1 南京理工大学 电子工程与光电技术学院，江苏 南京 210094
2 电力科学研究院 国网山西省电力有限公司，山西 太原 030001
针对远场激光光斑分布不均匀、形状不规则的特性，提出一种基于改进的Zernike矩的远场激光高精度中心测量方法。在传统Zernike矩亚像素边缘检测基础上，使用新型的logistic边缘检测模型和阶跃阈值自适应提取方法，在减少人工对阶跃阈值误判的同时，提高对实际边缘的识别精度，最后使用最小二乘法椭圆拟合得到高精度激光光斑中心。该方法在远场激光中心检测中，单帧误差在0.5 pixel左右，连续多帧中心偏差波动在1 pixel以内，拥有较高的精度和可靠的稳定性。
Zernike矩 远场激光 光斑中心 亚像素边缘 Zernike moments far field laser spot center subpixel edge 
西安建筑科技大学信息与控制工程学院，陕西 西安 710055
Overview: In many scenes in real life, collecting high-quality images is one of the key factors to achieve high accuracy in object detection, image segmentation, automatic driving, medical surgery, and other works. However, images and videos collected by electronic devices are very vulnerable to various environmental factors, such as poor lighting, resulting in low image brightness, color distortion, more noise, effective details, and texture information loss, which brings many difficulties to subsequent tasks and works. The enhancement of low-illumination images generally restores image clarity by increasing brightness, removing noise, and restoring image color. In recent years, the depth neural network has had a strong nonlinear fitting ability, which has achieved good results in low illumination enhancement, image deblurring, and other fields. However, the existing low illumination image enhancement algorithms will lead to color imbalance when improving image brightness and contrast, and easily ignore the impact of some noises. Based on the above questions, this paper proposes an image enhancement method with parallel mixed attention step-by-step fusion. With the aid of the limited correlation between local features extracted by weighting different multi-scale branches, the local image details under multiple receptive fields can complement each other, and use parallel mixed attention to focus on color information and lighting features at the same time, which effectively improves the detail representation of the network and reduces noises. Finally, shallow feature information is fused in multiple stages. In order to alleviate the model confusion caused by the weakening of color information expression and single-stage feature superposition caused by the increase of network depth. The ablation experiment, module multi-stage experiment, and multiple evaluation indexes are compared with the existing advanced methods on four commonly used datasets, which fully proves that the method proposed in this paper is superior to the comparison methods on multiple evaluation parameters, and can effectively improve the overall brightness of the image, adjust the image color imbalance and remove noises. Combining the follow-up research task of the subject and analyzing the shortcomings of the network, a way to simplify the model and improve the operation speed will be the key direction of the follow-up research task.
图像增强 多尺度加权聚合 并行混合注意力 渐进融合 信息冗余 image enhancement multiscale weighted aggregation parallel hybrid attention progressive integration information redundancy
1 宁夏大学 物理与电子电气工程学院, 宁夏 银川 750021
2 宁夏沙漠信息智能感知重点实验室, 宁夏 银川 750021
由于摄像机视角造成的类内差异明显, 研究学者开始利用GAN扩充数据保持类内不变性。针对现有GAN生成图像模糊、背景不真实, 本文提出一种利用姿态与外观特征混合编码的行人再识别算法。在训练阶段, 将人物图像分解为姿态特征和外观特征, 生成网络通过切换外观特征与姿态特征, 混合两幅图像中的特征生成高质量图像。判别网络将生成图像的外观特征反馈给生成网络的外观编码器以实现联合优化, 采用多损失联合进一步提高生成图片的质量。在测试阶段, 使用原数据集对网络模型进行测试, 在Market-1501和DukeMTMC-reID数据集上的rank-1/mAP 分别达到93.4%/82.2%、84.3%/70.5%。
行人再识别 深度学习 GAN网络 外观特征 姿态特征 person re-identification deep learning GAN network appearance features attitude features
Author Affiliations
Abstract
1 International School for Optoelectronic Engineering, Qilu University of Technology (Shandong Academy of Sciences), Jinan 250300, China
2 Department of Chemistry, Shanghai University, Shanghai 200444, China
3 State Key Laboratory of Crystal Materials, Shandong University, Jinan 250100, China
4 School of Electronic and Information Engineering (Department of Physics), Qilu University of Technology (Shandong Academy of Sciences), Jinan 250300, China
5 State Key Laboratory of Biobased Material and Green Papermaking, Qilu University of Technology (Shandong Academy of Sciences), Jinan 250300, China
6 Key Laboratory of Materials for High-Power Laser, Shanghai Institute of Optics and Fine Mechanics, Chinese Academy of Sciences, Shanghai 201800, China
Two-dimensional (2D) Te nanosheets were successfully fabricated through the liquid-phase exfoliation (LPE) method. The nonlinear optical properties of 2D Te nanosheets were studied by the open-aperture Z-scan technique. Furthermore, the continuous wave mode-locked Nd:YVO4 laser was successfully realized by using 2D Te as a saturable absorber (SA) for the first time, to the best of our knowledge. Ultrashort pulses as short as 5.8 ps were obtained at 1064.3 nm with an output power of 851 mW. This primary investigation indicates that the 2D Te SA is a promising photonic device in the fields of ultrafast solid-state lasers.
tellurium Z-scan saturable absorber ultrafast solid-state laser Chinese Optics Letters
2021, 19(3): 031401
1 宁夏大学 物理与电子电气工程学院, 宁夏 银川 750021
2 宁夏大学 沙漠信息智能感知重点实验室, 宁夏 银川 750021
结合全局特征和局部特征是提高行人再识别精度的一种途径。现有的算法通常从人体特定的语义区域提取特征, 由于没有将人体结构考虑在内, 增加了学习难度, 在差异较大的场景下效率和鲁棒性较差。为了较好地解决上述问题, 本文提出一种融合了全局特征、局部特征以及人体结构特征的多粒度特征融合的行人再识别算法。本算法不引入任何人体结构先验知识, 在特征提取方面, 采用均值池化和最大池化对特征图加权得到强辨识性的全局特征。对特征图切片得到局部特征, 在原有局部特征的基础上, 引入局部相对特征作为人体结构特征。在度量方面, 采用三元组损失与ID损失在不同尺度下的多级监督机制。在Market1501、DukeMTMC-reID的实验表明, 算法的Rank-1指标相比于部分卷积基线(PCB)方法提升了1.3%、3.9%, 平均精度均值(mAP)提升了5.1%、9.8%。
全局特征 局部特征 人体结构特征 特征融合 深度学习 卷积神经网络 行人再识别 global feature local feature human structural feature feature fusion deep learning convolutional neural network person re-identification
武汉大学水资源与水电工程科学国家重点实验室, 湖北 武汉 430072
叶片含水量（leaf water content, LWC）的快速监测对于作物的干旱诊断和灌溉决策至关重要。 以叶片、 冠层两个尺度, 原始、 一阶导数两种光谱处理形式的高光谱数据为基础, 采用两波段植被指数如归一化差分（normalized difference spectral index, NDSI）和比值光谱指数（ratio spectral index, RSI）, 偏最小二乘回归（partial least squares regression, PLSR）和竞争自适应重加权采样-偏最小二乘回归（competitive adaptive reweighted sampling-partial least squares regression, CARS-PLSR）三种方法对叶片含水量进行建模分析, 以确定最佳冬小麦叶片含水量预测模型。 结果表明: 三种方法中, 基于叶片一阶导数光谱的CARS-PLSR模型对LWC的预测效果最好, LWC的预测值与实测值高度重合（R2=0.969, RMSE=0.164, RRMSE=6.00%）。 相同条件下, 三种方法的叶片光谱模型对LWC的预测效果均优于冠层光谱模型。 在两波段指数模型以及PLSR模型中, 原始光谱模型对LWC的预测效果优于一阶导数光谱模型, 而在CARS-PLSR模型中结果相反。 在两波段指数模型中, RSI比NDSI具有更高的估算精度。 研究表明, 通过竞争自适应重加权采样方法提取敏感波段后所建立的偏最小二乘回归预测模型, 无论是预测精度还是建模精度, 与两波段指数和偏最小二乘回归模型相比都有了显著提高, 该方法可为精准快速地监测冬小麦旱情以及灌溉决策提供参考。
叶片含水量 偏最小二乘回归 竞争性自适应重加权采样 冬小麦 高光谱遥感 Leaf water content Partial least squares regression Competitive adaptive reweighted sampling Winter wheat Hyperspectral remote sensing
1 兰州交通大学电子与信息工程学院，甘肃兰州 730070
2 兰州交通大学数理与软件工程学院，甘肃兰州 730070
3 兰州交通大学自动化与电气工程学院，甘肃兰州 730070
为了改善全光纤马赫-曾德尔干涉仪(MZI)型梳状滤波器 (interleaver)的输出特性，提出了由一个 2×2光纤耦合器和一个带自反馈光纤谐振腔的光纤耦合器级联组成的改善型的全光纤 MZI型梳状滤波器。根据其结构，利用光纤传输理论和矩阵理论推导出了该器件的输出表达式，并进行了数值模拟分析。结果表明：该器件在合理参数的情况下，利用带自反馈光纤谐振腔引入的相位调节效应，使其 25 dB截止带宽为 46.7 GHz，约占 50 GHz频率间隔的 93.4%，输出光谱形态近似于方波。当存在传输损耗时，两束干涉光信号的幅度不存在明显的差异，降低了传输损耗对滤波器消光特性的影响，与传统的光纤谐振环辅助非平衡 MZI型梳状滤波器相比，不仅降低了传输损耗对滤波器消光特性的影响，而且还将所需的光纤耦合器数目减少至 2个，使其在未来的密集波分复用系统中能发挥重要作用。
光纤耦合器 梳状滤波器 马赫-曾德尔干涉仪 光纤谐振腔 fiber optical coupler interleaver Mach-Zehnder interferometer fiber ring resonator
1 中北大学电子测试技术重点实验室, 山西 太原 030051
2 中北大学信息与通信工程学院, 山西 太原 030051
水下动态参数的测试是特种**、 两栖**、 水下专用**性能考核的必备环节, 而水下运动体的速度信息是评价水下**性能的重要指标之一。 针对现有的水下高速目标参数测试系统中存在的成本高、 安装调试复杂、 设备体积庞大等问题, 提出一种以激光光幕为有效区域水上、 水下分体式, 实时、 非接触的测速方法。 通过分析Lambert-Beer定律和体散射函数等数学原理, 确定了水下光谱传输规律综合考虑性价比获得最佳峰值波长; 将1m的圆柱体作为散射体模拟光在水中的散射情况, 追迹空间区域内的光线总数为1×105, 获得位于传播方向上1, 3, 5和7 m处的接收面上辐照度的光能量分布, 从而获取系统激光光源的最佳峰值功率。 以此为依据, 采用定距测时原理和一维原向反射技术, 由峰值波长为532 nm的半导体光纤耦合绿光激光器、 光纤耦合式鲍威尔棱镜防水扩束器、 一维原向反射器等构建光学系统。 激光光源、 光电转换部分和信号调理部分位于水上, 激光光幕和原向反射器位于水下, 通过光纤束完成两路光信号的发射和反射光的回收。 发射端光纤一端与光源耦合, 另外一端与鲍威尔棱镜耦合置于水下形成扇形光幕。 接收端光纤一端均布于鲍威尔棱镜出口, 另一端与PIN型光电传感器耦合。 设计齿形一维原向反射器并完成加工制造, 光线将沿着入射光方向原向返回, 另外一维方向则仍为镜面反射, 将接收系统置于发射点垂直光面内附近即可接收大部分光能量, 解决了现有原向发射器因水介质折射率不同于空气而导致原向反射特性消失的问题。 实验采用波长为(532±5) nm绿光激光器, 功率稳定性<1%, 光学噪声< 0.5%, 准直后耦合至长度为2 m的单模光纤再经过鲍威尔棱镜展宽为60°扇形一字线光幕, 扩束模块封装采用尼龙防水材料, 接收光纤均布于光源周围形成环形光纤束, 光纤另外一端均匀排列与PIN光敏二极管直接耦合。 光敏二极管前加中心波长为532 nm的光学滤光片, FWHM=(3±1) nm, 透过率为70%。 PIN型光敏二极管有效尺寸为5.0 mm×5.0 mm。 采用多档可调的光电信号调理电路以适应不同尺寸的测试对象。 该系统进行了不同目标速度参数测试实验, 以钢弩为发射装置, 信号经过光纤回收、 信号调理, 采集至计算机处理获得波形及区间内平均速度, 两激光光幕之间的距离为定值300 mm, 波形峰值作为计时时刻。 成功获取了较高信噪比的波形信号和目标速度值。 利用水下运动体模型与模拟结果进行比较得到其绝对误差。 实验结果表明: 本方法结构简单、 重复性好, 可实现有效区域达到1 m×1 m, 最小可测目标尺寸为5 mm, 理论测速上限可达1 000 m·s-1, 实验数据通过与理论经验公式结果比对表明, 系统测试精度可达0.2%。
水下** 激光光幕 弹丸速度 一维原向反射 Submarine weapon Laser screen Velocity One-dimensional retro-reflector
Author Affiliations
Abstract
1 Key Laboratory of Space Laser Communication and Detection Technology, Shanghai Institute of Optics and Fine Mechanics, Chinese Academy of Sciences, Shanghai 201800, China
2 University of Chinese Academy of Sciences, Beijing 100049, China
A laser-diode-pumped high-pulse-energy Nd:LiYF4 master oscillator power amplifier 1053 nm laser system is demonstrated. We design a home-made pump module to homogenize the pump intensity through the ray tracing method. To increase the extraction efficiency, the pre-amplifier adopts a double-pass amplification structure. At a repetition rate of 50 Hz, 655 mJ pulse energy and 12.9 ns pulse width of 1053 nm laser is obtained from the master oscillator power amplifier system. The corresponding peak power is 51 MW. The optical-to-optical efficiency of the system is about 9.7%.
140.3280 Laser amplifiers 140.3480 Lasers, diode-pumped 140.3580 Lasers, solid-state Chinese Optics Letters
2015, 13(6): 061401
