[发明专利]卷积神经网络平移误差探测方法

权利要求书

1.一种卷积神经网络平移误差探测方法，其特征在于，包括以下步骤：

步骤1：初始图像采集：

步骤1.1：设定平移误差间隔Δ；多个波长通道的选定与平移误差的间隔Δ相关：当有n个波长通道时，每个波长通道与平移误差的间隔Δ之间需满足λ_i＝M_iΔ,其中1＜i≤n，M_i为整数；

步骤1.2：在任意波长通道λ_i内，通过以平移误差间隔Δ调节平移误差进行成像，在λ_i通道内，采集N_i＝λ_i/Δ+1张图像；调节范围为：当N_i为奇数时[-λ_i/2,λ_i/2]，当N_i为偶数时[-(λ_i+Δ)/2,(λ_i-Δ)/2]；

步骤2：建立训练集；

步骤2.1：按照DFA-LSR的叠加原理将每个波长通道图像进行累加，从而获得每个波长通道的一个波长内的平移误差对应的LSR值序列，作为原始数据集；

步骤2.2：根据原始数据集，分别建立对应于正、负平移误差范围的训练集；

步骤2.3：将正平移误差范围的训练集和负平移误差范围的训练集首尾相接，并在两个训练集之间加入平移误差为零时对应的LSR值，从而构成训练集；

步骤3：建立神经网络；

建立神经网络包括Net1和Net2；

Net1网络结构包括一个输入层、一个隐含层和一个输出层，其隐含层仅有三个节点；Net1用于拟合单个通道的一个波长内的平移误差值与相应LSR值的关系，其输入为单个通道一个波长内的平移误差对应的LSR值，形式为LSR_λi，输出为LSR值对应的平移误差值；

Net2网络结构采用Resnet18网络的一部分，共有11层，输入为n×1×1的LSR特征向量，输出为LSR特征向量对应的平移误差区间；其中，Net2的输出层的相邻节点间的间隔为Net1选定的波长通道的一个波长距离，即λ_i；

步骤4：训练神经网络；

步骤4.1：Net1的训练过程

将任意单个通道一个波长内平移误差对应的LSR值输入至Net1中得到一个波长内平移误差与LSR值的对应关系；

步骤4.2：Net2的训练过程

将步骤2获得的训练集输入至Net2中，得到LSR特征向量与平移误差区间的对应关系；

步骤5：平移误差探测

步骤5.1：在成像系统中设定平移误差值后，进行多通道成像，得到n个通道图像；通过DFA-LSR方法获得每个通道图像的LSR值，组成n×1的多通道LSR特征向量，记为

步骤5.2：

将Net1训练时采用通道的LSR值输入Net1，得到结果O₁；同时向Net2输入步骤5.1中获得的特征向量得到结果O₂；

最终获得平移误差为：

piston_detected＝O₂*λ_i+O₁。