计算成像是融合了光学设计、光学传感和图像处理的新兴技术领域，突破了传统成像技术获取信息的深度和广度限制，成为国际研究热点，是先进光学成像技术的重要发展方向。综合国内外文献和相关报道，以计算成像在信息复原及信息增强应用场景的技术发展为主线，结合新方法、新算法探讨各个子领域的主要进展，介绍端到端相机成像优化模型、衍射光学模型及基于可微光线追踪的复杂透镜模型等。近年来，无论是光学系统硬件加工还是图像处理算法都有着惊人的发展速度，多样化系统结构和先进算法的结合为计算成像提供了强大的发展动力，从人脸识别到物体检测，计算成像技术广泛涵盖了安防监控、医疗诊断、零售和娱乐等众多领域，相信未来也会在更多科学应用领域看到它的价值。
计算成像 全链路 光信息编解码 激光与光电子学进展
2024, 61(2): 0211033
1 天津大学精密仪器与光电子工程学院，天津 300072
2 天津市生物医学检测技术与仪器重点实验室，天津 300072
在功能性近红外光谱（fNIRS）成像技术的实现中，扩散光学层析成像（DOT）具有改善定量性和分辨率的巨大潜力，但其效果受制于生理干扰（呼吸、心跳和低频振荡等）、检测系统的随机噪声以及有限测量数据量带来的不适定性。为增强fNIRS-DOT成像的性能，本文提出了一种基于模型先验信息的深度卷积编解码网络重建方法，利用分层半三维重建算法实现对表层和深层脑血氧变化信息的初步区分，发挥卷积、编解码网络对空间特征的学习能力，实现对深层脑激活信息的提取重建。为验证所提重建方法的有效性，开展了数值模拟和仿体实验，并将其与传统重建方法进行对比。结果表明，所提重建法不仅可以显著提高重建精度，极大地缩短重建时间，而且具有优异的泛化能力，为实现动态fNIRS成像提供了重要参考。
生物光学 功能性近红外光谱成像 分层半三维重建 深度卷积编解码网络 中国激光
2023, 50(21): 2107107
黄冬青 1,2,3徐伟铭 1,2,3,*许文迪 1,2,3何小英 1,2,3潘凯祥 1,2,3
1 福州大学数字中国研究院（福建），福建 福州 350108
2 福州大学空间数据挖掘与信息共享教育部重点实验室，福建 福州 350002
3 福州大学地理空间信息技术国家地方联合工程研究中心，福建 福州 350002
针对卷积神经网络在遥感影像分类时遇到的模型参数量过大和分类精度低等问题，在DeeplabV3+网络的基础上，将编码器中的深层特征提取器替换为轻量化网络MobilenetV2和Xception_65，将解码器结构改为逐层特征融合实现解码区上采样的细化，引入通道注意力模块加强编解码器之间的信息关联，引入多尺度监督实现感受野自适应。构建4种具有不同编解码结构的网络，在CCF数据集上对网络进行验证测试。实验结果表明，编码器采用Xception_65，解码器同时引入逐层连接、通道注意力模块和多尺度监督的MS-XDeeplabV3+网络在减少模型参数量、加快模型训练速度的同时能更细化地物的边缘信息，提高对道路、水体等线状地物和草地的分类精度，像素总体精度和Kappa系数分别达0.9122和0.8646，在遥感影像分类中效果最佳。
遥感影像分类 卷积神经网络 编解码结构 逐层特征融合 通道注意力模块 多尺度监督 激光与光电子学进展
2023, 60(16): 1628001
华东交通大学信息工程学院，江西 南昌 330013
为降低真实毫米波辐射图像的模糊现象，提出了一种基于残差尺度递归网络（RSRN）的毫米波辐射图像盲去模糊方法。RSRN采用多级残差递归结构，在编码器-解码器网络结构中添加级联残差连接和多尺度循环连接。充分利用毫米波辐射图像多尺度特征信息可以提升模型性能，同时使网络的训练更加稳定。最后，通过端到端的方式对毫米波辐射图像进行去模糊。实验结果表明，与现有的图像去模糊方法相比，所提方法消除模糊的同时更好地保留了细节信息，并且呈现出较好的定性和定量结果。
图像处理 图像去模糊 编解码器 多尺度 深度学习 激光与光电子学进展
2022, 59(18): 1810011
天津大学电气自动化与信息工程学院，天津 300072
磁共振成像具有出色的软组织对比度，在很多诊断中具有其他方式不可比拟的优势，是现代临床医学的重要观测手段之一。但磁共振成像扫描时间较长，严重制约了诊断效率，按照一定加速倍率通过部分扫描得到欠采样的K空间数据是减少扫描时间的重要途径。现有方法仅单独对K域或图像域进行重建，或者通过串行连接的图像域和K域卷积对两域进行交替处理，未能实现双域信息的融合，导致重建性能较差。为了实现对高加速倍率欠采样K空间数据的高质量重建，提出了一种同时处理图像域和K域数据的双域并行编解码结构。所提方法使用两个并行的编解码网络分别重建欠采样图像域和K域数据，并将K域分支的特征通过傅里叶逆变换融合到图像域，从而显著提高重建质量。实验结果表明，对于不同加速倍率的前采样数据，所提方法都优于其他基于U-Net的图像重建方法。所提方法有望成为一种高性能的高加速倍率磁共振欠采样数据重建方法，可应用于临床磁共振重建。
图像处理 磁共振成像 欠采样重建 编解码网络 深度学习 激光与光电子学进展
2022, 59(12): 1210014
1 上海大学通信与信息工程学院, 上海 200000
2 上海先进通信与数据科学研究院, 上海 200000
针对目前的无监督学习方法在单目图像深度估计中存在深度估计不准确、边缘模糊的问题, 提出了一种融合多尺度特征信息和语义信息的无监督单目深度估计网络。该网络不仅引入了从编码器到解码器的跳层连接来实现不同尺度特征的提取和融合, 还在编码器和解码器之间引入多个空洞卷积并行的语义层来增加感受野, 使得结果更加准确。最后在KITTI数据集上进行了训练和测试, 误差指标均低于目前的无监督学习方法, 图像预测的准确率在3个比例阈值下分别达到了91%, 96.8%和98.7%, 超过了所有的监督和无监督的方法, 使场景中各目标的边缘更清晰, 层次也更分明。
深度估计 无监督学习 空洞卷积 多尺度特征 编解码结构 depth estimation unsupervised learning dilated convolution multi-scale feature encoding/decoding structure
1 兰州交通大学 测绘与地理信息学院，甘肃兰州730070
2 兰州交通大学 自动化与电气工程学院，甘肃兰州730070
为准确捕捉三维点云模型的上下文信息，提高分割准确率，提出一种利用模型相似性进行三维模型簇协同分割的方法。首先，对点云模型进行最远点采样得到质心点，并采用球内随机选取的方式确定邻域点以构建球形邻域；然后，使用特征聚合算子编码三维点云之间的几何拓扑关系，提取各邻域间的相关联特征，并利用各球形邻域的质心坐标构建空间相似性矩阵，由空间相似性矩阵对编码器网络所提取的模型局部特征进行加权求和，完成对三维模型的协同分析；最后，搭建分层特征提取网络对经过加权处理的关联特征进行解码操作，完成模型簇协同分割任务。实验结果表明，本文算法在ShapeNet Part数据集上的协同分割准确率达到了86.0%。与kNN算法相比，以球内随机选取法为邻域点采样策略，可使网络的分割准确率提升0.8%；相比于使用共享的多层感知机进行特征提取，使用特征聚合算子进行卷积运算可使网络的分割准确率提高12.9%；与当前主流的模型分割算法相比，本文算法的分割准确率得到了进一步的提升。
协同分割 特征聚合算子 空间相似性矩阵 模型簇 分层编-解码器 co-segmentation feature aggregation operator spatial similarity matrix shape clusters layered codec 光学 精密工程
2021, 29(10): 2504
1 上海无线电设备研究所 激光探测技术研发中心，上海 201109
2 华中科技大学 光学与电子信息学院，武汉 430074
为了解决空间超高速率信息传输问题，保障我国天基宽带信息传输网的实现，分析了未来在空间进行超高速率激光通信采用数字相干体制的必要性，总结了现阶段实现这一目标存在的4个问题：单模光纤耦合、低噪声掺铒光纤放大器(EDFA)的放大、数字编解码算法和硬件架构问题。针对这4个问题逐一提出了解决方法，即快反镜(FSM)跟踪与自适应光纤章动、分段噪声抑制、浮点数并行处理算法和集成化。分析了空间激光通信技术水平的发展趋势，最后给出了对未来技术方向发展的预测。
激光通信 数字相干 单模光纤耦合 掺铒光纤放大器 编解码算法 laser communication digital coherent single-mode fiber coupling erbium doped fiber amplifier encoding and decoding algorithm
