基于能量分布判决的自适应光学系统智能控制方法与流程

本发明涉及自适应光学智能控制的技术领域，具体涉及一种基于能量分布判决的自适应光学系统智能控制方法，主要用于在无需人员参与的情况下，控制自适应光学系统进行自动开环和闭环。

背景技术：

自适应光学系统通过对波前畸变实时的检测、控制和校正，使光学系统具有自动适应外界条件变化、始终保持良好工作状态的能力。自适应光学系统由波前传感器、波前控制器和波前校正器三部分组成，目前，大多数自适应光学系统通常采用夏克-哈特曼波前传感器进行波前探测。哈特曼波前传感器实时探测出波前畸变，此信号经波波前控制器处理后产生出控制信号加到波前控制器上，产生与所探测到的波前畸变大小相等，符号相反的波前校正量，使光波波前由于受到动态干扰而产生的畸变得到实时补偿，从而提高成像质量。

大型地基天文望远镜使用自适应光学系统以提高到其成像分辨力。一方面，当望远镜系统对暗弱目标观察时，将会出现哈特曼传感器较多子孔径缺光的情况，此时需要人为对自适应光学系统能否正常闭环进行判断，并人工控制其闭环。另一方面，在自适应光学系统运行过程中，当探测目标由于轨道高度变化而出现能量变化时，需要人为判断系统状态并人工控制其开环。由于自适应光学系统无法自动运行，往往需要实验人员实时的观测图像来控制该系统何时闭环，何时开环。基于这样的前提，本文提出了一种基于能量分布判决的自适应光学智能控制技术。

技术实现要素：

本发明要解决的技术问题是：克服自适应光学系统开环闭环需要人工干预的不足，提出了一种基于能量分布判决的自适应光学系统智能控制方法，事先实验测得哈特曼阵列透镜对应的权重矩阵，然后对观测结果在哈特曼阵列透镜各个子孔径中所成光斑进行检测得到能量二值化矩阵，通过将能量二值化矩阵和权重矩阵的点乘结果求和与阈值的比较来决定是否向自适应光学系统发送闭环命令。

本发明解决其技术问题所采用的技术方案是：基于能量分布判决的自适应光学系统智能控制方法该方法的步骤是：首先，通过实验测得哈特曼阵列透镜对应权重矩阵B；然后，对观测结果在哈特曼阵列透镜各个子孔径中所成光斑进行能量二值化，得到0/1矩阵A；最后，根据C＝Sum(A.B)>T进行哈特曼阵列透镜全孔径能量分布判决，其中，A为光斑二值化矩阵，B为实验测得哈特曼阵列透镜权重矩阵，T为实验测得的阈值，根据判决结果给自适应光学系统发送是否闭环命令。

其中，通过实验测得哈特曼阵列透镜对应权重矩阵B，其中每一个元素都反应对应的子孔径对观测结果后期闭环效果的影响程度，实验可知，子孔径缺光对闭环效果的影响程度跟子孔径到阵列透镜中心的距离相关，这里权重矩阵的值将会由中心到四周依次递减。

其中，对观测结果在哈特曼阵列透镜各个子孔径中所成光斑进行能量二值化，第一次阈值处理进行背景抑制：设输入子孔径图像为f(x,y)，其大小为m×n,找出f(x,y)中的灰度值最大的值max和灰度值最小的值min，然后计算f(x,y)中灰度位于k₁max(0<k₁<1)和k₂min(k₂>1)之间的像素的灰度均值作为阈值t₁，用原图像f(x,y)中每个像素值减去阈值t₁得到图像f₁(x,y)，其中k₁,k₂的值根据实验数据的具体情况而选取。

其中，对观测结果在哈特曼阵列透镜各个子孔径中所成光斑进行能量二值化，找出f₁(x,y)中灰度值最大的点对应坐标(x,y)，将(x,y)连同它的8连通区域提取出来，记为S，即

其中，对观测结果在哈特曼阵列透镜各个子孔径中所成光斑进行能量二值化，第二次阈值处理:在图像S中进行全局阈值处理得到阈值t₂和图像S₁；阈值t₂确定后可求得

其中，对观测结果在哈特曼阵列透镜各个子孔径中所成光斑进行能量二值化，用小于均值方差法计算图像f(x,y)的信噪比，SNR＝10lg((I_max-B)/σ_n)，式中：I_max为f(x,y)中灰度最大值，近似代表目标灰度，B为背景灰度，计算方法为小于图像均值像素的平均，σ_n为噪声标准差，计算方法为小于图像均值的像素的标准差。

其中，对观测结果在哈特曼阵列透镜各个子孔径中所成光斑进行能量二值化，判断有无光斑：当图像S₁中像素灰度值总和大于阈值T₁且信噪比大于阈值T₂时(T₁和T₂根据实际情况通过实验测得)，则判断该子孔径中有光斑存在，反之没有。

其中，对观测结果在哈特曼阵列透镜各个子孔径中所成光斑进行能量二值化，遍历一幅完整阵列透镜图片中的每一子孔径，重复3至7步骤，得到最终光斑是否存在的完整判别矩阵A。

其中，根据C＝Sum(A.B)>T进行哈特曼阵列透镜全孔径能量分布判决，将之前所得到的矩阵A与B进行点乘，即C＝A.B，然后对C中所有元素进行求和记为sum，进行如下判别：当sum≥T时，向自适应系统发送闭环命令，让自适应系统进行闭环，然后重复以上步骤继续进行观测判决；，当sum<T时，不满足自适应光学系统闭环条件，不用向系统发送闭环命令，依旧重复以上环节继续进行观测判决，这里，阈值T根据具体情况通过实验测定。

本发明的原理在于：

一种基于能量分布判决的自适应光学系统智能控制方法，分为以下三大步骤进行：

第一个步骤，实验测出哈特曼阵列透镜对应权重矩阵；

第二个步骤，子孔径光斑二值化；

第三个步骤，阵列透镜全孔径能量分布判决；

所述哈特曼阵列透镜对应权重矩阵的计算包括：事先通过实验测得一个和哈特曼阵列透镜子孔径排布相对应的权重矩阵B，其中每一个元素都反应对应的子孔径对观测结果闭环效果的影响程度。实验可知，子孔径缺光对闭环效果的影响程度跟子孔径到阵列透镜中心的距离相关，这里权重矩阵的值将会由中心到四周依次递减；

所述子孔径光斑二值化包括：

1)第一次阈值处理进行背景抑制：设输入子孔径图像为f(x,y)，其大小为m×n；找出f(x,y)中的灰度值最大的值max和灰度值最小的值min，然后计算f(x,y)中灰度位于k₁max(0<k₁<1)和k₂min(k₂>1)中的像素的灰度均值，作为阈值t₁，用原图像f(x,y)中每个像素值减去阈值得图像f₁(x,y)，其中k₁,k₂的值根据实验数据的波动而选取；

2)找出f₁(x,y)中灰度值最大的点对应坐标(x,y)，将(x,y)连同它的8连通区域提取出来，记为S，即

3)第二次阈值处理:在图像S中进行全局阈值处理得到阈值t₂和图像S₁；

阈值t₂确定后可求得

4)用小于均值方差法进行信噪比的计算，即SNR＝10lg((I_max-B)/σ_n)

式中：I_max为f(x,y)中灰度最大值，近似代表目标灰度，B为背景灰度，计算方法为小于图像均值像素的平均，σ_n为噪声标准差，计算方法为小于图像均值的像素的标准差。

5)判断有无光斑：当图像S₁中像素总和大于阈值T₁且信噪比大于阈值T₂时(T₁和T₂根据实际情况通过实验测得)，则判断该子孔径中有光斑存在；则二值化判别矩阵A中相应位置为1，否则置为0；

6)遍历一幅完整阵列透镜图片中的每一子孔径，重复1)至5)步骤，得到最终光斑是否存在的判别矩阵A；

所述阵列透镜全孔径能量分布判决包括：将之前所得到的矩阵A与B进行点乘，即C＝A.B，然后对C中所有元素进行求和记为sum，进行如下判别：当sum≥T时，向自适应系统传递闭环命令，让自适应系统进行闭环，然后重复以上步骤继续进行观测判决；，当sum<T时，不满足自适应光学系统闭环条件，重复以上环节继续进行观测判决。这里，阈值T根据具体情况通过实验测定。

本发明的有益效果是：

1)在子孔径光斑二值化环节，对图片进行了两次阈值处理，第一次图片中间灰度的像素均值作为阈值，对图片背景进行了一定抑制，然后选择了合理的区域进行第二次阈值处理，再结合光斑能量的大小和整幅图片的信噪比，进一步检测出了光斑的存在，有效的提高了光斑检测的正确率。

2)本发明事先实验测得哈特曼阵列透镜对应的权重矩阵，然后对观测结果在哈特曼阵列透镜各个子孔径中所成光斑进行检测得到能量二值化矩阵，通过对能量二值化矩阵和权重矩阵的点乘结果求和与阈值的比较来决定是否向自适应光学系统发送闭环命令。在不需要人工干预的情况下自动控制自适应光学系统开环闭环，大大提高了其智能性和工作效率。

附图说明

图1是本发明基于能量分布判决的自适应光学智能控制技术的流程图；

图2是自适应光学望远镜组成图；

图3a是此次实际实验中用到的哈特曼阵列透镜子孔径排布模型图；

图3b是此次实际实验中实际用到的全子孔径图；

图4a是图3b中一个子孔径原图；

图4b是一个子孔径用本实验方法检测后的图；

图5是本次实验中针对图3b所示图片生成的矩阵A的图；

图6是本次实验中针对图3a类型阵列透镜实验测得的权重矩阵B的结构示例图；

图7a为望远镜采集到的一幅图片；

图7b为图7a所示图片经过自适应光学系统校正后图片。

具体实施方式

下面结合附图及具体实施方式详细介绍本发明。

本发明实现流程如图1所示，分为以下三个环节进行：实验测出哈特曼阵列透镜对应权重矩阵、子孔径中光斑的检测和阵列透镜全孔径能量分布判决。本发明基于如图3a所示排布的哈特曼阵列透镜进行，整个阵列透镜大小为80×80，其中每个子孔径大小为5×5。

每个步骤具体如下：

第一个环节：实验测出哈特曼阵列透镜对应权重矩阵

用一束平行光作为基准光源照射哈特曼阵列透镜，通过各个子孔径中所成光斑能量与全孔径能量和的比值来作为其权重值；权重矩阵中具体值通过实验中反复测量得到；

第二个环节：子孔径光斑二值化

1)第一次阈值处理进行背景抑制：设观察图像为F(x,y)，取其中第一个子孔径f(x,y)，其大小为5×5；

2)找出f(x,y)中的灰度值最大的值max和灰度值最小的值min，计算f(x,y)中灰度位于k₁max(0<k₁<1)和k₂min(k₂>1)中的像素的灰度均值，用原图像f(x,y)中每个像素值减去阈值得图像f₁(x,y)，本实验中(阈值取值)；

3)找出f₁(x,y)中灰度值最大的点对应坐标(x,y)，将(x,y)连同它的8连通区域提取出来，记为S；

4)第二次阈值处理:在图像S中进行全局阈值处理得到阈值t₂和图像S₁；

阈值的计算过程如下所示：

a.计算S的灰度均值作为初始阈值t₂；

b.将S中灰度值大于t₂的记为g₁，小于t₂的部分记为g₂；

c.分别计算区域g₁和g₂的像素平均值μ₁和μ₂；

d.计算新的阈值t₂＝(m₁+m₂)/2；

e.重复以上步骤，知道后续迭代中t₂的差值小于一个预定义的值t₃为止，这里t₃＝0.5；阈值t₂确定后可求得

5)用小于均值方差法进行信噪比的计算，即SNR＝10lg((I_max-B)/σ_n)；

式中：I_max为f(x,y)中灰度最大值，近似代表目标灰度，B为背景灰度，计算方法为小于图像均值像素的平均，σ_n为噪声标准差，计算方法为小于图像均值的像素的标准差；

6)判断有无光斑：当图像S₁中像素总和大于阈值700且信噪比大于阈值7时，则判断有该子孔径中有光斑存在；当图像S₁中像素总和大于阈值T₁且信噪比大于阈值T₂时(T₁和T₂根据实际情况通过实验测得)，则判断该子孔径中有光斑存在；则二值化判别矩阵A中相应位置为1，否则置为0；

7)遍历F(x,y)中的每一子孔径，重复1)至6)步骤，得到最终光斑是否存在的完整判别矩阵A；

第三个环节：阵列透镜全孔径能量分布判决

将之前所得到的矩阵A与B进行点乘，即C＝A.B，然后对C中所有元素进行求和记为sum，进行如下判别：当sum≥T时，向自适应系统发送闭环命令，让自适应系统进行闭环，然后重复以上步骤继续进行观测判决；，当sum<T时，不满足自适应光学系统闭环条件，重复以上环节继续进行观测判决。这里，阈值T根据具体情况通过实验测定。