基于人工智能算法的透镜调制传递函数测量结果优化研究

发布时间：2020-09-27 19:10

　　随着近代光学理论的发展我们知道光学系统在某种意义上可以被看作一个频率空间滤波器,这就意味着我们可以利用物与像之间的频谱之比对系统的成像质量进行评价,而这个光学系统对不同的空间频率的传递性能称为光学传递函数。光学传递函数中的调制传递函数(MTF)是判断镜头等光学元件成像质量的主要依据,这种新的评价方法不但得到了摄影爱好者的推崇,在光学工程测量及工业加工等众多领域都有极为广泛的推广与应用。MTF值和对焦位置密切相关,考虑到仪器误差和实验误差,很难通过理论求解得到最佳的对焦位置;而仅通过人为手动调整对焦位置受到人为主观因素和操作者水平的影响较大。近些年来,随着人工智能的兴起,在优化方面提出一些不同于传统优化的基于人工智能的优化方法。其中,神经网络和支持向量机因其有良好的非线性,被越来越多的用于函数逼近和模拟黑箱模型。基于上述理论,本文开展了以下工作:(1)论述了MTF值的物理意义和测量方法,并基于此搭建了MTF光学测试系统装置及平台;探索了影响MTF值的关键因素。(2)提出了基于小波神经网络的MTF值优化算法,得到了最佳对焦位置,比较了基于小波神经网络方法和人为调整得到的最佳对焦位置和MTF值,并对其进行了分析。(3)提出了基于支持向量机的MTF值优化算法,得到了最佳对焦位置,比较了基于支持向量机和人为调整得到的最佳对焦位置和MTF值,并对其进行了分析。得到了以下结论:(1)MTF值可用于评价光学元件成像质量,且随着采集位置向最佳像点逼近,待测系统的MTF值逐渐增大,随着CMOS相机采集距离继续增大,待测系统的MTF值逐渐减小。(2)通过基于小波神经网络优化的MTF值较人为优化得到的MTF值增加,小波神经网络优化得到的CMOS位置更加接近于最佳CMOS位置。(3)基于SVM方法优化的MTF值较人为优化得到的MTF值增加,基于SVM方法得到的CMOS位置更加接近于最佳CMOS位置。
【学位单位】：东北师范大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TH74;TP18
【部分图文】：

原理图,传递系统,原理图,物理量

MTF 测量系统都是根据传递函数的定义论是优化光学传递函数测量结果的基础。本F，LSF，ELF 和 MTF 的关系出发，对测量讨论。为后面搭建本实验的测试系统以及对型现一些特定物理量传递的转换器称为系统。个系统始端的输入与末端的输出之间的联系入与输出之间的确立起来某种特殊的对应关的物理量是电压、电流，功率等，这些都是中，输入和输出的物理量则是光强度(非相相干成像)等等，这些物理量是关于空间坐标1 1 1g ( x , y)2 2 2g ( x , y

原理图,传递系统,相位传递函数,原理图

) ( , ) exp ( ,)x y x y x yOTF f f m f f jφ f f = ,)x yf f 是 OTF 的模，被称为调制传递函数 MTF ( f )， ( ,x φ f 相位传递函数 PTF ( f)[30]。上述推理过程如图 2.2 所示。f ( x , y )h ( x , y)g ( x , y)F .T F .T

曲线图,光学系统,空间频率,曲线图

图 2.3 几种不同光学系统对应的的 MTF-空间频率曲线图3 中我们可以观察得出 C 曲线所代表的光学系统的整体性能要因为在 0~f2范围内空间频率相同时 C 曲线对应 MTF 值比曲线，并且在极限分辨率下曲线 C 与坐标轴所围成的面积最大说明于 A 曲线和 B 曲线所代表的光学系统则要区分两个不同空间范内 A 曲线所代表的光学系统在空间频率相同时 MTF 值大于 B ，当空间频率处于 f1~f3范围内时在相同的空间频率下 B 系统着空间频率的增高在 f2~极限分辨率之间 B 曲线所代表的光学 C 系统。如果只针对系统分辨来分析 A 与 C 对应的光学系统，而 B 系统是这三个光学系统中对物体成像质量最好的，这显表的光学系统的分辨率高于 C 系统的，如果按照极限分辨率评成像质量 B 光学系统优于 C 光学系统。由以上分析我们得知对个光学系统的像质不够全面与客观，甚至在一定条件下可能会光学系统的 MTF 来评价像质则弥补了这种不足，它是针对不

【参考文献】