一种基于深度学习的OCT光学畸变矫正方法、介质及设备

本发明涉及光学畸变矫正技术领域，特别是涉及一种基于深度学习的OCT光学畸变矫正方法、介质及设备。方法为：将畸变的标定板图像输入目标卷积神经网络得矫正后的图像，依据两者标定点像素坐标差值生成矫正像素差，再经坐标转换得到扫描位置矫正差，进而转化为X、Y向驱动补偿电压，以此矫正OCT成像单元中光学振镜驱动电压。本技术方案引入多层卷积神经网络，含自适应卷积层、池化层与全连接层，利用监督学习优化参数，自动学习畸变特征，建立非线性映射关系生成矫正像素差，提高矫正精度与效率。该方法实现自动化精确矫正，解决现有技术精度不足等问题，避免人工干预，简化过程，降低计算复杂度。