买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学院光电技术研究所申请的专利一种克服本底像差的无监督学习波前复原方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116520565B 。

龙图腾网通过国家知识产权局官网在2025-08-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310543836.5，技术领域涉及：G02B27/00；该发明授权一种克服本底像差的无监督学习波前复原方法是由葛欣兰;朱里程;高泽宇;王宁;叶红卫;杨平设计研发完成，并于2023-05-15向国家知识产权局提交的专利申请。

本一种克服本底像差的无监督学习波前复原方法在说明书摘要公布了：本发明公开了一种克服本底像差的无监督学习波前复原方法。本发明首次将无监督学习的思想引入到与目标无关的波前复原方法中，使用无监督学习模式训练模型，无需制作标签，训练完善的网络能够对任意成像目标进行快速相位反演。首先提出了一种精细化特征，该特征只依赖于波前像差而与成像目标无关，接着联合一个轻量型的神经网络和光学特征系统组成了无监督学习模型，通过反向输出精细特征促进神经网络实现特征与波前像差的非线性拟合。该方法无需制作标签，并且能够有效地克服实际光路中存在的本底像差的问题，实现任意扩展目标场景下的高精度的波前复原，对于基于图像的波前复原领域有应用潜力和实际应用意义。

本发明授权一种克服本底像差的无监督学习波前复原方法在权利要求书中公布了：1.一种克服本底像差的无监督学习波前复原方法，其特征在于，通过以下步骤实现： 步骤1：设计基于远场图像的光学成像系统，包括入射光中心波长、透镜的焦距、入瞳半径、离焦量参数设计； 步骤2：对理想平行光引入符合大气传输模型的随机像差，再引入一个随机像差，模拟光学系统中存在的本底像差； 步骤3：得到在焦、离焦远场图片后进行精细特征提取，消去目标信息，保留像差信息； 步骤4：记录特征图像与其对应的近场波前数据，并将特征图像作为样本制作基于无监督学习模型的波前复原数据集； 步骤5：选取数据集前80％的样本作为训练集，供网络学习特征图像与近场波面的非线性映射关系；余下20％的数据集以1:1的方式分别作为验证集和测试集，以衡量该方法的精度和实时性； 步骤6：配置深度学习环境，搭建神经网络； 步骤7：根据步骤1的光学系统参数建立目标无关的光学特征系统，反向计算出精细特征； 步骤8：将反算出的精细特征和输入的精细特征进行对比，计算损失值从而促进网络以无监督的学习模式进行参数更新。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院光电技术研究所，其通讯地址为：610209 四川省成都市双流350信箱；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。