[发明专利]一种镜头像差仿真及优化方法

权利要求书

1.一种镜头仿真及优化方法，其特征在于，该方法包括如下步骤：

计算经过光学镜头后光场波前差的赛德尔多项式中球差、彗差、像散、场曲、畸变项的系数；

利用步骤1）中计算所得的赛德尔多项式中各像差项的系数，计算波前差函数；

利用步骤2）中计算所得的波前差函数，计算随波前差函数变换的孔径函数；

利用步骤3）中计算所得的孔径函数，计算该光学镜头的想干传递函数；

根据光学传递函数，计算该镜头的点扩散函数；

根据计算得到的点扩散函数，仿真出光学镜头拍摄的携带像差的图像。

2.根据步骤6）中仿真出的携带像差的图像，利用深度卷积神经网络模块对携带像差的图像进行学习训练，获得对应的像差校正后的高质量图像，实现像差的校正。

3.根据权利要求1所述的镜头仿真及优化方法，其特征在于，步骤1）中，所述的光学镜头为市场上任意标准镜头。

4.根据权利要求1所述的镜头仿真及优化方法，其特征在于，步骤3）中，所述的孔径为圆形孔径。

5.根据权利要求1所述的镜头仿真及优化方法，其特征在于，步骤6）中，所述的成像结果是通过计算携带像差的镜头在焦平面处每一像素点的点扩散函数，其次将点扩散函数与该点无像差图像进行卷积运算，仿真出该镜头拍摄的携带像差的图像。

6.根据权利要求1所述的镜头仿真及优化方法，其特征在于，步骤7）中，卷积神经网络的结构为：五层卷积层，两层池化层及三层全连接层；

根据权利要求1所述的镜头仿真及优化方法，其特征在于，步骤7）中，所述学习训练，将仿真出的携带像差的图像和其对应的原始无像差图像作为输入送到卷积神经网络中，对初始的卷积神经网络进行训练，建立波前像差与赛德尔多项式的匹配模型作为输出，最终得到光学镜头像差校正的卷积神经网络。

7.根据权利要求1所述的镜头仿真及优化方法，其特征在于，步骤7）中，将仿真出的携带像差的图像加载到卷积神经网络上进行预测，获得对应的像差校正后的高质量图像，实现像差校正优化。