Identificação de aberrações ópticas em imagens no espaço de Fourier assistida por aprendizagem de máquina

Abstract

A presença de aberrações ópticas, em sistemas de imagem, introduz distorções na frente de onda que compõem a imagem reduzindo sua qualidade. A caracterização da frente de onda é um fator primordial no processo de correção das aberrações ópticas em um sistema de imagem. Neste contexto, sistemas de óptica adaptativa possibilitam a identificação e a correção das aberrações ópticas de um sistema de imagem. Aberrações na frente de onda da luz podem ser descritas pelos polinômios de Zernike. Trabalhos recentes na literatura reportam o uso de técnicas de aprendizagem de máquina para a identificação da função aberração do sistema óptico, explorando os polinômios de Zernike e seus respectivos coeficientes. Nesta tese, um novo método para identificar aberrações ópticas em imagens, assistido por técnicas de aprendizagem de máquina supervisionada é proposto. O método consiste em treinar um modelo classificador, usando uma base de imagens opticamente aberradas, para identificar e classificar as aberrações ópticas, em termos dos polinômios de Zernike e de seus coeficientes, a partir da transformada de Fourier da imagem aberrada. Os resultados obtidos revelam, após a análise de casos específicos de classificação, que a metodologia proposta é capaz de gerar modelos classificadores com taxas de acerto acima de 90%(na maioria dos casos). Os classificadores gerados permitem não só identificar aberrações de 2.a e 3.a ordens radias e seus respectivos coeficientes, como também aberrações geradas por combinações lineares de aberrações monocromáticas de 2.a ordem, em um conjunto de imagens aberradas.