人眼是一个高度复杂的光学系统，它结合了角膜和晶状体的折射能力来形成清晰的视网膜图像。然而，该系统容易受到解剖结构或光学变化的影响，任何不规则性都可能导致图像模糊或屈光误差。特别是轴向长度的变化会改变焦平面并引起像差，从而导致近视和远视等状况[1]、[2]、[3]、[4]。因此，准确的人眼光学建模对于深入理解视觉机制以及开发诊断和矫正策略至关重要。
在过去几十年中，Gullstrand和Liou–Brennan等眼球示意图被广泛用于模拟眼部成像和光学像差分析[5]、[6]、[7]。这些模型通过引入非球面表面和梯度折射率晶状体来增强解剖学真实性，使其成为视觉光学研究的宝贵工具。然而，纯数值仿真缺乏物理验证，无法完全再现体内观察到的复杂波前行为。为了解决这一局限性，人们开发了用于眼科研究、人工晶体（IOL）测试和教育应用的物理眼模型[8]、[9]、[10]、[11]、[12]。大多数报道的设计仅限于定性图像展示，很少提供屈光误差或光学像差的定量评估。已经探索了几种光学测量方法来表征眼部结构和光学性能。例如，计算机生成的全息图（CGH）被用来设计定制的点扩散函数（PSF），以评估人工晶体植入物的视觉质量[13]、[14]；数字内联全息术（DIH）被用于表征多焦点人工晶体的表面地形[15]；光学相干断层扫描（OCT）被广泛用于研究晶状体梯度和三维形态[16]、[17]、[18]。尽管这些技术提供了有价值的结构信息，但它们大多忽略了像差对成像性能的定量影响。Shack–Hartmann波前传感器可以测量眼部像差，但其空间分辨率受到微透镜阵列的限制，需要复杂的多点重建，从而限制了其实现高分辨率和快速波前评估的能力[19]、[20]。
近年来，数字全息术（DH）[21]、[22]、[23]作为一种强大的非接触式、全场和高分辨率波前测量工具而崭露头角。我们开发了一种基于DH的方法来记录和重建复杂的光场，通过Zernike分解[24]、[25]、[26]对眼部像差进行定量评估。与传统技术相比，这种方法提供了更快、更精确的波前表征。
与移动设备或相机中使用的传统成像镜头不同，人眼具有动态调节能力、自适应像差控制以及紧凑的梯度折射率（GRIN）光学结构[27]、[28]。这些机制使眼睛能够在不同物体距离下保持高成像质量，而无需机械聚焦。相比之下，人工镜头依赖于刚性光学元件和静态焦距设计，限制了它们的景深和适应性。最近在仿生光学和可调光学方面的进展表明，模仿人眼的调节能力和基于GRIN的架构可以增强人工系统的成像多样性和紧凑性[29]、[30]。因此，基于这些原理开发仿生眼模型为未来的机器视觉、AR/VR眼镜和机器人应用提供了有前景的途径，使得自适应成像模块能够在动态或非结构化环境中超越传统数码相机。因此，本研究旨在建立一个物理上可实现的仿生眼平台，将光学设计与实验验证定量联系起来。
为此，我们提出了一个集成框架，结合了光学仿真、物理制造和基于DH方法的定量波前评估，以开发和验证仿生人眼模型。首先在Zemax软件中基于Liou–Brennan模型构建了一个标准正视眼模型，并引入轴向长度变化来模拟近视和远视。相应的物理模型通过高精度3D打印制造，并在不同轴向配置下通过E-chart成像进行实验评估。最后，使用DH方法捕获仿生眼发出的波前，然后进行数值重新聚焦、相位重建和像差定量分析。实验结果与Zemax仿真结果进行了比较，证实了模型的准确性以及使用3D打印仿生眼作为屈光误差分析和光学诊断定量平台的可行性。
