基于深度迁移学习预测波前泽尼克系数的自适应光学波前补偿方法

摘要

本发明提供一种基于深度迁移学习预测波前泽尼克系数的自适应光学波前补偿方法：包括：得到有标注的源域样本；得到无标注的目标域样本；得到有标注的源域样本；基于源域数据集和目标域数据集训练网络，通过反向传播算法对模型参数进行优化，得到完成训练的网络；将图像输入S35得到的完成训练的网络，输出预测的泽尼克系数，根据预测的泽尼克系数计算波前相位，并利用波前矫正器进行波前补偿实现校正。本发明采用了迁移卷积神经网络的双流结构，能利用迁移学习改进模型在不同介质时的波前系数预测能力。