一种利用可变形镜消像差的新型变分辨率光学系统及其成像方法

本发明涉及成像技术，具体是一种利用可变形镜消像差的新型变分辨率光学系统及其成像方法。

背景技术：

随着信息技术的日益发展，卫星遥感对于分辨率和数据处理速度的要求越来越高。分辨率越高，覆盖相同地元的数据就会增加，同时视场角越大，覆盖的地面面积又会增大，这就导致需要传输的数据量十分巨大，而目前空间传输的带宽有限，不能满足大数据量的传输。开展此方面的研究已是刻不容缓。在这样的背景下，我们提出的解决大幅宽高分辨率与高数据传输的成像方案——基于仿生变分辨率光学成像系统。变分辨率光学成像系统是基于动物视觉观察(如人眼、鹰眼等)时具有可变分辨率这一特点提出并设计的，其实际的运用价值在于可以同时对一片目标进行采集并对特定感兴趣的区域进行高分辨率的观察。以人眼为例，在观察事物时并不是同样的分辨率，只有视网膜中央凹处具有高分辨率，其它区域分辨率降低，人眼在它的视力范围内，对于不同的物体首先是探测、识别目标，然后根据自己的兴趣通过眼球的转动来实现对感兴趣目标的辨清。仿生变分辨率光学成像系统就是模拟眼睛观察时对特定区域的分辨率进行提高(例如高分辨率区域，对应人眼视网膜中央凹)，解决日常学习和工作中出现的类似问题。

技术实现要素：

为了解决现有技术中存在的上述问题，本发明提供了一种利用可变形镜消像差的新型变分辨率光学系统及其成像方法。本发明要解决的技术问题通过以下技术方案实现：

一种利用可变形镜消像差的新型变分辨率光学系统，包括python程序语言模块、光学系统模块、反馈系统模块、其中

python程序语言模块：设计算法，让计算机对于特定目标进行大数据的学习。

光学系统模块：通过可变位相器件对视场中不同区域像差消除程度不同改变分辨率。

反馈系统模块：进行彩色图像灰度化处理，对有噪声图像或退化图像进行去噪声或还原、增强图像以及对图像进行匹配。

进一步的，反馈系统模块采用matlab进行彩色图像灰度化处理。

一种利用可变形镜消像差的新型变分辨率光学系统的成像方法，步骤如下：

(1).python程序语言模块基于大数据进行智能学习；

(2).输入计算机指令；

(3).光学成像系统模块处理；

(4).初步成像；

(5).优化成像。

进一步的，上述步骤所得到的图片不能符合我们的要求时，反馈系统模块对采集的图片进行了反馈处理。

与现有技术相比，本发明的有益效果在于：

1.在这些可以改变位相的元件所能提供的变化范围内，实现对感兴趣目标实现高分辨率观测的同时，能够保证在视场其它区域成像质量，在对重要目标高分辨率成像时，不能过多丢掉背景信息。因为软件控制系统还需要从整个视场中检测下一个感兴趣目标。

2.计算机的引入可以进一步通过特定算法，在大数据背景下，利用计算机输入目标名称或图像，使整个系统自主识别特定区域，进行消除像差、完成采集。传统光学成像系统想要有高分辨率，对于光学元件的数量，系统结构的复杂程度、尺寸大小以及工作环境都有着很高的要求。我们利用这种光学系统可以通过技术手段弥补工程不足，大大降低了此类传统光学系统的苛刻要求，同时还降低了成本、减小系统的体积以及提高便携性。因为实现了变分辨率成像，相片相比传统相片数据量大大减少，降低了数据传输对带宽的要求，具有很高的应用价值。

附图说明

图1是本发明一种利用可变形镜消像差的新型变分辨率光学系统的成像方法的流程图。

图2是本发明中可变形反射镜的驱动电极分布图。

图3是本发明中成像系统框图。

图4是本发明中基于显著性的目标检测方法框图

具体实施方式

为了进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及具体实施方式，对依据本发明提出的一种实时、在线、监测离子迁移谱装置与方法进行详细说明。

有关本发明的前述及其他技术内容、特点及功效，在以下配合附图的具体实施方式详细说明中即可清楚地呈现。通过具体实施方式的说明，可对本发明为达成预定目的所采取的技术手段及功效进行更加深入且具体地了解，然而所附附图仅是提供参考与说明之用，并非用来对本发明的技术方案加以限制。

应当说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的物品或者设备中还存在另外的相同要素。

实施例一：

本发明提供了一种利用可变形镜消像差的新型变分辨率光学系统，包括python程序语言模块、光学系统模块、反馈系统模块、其中python程序语言模块的作用是设计算法，让计算机对于特定目标进行大数据的学习。光学系统模块的作用是通过可变位相器件对视场中不同区域像差消除程度不同改变分辨率。反馈系统模块的功能为进行彩色图像灰度化处理，对有噪声图像或退化图像进行去噪声或还原、增强图像以及对图像进行匹配。反馈系统模块采用matlab进行彩色图像灰度化处理。

本申请主要是利用micro-electromechanical-systemdeformablemirrors(memsdms)技术对光学系统特定视场角校正波像差，使系统仅对视场内重要区域高分辨率成像，同时通过计算视场显著性图检测重要目标位置用于对memsdms编程控制，可实时动态的校正任意视场角的像差，实现对视场内任意区域重要目标高分辨率成像。利用这种技术可实现光学系统的小型化、轻量化，减小系统的体积，同时由于实现变分辨率成像，数据量大大减少，降低了数据传输对带宽的要求。利用这种技术大大降低了对光学系统的要求，同时我们会在保证整个系统成像质量的前提下尽可能的简化整个光学系统，以达到我们对于光学系统高便携性、低成本的要求。根据智能学习和计算机系统的反馈来决定在可变形反射镜的驱动电极上加上相应的驱动电压，从而达到对特定目标进行消除像差，实现变分辨率成像的目的，达到目标区域最高分辨率。设由点光源发出的光经过准直镜、分光镜后入射到可变形反射镜表面，随后经由反射镜返回的光通过分光镜和物镜照射在探测器上。

仿生变分辨率光学成像系统流程框图如下图1所示。利用python程序语言强大的学习能力，可以设计算法，让计算机对于特定目标(如树木，水箱，游轮，矿车等)进行大数据的学习，从而达到理想的识别水平。这样我们就可以利用计算机输入简单的指令，让整个光学系统自动选择特定目标进行分辨率的提高，节省了人力成本。反馈系统利用matlab进行彩色图像灰度化处理，用其对有噪声图像或退化图像进行去噪声或还原、增强图像以获得更高清晰度、提取特征、分析形状和纹理以及对两个图像进行匹配，使采集到的图像具有更高的可视性。光学系统变分辨率的实现是通过可变位相器件对视场中不同区域像差消除程度不同实现的。同时整套系统根据选择的特定目标不同，与计算机进行互联，成像结果既作为输出，又作为系统中重要的反馈环节对成像进行高质量的运算，从而进一步优化成像结果。计算机的引入可以进一步通过特定算法，在大数据背景下，利用计算机输入目标名称或图像，使整个系统自主识别特定区域，进行消除像差、完成采集。传统光学成像系统想要有高分辨率，对于光学元件的数量，系统结构的复杂程度、尺寸大小以及工作环境都有着很高的要求。我们利用这种光学系统可以通过技术手段弥补工程不足，大大降低了此类传统光学系统的苛刻要求，同时还降低了成本、减小系统的体积以及提高便携性。因为实现了变分辨率成像，相片相比传统相片数据量大大减少，降低了数据传输对带宽的要求，具有很高的应用价值。

利用python程序语言强大的学习能力，可以设计算法，让计算机对于特定目标(如树木，水箱，游轮，矿车等)进行大数据的学习，从而达到理想的识别水平。这样我们就可以利用计算机输入简单的指令，让整个光学系统自动选择特定目标对其进行分辨率的提高，节省了人力成本。

反馈系统利用matlab进行彩色图像灰度化处理，用其对有噪声图像或退化图像进行去噪声或还原，增强图像以获得更高清晰度，提取特征、分析形状和纹理以及对两个图像进行匹配，使采集到的图像具有更高的可视性。

我们在采集图片以及对图片进行优化处理时有时不能一次就处理的非常完美，符合我们的要求，针对这一不足我们对采集并进行过一次优化处理的的图片进行了反馈处理，就意思这经过一次优化处理的图片如果没有达到我们的要求，就可以经反馈系统进行多次优化处理，直至达到我们的要求。

实施例二：

我们的系统设计的关键是在这些可以改变位相的元件所能提供的变化范围内，实现对感兴趣目标实现高分辨率观测的同时，能够保证在视场其它区域成像质量，在对重要目标高分辨率成像时，不能过多丢掉背景信息。因为软件控制系统还需要从整个视场中检测下一个感兴趣目标。

实际场景图像除了包含感兴趣的目标之外，通常还包含着大量干扰信息，由于具有视觉注意机制，人类视觉系统才得以灵活高效地发掘复杂视觉场景的内容和布局。视觉注意机制能够对有限的信息处理资源进行合理分配，使视觉感知过程具有选择性。本文借鉴视觉注意模型中有关特征提取、显著图计算以及注意焦点转移的思想，提出实现了一种图像目标检测的算法，能够快速检测视场中感兴趣目标信息送与伺服系统。伺服系统控制位相调制元件可变形镜面形，在目标移出视场前对其高分辨率成像，实现大视场与重点区域高分辨率成像观测。

如硬件部分以光学系统成像为主，初步成像过程中，监视器时刻完成对目标区域的监测，系统成像后对成片进行视觉显著性计算，找到重要目标并检测识别，将从中提取到的各类信息反馈回系统，同时控制系统进行高分辨率观测，整个系统对成像方法流程图(图3)中的初步成像和反馈系统做以细致的流程说明。

显著性目标检测方法流程图中(图4)，对初步的相片进行多通道分离、多尺度表示已以生成视觉显著图，在对该图进行焦点转移目标、位置提取，在目标位置提取过程中生成增强图和抑制图，以反馈的方式对焦点进行改进，最终得到合适的目标位置图。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。