[发明专利]一种基于深度学习的光学像差模糊去除方法

权利要求书

1.一种基于深度学习的光学像差模糊去除方法，方法针对带像差光学系统，带像差光学系统包括镜头和相机传感器，其特征在于：方法包括以下步骤：

1)获得带像差光学系统的点扩散函数，包括：

1.1)利用惠更斯子波相干叠加法分别计算带像差光学系统中可见光波各波长在各视场的点扩散函数；

1.2)测量相机传感器的光谱响应，根据光谱响应积分加权获得R、G、B三通道的修正点扩散矩阵；

2)构建像差模糊数据集，包括：

2.1)选择高分辨图像进行能量域变换，将高分辨图像由数值域转换至能量域，得到能量域图像；

2.2)利用修正点扩散矩阵对能量域图像进行分块卷积，得到能量域仿真模糊图；

2.3)对能量域仿真模糊图进行数值域变换，将能量域仿真模糊图像由能量域转换至数值域，得到像差模糊图像，构成像差模糊数据集；

3)采用像差模糊数据集，训练像差校正神经网络；

4)使用所述的带像差光学系统拍摄的图像，经步骤3)训练获得的像差校正神经网络进行校正，获得校正后的图像。

2.根据权利要求1所述的一种基于深度学习的光学像差模糊去除方法，其特征在于：所述步骤1)具体为：

1.1)输入带像差光学系统中像差镜头的光学系统参数，计算可见光波中各波长对应不同视场的点扩散函数PSF_simul(λ)；

1.2)通过离散控制改变入射光光谱分布，测量各个波长下相机传感器R、G、B三通道的光谱响应灵敏度向量Yk(λ)，光强响应灵敏度向量Yk(λ)由下式表示：

其中，Ck表示不同滤色片的指示函数，k＝r、g、b，对于红色滤色片Cr＝(1,0,0)，绿色滤色片Cg＝(0,1,0)，蓝色滤色片Cb＝(0,0,1)；l(λ)表示入射光光谱，分别表示入射光波长λ下所采集的R通道、G通道、B通道的光谱响应值，λ表示入射光的波长；

1.3)然后针对单个视场，利用不同波长的光谱响应灵敏度向量Yk(λ)对单个视场的点扩散函数PSF_simul进行校正，获得所有波长的单个视场的修正点扩散矩阵PSF_ch1，校正公式如下：

其中，PSF_ch1表示ch1＝R、G、B三通道的修正点扩散矩阵，Yk(λ)为不同波长的光谱响应灵敏度向量。