首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

计算全息图误差分析方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:中国科学院长春光学精密机械与物理研究所

摘要:本发明涉及面形图分析技术领域,尤其涉及一种计算全息图误差分析方法,包括如下步骤:S1.收集面形图,并采集CGH局部误差面形图,生成图像数据集。S2.划分为训练集、验证集和测试集。S3.搭建深度学习网络,并对其进行训练,得到深度学习模型。S4.将测试集输入到深度学习模型中,得到预测的整体误差图。S5.提取条纹轮廓,计算出每个点的坐标值及对应坐标值的误差值,与整体面形图的实际坐标值进行比较,计算不同点的误差值。S6.基于误差值,得到CGH整体面形图的制作误差对波前的影响。本发明通过计算出条纹轮廓的每个点的坐标值及对应误差值,并与整体面形图的实际坐标值进行比较,进而能够准确推测整体误差分布图并分析其对波前的影响。

主权项:1.一种计算全息图误差分析方法,其特征在于,包括如下步骤:S1.收集带有已知位置误差的CGH整体面形图、没有误差的CGH整体面形图和仿真生成的带有误差的CGH整体面形图;对收集到的所有面形图进行处理,并采集CGH局部误差面形图,生成面形图的图像数据集;S2.标记所述图像数据集中每张面形图的位置误差和类型,并划分为训练集、验证集和测试集;S3.将所述训练集和所述验证集输入到搭建好的深度学习网络中,并对其进行训练,得到深度学习模型;S4.将测试集输入到深度学习模型中,得到预测的整体误差图;深度学习模型将学习得到三种不同的局部误差与理论完美标准的CGH图进行融合,得到带有误差的CGH模拟图;S5.利用图像处理边缘提取检测算法,提取所述整体误差图的条纹轮廓,并计算出所述条纹轮廓的每个点的坐标值,并与整体面形图的实际坐标值进行比较,计算不同点的误差值;S6.基于所述误差值,得到所述带有误差的CGH整体面形图上每个点的误差值对波前的干涉检测精度的影响,进而得到CGH整体面形图的制作误差对波前的影响;所述不同点的误差值的计算公式如下: ;其中,m为衍射级次;为CGH使用时的工作波长;为条纹位置畸变大小;为最小条纹周期;基于所述不同点的误差值,进而得到面形误差PV的数值和RMS的数值;所述PV的计算公式为:PV=maxmin;其中,max为面形图条纹轮廓点的最大值,min为面形图条纹轮廓点的最小值;当面形条纹轮廓为离散信号时,所述的计算公式为: ;其中,N是样本数,是第n个样本点的值;当面形条纹轮廓为连续信号时,所述的计算公式为: ;其中,T是信号的时间跨度。

全文数据:

权利要求:

百度查询: 中国科学院长春光学精密机械与物理研究所 计算全息图误差分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。