智能自适应光学技术

课程编码：1802110803X1M4001H 英文名称：Intelligent Adaptive Optics Technology 课时：20 学分：1.00 课程属性：研讨课 主讲教师：郭友明

通过本课程的学习，加深学生对自适应光学系统中波前探测、波前控制和图像处理等过程中所涉及算法的深刻理解，同时掌握人工智能基础知识。通过数值仿真实验，使学生掌握自适应光学系统的数值仿真基本方法以及如何使用深度学习解决自适应光学系统面临的计算问题。通过专题研讨，启发学生将前沿的信号处理技术应用于自适应光学的创新思维。

普通物理、高等数学（傅里叶变换部分）、自适应光学原理与技术、数字信号处理

第一章 自适应光学基础回顾 4.0学时 郭友明
第1节 自适应光学基本原理
第2节 基于斜率的波前复原方法
第3节 自适应光学中的PID控制方法
第4节 基于维纳滤波的图像解卷积方法
第5节 夏克-哈特曼波前传感器仿真实验
第二章 机器学习基础理论介绍 4.0学时 郭友明
第1节 机器学习基础理论
第2节 神经网络基础知识
第3节 全连接神经网络
第4节 卷积神经网络
第5节 循环神经网络
第6节 卷积神经网络编程实验
第三章 智能波前传感技术 2.0学时 郭友明
第1节 经典波前复原算法及其局限性
第2节 基于全连接神经网络的模式复原技术
第3节 基于卷积神经网络的模式复原技术
第4节 基于卷积神经网络的波面复原技术
第5节 基于焦面图像、离焦面图像以及相位差方法的智能波前复原技术
第四章 智能波前控制技术 2.0学时 郭友明
第1节 经典波前控制算法及其局限性
第2节 自适应滤波预测方法
第3节 基于神经网络的波前预测方法
第4节 波前预测的鲁棒性问题
第五章 智能图像后处理技术 2.0学时 郭友明
第1节 自适应光学中的经典图像处理方法及其局限性
第2节 基于深度学习的单帧图像复原
第3节 基于深度学习的多帧图像复原
第六章 稀疏孔径哈特曼传感器智能波前复原方法研讨课 4.0学时 郭友明
第1节 学生分组针对课题提供问题的研究报告
第2节 老师和同学点评
第七章 深度学习用于太阳高分辨图像重建研讨课 2.0学时 郭友明
第1节 学生分组针对课题提供问题的研究报告
第2节 老师和同学点评

郭友明，中国科学院青年创新促进会会员，四川省科学青年联合会理事。本科毕业于中国科学技术大学自动化系，博士毕业于中国科学院大学。主要从事自适应光学技术、计算成像技术研究。主持国家自然科学基金面上项目等国家级科研项目3项、省部级科研项目4项；参与多项国家自然科学基金重大仪器研制/重点项目。累计发表学术论文40余篇，授权发明专利20余项。