一种基于卷积神经网络的共相误差校正方法

摘要

本发明公开了一种基于卷积神经网络的共相误差校正方法，可用于光学合成孔径成像系统共相误差的实时校正。本方法将仿真生成的光学合成孔径成像图像和对应加载的子孔径共相误差分别作为单卷积神经网络的输入和输出，让网络进行有监督学习，不断更新网络的权值和偏置，使其逼近二者的映射关系，训练完成后的网络可基于单帧焦面实验图像对光学合成孔径平台共相误差进行端到端的检测。由于在实际系统上采集训练集面临非常多的问题，目前基于卷积神经网络的共相误差检测技术还难以实用化。本方法无需采集实验训练图像，大大降低了网络训练的难度，且光路简单，普适性强，实时性好，对光学合成孔径成像技术的实用化进程具有积极的推动作用。