[发明专利]照明均匀性像素化补偿方法及装置

权利要求书

1.一种照明均匀性像素化补偿方法，其特征在于，包括：

获取目标均匀性照明场光强分布图像；

基于反演模型对所述目标均匀性照明场光强分布图像进行反演，得到第一数字微镜调控图像；

将所述第一数字微镜调控图像输入数字微镜阵列对照明系统进行光场调控，以对所述照明系统的照明均匀性进行像素化补偿。

2.根据权利要求1所述的照明均匀性像素化补偿方法，其特征在于，所述照明均匀性像素化补偿方法还包括：

采集调控后的实际照明场光强分布图像，计算所述目标均匀性照明场光强分布图像与所述实际照明场光强分布图像之间的第一光强偏差；

根据所述第一光强偏差确定所述反演模型的有效性。

3.根据权利要求1所述的照明均匀性像素化补偿方法，其特征在于，所述获取目标均匀性照明场光强分布包括：

基于函数和编程生成所述目标均匀性照明场光强分布图像。

4.根据权利要求2所述的照明均匀性像素化补偿方法，其特征在于，所述计算所述目标均匀性照明场光强分布图像与所述实际照明场光强分布图像之间的第一光强偏差包括：

根据

计算所述第一光强偏差δ，其中，I_g为所述目标均匀性照明场光强分布图像中某像素点对应的光强，I_f为所述实际照明场光强分布图像中该像素点对应的光强。

5.根据权利要求2所述的照明均匀性像素化补偿方法，其特征在于，所述照明均匀性像素化补偿方法还包括：

以照明场光强分布图像为输入，数字微镜调控图像为输出，构建神经网络模型；

对所述神经网络模型进行训练，得到所述反演模型。

6.根据权利要求5所述的照明均匀性像素化补偿方法，其特征在于，所述对所述神经网络模型进行训练，得到所述反演模型包括：

获取样本数据集，其中，所述样本数据集包括多组一一对应的第二数字微镜调控图像和第一照明场光强分布图像；

将所述样本数据集随机打乱顺序后划分为训练集、验证集和测试集；

采用所述训练集对所述神经网络模型进行训练；

根据所述验证集计算训练后的神经网络模型的第一精度，根据所述测试集计算训练后的神经网络模型的第二精度；

确定满足预设条件的所述第一精度和所述第二精度对应的训练后的神经网络模型为所述反演模型。

7.根据权利要求6所述的照明均匀性像素化补偿方法，其特征在于，所述根据所述验证集计算训练后的神经网络模型的第一精度包括：

基于训练后的神经网络模型，对所述验证集中的第一照明场光强分布图像进行反演，得到第三数字微镜调控图像；

将所述第三数字微镜调控图像输入数字微镜阵列对照明系统进行光场调控，采集调控后的第二照明场光强分布图像；

计算所述验证集中多张所述第二数字微镜调控图像对应的第一照明场光强分布图像与第二照明场光强分布图像之间的第二光强偏差，确定最大的第二光强偏差作为所述第一精度；

所述根据所述测试集计算训练后的神经网络模型的第二精度包括：

基于训练后的神经网络模型，对所述测试集中的第一照明场光强分布图像进行反演，得到第四数字微镜调控图像；

将所述第四数字微镜调控图像输入数字微镜阵列对照明系统进行光场调控，采集调控后的第三照明场光强分布图像；

计算所述测试集中多张所述第二数字微镜调控图像对应的第一照明场光强分布图像与第三照明场光强分布图像之间的第三光强偏差，确定最大的第三光强偏差作为所述第二精度。

8.根据权利要求7所述的照明均匀性像素化补偿方法，其特征在于，所述第一精度和所述第二精度满足预设条件包括：

最大的第二光强偏差和最大的第三光强偏差均不大于光强偏差阈值，并且最大的第二光强偏差与最大的第三光强偏差之间差值的绝对值小于预设值。