[发明专利]一种单片式全可见光成像衍射透镜及设计方法

说明书

本发明属于光学领域，为了解决ADL优化设计过程中对计算机资源的需求过高、优化结果能量利用率低、设计中出现的映射偏心等问题，提出一种单片式全可见光成像衍射透镜及设计方法。通过设置输入平面波矩阵，构建平面波经ADL的神经网络成像模型，以损失函数作为ADL表面微结构的优化标准，以PSF和OTF作为ADL的成像约束条件设计了一种单片式全可见光成像衍射透镜。该透镜可以对全可见光进行成像，且降低了当前ADL设计的算法复杂度，解决了设计中存在的缺陷。

技术领域

本发明涉及衍射光学元件成像领域，具体为一种基于梯度反向传播机制的单片式全可见光成像衍射透镜的设计方法。

背景技术

衍射光学元件(Diffractive Optical Elements,DOE)，是通过计算机辅助设计技术，用微细加工工艺，在片基或传统光学器件表面刻蚀形成的台阶甚至连续形状的浮雕结构，从而实现相位调控、波面变换的器件。DOE具有体积小、重量轻、衍射效率高、设计自由度多等特点。

传统的DOE设计需要已知光学系统中入射光场和输出平面的光场分布，从而计算输出平面上调制元件的相位分布，使其正确调制入射光场，实现所需功能。基于标量衍射理论的DOE设计可以看作一个优化设计问题。目前，基于这一思路的优化算法主要有盖师贝格-撒克斯通(Gerchberg-Saxton Algorithm,G-S)算法、模拟退火算法（SimulastedAnnealing Algorithm,SA）和遗传算法（Genetic Algorithm,GA）、杨顾算法（Yang-GuAlgorithm,YG）以及多种混合算法。

随着斯坦福大学的Sitzmann Vincent等提出了将衍射元件微结构分布和图像复原算法参数联合的端到端优化方法，建立单片消色差衍射透镜ADL(AchromaticDiffractive Lens)光学成像模型，神经网络BP(Back Propagation)机制和硬件加速方案被引入ADL设计；然而出现了优化效率低、计算复杂需要较高算力(Compute Capability)、忽略调制传递函数截止引起的信息丢失等问题。

发明内容

本发明提出了一种基于神经网络的全可见光衍射透镜及其优化设计方法，通过建立高效的优化设计模型和合理的损失函数，降低了ADL优化设计过程中对计算机资源的需求，提高了优化设计效率。

为实现上述目的，本申请采用如下技术方案：

一种单片式全可见光成像衍射透镜及其设计方法，包括基于神经网络的ADL微结构分布优化的设计算法、ADL成像复原算法。

本发明中，基于神经网络的ADL微结构分布优化的设计算法是通过推导入射平面波经ADL的成像过程，得到ADL的光学函数PSF和OTF作为约束并建立损失函数，从而优化ADL的表面微结构；然后使用ADL成像复原算法对其进行仿真成像并输出。基于神经网络的ADL微结构分布优化过程中，将二维的ADL微结构分布引入同心圆环模型分解一维旋转对称微结构分布模型，在ADL一维旋转对称微结构分布模型基础上，推导得到不同波长的PSF和OTF作为成像评价结果。

本发明中，损失函数有两种；第一种是理想图像与ADL仿真成像之间的损失函数；第二种是约束ADL成像产生的损失函数。约束ADL成像产生的损失函数分为：由于不同波长下能量不均，约束不同波长PSF得到的损失函数、抑制MTF存在的传递函数中频率截止的损失函数、约束ADL的微结构分布连续性产生的损失函数。使用约束ADL成像产生的损失函数时，直接对该损失函数进行判断，而不对ADL进行仿真成像计算理想图像与ADL仿真成像之间的损失函数。

本发明中，基于神经网络的ADL微结构分布优化的设计算法构建完成后，输入平面波波长可以任意选择。

本发明公开了上述单片式全可见光成像衍射透镜在制备或者作为光学元件中的应用。

本发明中，基于神经网络的ADL微结构分布优化的设计算法如下：