一种非稳腔激光器光瞳位置提取方法

提出一种非稳腔激光器光瞳位置提取的方法,用于光路自动准直中光瞳位置的提取。首先使用双边滤波对原始图像进行预处理,然后用系数β乘以大津算法的图像阈值得到图像的阈值,对图像进行阈值分割。得到二值图像后,对二值图像进行中值滤波。通过边缘提取算法提取二值图像中的轮廓,然后利用轮廓的中心和组成轮廓的点的数目这两个轮廓属性,找到光瞳图像的内轮廓。使用RANSAC椭圆拟合算法拟合内轮廓,以椭圆的中心作为光瞳的位置。本文提出的光瞳位置提取方法,在满足实时性要求的同时,减少了内轮廓噪声对椭圆拟合的影响,提高了光瞳位置提取结果的准确性和鲁棒性。在100帧仿真光瞳图像的内轮廓中添加40%幅值为0～13的随机噪声点的情况下,所提方法比直接椭圆拟合方法的提取结果具有更高的准确性和鲁棒性,提取位置偏差的AVG比直接椭圆拟合的结果小0.283个像素、位置偏差的最大值小0.660个像素、位置偏差的RMS小0.136个像素。     

基于深度学习的自适应光学波前传感技术研究综述

波前传感是自适应光学系统的重要组成部分,在地基大口径望远镜、激光大气传输、无线光通信、激光驱动核聚变等领域发挥了关键作用,同时也常应用于自由曲面的光学测量中。与此同时,深度学习作为一种较为通用的前沿技术,成功在计算机视觉、自然语言处理等众多领域取得了革命性进展。使用深度学习的方法改进自适应光学系统中的波前传感器,以期实现更精准的波前探测,以及适应更复杂的应用场景是自适应光学的发展趋势,也是深度学习应用领域的一个新课题。介绍了深度学习在自适应光学波前传感中的应用现状,主要分析了在相位反演波前传感器和哈特曼波前传感器中的研究特点,并在最后进行了总结和展望。