[发明专利]一种无波前探测的液晶像差校正方法

权利要求书

1.一种无波前探测的液晶像差校正方法，其特征在于：该方法包括如下步骤：

步骤一、液晶像差校正器对接收光的畸变波前进行矫正；

步骤二、图像采集模块负责接收液晶矫正后的光束，并将其采集为光斑图像；

步骤三、卷积神经网络模块经过大量光斑数据训练后，根据成像系统采集得到的光斑图像，拟合出光斑对应的Zernike系数；

步骤四、灰度转换模块将拟合得到的Zernike系数转化为灰度值，控制液晶像差校正器对弱大气湍流产生的波前像差进行矫正。

2.根据权利要求1所述的一种无波前探测的液晶像差校正方法，其特征在于：液晶像差校正器的控制方式：

1)液晶具有电控双折射效应，当一束偏振光入射时，偏振方向垂直于指向矢方向，液晶表现为寻常折射率n_o；如果偏振方向平行于指向矢方向，表现为非常折射率n_e，液晶的折射率与液晶分子偏转角度的关系表示如下：

2)通过控制电场电压值，可以调节液晶分子排列取向，进而控制光波介质折射率，实现对入射光波的相位调制；

3)液晶电极电压与控制灰度为一一对应关系，根据波前矫正反馈信息产生对应的灰度值，最终实现对液晶像差校正器的控制。

3.根据权利要求1所述的一种无波前探测的液晶像差校正方法，其特征在于：图像采集模块对液晶矫正后的光束进行成像，得到矫正后的光斑图像，其包括：

1)分光棱镜，对矫正后的光束进行分光，其中一条进入到图像采集器进行图像记录，另一束耦合进入光纤进行传输；

2)图像采集器，对光斑亮度值进行捕获，并将光斑亮度值反馈到液晶控制系统。

4.根据权利要求1所述的一种无波前探测的液晶像差校正方法，其特征在于：卷积神经网络模块用于实现：

1)建立初始卷积神经网络结构：其中包括：三层以上卷积层、三层以上池化层及两层以上全连接层；

2)样本数据采集：获取足够的训练光斑图像及各个样本光斑图像对应的Zernike系数；

3)训练卷积神经网络：将采集到的样本光斑图像和其对应的Zernike系数输入到卷积神经网络，对初始的卷积神经网络进行训练，最终得到液晶像差校正方法的无波前探测卷积神经网络。

5.根据权利要求1所述的一种无波前探测的液晶像差校正方法，其特征在于：根据Zernike系数矩阵生成灰度信息，包括：

1)液晶像差校正器灰度图的计算为Zernike矩阵与Zernike系数向量进行矩阵向列乘法；

2)Zernike矩阵由Zernike多项式组成，其表达式如下：

式中，0≤r≤1，0≤θ≤2π，n为非负整数，m步长为2且取值介于-n到n之间，为多项式的径向函数；

3)根据卷积神经网络预测得到Zernike系数，将Zernike矩阵与Zernike系数向量进行矩阵向量乘法，最终得到液晶加载的灰度图，实现对液晶像差校正方法的控制。