黑磷是一种新型的二维半导体材料,其具备随层数可调的直接带隙和高载流子迁移率等特性,与块体黑磷相比,低维黑磷具有结构、性能优势,有极大的潜在应用价值。目前,已有多个课题组成功制备出不同形貌的低维黑磷,并将其应用于太阳电池的活性层、电子传输层和空穴传输层中,使电池的转换效率得到不同程度的提升。具体介绍了低维黑磷的制备方法,综述了低维黑磷在太阳电池领域的相关应用研究进展,提出了亟需解决的问题,并展望了其未来的发展趋势。

采用分步傅里叶算法,研究了湍流大气中环形Airy高斯涡旋光束的传输强度和相位分布特性。对比分析了环形Airy高斯涡旋光束在湍流大气中和在自由空间中传输特性的变化,揭示了传输距离和分布因子对湍流大气中环形Airy高斯涡旋光束平均强度的影响规律。结果表明:由于大气折射率的随机扰动,光束传输过程中相位波前发生畸变。由于轨道角动量的存在,光束的等相位线变成弧线,且随着传输距离的增大,弧线逐渐变得不平滑。湍流大气中环形Airy高斯涡旋光束的平均强度随传输距离的变化呈Airy函数分布,且分布因子越小,光束的相位波前随传输距离的变化越明显,分布因子对光束传输的稳定性和传输质量的影响越大。

涡旋光的拓扑荷数测量是涡旋光应用不可或缺的关键技术。将周期渐变型光栅的渐变性与环形光栅的完全对称性相结合,对环形光栅的结构附加周期渐变性并进行优化,研制了一种用于涡旋光束高阶拓扑荷数测量的新型环形渐变型光栅。经过数值模拟与实验测试,涡旋光束准直投射至环形渐变光栅形成远场衍射图案,其变化规律精准地对应涡旋光束轨道角动量状态。实验测量拓扑荷数达±30。该研究为涡旋光束的测量应用提供了新方法。

提出一种利用干涉实现涡旋光束轨道角动量简易检测的新方法。使用空间光调制器产生涡旋光束时,仅由调制的涡旋光束和未能完全调制的入射高斯光束即可直接发生同轴干涉,产生完美的花瓣状干涉图案,且干涉花瓣数量与涡旋光束携带的轨道角动量值一致,因此,检测由空间光调制器产生的涡旋光束轨道角动量时不需要额外使用参考干涉光。利用该干涉分析了Bessel-Gaussian光束和Laguerre-Gaussian光束的干涉图案,所得结果不仅能反映光束的轨道角动量值——角向因子,还能反映轨道角动量的正负以及Laguerre-Gaussian光束的径向因子,且干涉模式清晰,稳定性高。

兰州交通大学“计划”资助项目;

随机配置网络(SCN)通过引入不等式约束来限制输入权重和偏置的赋值,随着节点数量增加,网络能够逼近任意的数学函数和数据模型。在构建SCN的过程中,由于网络本身性质以及样本数据的不适定性和病态条件等问题会引起网络的过拟合,故提出一种基于Dropout技术的改进型SCN模型(Dropout-SCN)来自适应地约束输出权重分布和大小,以此来提高网络模型的识别精度。光纤数据验证的结果表明:与传统的SCN和L2范数正则化的SCN模型相比, Dropout-SCN模型具有更低的测试误差,有效地减缓了网络过拟合问题,提高了对光纤预警系统(OFPS)中光纤入侵信号的识别准确率。

车辆识别方法计算量大,提取的特征复杂,且传统神经网络利用端层特征进行分类导致特征不全面,为此提出了一种结合卷积神经网络(CNN)多层特征和支持向量机(SVM)的车辆识别方法。该方法在传统AlexNet模型基础上构建卷积神经网络模型,通过分析参数变化对测试正确率的影响得到最优车辆识别模型;提取多层车辆特征图,采用串行融合方法与主成分分析降维技术将其构成一个具有多属性的车辆特征向量,以增强特征全面性,减少计算量;利用SVM分类器代替CNN的输出层实现车辆识别,以提高模型泛化能力与纠错能力。实验结果表明,相比传统方法,所提方法在分类精度和识别速度方面都有显著提高,且具有良好的稳健性。

人脸姿态变化复杂且对人脸识别性能影响明显,提出了一种融合LCCDN (LSTM and CNN based Cascade Deep Network)与增量聚类的多姿态人脸识别方法。采用LCCDN模型定位人脸关键点,利用长短时记忆网络(LSTM)的记忆功能寻找人脸各关键点在空间上的全局上下文的依赖关系对人脸关键点初始化,并通过卷积神经网络模型,采用由粗到精的策略;定位人脸关键点;以人脸关键点作为人脸朝向描述子,同时为适应人脸姿态不断地动态更新,采用基于熵诱导度量机制的增量聚类方法,对头部姿态进行动态增量聚类,构建人脸姿态池。在此基础上,通过建立不同姿态的人脸识别分类模型实现多姿态人脸识别,在CAS-PEAL-R1、CFP和Multi-PIE三个数据集上的人脸识别准确率分别达到96.75%,96.50%,97.82%。通过与同类人脸识别方法的客观定量对比,实验结果表明所提方法有效、可行。

提出了一种基于深度学习自适应权重分配监控视频行人再识别方法。基于验证损失所反映的行人属性训练难度,结合行人属性与行人类别对应关系的信息熵,求解属性对分类的贡献率,自适应求解行人属性多任务分类的训练损失权重,解决多任务分类时分配相同的损失权重造成的负转移问题,以提高每个任务学习器的泛化能力以及对行人类别判别的泛化能力。利用已有数据集中行人属性与行人类别的映射关系,根据已训练好的模型求解属性概率,结合条件概率判别行人类别,克服全局行人再识别中无法识别网络视角变化造成的行人外观剧烈变化的问题。与同类方法在不同公开数据测试集上的客观定量进行对比,结果表明所提方法有效、可行。

针对三维纤维微观结构方向检测的不足,提出一种基于facet模型的三维纤维方向检测方法。该方法将三维纤维方向检测转换为二维平面检测,能够降低计算的复杂度,通过facet模型实现了不同直径纤维方向的精确检测,模型窗口尺寸略大于纤维直径时能达到最优结果。实验结果表明,所提方法可快速准确地获取不同直径的三维纤维方向数据,优于现有的典型算法。

针对三维点云在泊松曲面重构过程中由于法线方向不一致而导致重构结果出现偏差的问题,提出一种基于改进法线方向的泊松曲面重构算法。利用包围盒将原始点云分割为若干个立方体体素,并将每个有效体素标记为“位置已知”或 “位置未知”。采用KD(k-dimensional)树对每个有效体素内的点云重新排序,利用主成分分析法进行法线估计,将新的顺序作为法线传播方向,实现点云法线的局部定向。针对 “位置已知”的体素,依据体素质心位置完成法线的全局定向;对于 “位置未知”的体素,则依据相邻体素的法线实现法线的全局定向。最后,结合法线定向结果对点云进行泊松曲面重构。实验结果表明,该算法能将复杂曲面点云的法线定向至同一侧,法线估计误差接近于0,能较好地实现泊松曲面重构,提高重构曲面的准确度。

隐式低秩表示(LatLRR)作为经典的无监督特征提取算法已应用于模式识别领域。然而该算法得到的特征维数无法降低,且由于算法分别学习2个低秩矩阵,因此无法保证整体最优;另外,算法忽略了样本在学习过程中存在的残差。为解决这些问题,提出了一种基于隐式低秩表示的联合投影学习算法。使用投影矩阵和恢复矩阵近似地表示隐式低秩表示中的投影矩阵,使算法在降维的同时可提取判别特征;联合学习投影矩阵、恢复矩阵和低秩矩阵,矩阵间相互提升,从获得的投影中可以提取出更多的判别特征,同时在算法模型中约束样本在投影学习中存在的残差;最后采用交替迭代方法求解该模型。在多个数据集上进行实验,结果说明算法在有效降维的同时能进一步提高判别能力。

系统分析了滚动导向滤波的参数,根据参数变化的规律提出一种基于滚动导向滤波的混合多尺度分解方法,并基于此方法将红外与可见光图像分解到基本层、小尺度层和大尺度层。在基本层上使用像素能量与梯度能量相结合的融合规则,在大、小尺度层上采用双通道自适应脉冲耦合神经网络(DAPCNN)的融合规则。通过逆混合多尺度分解方法得到融合图像。与已有的图像分解方法相比,所提图像分解方法不仅可以很好地提取图像的纹理细节,保留图像的边缘特征,还可以避免在边缘位置上出现光晕现象。实验结果表明,所提方法可以很好地提取图像的红外目标信息,并将其融合到可见光图像中,与已有的融合方法相比,所提方法不仅在人眼视觉感知的主观评价方面具有明显优势,而且在互信息、信息熵、标准差、非线性相关信息熵和Chen-Varshney指标等客观评价标准上也具有很大的优势。

针对128维尺度不变特征变换(SIFT)特征描述子进行图像局部特征点提取时匹配时间过长,以及三维重建进行特征点配准时的应用局限性,结合深度学习方法,提出一种基于卷积神经网络的SIFT特征描述子降维方法。该方法利用卷积神经网络强大的学习能力实现了SIFT特征描述子降维,同时保留了良好的仿射变换不变性。实验结果表明,经过训练的卷积神经网络将SIFT特征描述子降至32维时,新的特征描述子在旋转、尺度、视点以及光照等仿射变换下均具有良好的匹配效果,匹配效率比传统SIFT特征描述子效率提高了5倍。

人头检测技术是人数统计领域一项重要的研究内容,基于检测的人数统计方法常用于视频监控领域。人头检测常常受到遮挡、背景干扰、光照等因素影响。为解决上述问题,提出一种基于区域全卷积神经网络进行头部检测的方法。特征学习阶段通过残差网络和区域候选网络获得特征及感兴趣区域,并在残差网络中添加可形变卷积层。再将感兴趣区域输入池化层,进行可形变位置敏感均值池化。最后进行分类与目标位置精修,并提出将位置敏感感兴趣区域对齐并进行池化操作。为了改善网络在多尺度头部的检测效果,更新区域候选网络中锚点生成规则。利用在线难例挖掘算法提高复杂任务下头部目标的检测能力,通过软非极大值抑制减少检测边界框间的相互干扰。研究结果表明,在HollywoodHeads数据集上平均识别精度最高可达83.24%,优于目前相关文献的方法。

合成孔径算法可以实现超声波发射和接收的双向动态聚焦,从而提高成像分辨率,但仍存在图像信噪比低,旁瓣明显等问题。为进一步提高超声成像质量,提出一种基于编码激励和相干系数的合成孔径超声成像(CFCS)算法。首先采用Golay互补序列对作为激励信号,通过增加发射脉冲的编码长度提高图像的信噪比,同时利用序列对良好的自相关特性消除距离旁瓣,提高图像的轴向分辨率。在此基础上引入相干系数,对图像中的横向旁瓣加以抑制。仿真结果表明,相较于基于Barker编码激励的合成孔径算法,CFCS算法可以有效消除距离旁瓣,轴向分辨率提升了47.4%;相较于相干系数合成孔径算法,CFCS算法在轴向分辨率上提升了31%,信噪比提升约18 dB。

为了实现结构光三维成像系统参数的简易、快速标定,提出一种利用单应矩阵获取大量标定数据的方法,步骤如下:获取立体标靶上左右两侧矩形框角点的图像坐标和对应的世界坐标,分别计算左右两侧靶面从图像坐标变换到世界坐标的单应矩阵;将图像中立体标靶矩形框内所有的像素点应用到计算出的单应矩阵中,得到与之对应的世界坐标;利用图像中立体标靶的靶面上几乎所有像素点的图像坐标和对应世界坐标来执行三维成像系统的标定。设计了一种与该标定方法相对应的立体标靶,基于该立体标靶对结构光三维成像系统进行标定,并利用标定后的系统进行实验。实验结果表明,该标定方法具有较高的标定精度,重建的三维点云图具有很好的视觉效果。该标定方法过程简单,可降低标定成本,具有实际应用价值。

基于HSI(Hue, Saturation and Intensity)颜色空间提出一种快速偏振光学去雾方法。利用HSI颜色空间中强度与颜色无关的优势,在强度通道中利用偏振光学去雾方法进行去雾处理,然后利用颜色恒常性校正方法对图像的颜色畸变进行校正。该技术不仅具有良好的图像细节恢复能力,还有效地提高了偏振光学去雾方法的计算效率。与目前流行的去雾方法进行对比后可知,该技术可以得到更好或者相同的实验效果,但其执行效率更高。所提出的方法在图像实时去雾和视频去雾领域有广阔的应用前景。

隧道内的纵向风会改变隧道内的热对流和烟气分布,从而影响感温定位误差。从相关部门对隧道火灾探测的强制验收规定(点火后60 s内必须发出报警信号)出发,开发了一种利用光纤光栅感温火灾的探测技术。通过采集不同风速、不同点火位置条件下多次点火实验的温度场,分析了不同工况下的温度场分布及其动态变化,提出了根据温度场修正着火点报警位置的智能算法。该算法可根据隧道火灾温度场分布和动态变化,修正纵向风带来的火灾报警位置误差,并在规定时间内智能判断火灾发生位置。

为了研究激光选区熔化GH3536合金组织对零件力学性能的影响,采用不同批次粉末制备激光选区熔化GH3536合金,分析显微组织、测试室温拉伸性能和高温持久性能,并分析失效机理。结果表明,激光选区熔化GH3536合金显微组织主要为奥氏体相,在晶粒内部和晶界处析出M₂₃C₆碳化物。晶粒尺寸增大,晶界数量减少,导致室温拉伸强度降低,但高温持久性能得到提升。块状碳化物分布在晶界会降低激光选区熔化GH3536合金室温塑性和高温持久性能;链状碳化物能够强化晶界,使合金具有较高的室温塑性和高温持久性能。

在施以超声振动的条件下进行熔覆实验的变搭接率实验,以弥补现有超声振动下激光熔覆实验搭接率选取较为单一的缺陷,并针对低搭接率的熔覆层进行进一步的性能探究。初始搭接率分别设定为33%,50%,66%,观察并比较33%低搭接率熔覆层与其他搭接率熔覆层的宏观样貌,随后在33%低搭接率下进一步进行不施加超声振动的对比实验。将对比实验样件用电火花切割后进行处理,观察2个切割试件的显微金相组织,并测评试件的硬度和耐磨性。结果表明,33%低搭接率下施加超声振动样件的熔覆道宏观样貌会出现波浪状条纹,而50%和66%搭接率下施加超声振动熔覆层宏观形貌平整无波纹。在33%低搭接率下对比添加超声振动与不添加超声振动试件的熔覆层质量,发现不施加超声振动的熔覆效果相对较好。该研究结果对超声振动下熔覆实验的搭接率选取具有一定参考意义。

采用光纤激光在不锈钢上制备得到了Stellite 6涂层。观察不同温度热处理对显微组织的影响。以氧化铝作为对磨件,在销盘式高温摩擦试验机上研究了涂层在不同温度下(600,700,800,900 ℃)的摩擦磨损行为,以确定涂层适用的工作温度区间。结果显示涂层物相主要为fcc和hcp型富Co固溶体以及碳化物共晶组织,700 ℃时涂层显微组织稳定,800 ℃和900 ℃热处理后涂层共晶组织分解严重,并伴有细小颗粒二次析出,富Co固溶体在700~800 ℃之间从fcc型转变为hcp型。Stellite 6高温摩擦时,磨损主要发生在摩擦初期,一旦釉质层形成,磨损量大幅下降,在700 ℃下涂层磨损量最小。600 ℃时的高温摩擦机制是犁削磨损和黏着磨损,涂层表面能形成少量与涂层结合不紧密的釉质层;700 ℃和800 ℃时转为磨粒磨损和黏着磨损,釉质层致密;900 ℃时涂层因过度软化而在摩擦初期就发生严重的塑性变形。可以推断Stellite 6的合适工作温度在700~800 ℃之间。

针对抛光曲面工件表面缺陷检测的问题,提出了一种基于反射云纹图像的缺陷检测方法。该方法利用云纹光经抛光曲面反射产生的差异,通过检测云纹图像的变化进行缺陷的检测与定位。分析了抛光曲面的光照模型,使用SHEN-Castan算法抑制云纹边缘阶梯效应,通过Gabor变换与最大熵分割进行缺陷提取,剔除伪缺陷后实现缺陷的检测与定位。实验结果与统计表明,设计的方法能检测出抛光曲面表面上具有形变特征的缺陷,对不同类型的表面缺陷均有92%以上的检出率。利用所提的检测方法,可以自主设置系统的检测分辨率,对不同类型的缺陷具有较高的适应性,极大地提高了系统的可拓展性、普适性与实用性,较好地解决了高反射抛光曲面工件表面形变缺陷检测的问题,具有较高的理论价值与经济价值。

在数字图像处理领域中,尺度不变特征变换(SIFT)算法是特征点识别的代表性算法。以开放运算语言(OpenCL)并行计算为加速手段,建立了基于改进的SIFT算法的双目测距系统,深入研究了如何加快SIFT算法的运算速度。在加快SIFT算法方面,选取了积分均值模糊,并利用OpenCL对其进行并行加速,对算法进行并行优化后,使之能够在NVIDIA GPU硬件平台上进行实现。在获取精确视差方面,对原SIFT匹配方法进行了改进,极大地提高了匹配效率。此外,构建了双目测距异构计算实验平台,并进行实验。实验平台对采集的图像进行了实时处理,验证了基于SIFT算法的并行加速计算的可行性,同时可以直观地看到中间计算过程和测距的结果。实验结果表明,本文方法与已有的加速优化工作相比,计算时间消耗比原方案要少得多。

为了实现空间翻滚卫星(同时作自旋和进动的卫星)的消旋,提出了一种非接触式的卫星运动参数辨识方法。算法主要包含3个步骤:通过点云配准技术,获取相邻两幅点云之间的位姿变换关系,从而可以依据这些位姿变换得到卫星点云中每个点的运动轨迹;基于自旋轴上的点只绕进动轴旋转的特点,借助主成分分析与圆拟合的方式,搜索自旋轴上的点并确定进动轴的方向和位置;根据整体位姿变换与两种运动间的关系,建立非线性方程组求解出翻滚卫星的运动参数。仿真实验结果表明,在一定的噪声程度下,所提方法可以准确地辨识出空间翻滚卫星的运动参数。

针对现有的基于卷积神经网络的行人重识别方法对于遮挡和复杂背景引起的判别信息缺失问题,提出了一种基于多尺度卷积特征融合的行人重识别算法。在训练阶段,使用金字塔池化方法对卷积特征图进行分块和池化,获得包含全局特征和多尺度局部特征的多个特征向量;对每一个特征向量进行独立分类,并在各个分类的最后内积层上归一化权重和特征,以提升分类性能;最后使用梯度下降法优化全部的分类损失。在识别阶段,将池化后的多个特征向量融合成一个新向量,使用新向量在库中进行相似性匹配。在Market-1501、DukeMTMC-reID数据库上对所提算法的有效性进行实验验证。结果表明,本文模型提取的特征具有更好的识别效果,Rank-1精度和平均准确率也优于大多数先进算法。

运用溶胶改性和溶剂置换的方法制备以癸烷为溶剂的SiO₂溶胶,通过单面旋涂方法在方形50 mm×50 mm×10 mm 的KDP晶体基片上制备均匀性良好的膜层。使用分光光度计测试涂膜的晶体基片,涂制三倍频及基频二倍频减反膜的KDP晶体基片在378 nm和835 nm处的透过率峰值均大于99.5%,膜层减反射效果良好。结合过滤技术及超声波清洗技术实现了膜层制备过程中的缺陷控制,将经过缺陷控制的三倍频减反膜涂制在洁净度高的熔石英陪涂片上,并在测试前进行激光(波长为355 nm,脉宽为3 ns)预处理,得到的三倍频减反膜的抗激光损伤阈值为(14.0±2.1) J·cm ^-2。

波长选择开关(WSS)是目前及下一代可重构光分插复用器(ROADM)与动态全光网络的核心器件。WSS目前正向着多端口数与高光谱调制精细度的方向不断发展。利用光学设计软件ZEMAX模拟了整个WSS光学系统,通过建立傅里叶透镜组和双胶合柱面镜模型来改进WSS光学结构。利用评价函数、点列图及光学传递函数等评价手段对所设计的WSS光学系统进行评价与优化,并逐步改善整个WSS光学系统的成像情况。最终,得到了最小光谱滤波带宽在8 GHz范围内的65个端口的WSS光学系统。

基于基尔霍夫近似方法,构建了穆勒矩阵全角度分布的数值计算模型,实现了对于金属和电介质随机粗糙表面穆勒矩阵的计算。结果表明,金属和电介质表面穆勒矩阵分布具有明显的差异,金属表面穆勒矩阵中6个元素不为0,电介质表面穆勒矩阵中6个元素均接近于0,并且该差异与材料粗糙程度无关。这种差异可以作为区分金属和电介质的判据,为探索新型的目标探测与识别手段提供了思路。

通过三维激光扫描仪获取的原始点云数据量庞大,不利于后期的数据处理工作。现有的基于曲率值的点云压缩方法容易引起亚特征区域细节丢失的问题。针对这一问题,提出了一种基于曲率分级的点云数据压缩方法。该方法通过计算曲率反映点云数据中特征的分布情况,采用对数函数对归一化后的曲率值进行分级,对不同等级的点进行空间网格划分后根据点的曲率等级实现点云的分级压缩。实验结果表明,所提方法能在大幅度减少数据量的同时,较好地保留原始数据的细节特征,从而实现对点云数据的高效压缩。

运用广义洛伦兹-米散射理论(GLMT)研究了高阶矢量贝塞尔涡旋波束的单球形气溶胶粒子的散射特性,将直角坐标系下沿 z轴方向传播的贝塞尔波束的电磁场强度各分量表达式转化成球坐标系下各个分量的表达式,使用GLMT中的积分局部近似法计算贝塞尔涡旋波束的波束因子,进而计算在轴入射的高阶矢量贝塞尔涡旋波束的单球形气溶胶粒子散射。以硝酸铵球形粒子为例,通过数值计算,讨论了不同拓扑荷数和半圆锥角矢量贝塞尔涡旋波束与气溶胶粒子作用的微分散射截面随散射角变化的分布,以及消光截面、散射截面和吸收截面随均匀球形气溶胶粒子尺寸参数的变化情况。结果表明,随着贝塞尔涡旋波束拓扑荷数的增大,粒子微分散射截面值逐渐减小;拓扑荷数一定的贝塞尔涡旋波束随着光束半圆锥角的增大,消光截面、散射截面和吸收截面各值整体上趋向减小。

利用激光诱导击穿光谱(LIBS)技术,对油漆涂层中的重金属Pb进行定量检测研究。优化实验参数后,利用多通道光谱仪采集油漆涂层308~417 nm范围内的等离子光谱,为了得到精确的定量结果,对油漆涂层的Pb分别进行单变量分析、多元线性回归分析以及竞争自适应再加权采样-偏最小二乘(CARS-PLS)分析。结果表明,CARS-PLS分析模型的定量结果最准确,校正集的决定系数为0.991,预测样品4#、7#的预测相对误差分别为1.4%、1.5%;CARS变量筛选方法能够从光谱中有效筛选出与Pb相关的重要信息,能够结合PLS准确检测油漆涂层中的Pb。