1 中国科学院 近代物理研究所，兰州 730000
2 中国科学院大学 核科学与技术学院，北京 100000
3 兰州科近泰基新技术有限责任公司，兰州 730000
4 柯尼卡美能达再启医疗设备 (上海) 有限公司，上海 201800
治疗室与其机器人是重离子治疗装置（HIMM）精准治疗系统的重要组成部分，为了提升重离子放疗过程中患者摆位的精度和效率，研究一种使用激光跟踪仪和其配套软件SA将运载治疗床的机器人基座坐标系与治疗室坐标系统一的方法，通过图形拟合的方法确定了标定点在法兰盘坐标系中的坐标；通过数学模型的搭建完成了机器人法兰盘坐标系和基座标系之间的坐标变换；利用SA软件中最佳拟合算法求出了治疗室坐标系与机器人坐标系之间的变换矩阵，完成了坐标系的统一。在HIMM中的实际应用表明，坐标系的统一方法的使用不但简化了标定点在法兰盘中心坐标系中坐标的标定，简化了法兰盘中心坐标系和基座标系转换的计算过程，而且标定精度良好、效率更高，更加符合重离子精准治疗系统及其他工业应用。
重离子治癌装置 治疗室 机器人 坐标变换 激光跟踪仪 Heavy Ion Medical Machine treatment room robot coordinate transformation laser tracker 强激光与粒子束
2023, 35(6): 064002
1 合肥工业大学计算机与信息学院，安徽 合肥 230009
2 工业安全与应急技术安徽省重点实验室，安徽 合肥 230009
3 安徽省蚌埠市公安局科技信息科，安徽 蚌埠 233040
随着可见光-红外双模相机在视频监控中的广泛应用，跨模态人脸识别也成为计算机视觉领域的研究热点，而将近红外域人脸图像转化为可见光域人脸图像是跨模态人脸识别中的关键问题，在刑侦安防领域有着重要研究价值。针对近红外人脸图像在着色过程中面部轮廓易被扭曲、肤色还原不真实等问题，本文提出了一种双重对比学习框架下的近红外-可见光人脸图像转换方法。该方法构建了基于StyleGAN2结构的生成器网络并将其嵌入到双重对比学习框架下，利用双向的对比学习挖掘人脸图像的精细化表征。同时，本文设计了一种面部边缘增强损失，利用从源域图像中提取的面部边缘信息进一步强化生成人脸图像中的面部细节、提高人脸图像的视觉效果。最后，在NIR-VIS Sx1和NIR-VIS Sx2数据集上的实验表明，与近期的主流方法相比，本文方法生成的可见光人脸图像更加贴近真实图像，能够更好地还原人脸图像的面部边缘细节和肤色信息。
强激光与粒子束
2022, 34(4): 044001
合肥工业大学计算机与信息学院，安徽 合肥 230601
光场相机通过单次曝光同时从多个视角采样单个场景，在深度估计领域具有独特优势。噪声场景下的深度获取是光场图像深度估计的难点之一。传统针对噪声场景的深度获取方法大多仅适用于非遮挡情况，无法较好处理包含遮挡区域的噪声场景。针对含遮挡的噪声场景深度估计问题，提出了基于内联遮挡处理的深度估计方法。该方法采用内联遮挡处理框架，通过将遮挡处理集成进抗噪成本量中，在保证抗噪性能的同时提升算法的抗遮挡能力。在成本量建立完成后，为进一步滤除剩余噪声，采用提出的适应遮挡的多模板滤波策略对成本量进行遮挡感知优化，该策略通过为不同方向的遮挡分别设计滤波模板，在滤波的同时能较好保留图像的边缘结构，有效改善了传统滤波算法无法保留遮挡边界的问题。实验结果表明，相比其它先进深度估计算法，该方法在高噪场景下具有显著优势，并能更好处理噪声场景深度估计的遮挡问题。
光场 深度估计 散焦线索 噪声抑制 遮挡处理 light field depth estimation defocus cue noise suppression occlusion handling
1 合肥工业大学计算机与信息学院，安徽 合肥 230009
2 工业安全与应急技术安徽省重点实验室，安徽 合肥 230009
针对现有红外图像分辨率低、质量不高的问题，提出了基于通道注意力与迁移学习的红外图像超分辨率重建方法。该方法设计了一个深度卷积神经网络，融入通道注意力机制来增强网络的学习能力，并且使用残差学习方式来减轻梯度爆炸或消失问题，加速网络的收敛。考虑到高质量的红外图像难以采集、数目不足的情况，将网络的训练分成两步：第一步使用自然图像来预训练网络模型，第二步利用迁移学习的知识，用较少数量的高质量红外图像对预训练的模型参数进行迁移微调，使模型对红外图像的重建效果更优。最后，加入多尺度细节滤波器来提升红外重建图像的视觉效果。在Set5、Set14 数据集以及红外图像上的实验表明，融入通道注意力机制和残差学习方法，均能提升超分辨率重建的效果，迁移微调能很好地解决红外样本数量不足的问题，而多尺度细节提升滤波则能提升重建图像的细节，增大信息量。
超分辨率 红外图像 卷积神经网络 注意力 迁移学习 super-resolution infrared image convolutional neural network attention transfer learning
本文研究了不同激光扫描速率对5CrNiMo熔覆Ni60合金涂层组织与性能的影响。采用X射线衍射仪、扫描电镜、能谱分析仪、显微硬度计和摩擦磨损试验机对熔覆层的物相组成、显微组织、显微硬度及耐磨性进行分析测试。结果表明: 不同激光扫描速率下, 5CrNiMo合金熔覆层组织主要由CrB2、Cr3B2、Cr7C3及γ-Ni等物相组成。随着扫描速率增大, 熔覆层组织由柱(条)枝晶向等轴晶转变, 熔覆层逐渐细化, 表面硬度及抗磨损性能逐渐增大, 摩擦系数逐渐减小。当扫描速率为10 mm/s时, 熔覆层的平均摩擦系数仅为0.18, 显微硬度高达1 550 HV0.2, 涂层具有最佳的耐磨性能。
激光熔覆 扫描速率 Ni60合金 显微组织 耐磨性 laser cladding Ni-based coating microstructure microhardness abrasion resistance
合肥工业大学计算机与信息学院，安徽合肥 230601
雾天拍摄的图像通常会存在对比度低、图像质量差的问题，而这些退化图像会对计算机视觉的应用产生显著的负面影响。针对这些问题，本文首次提出一种将光场与大气散射模型相结合的图像去雾方法。首先利用光场相机捕获多视角信息的优势提取散焦线索和匹配线索估计雾天图像的深度信息，并利用获取的深度信息计算场景初始透射率。然后利用场景深度信息构建新的权重函数，并将其与 1-范数上下文规则化相结合对初始透射率图迭代优化。最后利用大气散射模型对光场中心视角图像进行去雾以获得最终的无雾图像。在合成雾天图像和真实雾天图像上的实验结果表明，与现有的单幅图像去雾算法相比，峰值信噪比(PSNR)提高约 2 dB，结构相似性(SSIM)提高约 0.04，本文方法更好地保留了图像的结构信息，同时去雾后的图像较好地保持了图像的色彩信息，能获得更优的图像去雾效果。
图像去雾 光场 散焦线索 匹配线索 深度估计 大气散射模型 image dehazing light field defocus cues correspondence cues depth estimation atmospheric scat-tering model
合肥工业大学计算机与信息学院，安徽 合肥 230601
为获得更优的深度图像超分辨率重建结果，本文构建了彩色图像多尺度引导深度图像超分辨率重建卷积神经网络。该网络使用多尺度融合方法实现高分辨率(HR)彩色图像特征对低分辨率(LR)深度图像特征的引导，有益于恢复图像细节信息。在对LR深度图像提取特征的过程中，构建了多感受野残差块(MRFRB)提取并融合不同感受野下的特征，然后将每一个MRFRB输出的特征连接、融合，得到全局融合特征。最后，通过亚像素卷积层和全局融合特征，得到HR深度图像。实验结果表明，该算法得到的超分辨率图像缓解了边缘失真和伪影问题，有较好的视觉效果。
深度图像 超分辨率重建 卷积神经网络 多尺度引导 多感受野特征 depth image super-resolution convolutional neural network multi-scale guidance multiple receptive field characteristics
合肥工业大学计算机与信息学院，安徽 合肥 230601
针对光场相机特定透镜结构及透镜边缘像素混叠导致获得的光场多视角图像质量较差的问题，本文提出了一种基于双引导滤波的光场去马赛克算法。首先用白图像及透镜掩膜信息重新加权基于梯度的无阈值(GBTF)算法重建G图像，然后使用重建的G图像对R/B图像进行双引导重建R/B图像，最后将重建的R、G、B图像组合为全彩色图像。实验结果表明，与其他先进去马赛克方法相比，指标CPSNR提高1.68%，指标SSIM提高2%，并且本文方法得到的光场多视角图像具有清晰的边缘和较少的颜色伪影。
去马赛克 光场 微透镜阵列 双引导滤波 demosaicing light field microlens array double guided filtering
