一种高精度智能超分辨率波前复原方法

本发明公开了一种高精度智能超分辨率波前复原方法，该方法基于光学成像机理和信号处理方法设计神经网络模型，通过模型训练建立夏克‑哈特曼波前传感器光斑阵列图像和Zernike系数之间的非线性关系，使用带宽、方向可训练的Gabor滤波器替换传统卷积神经网络的卷积核，构建应用于夏克‑哈特曼波前传感器的SH‑GaborNet模型，高效地分离并提取弥散光斑中的高、低频特征，实现高分辨率、高精度的波前复原。本发明突破了空间分辨率限制，有效抑制了因斜率测量不准导致的模式混淆误差；本发明在超分辨率波前重构任务中展现出更高的精度，为兼顾高精度、高分辨率的波前探测等领域提供了一种高效且可靠的技术解决方案。