1 北京信息科技大学 仪器科学与光电工程学院,北京 100192
2 光电信息控制和安全技术重点实验室,天津 300308
针对在外场实现探测器损伤状态实时探测的需求,研发了光电探测器表面损伤状态偏振成像式探测系统。理论推导了“猫眼”目标回波偏振特性参数DP和回波偏振度DOP的表达式,利用MATLAB软件仿真绘制了表面粗糙度、回波偏振度以及偏振特性的关系曲线;设计了一套同时偏振成像光学系统,开展了671 nm连续激光对电荷耦合器件(CCD)表面损伤状态的实时探测外场实验,编制了基于MATLAB GUI的回波图像可视化实时采集系统,得到了回波图像强度、偏振特性以及光斑尺寸等信息;通过光学显微镜和白光干涉仪对探测器表面损伤处和未损伤处形貌图像分析,发现探测器损伤表面可见硅基底且粗糙度参数Sq值较大;结果表明,仿真结果与实验测试结果具有良好一致性。光电探测器被损伤后,其表面粗糙度增大,回波偏振特性参数DP减小,退偏特性明显,偏振度DOP减小。偏振成像技术可有效对光电探测器表面损伤状态进行实时探测,该研究提供了一种外场条件下实时探测的好方法。
偏振成像 损伤探测 偏振特性 电荷耦合器件 粗糙度 polarization imaging damage detection polarization characteristics CCD roughness 红外与激光工程
2022, 51(6): 20210629
光电信息控制和安全技术重点实验室, 天津 300308
新型材料、先进集成封装技术和新型微架构的不断涌现, 促使光电领域装备向轻量化、智能化、一体化方向发展。微系统所带来的性能和功耗改进, 使装备的全面/跨代升级成为可能, 具有重要的**应用前景。文中关注微系统在光电领域的应用, 梳理现阶段各研究机构在半导体及光频微系统领域的规划部署, 并对光频微系统的**应用前景进行展望。
光频微系统 微集成技术 异质异构集成 光学相控阵 optical frequency micro-system micro-integration technology heterogeneous integration optical phased array
1 天津大学精密测试技术及仪器国家重点实验室,天津 300072
2 中国电子科技集团公司第五十三研究所,天津 300300
3 南开大学计算机学院,天津 300071
针对图像中某几类物体具有相似颜色特征而导致的分类困难问题,本文提出了一种具有隐蔽色特征物体的图像分类方法。该方法针对可见光图像中具有颜色隐蔽性物体而难以区分的问题,通过将二维图像的邻域像素空间特征与高光谱图像的谱段特征相结合并使用改进的局部线性嵌入降维算法实现了空谱联合的特征降维,最终利用主动学习胶囊网络训练高光谱数据分类器从而实现场景内目标的分类。通过改进的主动学习函数可以对更具代表性的样本进行标注,实现了利用小样本集对胶囊网络的训练,有效降低了样本的标注成本和模型的训练成本,提高了模型分类性能。实验表明,该算法运行在自建高光谱数据集上能够有效地分类隐蔽色特征物体和其他自然场景,针对隐蔽色目标的平均准确率达到了 91%,针对所有类别物体的平均准确率达到了 89.9%。
高光谱图像分类 隐蔽色 胶囊网络 主动学习 特征构造与降维 hyperspectral image classification, camouflaged co
光电信息控制和安全技术重点实验室, 天津 300308
天地线检测在复杂场景的红外目标检测系统中具有重要的作用, 将深度语义分割模型引入了天地线检测任务。不同于传统的基于手工模板的阈值分割算法, 深度学习算法能够充分挖掘图像事例之间的结构信息与语义信息, 具有较强的自适应性。文中利用Deeplab-v3+算法作为语义分割算法, 实现了对天空与地面的有效分割。在城市、森林、山地等不同场景的实验中, 所提算法取得了良好的天地线检测效果, 验证了所提算法的有效性与鲁棒性。
深度学习 语义分割 天地线检测 红外图像 deep learning semantic segmentation horizon detection infrared image
光电信息控制和安全技术重点实验室, 天津 300308
基于干涉成像原理的分块式平面侦察成像系统的提出, 为降低高分辨率光学系统的体积、质量和功耗提供了新的解决方案。为提高重构图像质量, 干涉系统的基线需要通过设计提高空间频率覆盖的均匀性, 以避免空间采样缺频。针对孔径排列配对的问题, 提出一种高均匀性UV覆盖的基线阵列设计方法。该方法在径向排列的基础上, 通过计算低频截止频率, 分别优化高频、低频基线。该设计方法可以实现高均匀性、低冗余度的UV覆盖结果, 可有效提高重构图像质量。
光学系统 干涉成像 干涉基线 空间频率采样 optical system interference imaging interference baseline spatial frequency sampling
1 河北工业大学电子信息工程学院, 天津 300401
2 中国电子科技集团公司第五十三研究所光电信息控制和安全技术重点实验室, 天津 300308
在进行遥感图像多分类识别时,针对使用传统方法遇到的分类模型特征提取困难、分类精度不理想、分类种类少等问题,研究了卷积神经网络(CNN)模型在高光谱遥感地物多分类识别中的可行性及不同CNN 模型对高光谱遥感地物多分类的识别效果。从ISPRS(International Society for Photogrammetry and Remote Sensing)提供的Vaihingen及Google Earth中采集数据,制作了包含6类地物的数据集一。在此基础上增加10类地物制作数据集二,再增14类地物制作数据集三。在预处理图像数据之后,通过设置神经网络结构、调整模型参数、对比神经网络模型等,上述3类数据集的地物分类识别率均达到95%以上。通过分析不同CNN模型对高光谱遥感地物多分类识别效果的影响,证实了CNN模型在高光谱遥感地物多分类识别应用的可行性且具有较高的识别率。实验结果为CNN模型在高光谱遥感地物多分类识别中的应用提供了一定的参考。
遥感 高光谱图像 图像分类 卷积神经网络 特征提取 激光与光电子学进展
2019, 56(2): 021702
1 河北工业大学电子信息工程学院, 天津 300401
2 光电信息控制和安全技术重点实验室, 天津 300308
细粒度车型图像的类间特征差异小,在复杂图片背景中识别干扰因素多。为提高模型在复杂背景中对图像的特征提取能力和识别准确度,提出了基于支持向量机(SVM)和深度卷积神经网络(DCNN)的分类器集成模型Softmax-SVM。它将交叉熵代价函数与hinge损失函数相结合,代替Softmax函数层,减少了过拟合的发生。同时,设计了一个10层的DCNN提取特征,避免了手工提取特征的难题。实验数据集为复杂背景下的27类精细车型图像,尤其还包含同一汽车厂商的相近车型。实验结果表明,在不进行大量预处理的前提下,Softmax-SVM分类器识别269张测试样本能够获得97.78%的准确率,识别每张样本的时间为0.759 s,明显优于传统模式识别方法和未改进前的DCNN模型。因此,基于DCNN的Softmax-SVM分类器能够适应环境的复杂变化,兼顾识别精度与效率,为复杂背景下的细粒度车型分类提供了实际参考价值。
机器视觉 Softmax-SVM 深度卷积神经网络 复杂背景 细粒度车型 激光与光电子学进展
2019, 56(4): 041501
光电信息控制和安全技术重点实验室, 天津 300308
针对红外高光谱数据目标鉴别问题, 根据目标光谱特点, 采用均匀区域法进行噪声评估、PCA和LDA算法进行数据降维与特征提取、光谱间最小距离匹配算法进行数据分类这三个步骤, 对高光谱数据进行分析处理。重点对PCA/ICA/LDA算法及LDA算法的性能进行了分析对比, 实现了不同目标的红外光谱鉴别。根据对比结果可以看出, LDA算法在光谱数据特征分离方面, 与PCA和ICA两个算法对比具有较好的效果。
红外高光谱 高光谱鉴别 降维与特征提取 infrared hyperspectral hyperspectral data identification dimension reduction and feature extraction PCA principal component analysis (PCA) LDA linear discriminant analysis (LDA)
光电信息控制和安全技术重点实验室,天津 300308
随着人工智能技术的发展和**智能化进程的不断推进,战争形态正加速向信息化战争演变。为了积极应对新技术的挑战和新型**装备的威胁,将人工智能技术应用于光电对抗领域,使得光电对抗具备认知化能力,极大缩短对抗的反应时间,满足对新型、未知威胁的对抗需要。文中从发展需求,能力特点,国外典型应用,技术框架和发展构想等方面对人工智能在光电对抗领域的应用进行技术展望。
人工智能 光电对抗 认知化 artificial intelligence(AI) electro-optical countermeasure cognition
1 光电信息控制和安全技术重点实验室, 天津 300308
2 光电信息控制和安全技术重点实验室, 天津 300308:
高光谱成像探测技术已经广泛应用于伪装物探测领域, 但丰富的光谱细节意味着巨大的数据量, 这导致数据存储和计算处理过程时间很长, 难以满足战场环境下伪装物实时探测识别的要求。传统的光谱信息压缩和快速选取算法大多需要目标的特征光谱, 而某些战场中伪装目标的光谱通常难以获得, 这降低了传统算法的可用性。针对战场环境伪装物的视觉伪装效果, 提出了基于目标与背景间局部自相关系数对疑似伪装目标进行检测。算法通过选取最佳特异性光谱, 实现无光谱先验信息的伪装物识别, 提高了高光谱成像探测目标检测效率。实验分析表明, 该算法可以有效提取三个特异性光谱, 实现伪装物目标识别与提取过程。
高光谱 局部相关性 特异性光谱 伪装目标 谱段选取 hyper-spectral local self-correlation specific spectrum camouflage target spectrum selection