[发明专利]一种以适配目标信息提取算法为目的光学系统智能设计方法

权利要求书

1.一种以适配目标信息提取算法为目的的光学系统设计方法，其特征在于：建立一种基于神经网络的数字光学系统模型，该基于神经网络的数字光学系统模型包括目标信息提取网络模型FAST-RCNN和相位模拟神经网络PSF-net，具体按照如下步骤进行：

步骤一、光学系统内元件的相位分布、望远镜模拟系统、目标检测网络FAST-RCNN；

相位模拟神经网络PSF-net负责形成光学系统内某一个或几个衍射元件的相位分布；望远镜模拟系统根据相位分布、待观测目标位置和亮度原始信息、监控系统光学元件参数，生成任意数目的模拟观测图像，目标信息提取网络模型FAST-RCNN处理模拟观测图像，并以目标信息提取效率、目标的定位精度、测光精度和分类精度作为系统评价损失函数，系统评价损失函数将差值反向传播，传输至目标信息提取网络FAST-RCNN输入层，获取输入层的反向传输误差，将反向传输误差在基于神经网络的数字光学系统模型内反向传播，获取对应面的相位分布；

步骤二、在获取光学系统内元件的目标相位之后，再将当前相位作为初始化的网络的一层或多层与后续的目标信息提取网络模型FAST-RCNN相结合，同时在实验中保证目标信息提取网络模型FAST-RCNN中参数保持不变；

步骤三、通过训练完成的目标信息提取网络模型FAST-RCNN对基于神经网络的数字光学系统模型参数进行训练，获得以适配目标信息提取算法为目的的光学系统，具体为：建立1000组包含不同数目、位置及噪声特征的模拟观测图像数据作为输入；以目标检测位置精度、目标分类准确度或目标光度信息为损失函数，在基于神经网络的数字光学系统模型内训练神经网络权重，每20组数据训练结束后，根据神经网络的权重进行一次神经网络更新，根据结果，调整目标信息提取网络神经元，对该基于神经网络的数字光学系统模型中的相位的数值进行调整，该步骤调整完成后继续按照前述流程训练神经网络；

经过50次上述训练后，损失函数的值达到最小，此时即获得与当前目标信息提取网络模型FAST-RCNN的最佳光学系统，而此时的基于神经网络的数字光学系统模型中的参数就是作为最佳的输出。