一种基于深度学习的哈特曼波前传感器模式波前复原方法

摘要

本发明提供一种基于深度学习的哈特曼波前传感器模式波前复原方法，使用哈特曼波前传感器的焦平面相机采集到的图像作为输入，使用经过训练的人工神经网络对该图像进行运算，直接得到哈特曼波前传感器入射光波前的模式系数。相对于传统基于子孔径平均斜率的波前复原方法，本发明提供的方法可以从焦平面相机图像中处理包括子孔径光斑位置和光斑形态在内的更多信息，能够更有效地减小单纯依靠平均斜率而导致的模式混淆和模式耦合误差。在同样的焦平面相机测量噪声强度下，本方法能够以更高的精度复原出更高阶的模式系数。