长春理工大学光电工程学院,吉林 长春 130022
针对通过微透镜阵列通光孔径的光束在不同条件下的填充问题,利用填充因子来表征微透镜阵列系统光瞳位置处光束的填充率,并分析其对系统探测距离、点扩散函数和光学传递函数的影响。基于近轴光学模型,构建了快速计算微透镜阵列扫描光学系统填充因子的数学模型,并提出一种系统设计方法。利用该方法设计了微透镜阵列扫描光学系统,所设计系统的实验结果与理论计算结果吻合,表明该系统的性能良好。
成像系统 光束扫描 微透镜阵列 填充因子 探测距离 点扩散函数 光学传递函数
1 中国科学院上海光学精密机械研究所高功率激光物理联合实验室,上海 201800
2 中国科学院中国工程物理研究院高功率激光物理联合实验室,上海 201800
3 中国科学院大学材料与光电研究中心,北京 100049
在迭代重建光学传递函数(OTF)测量法中,采集了多幅图像并进行更新计算,因而其具有抗噪声鲁棒性强和抗混叠等优点。然而,在图像采集过程中,不可避免的振动会引起多幅图像之间存在微小的相对平移,进而导致迭代计算次数增加和调制传递函数(MTF)测量结果准确性下降。该测量方法采集到的图像为随机排布的多个点扩散函数(PSF),多幅图像之间无法应用相位相关法来计算相对平移。鉴于此,提出了一种基于相位传递函数(PTF)的多幅图像相对平移校准方法。将每一幅图像单次计算的PTF分别减去第一幅图像单次计算的PTF,根据该差值校准多幅图像之间的相对平移。数值仿真和实验研究结果表明,所提方法的计算精度与图像相对平移的大小无关,至多能够将迭代次数减少80%,并将MTF测量的均方误差降低1~2个数量级。
测量 光学传递函数 调制传递函数 相位传递函数 相位相关法 光学测量 光学学报
2022, 42(19): 1912002
1 中国科学院上海光学精密机械研究所高功率激光物理联合实验室,上海 201800
2 中国科学院中国工程物理研究院高功率激光物理联合实验室,上海 201800
3 中国科学院大学材料与光电研究中心,北京 100049
4 江南大学理学院,江苏 无锡 214122
倾斜刃边法测量光学传递函数(OTF)只能准确地获取单一方向上的调制传递函数(MTF),且无法测量Zernike像差系数。傅里叶叠层成像技术在获得超分辨图像的同时能够重建光学系统的光瞳函数,实现Zernike像差系数和二维OTF的振幅与相位的测量。以往通过相机整体平移进行孔径扫描来实现宏观傅里叶叠层成像的方法难以适用于OTF测量光路中,因此提出了电控平移台带动照明光纤运动来实现光瞳在频域的平移,具有移动间距可调、亮度高和相干性好的优点。根据OTF测量光路搭建了实验平台,利用宏观傅里叶叠层成像技术对双胶合透镜及其存在遮拦的情况进行了测量,重建其光瞳函数,计算出Zernike像差系数和OTF。通过测量高清成像镜头,分析了采集步数和重叠率对准确性的影响。实验结果表明,子午方向和弧矢方向的MTF测量结果与传函仪测量结果的均方误差在10-4量级。
测量 光学传递函数 调制传递函数 傅里叶叠层成像 光学测量 光瞳函数 光学学报
2022, 42(14): 1412003
1 上海理工大学 光学仪器与系统教育部工程研究中心,上海 200093
2 上海理工大学 光电信息与计算机工程学院,上海 200093
近视防控离焦镜片的光学性能评价的过程中,通常以镜片的屈光度地形图作为分析依据,对成像质量的影响目前研究较少。从像质评价入手,搭建了一套镜片−相机测试系统用于测量离焦镜片的光学传递函数(MTF)。整个系统是由光源、成像模块、镜片夹持工具、棋盘标定板和MTF分析软件系统组成的。实验过程中对相机镜头、国内明月离焦镜片、国外Z品牌离焦镜片的MTF进行了测试和比较。结果显示镜片MTF分布与光焦度分布一致,光焦度和离焦量的设计相关。因此对离焦镜片的像质测试不仅能分析镜片的光学性能还可以分析其离焦量,为离焦镜片设计提供了一种新的评价方式。
离焦镜片 像质评价 光学传递函数 离焦量 defocus lens image quality evaluation optical transfer function defocus amount
红外与激光工程
2022, 51(2): 20220086
红外与激光工程
2021, 50(6): 20200358
1 西北工业大学物理科学与技术学院, 陕西 西安 710129
2 陕西省光信息技术重点实验室, 陕西 西安 710129
3 超常条件材料物理与化学教育部重点实验室, 陕西 西安 710129
4 中国工程物理研究院流体物理研究所, 四川 绵阳 621900
光学合成孔径成像系统中光学传递函数的频率响应下降,会不可避免地导致成像模糊,因此通常需要借助维纳滤波或盲解卷积算法来实现图像复原,最终获得清晰的高分辨率图像。提出一种基于U型卷积神经网络的深度学习框架,通过MATLAB软件构建数据集,以对网络进行训练,并将所训练的U型网络与盲解卷积算法的图像复原效果进行对比。数值仿真结果表明,在弱噪声条件下,U型网络在基于光学合成孔径成像系统的图像复原中展现出较强的复原能力以及一定的泛化能力和通用性,能够实现图像的快速盲复原,因而具有潜在的应用前景。
成像系统 光学传递函数 深度学习 卷积神经网络 光学合成孔径成像系统 光学学报
2020, 40(21): 2111001