉的相位信息获取全口径拼接系统来完整的记录物体的信息，并对整个系统进行像差矫正，解决了测量的准确性问题。然后使用压缩感知与超分辨算法相结合的方法，去除干涉图噪声散斑的同时，提高分辨率，从而达到更高的测量精度。最后，通过扫描拼接的方法来达到毫米量级的全口径大视场检测，并使用单波长涡旋光动态干涉系统确保拼接过程的准确性。相较于传统的光学元件面型检测系统，本发明具有实时性、准确性、精度高、测量范围大等优点，在保证面形检测精度的同时提高绝对检测方法的效率，能够满足多种类微结构光学元件的面形快速测量的需求。
本发明未详尽之处，均可参见现有技术。
本发明的有益效果为：
本发明的测量精度可达纳米、微米量级，测量口径可达毫米量级，为一种微结构元件跨尺度超精密检测系统。本发明首次将数字全息与压缩感知、超分辨算法，涡旋光动态干涉位移测量方法相结合，相比于传统的光学元件面型检测方法，本发明可以同时实现纳米级的高精度测量以及毫米级的全口径大视场测量，在保证面形检测精度的同时提高检测方法的效率和范围，方法简单容易实现、测量精度高、速度快、成本低、实用性强，并且能够满足微结构光学元件跨尺度面形检测的需求。
附图说明
图1为本发明的微结构元件跨尺度超精密检测系统示意图；
图2为本发明的微结构元件跨尺度超精密检测系统的工作方法流程图；
图3为偏振相机采集到了某一涡旋光干涉图；
图4为彩色偏振相机采集到的花粉样品全息图，其中(a)、(b)、(c)分别为该样品的三幅全息图；
图5为校正像差后的花粉样品全息图；
其中，1-红绿蓝三色激光器，2-非偏振分束器A，3-空间滤波器，4-偏振片,5-偏振分束器A，6-偏振分束器B，7-偏振分束器C，8-偏振分束器D，9-彩色偏振相机，10-螺旋相位板，11-滤光片，12-直角反射镜，13-偏振相机，14-PZT位移台，15-三轴位移台，16-1/4波片A，17-透镜组，18-显微物镜A，19-1/4波片B，20-非偏振分束器B，21-待测物体，22-显微物镜B，23-/4波片C。
具体实施方式：
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述，但不仅限于此，本发明未详尽说明的，均按本领域常规技术。
实施例1：
一种微结构元件跨尺度超精密检测系统，如图1所示，包括红绿蓝三色激光器1、非偏振分束器A 2、空间滤波器3、偏振片4、偏振分束器A 5、偏振分束器B 6、偏振分束器C 7、偏振分束器D 8、彩色偏振相机9、螺旋相位板10、滤光片11、直角反射镜12、偏振相机13、PZT位移台14和三轴位移台15；
红绿蓝三色激光器1分别经由三个非偏振分束器A 2调制后合束，通过空间滤波器3进行扩束与滤波，再经过偏振方向与光轴成45°的偏振片4后透射到偏振分束器A 5，偏振分束器A 5将入射光分束成S和P两个偏振态，其中偏振方向垂直于入射面的S光分量经由其反射进入参考光路，在参考光路中经由1/4波片A 16和透镜组17组成的4f系统调制后，4f系统为一种常规的滤波系统，通过显微物镜A 18反射回的参考光透过偏振分束器A 5进入成像光路；
另一路偏振方向平行于入射面的P光分量经由偏振分束器A 5投射进入测量光路，在测量光路中经由1/4波片B 19、透镜组调制后，经非偏振分束器B 20将光进行分束，一路通过测量光路照到待测物体21上，并通过显微物镜B 22反射回携带有待测物体表面的形貌信息的光，经偏振分束器A 5进入成像光路，待测物体21设置于三轴位移台15上，另一路通过滤光片11后变为532nm的单波长光束，进入动态干涉测量系统，在成像光路中，通过显微物镜A 18反射回的参考光与显微物镜B 22反射回的携带有待测物体表面形貌信息的物光经由1/4波片C 23调制后，变为旋向正交的圆偏振光入射到彩色偏振相机9中发生干涉，由彩色偏振相机9记录彩色数字全息干涉图；
在动态干涉测量系统中光由偏振分束器B 6进行分束，分为测量光路和参考光路，光在测量光路中通过偏振分束器C 7进行分束，一路入射到PZT位移台14，反射后经过偏振分束器D 8与参考光进行干涉，另一路光在参考光路通过螺旋相位板10被调制为右旋涡旋光，通过直角反射镜12后与另一路的线性偏振光束，即参考光干涉后形成花瓣状干涉图案，由偏振相机13记录。
实施例2：
一种微结构元件跨尺度超精密检测系统的工作方法，如图2所示，包括以下步骤：
(1)采集全息干涉图：通过显微物镜A 18反射回的参考光与显微物镜B 22反射回的携带有待测物体表面形貌信息的物光，发生干涉，由彩色偏振相机9记录彩色数字全息干涉图，获得红绿蓝三色四幅全息干涉图，其中红、蓝色各采集一幅，绿色采集两幅，并通过四步相移法恢复出一张子图像(四步相移需要采集四幅图，根据彩色数字全息的原理，三种颜色干涉图一个颜色采集一幅，第四幅可以随机颜色再采集一幅，此处选择了绿色)；
(2)校正系统误差：获得包含测试物体相位和系统像差的三幅全息干涉图后，即在采集第一幅全息图(该全息图可以为三种原色光的叠加，即白光)后，在光轴的垂直平面上正交地移动三轴位移台两次并分别捕获全息图，得到系统相位像差，将步骤(1)得到的子图像减去计算出的系统相位像差，从而获得无像差的全息子图像；
(3)图像增强与面型重建：对步骤(2)得到的无像差的全息子图像进行图像增强，得到高质量、低噪声、高分辨率的子图像，该子图像为经过系统像差校正和图像增强后的图像，即待测元件的面形，将多幅子图像拼接即得到整个元件的面形；
(4)全口径图像拼接：移动三轴位移台15，重复步骤(1)-(3)，采集多幅子图像，将获得的多幅子图像拼接得到全口径大视场的图像。
实施例3：
一种微结构元件跨尺度超精密检测系统的工作方法，如实施例2所述，所不同的是，步骤(4)中移动三轴位移台15时，首先根据重叠区域要求和单次成像区域大小粗略确定三轴位移台沿平行光轴方向的位移量，然后通过动态干涉测量系统精确控制三轴位移台的位移量。
三轴位移台每移动一个位置，控制三轴位移台沿垂直光轴方向移动扫描并采集一幅子图像，其中使用单波长涡旋光动态干涉系统来控制三轴位移台位移量；
进一步的，过动态干涉测量系统精确控制三轴位移台位移量的过程为：
移动PZT位移台引入相移，由四步相移原理，引入的相移量分别为0、π/2、π、3π/2，PZT位移台需要纵向移动三次，每次位移量为λ/8，由偏振相机实时捕获的四幅相移共轭涡旋光干涉图(如图3所示)光强为：
其中I1、I2、I3、I4为四幅图的光强，a为背景光强，b为条纹的调制幅值，联立公式(1)的四个方程，即可求得任意点(x,y)处的涡旋光的螺旋波前，涡旋光等相位线绕波矢量k匀速旋转，旋转角度大小与其产生的光程变化成正比，介质为空气，等相位线的旋转角度为θ，传播距离h与旋转角度满足简单的线性关系：h＝θ×λ/2π，因此只要能探测到涡旋光束的等相位线即可间接测量得到三轴位移台的微位移值，通过这种方式控制三轴位移台的位移量，移动待测元件位移台进行扫描，实现多幅子图的采集，对采集的子图拼接，从而实现大视场全口径的检测。
实施例4：
一种微结构元件跨尺度超精密检测系统的工作方法，如实施例2所述，所不同的是，步骤(2)中三轴位移台15正交的移动是指：在光轴的垂直平面上，先移动一次，捕获全息图，然后再进行第二次移动，再捕获全息图，第二次移动与第一次移动方向正交，且第二次移动是基于原位置进行移动(第一次和第二次的位移量为任意值即可)。
步骤(2)中，从三幅全息干涉图中获取切比雪夫多项式的系统像差相位参数，其中系统像差相位由一系列切比雪夫多项式表示：
其中T′1(x,y)、T′2(x,y)、T′3(x,y)表示三幅全息干涉图对应的相位参数，R(x,y)和O(x,y)分别是系统像差相位和测试物体相位,ai为切比雪夫多项式的系数，Ci(x,y)是切比雪夫多项式的项，n是切比雪夫多项式的项数，Δx为三轴位移台x方向的位移量，Δy为三轴位移台y方向的位移量；
对公式(2)进行差分运算得到系统像差相位在两次位移前后的相位差分数据ΔT1和ΔT2：
ΔCix(x,y)和ΔCiy(x,y)分别是切比雪夫多项式在x和y方向上的微分，将方程(3)写成矩阵形式并求解，得到切比雪夫多项式的系数ai，继而得到系统像差R(x,y)；
这种绝对校准方法的优点是可以有效地保护物体相的中高频信息，即使对于非常复杂的像差，也可以消除各种低阶和高阶像差。
实施例5：
一种微结构元件跨尺度超精密检测系统的工作方法，如实施例2所述，所不同的是，步骤(3)的图像增强包括压缩感知算法和超分辨算法，由压缩感知算法和超分辨算法对彩色偏振相机得到的干涉图像进行处理，压缩感知算法利用压缩感知对含噪图像进行稀疏表示，再用重构算法恢复出原始图像，以达到去噪目的，对干涉图像进行采样时，压缩感知算法选择50％的采样率，确保保留完整的频谱信息；
进一步的，图像压缩感知算法包括3方面:①用稀疏基ψ将图像信号x进行稀疏表示x＝ψa，其中a为稀疏系数；②设计一个能从测量信息中包含原图像丰富信息观测矩阵Φ～N(0,1/M)，获取观测值y，y＝Φa；③通过求解欠定问题，从观测值y中重构出的稀疏系数为a’，并高概率重构出信号x＝ψa′，因此图像的重构也就是是求解欠定方程组问题的过程，是CS算法的核心。
在重构时选择典型的凸优化算法—基追踪算法(Basis Pursuit，BP)，基追踪算法的核心为将求解最小L0范数问题转化为求解最小L1范数问题，如公式(4)所示：
min||s||1 (4)
其中，s为输入信号，然后通过变量代换将式(4)转化为比较成熟的线性规划问题，具体地，μ，ν为两个非负向量，μ＝[μi]N×1≥0，ν＝[νi]N×1≥0，N为正整数，将式(4)替换为式(5)所示的线性优化问题：
如果另Θ＝[A,-A],/>则式(5)可以改写为
mincTz s.t.Θz＝y (6)
然后可以用原尺度放射法对式(3)进行求解：首先求出一个可行解z(0)使其满足Θz＝y，然后沿着能使目标函数f＝cTz的函数值下降的方向(即目标函数的负梯度方向，也就是-c方向)移动，逐渐靠近最优解。
超分辨算法使用FSRCNN网络框架，FSRCNN网络框架是通过Python实现的，具体的，每次向网络输入2对图像，每个历元的训练步长为2500步,并使用了25轮迭代训练，在每轮迭代中所有的样本都被学习一次，该网络一共分为六步，分别对应于Conv1、Conv2、Conv3、Conv4、deconvolution和supplement，分别对应输入到输出图像的直接连接通道：特征提取、收缩、映射、扩展、反卷积和补充，输入是一个低分辨率干涉图，经过Conv1(5×5，64卷积核,1通道)后得出低分辨率图像的特征图，Conv2(1×1,12卷积核,56通道)用于降低了分辨率的特征维度，节约计算成本，Conv3即映射步骤包含M＝4层，每层有12个大小为3×3卷积核，然后使用Con4(1×1,56卷积核,12通道)扩展特征维度，获得高分辨率图像，deconvolution层(9×9，1卷积核，56通道)用于对之前的特征进行采样和聚合，输出高分辨率的结果，最后的supplement层为神经网络卷积层处理结果添加低频约束条件，防止因图像基本信息丢失导致的失真。
如图4、5所示，其横纵坐标代表测量视场中的空间位置，以像素为单位，图4为彩色偏振相机9采集到的某一花粉样品的三幅全息图，图5为校正像差后的花粉样品全息图，图5的图像消除了系统的残余误差，更接近于实际。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种微结构元件跨尺度超精密检测系统，其特征在于，包括红绿蓝三色激光器、非偏振分束器A、空间滤波器、偏振片、偏振分束器A、偏振分束器B、偏振分束器C、偏振分束器D、彩色偏振相机、螺旋相位板、滤光片、直角反射镜、偏振相机、PZT位移台和三轴位移台；
红绿蓝三色激光器分别经由三个非偏振分束器A调制后合束，通过空间滤波器进行扩束与滤波，再经过偏振方向与光轴成45°的偏振片后透射到偏振分束器A，偏振分束器A将入射光分束成S和P两个偏振态，其中偏振方向垂直于入射面的S光分量经由其反射进入参考光路，在参考光路中经由1/4波片A和透镜组组成的4f系统调制后，通过显微物镜A反射回的参考光透过偏振分束器A进入成像光路；
另一路偏振方向平行于入射面的P光分量经由偏振分束器A投射进入测量光路，在测量光路中经由1/4波片B、透镜组调制后，经非偏振分束器B将光进行分束，一路通过测量光路照到待测物体上，并通过显微物镜B反射回携带有待测物体表面的形貌信息的光，经偏振分束器A进入成像光路，待测物体设置于三轴位移台上，另一路通过滤光片后变为532nm的单波长光束，进入动态干涉测量系统，在成像光路中，通过显微物镜A反射回的参考光与显微物镜B反射回的携带有待测物体表面形貌信息的物光经由1/4波片C调制后，变为旋向正交的圆偏振光入射到彩色偏振相机中发生干涉，由彩色偏振相机记录彩色数字全息干涉图；
在动态干涉测量系统中光由偏振分束器B进行分束，分为测量光路和参考光路，光在测量光路中通过偏振分束器C进行分束，一路入射到PZT位移台，反射后经过偏振分束器D与参考光进行干涉，另一路光在参考光路通过螺旋相位板被调制为右旋涡旋光，通过直角反射镜后与另一路的线性偏振光束，即参考光干涉后形成花瓣状干涉图案，由偏振相机记录。
2.一种权利要求1所述的微结构元件跨尺度超精密检测系统的工作方法，其特征在于，包括以下步骤：
(1)采集全息干涉图：通过显微物镜A反射回的参考光与显微物镜B反射回的携带有待测物体表面形貌信息的物光，发生干涉，由彩色偏振相机记录彩色数字全息干涉图，获得红绿蓝三色四幅全息干涉图，其中红、蓝色各采集一幅，绿色采集两幅，并通过四步相移法恢复出一张子图像；
(2)校正系统误差：获得包含测试物体相位和系统像差的三幅全息干涉图后，即在采集第一幅全息图后，在光轴的垂直平面上正交地移动三轴位移台两次并分别捕获全息图，得到系统相位像差，将步骤(1)得到的子图像减去计算出的系统相位像差，从而获得无像差的全息子图像；
(3)图像增强与面型重建：对步骤(2)得到的无像差的全息子图像进行图像增强，得到高质量、低噪声、高分辨率的子图像；
(4)全口径图像拼接：移动三轴位移台，重复步骤(1)-(3)，采集多幅子图像，将获得的多幅子图像拼接得到全口径大视场的图像。
3.根据权利要求2所述的微结构元件跨尺度超精密检测系统的工作方法，其特征在于，步骤(4)中移动三轴位移台时，首先根据重叠区域要求和单次成像区域大小粗略确定三轴位移台沿平行光轴方向的位移量，然后通过动态干涉测量系统精确控制三轴位移台的位移量。
4.根据权利要求3所述的微结构元件跨尺度超精密检测系统的工作方法，其特征在于，过动态干涉测量系统精确控制三轴位移台位移量的过程为：
移动PZT位移台引入相移，由四步相移原理，引入的相移量分别为0、π/2、π、3π/2，PZT位移台纵向移动三次，每次位移量为λ/8，由偏振相机实时捕获的四幅相移共轭涡旋光干涉图光强为：
其中I1、I2、I3、I4为四幅图的光强，a为背景光强，b为条纹的调制幅值，联立公式(1)的四个方程，即可求得任意点(x,y)处的涡旋光的螺旋波前，涡旋光等相位线绕波矢量k匀速旋转，旋转角度大小与其产生的光程变化成正比，介质为空气，等相位线的旋转角度为θ，传播距离h与旋转角度满足简单的线性关系：h＝θ×λ/2π，因此只要能探测到涡旋光束的等相位线即可间接测量得到三轴位移台的微位移值。
5.根据权利要求2所述的微结构元件跨尺度超精密检测系统的工作方法，其特征在于，步骤(2)中三轴位移台正交的移动是指：在光轴的垂直平面上，先移动一次，捕获全息图，然后再进行第二次移动，再捕获全息图，第二次移动与第一次移动方向正交，且第二次移动是基于原位置进行移动。
6.根据权利要求5所述的微结构元件跨尺度超精密检测系统的工作方法，其特征在于，步骤(2)中，从三幅全息干涉图中获取切比雪夫多项式的系统像差相位参数，其中系统像差相位由一系列切比雪夫多项式表示：
其中T′1(x,y)、T′2(x,y)、T′3(x,y)表示三幅全息干涉图对应的相位参数，R(x,y)和O(x,y)分别是系统像差相位和测试物体相位,ai为切比雪夫多项式的系数，Ci(x,y)是切比雪夫多项式的项，n是切比雪夫多项式的项数，Δx为三轴位移台x方向的位移量，Δy为三轴位移台y方向的位移量；
对公式(2)进行差分运算得到系统像差相位在两次位移前后的相位差分数据ΔT1和ΔT2：
ΔCix(x,y)和ΔCiy(x,y)分别是切比雪夫多项式在x和y方向上的微分，将方程(3)写成矩阵形式并求解，得到切比雪夫多项式的系数ai，继而得到系统像差R(x,y)。
7.根据权利要求2所述的微结构元件跨尺度超精密检测系统的工作方法，其特征在于，步骤(3)的图像增强包括压缩感知算法和超分辨算法，所述压缩感知算法利用压缩感知对含噪图像进行稀疏表示，再用重构算法恢复出原始图像，以达到去噪目的；
进一步的，图像压缩感知算法包括3方面:①用稀疏基ψ将图像信号x进行稀疏表示x＝ψa，其中a为稀疏系数；②设计一个能从测量信息中包含原图像丰富信息观测矩阵Φ～N(0,1/M)，获取观测值y，y＝Φa；③通过求解欠定问题，从观测值y中重构出的稀疏系数为a’，并高概率重构出信号x＝ψa′。
8.根据权利要求7所述的微结构元件跨尺度超精密检测系统的工作方法，其特征在于，在重构时选择典型的凸优化算法—基追踪算法，基追踪算法的核心为将求解最小L0范数问题转化为求解最小L1范数问题，如公式(4)所示：
min||s||1 (4)
其中，s为输入信号，然后通过变量代换将式(4)转化为线性规划问题，具体地，μ，ν为两个非负向量，μ＝[μi]N×1≥0，ν＝[νi]N×1≥0，N为正整数，将式(4)替换为式(5)所示的线性优化问题：
如果另Θ＝[A,-A],/>则式(5)改写为
min cTz s.t.Θz＝y (6)
然后可以用原尺度放射法对式(3)进行求解：首先求出一个可行解z(0)使其满足Θz＝y，然后沿着能使目标函数f＝cTz的函数值下降的方向移动，逐渐靠近最优解。
9.根据权利要求8所述的微结构元件跨尺度超精密检测系统的工作方法，其特征在于，超分辨算法使用FSRCNN网络框架，FSRCNN网络框架是通过Python实现的，具体的，每次向网络输入2对图像，每个历元的训练步长为2500步,并使用了25轮迭代训练，在每轮迭代中所有的样本都被学习一次，该网络一共分为六步，分别对应于Conv1、Conv2、Conv3、Conv4、deconvolution和supplement，分别对应输入到输出图像的直接连接通道：特征提取、收缩、映射、扩展、反卷积和补充，输入是一个低分辨率干涉图，经过Conv1后得出低分辨率图像的特征图，Conv2用于降低了分辨率的特征维度，节约计算成本，Conv3即映射步骤包含M＝4层，每层有12个大小为3×3卷积核，然后使用Con4扩展特征维度，获得高分辨率图像，deconvolution层用于对特征进行采样和聚合，输出高分辨率的结果，最后的supplement层为神经网络卷积层处理结果添加低频约束条件，防止因图像基本信息丢失导致的失真。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210627118.1A CN117232426A (zh) | 2022-06-06 | 2022-06-06 | 一种微结构元件跨尺度超精密检测系统及工作方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210627118.1A CN117232426A (zh) | 2022-06-06 | 2022-06-06 | 一种微结构元件跨尺度超精密检测系统及工作方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117232426A true CN117232426A (zh) | 2023-12-15 |
Family
ID=89086688
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210627118.1A Pending CN117232426A (zh) | 2022-06-06 | 2022-06-06 | 一种微结构元件跨尺度超精密检测系统及工作方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117232426A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117705305A (zh) * | 2024-02-05 | 2024-03-15 | 南京师范大学 | 一种光场多参数动态检测方法及其紧凑型系统 |
-
2022
- 2022-06-06 CN CN202210627118.1A patent/CN117232426A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117705305A (zh) * | 2024-02-05 | 2024-03-15 | 南京师范大学 | 一种光场多参数动态检测方法及其紧凑型系统 |
| CN117705305B (zh) * | 2024-02-05 | 2024-05-17 | 南京师范大学 | 一种光场多参数动态检测方法及其紧凑型系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109269438B (zh) | 用于多层复杂微纳结构检测的结构光照明显微测量方法 | |
| JP7161777B2 (ja) | ホログラフィック撮像装置および同装置に用いるデータ処理方法 | |
| CN104345438A (zh) | 基于电控变焦透镜的光强传输相位显微系统及其方法 | |
| CN111366557B (zh) | 一种基于薄散射介质的相位成像方法 | |
| CN104344793A (zh) | 单帧光强传输定量相位显微系统及其方法 | |
| CN111121675B (zh) | 一种用于微球表面显微干涉测量的视场扩展方法 | |
| CN105973164B (zh) | 一种基于像素偏振片阵列的数字全息显微方法 | |
| JPWO2018147473A1 (ja) | ３次元物体情報計測装置 | |
| CN108775875B (zh) | 一种基于色散光谱编码的微结构形貌测量方法及其装置 | |
| CN109709786A (zh) | 一种超分辨率数字全息成像系统和成像方法 | |
| CN112823316B (zh) | 全息摄像装置以及全息摄像方法 | |
| CN117232426A (zh) | 一种微结构元件跨尺度超精密检测系统及工作方法 | |
| CN111811394A (zh) | 基于3ccd或3cmos的动态三波长数字全息测量方法 | |
| CN114001643B (zh) | 一种数字全息显微相位畸变补偿方法及装置 | |
| CN113916154A (zh) | 一种基于调制度半宽恒定的自校准结构光测量方法 | |
| Tang et al. | Comparison of common-path off-axis digital holography and transport of intensity equation in quantitative phase measurement | |
| CN113899320A (zh) | 一种基于空间结构光场的高精度微纳三维形貌测量方法 | |
| KR100721131B1 (ko) | 광시야각 디지털 홀로그램 현미경 | |
| WO2021003380A1 (en) | Calibration-free phase shifting procedure for self-interference holography | |
| CN113009801B (zh) | 高速多方向线共焦数字全息三维显微成像方法及装置 | |
| CN111122510B (zh) | 基于f-p干涉仪透射式正交偏振相位显微成像装置 | |
| Fan et al. | Accurate dynamic quantitative phase imaging using multi-wavelength multiplexing | |
| CN111459004B (zh) | 双光路合成孔径全息图拼接方法 | |
| Qiao et al. | Snapshot interferometric 3D imaging by compressive sensing and deep learning | |
| CN112945083A (zh) | 一种光纤互联的并行相移数字全息显微成像系统 |
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 |