数据驱动的波前测量新方法:深度压缩感知波前测量-马铭阳

CS-WFS项目介绍

  1. 项目背景和意义

在自适应光学系统中,Shack-Hartmann波前传感器被广泛用于测量大气湍流引起的像差。然而,当大气湍流强烈或导星亮度较低时,会影响波前测量的精度。

  • 本项目工作内容及结果

本文提出了一种压缩Shack-Hartmann波前传感方法。我们的方法不是用所有子孔径的斜率测量重建波前,而是用具有高信噪比光斑图像的子孔径的斜率测量重建波前。此外,我们进一步提出利用深度神经网络来加速波前重建的速度。在深度神经网络的训练阶段,我们建议增加一个下降层来模拟压缩传感过程,这可以提高我们方法的发展速度。

  • 总结分析与讨论

经过训练后,压缩Shack-Hartmann波前传感方法只需要少量的子孔径就可以重建出高空间分辨率的波前。我们将直接的压缩Shack-Hartmann波前传感方法与图像去卷积算法相结合,发展了一种高阶图像复原算法方法。我们利用高阶图像复原方法复原的图像测试了压缩Shack-Hartmann波前传感方法的性能。结果表明,该方法可以提高波前测量的精度,适合于实时应用。

  • 进一步工作的展望

在未来的工作中,我们将把CS-WFS与基于深度学习的PSF模型相结合,发展高阶PSF重建方法,并进一步研究压缩波前传感在自适应光学系统中的应用。

图1  CS-WFS流程图

图2  经典方法和CS-WFS方法得到的波前残差RMSE值对比

图3 复原效果对比(对比指标:SSIM)