成果简介

平面集成光学相关器将传统的同轴4f结构光学相关器改进为平面集成2f结构,利用数字微透镜代替纯物理透镜,具有系统体积小、结构集成度高的优势,在智能识别领域具有广泛的应用场景。本项目将神经网络理论引入平面集成光学相关器,运用深度学习原理优化构建了神经网络光学滤波器(NNCRF)。相比于应用传统OTSDF滤波器,应用NNCRF滤波器的平面集成光学相关器对畸变目标识别输出的相关峰更高,更锐利,更容易判别,相关峰评价指标平均提升最高可达1090%,使相关器不仅对目标发生旋转、缩放等简单畸变实现了的稳定识别,而且对目标同时发生平移加旋转缩放,以及带有干扰目标、带有干扰背景等复杂畸变时实现了准确识别,突破了光学相关器应用现有光学滤波器对复杂畸变目标难以识别的局限。通过实验及模拟仿真表明应用NNRCF光学滤波器的平面集成光学相关器可望解决目前光学相关器系统体积大、集成度低、识别性能差的问题,对于光学相关器的实际应用具有重要意义。

 

技术创新

   体积小、集成度高、畸变不变识别性能好

 

专利情况

 申请号(授权号): CN201521033836.8   

       

市场前景及应用领域

   光学相关识别具有抗电磁干扰、信息并行处理、速度快、精度高等优势,在航天器对接、军事装备、汽车辅助驾驶、大数据检索、生物信息检测等智能识别领域有广泛的应用场景。

 

合作方式:面谈