[发明专利]用于通过自动确定主观视敏度来优化光学辅助件的方法

权利要求书

1.一种使用机器学习通过自动确定主观视敏度来优化光学辅助件的方法，该方法包括以下步骤：

a) 提供至少一个训练数据集，

b) 通过该至少一个训练数据集来训练人工神经网络，

c) 一般性地创建刺激图像，

d) 对该刺激图像进行参数化，其中执行第一和第二参数化，

e) 提供识别概率函数，

f) 通过训练后的神经网络来将该刺激图像分类，以提供该刺激图像的类别，

g) 基于该刺激图像的类别来确定在步骤d) 中执行的该第一参数化的识别概率，

h) 基于所确定的识别概率来适配该刺激图像的第一参数化，

i) 通过该训练后的神经网络来将经适配的刺激图像分类，以提供该经适配的刺激图像的类别，

j) 基于该经适配的刺激图像的类别来确定在步骤h) 中适配的该第一参数化的识别概率，

k) 重复步骤h) 至步骤j) ，直至实现关于找到主观视敏度的阈值的终止准则，

l) 确定该主观视敏度的阈值，

m) 以分别不同的第二参数化来多次重复进行步骤d) 至l) ，其中该刺激图像的第二参数化分别包括对该刺激图像应用该光学辅助件的至少一种特性，

n) 通过选择具有在步骤l) 中确定的最高主观视敏度的该第二参数化来优化该光学辅助件。

2.如权利要求1所述的方法，其中，至少通过该刺激图像的图像大小、刺激对比度、和/或刺激形状来进行对该刺激图像的第一参数化。

3.如权利要求1所述的方法，其中，该终止准则包括以下准则中的一个或多个：

达到根据步骤k) 来进行步骤h) 至j) 的预定重复次数，

达到在根据步骤k) 重复进行步骤h) 至j) 时相继的经适配的第一参数化之差低于预定极限值的预定次数，

达到预定反转次数。

4.如权利要求1至3之一所述的方法，其中，在根据步骤d) 对该刺激图像进行参数化时执行的第二参数化包括对该刺激图像应用人眼的至少一种特性。

5.如权利要求4所述的方法，其中，人眼的至少一种特性是人眼的光学像差。

6.如权利要求1至3之一所述的方法，其中，在根据步骤d) 对该刺激图像进行参数化时根据步骤m) 对该刺激图像应用的该光学辅助件的特性包括该光学辅助件的光学像差。

7.如权利要求5所述的方法，其中，测量和/或计算该人眼的光学像差。

8.如权利要求6所述的方法，其中，测量和/或计算该光学辅助件的光学像差。

9.如权利要求1至3之一所述的方法，其中，步骤c) 包括提供特征空间，该特征空间包括多个特征表现形式，

其中，在步骤d) 中，在对该刺激图像进行参数化之前，从该特征空间中选择该多个特征表现形式之一并且在该刺激图像中提供该特征表现形式，

并且其中，在步骤h) 中，在对该第一参数化进行适配之前，重新从该特征空间中选择该多个特征表现形式之一并且在该刺激图像中提供该特征表现形式。

10.如权利要求1至3之一所述的方法，其中，

该神经网络是卷积神经网络。

11.如前述权利要求1至3之一所述的方法，其中，通过控制软件来执行步骤b) 、c) 、d)、e) 、g) 、h) 、j) 、k) 、l) 、m) 和/或n)。

12.如权利要求11所述的方法，其中，该控制软件使用心理物理算法或者该控制软件是心理物理算法。

13.如权利要求12所述的方法，其中，该心理物理算法根据步骤自适应分级法来进行。