大气湍流下光学平面面形的估计

李琳; 刘永辉

doi:10.13741/j.cnki.11-1879/o4.2023.06.006

您当前的位置：

首页 >

文章列表页 >

大气湍流下光学平面面形的估计

光学传感与测量 | 更新时间：2025-09-01

- 大气湍流下光学平面面形的估计
- Estimation of optical plane under atmospheric turbulence
- 光学技术 2023年49卷第6期页码：704-710
- 作者机构：
  
  1:上海理工大学光电信息与计算机工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目(61673277);上海理工大学横向科研项目(H-2021-302-129)
- DOI：10.13741/j.cnki.11-1879/o4.2023.06.006
  中图分类号： TP391.41
- 纸质出版：2023
- 稿件说明：
移动端阅览
李琳, 刘永辉. 大气湍流下光学平面面形的估计[J]. 光学技术, 2023,49(6):704-710.

Estimation of optical plane under atmospheric turbulence[J]. 2023, 49(6): 704-710.
李琳, 刘永辉. 大气湍流下光学平面面形的估计[J]. 光学技术, 2023,49(6):704-710. DOI： 10.13741/j.cnki.11-1879/o4.2023.06.006.

Estimation of optical plane under atmospheric turbulence[J]. 2023, 49(6): 704-710. DOI： 10.13741/j.cnki.11-1879/o4.2023.06.006.

摘要

针对大气湍流环境下光学元件平面面形PV值测量这一问题。首先建立了一种大气湍流下斐索干涉仪的模型，通过该模型得到1000张干涉条纹图像；然后提出了一种基于卷积神经网络估算PV值的方法，将干涉条纹图像作为卷积神经网络的输入，利用卷积神经网络提取图像的特征信息，得到PV值；最后将得到的结果与ASTM计算得到的结果、相位解包裹得到的结果以及BP神经网络得到的结果进行对比，发现利用卷积神经网络的方法偏差为2.25×10~(-4)λ

较ASTM、相位解包裹以及BP神经网络得到的结果偏差更小。实验结果表明此方法具有抗干扰性强、精度高、运算快的优点，是一种有效的抗大气湍流影响的光学检测方法。

Abstract

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于高光谱遥感的荒漠化草原草种类分类模型研究

基于低分辨率辅助特征和卷积神经网络的脑部图像配准方法

基于DSA-BCNN的毫米波图像隐藏物检测

基于改进Faster-RCNN的偏光片表面缺陷检测

基于双通道神经网络的图像脉冲噪声降噪

大气湍流下光学平面面形的估计

Estimation of optical plane under atmospheric turbulence

DOI：10.13741/j.cnki.11-1879/o4.2023.06.006

摘要

Abstract

关键词

Keywords

references