大尺寸消色差超表面透镜及其设计方法、制造方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114791669A(43)申请公布日2022.07.26(21)申请号202210470531.1(22)申请日2022.04.28(71)申请人中国科学院苏州纳米技术与纳米仿生研究所地址215123江苏省苏州市苏州工业园区若水路398号(72)发明人赵成龙黄伟许洁朱志盼(74)专利代理机构深圳市铭粤知识产权代理有限公司44304专利代理师孙伟峰刘燚圣(51)Int.Cl.G02B27/00(2006.01)G02B3/00(2006.01)G02B1/00(2006.01)权利要求书2页说明书5页附图3页(54)发明名称大尺寸消色差超表面透镜及其设计方法、制造方法(57)摘要本发明公开了一种大尺寸消色差超表面透镜及其设计方法、制造方法。该设计方法包括：基于训练图片和待设计超表面透镜的各个区域的光学参数得到训练图片经过待设计超表面透镜成像后的输出图片；基于待设计超表面透镜的各个区域的光学参数得到待设计超表面透镜的点扩散函数；根据点扩散函数设计卷积神经网络模型，利用卷积神经网络模型对输出图片进行非盲去卷积图像处理，获得恢复图片；根据恢复图片和训练图片之间的差异更新待设计超表面透镜的各个区域的光学参数。将待设计透镜划分为多个小的设计区域，采用深度学习方法对各个设计区域的光学参数进行更新优化，克服因透镜尺寸增大而导致的相位色散空间复杂的问题，降低超表面透镜的设计难度。CN114791669ACN114791669A权利要求书1/2页1.一种大尺寸消色差超表面透镜的设计方法，其特征在于，所述设计方法包括：基于训练图片和待设计超表面透镜的各个区域的光学参数得到所述训练图片经过所述待设计超表面透镜成像后的输出图片；基于所述待设计超表面透镜的各个区域的光学参数得到所述待设计超表面透镜的点扩散函数；根据所述点扩散函数设计卷积神经网络模型，利用所述卷积神经网络模型对所述输出图片进行非盲去卷积，获得恢复图片；根据所述恢复图片和所述训练图片的差异更新所述待设计超表面透镜的各个区域的光学参数。2.根据权利要求1所述的大尺寸消色差超表面透镜的设计方法，其特征在于，所述待设计超表面透镜的各个区域包括圆心区域、自所述圆心区域向外依次延伸的多个同心圆环区域，所述光学参数包括空间参数和初始相位。3.根据权利要求2所述的大尺寸消色差超表面透镜的设计方法，其特征在于，所述基于训练图片和待设计超表面透镜的各个区域的光学参数得到所述训练图片经过所述待设计超表面透镜成像后的输出图片的方法为：根据所述训练图片和所述光学参数仿真模拟所述待设计超表面透镜对所述训练图片的成像过程，获得所述输出图片。4.根据权利要求2所述的大尺寸消色差超表面透镜的设计方法，其特征在于，所述基于训练图片和待设计超表面透镜的各个区域的光学参数得到所述训练图片经过所述待设计超表面透镜成像后的输出图片的方法包括：根据所述光学参数制作待设计超表面透镜的透镜样品；根据所述透镜样品对所述训练图片进行成像，获得所述输出图片。5.根据权利要求2所述的大尺寸消色差超表面透镜的设计方法，其特征在于，所述基于所述待设计超表面透镜的各个区域的光学参数得到所述待设计超表面透镜的点扩散函数的方法为：根据所述光学参数仿真模拟计算得到点光源照射到所述待设计超表面透镜时，在所述待设计超表面透镜的焦平面上的光强分布；根据所述光强分布计算得到所述点扩散函数。6.根据权利要求2所述的大尺寸消色差超表面透镜的设计方法，其特征在于，所述基于所述待设计超表面透镜的各个区域的光学参数得到所述待设计超表面透镜的点扩散函数的方法为：根据所述光学参数制作待设计超表面透镜的透镜样品；利用点光源照射透镜样品，测量得到所述点扩散函数。7.根据权利要求1所述的大尺寸消色差超表面透镜的设计方法，其特征在于，根据所述恢复图片和所述训练图片更新所述待设计超表面透镜的各个区域的光学参数的方法包括：根据所述恢复图片和所述训练图片计算得到损失函数值；根据所述损失函数值反向更新所述卷积神经网络模型的权重参数；根据更新后的所述卷积神经网络模型的权重参数更新所述点扩散函数；根据更新后的所述点扩散函数更新所述待设计超表面透镜的各个区域的光学参数。2CN114791669A权利要求书2/2页8.一种大尺寸消色差超表面透镜的制造方法，其特征在于，所述制造方法包括：采用权利要求1至7任一项所述的大尺寸消色差超表面透镜的设计方法对待制造超表面透镜的各个区域的光学参数进行多次更新，得到优化的光学参数；按照所述优化的光学参数制造超表面透镜。9.一种大尺寸消色差超表面透镜，其特征在于，所述大尺寸消色差超表面透镜采用权利要求8所述的制造方法制造得到。3CN114791669A说明书1/5页大尺寸消色差超表面透镜及其设计方法、制造