DISEÑO DE PATRONES DE CALIBRACIÓN PARA ESTIMAR LA FUNCIÓN DE DISPERSIÓN DE PUNTO DE UN SISTEMA ÓPTICO VARIANTE USANDO ALGORITMOS DE APRENDIZAJE PROFUNDO DE EXTREMO A EXTREMO.

Abstract

La adquisición de imágenes espectrales depende de la implementación de sistemas ópticos; algunos de ellos como los sistemas ópticos variantes, requieren un proceso de calibración en donde la función de dispersión de punto es adquirida en todas las coordenadas espaciales del sistema. Conocer la función de dispersión de punto es esencial ya que permite obtener una descripción completa del comportamiento del sistema a través de la dimensión espacial y espectral, facilitando procesos como la reconstrucción computacional de imágenes espectrales, decodificación de imágenes, entre otros. Adquirir la función de dispersión de punto en todas las coordenadas espaciales del sistema es una tarea compleja y que consume bastante tiempo ya que requiere un número elevado de capturas en donde cada una tiene un tiempo de integración elevado. Por estas razones, este trabajo propone un método para obtener una aproximación de la función de dispersión de punto de un sistema óptico variante mediante la captura de un conjunto de patrones de calibración diseñados usando análisis de componentes principales. Los resultados de simulación muestran que utilizando un 84\% menos capturas, es posible obtener una aproximación de la función de dispersión de punto con un pico de relación señal a ruido promedio de 40 db y un índice de similaridad estructural de 90\%. Resultados de implementación mostraron un pico de relación señal a ruido promedio de 40 db y un índice de similaridad estructural promedio de 71\%.