基于Walsh函数调制的单帧图像深度学习相位反演技术

作     者：刘奇 杜应磊 向汝建 李国会 张秋实 向振佼 吴晶 岳献 包安超 游疆 Liu Qi;Du Yinglei;Xiang Rujian;Li Guohui;Zhang Qiushi;Xiang Zhenjiao;Wu Jing;Yue Xian;Bao Anchao;You Jiang

作者机构：中国工程物理研究院应用电子学研究所四川绵阳621900 中国工程物理研究院研究生院北京100088 

出 版 物：《强激光与粒子束》 (High Power Laser and Particle Beams)

年 卷 期：2024年第36卷第6期

页      面：166-174页

核心收录：

学科分类：070207[理学-光学] 07[理学] 08[工学] 0803[工学-光学工程] 0702[理学-物理学] 

主　　题：相位反演 泽尼克系数 相位调制 深度学习 沃尔什函数 

摘      要：远场相位反演存在简并态,复原波前容易出现多解问题。相较于传统的迭代算法,结合了相位调制与深度学习的相位反演方法不仅显著降低了计算复杂度,还可有效地解决多解问题。这种方法实时性强,结构简洁,显示出其独特的优势。使用不同的沃尔什函数(Walsh)对相位进行调制,采取深度学习的方法训练卷积神经网络从调制后单帧远场强度图中获得第4~30项Zernike系数从而复原出原始波前,解决了相位反演多解问题。对于3~15 cm大气相干长度的湍流像差的残差波前,其RMS与原始波前RMS的比值可达7.8%。深入研究了Zernike阶数、随机噪声、遮挡以及强度图分辨率等多种因素对波前复原精度的影响。研究结果表明,这种基于深度学习的相位反演方法在复杂的环境中展现出了良好的鲁棒性。