全息体视图技术是一种成熟的裸眼三维显示技术,很多基于全息体视图技术的产品已经成功地实现了商业化并带来较好的视觉体验。但在实际应用中,全息体视图技术仍存在着再现像的视角无法满足观察需要、打印高质量的全息图所需采样图像过多、光学实验结果缺少模拟结果与其对照等问题。很多国内外研究小组对这些问题进行了深入研究。在此介绍了应用最广泛的两种全息技术,并综述了近年来在扩大全息体视图视场角、减少全息体视图所需要的采样数量以及全息体视图的数值重构等方面的研究进展。

语义分割是计算机视觉领域的核心技术,通过对图像中的每个像素点进行分类,将图像分割成若干个具有特定语义类别的区域。近年来,卷积神经网络(CNN)不断取得突破性进展,利用深度学习方法处理语义分割问题展示出具大的潜力。首先从语义分割的定义出发,探讨了目前语义分割领域存在的挑战。在介绍CNN相关原理的基础上,详细对比了几种用于语义分割算法评测的数据集,并重点对近年来语义分割领域基于解码器、信息融合和循环神经网络的深度学习方法进行综述。最后进行总结和展望,阐述了未来语义分割领域在进一步丰富数据库场景、提高算法实时性和开展三维点云语义分割三方面的发展趋势。

提出了一种基于双相移光纤光栅和光电振荡器的传感解调方法。该方法融合了光纤光栅传感技术与微波光子技术,其中光纤光栅同时作为传感探头及光电振荡器中的微波光子滤波器组成单元,当外界待测量改变光栅特性时,光电振荡器产生的微波频率也将随之改变,且环境温度变化并不会对微波频率造成影响,有效避免了交叉敏感。同时,阐述了通过光电振荡结构将光栅波长变化转换到微波域进行解调的方案及优点,进而得到了实验搭建的基于此光栅的双通带微波光子滤波器测试结果,构造了基于双通带微波光子滤波器的光电振荡环,实验结果表明,该系统的传感解调灵敏度约为36 MHz/με。所提方法为光纤光栅传感的高速、高分辨率解调提供了新思路,推动了光纤传感的实用化进展。

研究了一种基于斐索干涉的超弱光纤光栅(uwFBG)水听器阵列系统。通过拉丝塔在线制备光纤光栅技术构建超弱光纤光栅水听器阵列,使用反正切算法解调信号,实现了2~2000 Hz宽频带内水声信号的振幅、频率和相位的同时测量。在频率为2 Hz时,系统水声信号的相位声压灵敏度可达-135.81 dB(re rad/μPa),灵敏度为2755.49(μPa/ Hz),信噪比为43.785 dB。传感器复用实验结果证实该系统可以同时解调不同位置的水声信息,系统的相位声压灵敏度随着传感器腔长的增加而增加,且具有很好的稳定性,表明系统在高灵敏度水声传感、甚低频声学探测、深海监测等方面具有广阔的应用前景。

设计并制作了一种基于光纤干涉仪的低频声传感器,用于检测频率小于20 Hz的次声信号。该传感器利用厚度为5 μm,半径为1/2 inch(1 inch=2. 54 cm)的圆形镍膜作为振膜,该振膜被平整地固定在金属腔体的一个端口,呈周边拉伸式。伸入腔室的单模光纤的端面与振膜内表面构成一个非本征型光纤法布里-珀罗干涉仪(EFPI),用于检测由声音导致的振膜的振动。为了优化传感器性能,基于弹性力学原理和有限元仿真软件,分析了振膜预应力和振膜厚度对传感器一阶谐振频率的影响。仿真结果表明在一定的膜厚范围内,一阶谐振频率对预应力非常敏感而对膜厚不敏感。利用B&K 4193-L-004型标准声传感器和42AE型标准次声发射腔对所制光纤次声传感器进行了测试,结果表明该传感器在0.1~20 Hz范围内具有良好的频率响应特性,对1 Hz声波的灵敏度高达285 mV/Pa。

基于区域的全卷积网络(R-FCN)的区域生成网络(RPN)沿用了更快速区域卷积神经网络(Faster R-CNN)的RPN。针对RPN先验框的大小与数量均需人为固定,生成的建议区域过多等问题,将聚类思想应用到RPN中,改进先验框的生成方式,提出了基于聚类式区域生成的全卷积目标检测网络。通过对训练样本的真实框进行K-Means聚类得到先验框的最适大小和最佳数量,取代原本人为固定选取先验框的方式。此外,为增强模型的泛化能力,在改进后的R-FCN上使用ResNet基础网络,采用困难样本挖掘方法进行训练。实验结果表明,相较于R-FCN等方法,该聚类区域全卷积目标检测网络得到的检测结果在精度和速度上都得到了明显的提升。

为解决传统显微图像拼接中产生的几何畸变和错位,及特征稀少造成的正确匹配率低、时效性差等问题,提出基于区域蛙跳搜索和图像轮廓匹配的拼接算法。提取连续采集且有重叠区域的图像轮廓曲线;引入轮廓线索感知相似度和均方误差距离,计算图像轮廓曲线间的相似度或曲线离散距离,并将其作为匹配的衡量指标;在决策域内采用区域蛙跳算法更新鸣叫分贝和蛙跳策略,搜索图像轮廓最优匹配,实现图像快速精确的拼接。结果表明,所提算法不仅具有较高的拼接精度和较强的稳健性,还减小了其简化匹配策略的计算量,具有较强的时效性。

提出一种基于全变分投影和空洞修复的光场图像透视变换算法。该算法可估计输入光场图像每个子视点的视差图,通过图像反向投影和重投影优化生成指定虚拟相机位置和姿态的光场图像,接着使用基于视差优先级的图像修复方法修复透视变换后的中心子视点图像,再通过中心子视点向水平和垂直方向进行内容传播,依次修复其他子视点图像。实验结果表明,所提方法生成的透视变换光场图像满足需求,可正确填充被遮挡区域,可以应用于多种光场图像编辑。

为解决多模医学图像融合边缘模糊,互补信息不充分的问题,提出一种基于改进的引导滤波和双通道脉冲耦合神经网络(PCNN)的医学图像融合算法。利用非下采样轮廓波对医学源图像进行变换,采用双通道PCNN融合图像的低频部分,将改进的拉普拉斯能量和作为双通道PCNN的激励输入,将改进的空间频率作为链接强度;采用改进的引导滤波算法融合图像的高频部分。融合后的低频和高频信号进行非下采样轮廓波变换逆变换即可得到融合图像。实验结果表明,多模医学图像融合中,所提算法有效保留了源图像的特征信息,并在互信息量、信息熵、空间频率等客观评价指标上取得了良好的效果。

绝缘子图像分割是通过图像处理技术实现绝缘子识别和提取的基础性操作。为了能够准确地分割出绝缘子图像,提出一种基于改进型单位连接脉冲耦合神经网络(UL-PCNN)的绝缘子图像分割算法。根据相邻神经元之间的关系,改进原始UL-PCNN模型中的连接输入和耦合系数;利用改进的UL-PCNN模型对绝缘子图像进行分割,得到多幅输出图像;利用梯度算法计算原始图像和输出图像的边缘,并分别计算输出图像和原始图像边缘的均方误差(MSE),均方误差值最小的输出图像即为分割效果最好的绝缘子图像。实验结果表明,本文算法能够准确地分割出不同环境下的绝缘子图像,并具有较好的抗噪性能。

卷积神经网络模型能够提取图像不同层次的分层特征,提取图像包含有大量的细节信息,然而,现有方法没有充分利用网络模型提取的所有分层特征。为了充分利用所有分层特征,增强特征重利用和信息连续传递,设计了适用于高光谱图像分类的残差密集网络模型。残差密集网络结合了残差网络和密集网络,包括浅层特征提取、残差密集单元和密集特征融合三部分。利用卷积操作提取原始图像的浅层特征,将浅层特征作为残差密集单元的输入,残差密集单元的输出与下一个单元中每个卷积层的输出建立短连接,实现了信息连续传递;将两个单元提取的密集特征与浅层特征相加形成全局残差学习,实现了所有分层特征的融合,最终的融合特征用于高光谱图像分类。实验表明,本文方法用于Indian Pines数据、University of Pavia数据及Salinas数据能够分别取得98.71%、99.31%及97.91%的分类精度,有效提高了高光谱图像的分类精度,增强了分类方法的稳定性。

基于距离选通的激光成像受激光脉冲能量、距离门门控时间的影响,激光图像对比度偏低,在此基础上进行三维成像的重建效果在整体上存在边缘信息、结构信息严重缺失的问题。因此,提出了一种改善思路,即将引导滤波结合双边滤波的方法应用于二维切片的预处理中,在误差范围内改变二维切片的像素信息分布,以获得高质量的三维重建结果。首先,利用引导滤波增强边缘信息,恢复目标内部的结构信息;然后,结合双边滤波弥补在上一步骤中出现的无效点增多的缺陷,稳定图像的均匀度。研究结果表明:采用引导滤波结合双边滤波的二维图像预处理得到的三维重建结果,在保证距离精度的同时,在边缘信息、结构信息的增强,以及图像的均匀度提升等方面具有优势。

Q-type非球面广泛应用于光学系统设计中,针对Q-type非球面超精密加工过程中的面形检测问题,提出了一种MATLAB软件与Taylor Horbson PGI-1240非球面轮廓仪相结合的方法,以达到对Q-type非球面进行高精度检测的目的。检测结果表明,由Nanoform 700 Ultra单点金刚石超精密车床加工的全口径为11.8 mm的单晶铜Q-type非球面面形误差峰谷(PV)值为0.1963 μm,表面粗糙度方均根(RMS)值为0.03412 μm,满足加工第一阶段面形误差PV值<0.2 μm和表面粗糙度RMS值<0.04 μm的要求。此检测方法可以精确得到工件面形误差,为下一阶段车削加工提供数据支持。

为了实现子弹外观缺陷的自动检测,解决传统机器视觉方法在缺陷检测方面手工设计目标特征耗时和泛化能力差的问题,针对子弹外观缺陷数据集,采用K-means++算法改进锚框的生成方法,提出了Faster R-CNN子弹外观缺陷检测模型。该模型采用卷积神经网络,可以自动提取目标特征,泛化能力强。将该检测模型分别与ZFNet、VGG_CNN_M_1024和VGG16结合,结果表明,与VGG16结合的检测模型的检测精度高于其他两种模型方案,并且在所提算法的基础上,精度提升到了97.75%,速度达到28 frame·s ^-1。

虚拟结构光编码算法将三维(3D)数据编码成二维(2D)彩色条纹图像的相位信息,以实现数据压缩存储。在将2D彩色条纹图像解码成3D数据时,需要计算条纹相位并进行相位展开,最后映射为3D数据。2D图像的压缩存储会使相位级次索引图出现边缘量化错误,导致3D数据z方向信息解码错误。针对这一问题,改进了虚拟结构光3D数据解码过程,提出了一种有效的局部相位误差修正算法,以提高3D数据的解码精度。数据解码过程中,建立算法,得到绝对相位展开与相对相位展开的准确差值,利用两者差值固定的特点,对其突变区域建立相位补偿机制,抑制相位级次索引图边缘量化误差而引起的3D数据解码错误。实验验证了所提算法的有效性,对编码得到的2D图像压缩存储后,改进的数据解码方法可有效提高虚拟结构光3D数据编码算法的稳健性,与中值滤波算法相比,所提方法可将数据解码方均根误差平均降低9.7%。

针对立体匹配算法在图像非遮挡区域,尤其是弱纹理区域匹配精度较低的问题,提出一种基于边缘约束迭代的非局部立体匹配算法。该算法结合颜色和梯度信息构建匹配代价计算函数;根据左右目图像分别构建最小生成树,结合图像平滑度对代价函数值进行代价聚集,并对赢者通吃策略得到的视差图进行边缘检测,将图像边缘作为约束性条件对代价值再次进行代价聚集以优化结果;最后通过视差求精得到稠密的视差图。实验结果表明,在Middlebury测试平台上该算法对31组标准图像对中非遮挡区域的平均误匹配率为8.35%;与其他5种方法比较可知,本文算法有效提高了非遮挡区域匹配的准确度。

针对复杂背景下,图像显著区域显著值低和目标边缘表现模糊的问题,提出了基于深度残差网络和多尺度边缘残差学习的显著性检测方法。一方面提出了边缘残差块,使用边缘残差块在深度残差网络的基础上构建边缘监督网络,用于显著图边缘监督学习;另一方面,通过构建基于背景、前景和边缘的三分类模型,训练网络学习边缘特征,使目标边缘更加准确,同时输出采用空洞卷积构建多尺度空洞卷积单元,多尺度地对全局信息进行特征整合提取。最后,将提出的算法在数据集SED2和ECSSD上进行模型简化测试,使用公认评价指标对所提算法和当前多种算法进行评价。实验结果表明,该方法的准确率和召回率更高,对显著目标保持了良好的完整性,且在边缘轮廓区域更好地区分了显著目标与背景。

针对长短时记忆网络(LSTM)不能有效地提取动作前后之间相互关联的信息导致行为识别率偏低的问题,提出了一种基于Bi-LSTM-Attention模型的人体行为识别算法。该算法首先从每个视频中提取20帧图像,通过Inceptionv3模型提取图像中的深层特征,然后构建向前和向后的Bi-LSTM神经网络学习特征向量中的时序信息,接着利用注意力机制自适应地感知对识别结果有较大影响的网络权重,使模型能够根据行为的前后关系实现更精确的识别,最后通过一层全连接层连接Softmax分类器并对视频进行分类。通过Action Youtobe和KTH人体行为数据集与现有的方法进行比较,实验结果表明,本文算法有效地提高了行为识别率。

为实时准确地测量两平面之间的夹角值,根据射影变换原理,提出一种基于同心圆标志的空间平面夹角测量的方法。首先拟合出获取的图像中同心圆标志对应的曲线方程;再依据交比不变及调和比原理,先计算多个消隐点,拟合出同心圆所在平面的消隐线方程,以此确定两平面法线的消隐点;最后,结合已知的相机内部参数解算出两法线间的夹角值,对其取补即可得到两平面间的夹角值。仿真结果说明该方法真实可行。真实图像实验表明,该方法测量的绝对误差小于1°,相对误差不超过1%。该方法仅需已知相机内部参数,对同心圆标志尺寸及拍照位置无特殊要求,具有较高的灵活性,能为夹角测量提供便捷高效的技术方案。

分析了肺腺癌细胞和间皮细胞间的拉曼位移及细胞化学染色形态学特征参数间的关系,为非创伤性检查肿瘤细胞提供参考。选择A549和Met-5A两种细胞进行拉曼光谱分析,将两种细胞进行H&E和PAP染色,计算其形态学图像特征。两种细胞在1082 ,1155 ,1304 cm ^-1处存在拉曼位移。通过图像识别A549和Met-5A细胞的能量标准差,采用PAP染色方法的两种细胞差异具有统计学意义(p<0.05),但是采用H&E染色方法的两种细胞差异无统计学意义(p>0.05);对于颜色均值特征值,采用两种染色方法的两种细胞差异均具有统计学意义(p<0.05)。基于化学物质亲和特性,从肿瘤物质表达及堆积结构方面分析肺癌细胞拉曼位移特征,实验结果显示,临床组织病理染色分析核酸及蛋白表达特征,而拉曼光谱分析发现肺癌细胞存在核酸、蛋白表达及脂质结构的拉曼峰位移,这为拉曼检测肿瘤细胞物质波峰设定提供参考。

由于超短脉冲测量系统中存在透射元件,脉冲经过测量系统时将被展宽,因此测量结果中存在较大的误差。针对脉冲测量中被展宽的问题,设计了一种全反式超短脉冲测量系统,可实现对更短的超短脉冲的测量。所设计的系统利用菲涅耳双面镜产生时间延迟,利用柱面反射镜、薄晶体和光栅产生光谱,避免了系统中色散的产生。在满足采样率的前提下,对频率分辨光学开关(FROG)迹线采样范围进行分析,获得测量系统所需的时间延迟和倍频带宽,并以此为约束条件,推导了待测脉冲的脉冲宽度与菲涅耳双面镜和柱面反射镜参数的关系。

扩展光源的二次光学设计对于开拓大功率发光二极管(LED)在照明领域的应用具有重要意义。分析扩展光源条件下匀光配光系统照明效果的退化原因,提出一种折射率预补偿方法,并基于该方法针对8 mm口径的扩展光源设计匀光配光透镜。仿真结果表明:经该透镜配光后,目标面上的光斑塌边长度大幅减小,陡边性变好;有效照明区域增大,有效照明区域平均照度提升,归一化均方根进一步减小,照度均匀性明显改善;光线能量更集中于有效照明区域,照明效率显著提高。该方法原理简单,效果显著,为扩展光源实现匀光照明提供了一种新思路。

提出了一种基于法布里-珀罗腔的二维光子晶体温控光衰减器,此结构利用掺杂硅的热光效应对光子晶体折射率进行线性调制,折射率的变化引起了光子晶体的带隙以及法布里-珀罗腔光程差的变化,并导致反射率在某一温度区间内随温度线性变化,实现了对入射光的可控衰减。利用商业电磁仿真软件CST模拟了含掺杂硅的基于法布里-珀罗腔的光子晶体反射率光谱曲线,该曲线随温度发生平移;并仿真了此结构在特定频率下,其反射率随温度变化的规律,在频率为0.284 THz时,曲线具有较好的线性度;仿真了4种不同的入射角情况,并对入射角为3°的温度-反射率曲线进行了线性拟合,得出了表征公式。最终设计出了一款调谐幅度为0~7.68%的光子晶体温控光衰减器。

硅基光波导移相器是硅基光电子系统的重要组成部分。透明导电氧化物(TCO)薄膜的介电常数受栅极电压作用会产生调谐,有望应用于下一代高速、低插入损耗且兼容CMOS的硅基光波导移相器中。TCO较高的光吸收系数限制了其在移相器中的应用。提出了一种基于高迁移率的透明导电氧化物的低插入损耗硅基光波导移相器,并证明了TCO材料迁移率与其损耗密切相关。通过理论计算和数值仿真,设计了一种基于高迁移率氧化镉(CdO)材料(μ=300 cm ²·V ^-1·s ^-1)的硅基光波导移相器。所得器件在1550 nm波长实现π相移时,器件长度为127 μm,插入损耗为1.4 dB,调制带宽可达到300 GHz。为发展高速硅基光波导移相器件提供了新思路。

在贵金属纳米颗粒阵列中所形成的表面晶格共振能够有效抑制体系辐射损耗、提高共振品质因子、增大局域场强,已被广泛用于设计高性能微纳光子器件。实现垂直与平行表面晶格共振的同时激发对阵列结构光学响应的调制及应用具有重要意义。本文设计了由L-形纳米天线构成的阵列结构,计算了成键模式和反成键模式与瑞利异常耦合的光学响应,获得了在消光谱上能够同时形成上述两种表面晶格共振的结论。结果表明,其成键与反成键局域共振模式都可以实现与瑞利异常的耦合,从而激发垂直与平行表面晶格共振。这些特性使得这种非对称纳米颗粒阵列在微纳光子器件的设计方面具有重要的应用价值。

为解决光纤干涉型相控阵在实际实用中的扫描控制问题,建立了一种基于相位调制的光纤干涉型光学相控阵扫描控制的理论模型。该模型以光纤作为相控阵阵元,采用傍轴近似和远场近似,通过加载在相位调制器上的扫描控制电压实现光束的扫描;讨论了一种扫描电压的[-π,π]加载方式;对扫描角度、阵元间距,以及相位调制器参数间的关系进行数值分析,还验证了相控阵路数与调制系数对扫描分辨率的影响。结果表明:通过[-π,π]的扫描电压加载方式,可以把控制电压控制在±V_π(半波电压)范围内;在相控阵阵元间距一定时,随着相位调制器长高比的增大,在小角度范围内,扫描角度呈线性增大;相控阵路数越多,调制系数越小,分辨率也就越高。在一维光纤阵元间距为125 μm时,当相位调制器的长高比为10 ³量级时,最大扫描角度可达0.1 rad;当调制系数为0.3,一维光纤阵元为50时,扫描分辨率可达210。

基于分束器可产生纠缠的特性,提出基于分束器生成连续变量双模压缩态的方案,并求解纠缠条件。对于50∶50分束器模型,分析并提取相移影响因子后,基于量子态转换和Wigner函数分别分析量子态输出与输入相对压缩角和分束器相移影响因子之间的关系;利用段路明纠缠判据判断输出是否为纠缠态,并定义对数负值衡量输出纠缠度。结果表明,分束器相移影响因子和输入相对压缩角对输出纠缠的影响存在周期性,在半周期内输出表现为不相关到部分纠缠再到最大纠缠的变化;当且仅当在最大纠缠点处,继续增加输入压缩幅,纠缠程度继续增加。实验结果为单模压缩真空态经分束器产生最大纠缠态提供了思路。

针对当前连续变量量子密钥分发系统数据协调运算速率低的问题,采用中央处理器/图形处理器(CPU/GPU)异构平台实现了多维数据协调算法的并行加速运算,提出了对于异构计算要求的大规模校验矩阵静态双向十字链表及多维并行协调算法。在该平台上对码长为2.048×10 ⁵的情况进行了仿真计算。通过仿真可获取收敛信噪比和协调计算时间,并计算得出协调速率、密钥传输距离和协调效率。结果表明:当码长为2.048×10 ⁵时,在保证协调效率的前提下,采用CPU/GPU异构平台并行加速的协调速率为CPU平台的5倍。

遥感影像分类是模式识别技术在遥感领域的具体应用,针对普通卷积神经网络处理遥感图像分类遇到的边缘分类不准确、分类精度低等问题,提出了一种基于编码解码器的空洞卷积模型(DeepLab-v3+)的遥感图像分类方法。首先标注卫星图像数据;再利用标注数据集对DeepLab-v3+模型进行训练,该模型能够提取遥感图像中具有较强稳健性的边缘特征;最后获得遥感影像地物分类结果。在遥感数据集上进行分析可知,所提方法比其他分类方法具有更高的分类精度,更稳健的边缘特征,以及更优的分类效果。

微生物在生态系统中具有重要的作用,所以鉴别微生物具有重要的意义。采用表面增强拉曼光谱(SERS)对雪松花粉(PML)、双色牛肝菌(BBP)孢子、小美牛肝菌(BSF)孢子和紫色粉孢牛肝菌孢子(TPS)进行鉴别研究。结果显示:雪松花粉的常规拉曼信号在1702,1680,1513,1382,1243,1011,793 cm ^-1处,表面增强之后在1698,1653,1592,1516,1403,1288,1210,813,562 cm ^-1出现明显的拉曼峰;三种牛肝菌孢子的常规拉曼未显示拉曼峰,雪松花粉、双色牛肝菌孢子、小美牛肝菌孢子和紫色粉孢牛肝菌孢子的表面增强拉曼光谱在1700~1100 cm ^-1差异明显。结果表明,利用SERS可以实现对雪松花粉、双色牛肝菌孢子、小美牛肝菌孢子和紫色粉孢牛肝菌孢子的鉴别。

为了探索分数阶微分在高光谱估算小麦叶片含水量上的可行性,在农田尺度上,利用春小麦野外光谱数据与实测叶片含水量数据,以0.2阶为步长,计算光谱0~2阶微分,并分析其与小麦叶片含水量的相关性,再利用连续投影算法(SPA)从通过0.01水平显著性检验的波段中筛选出估算叶片含水量的最佳波段组合,并建立估算春小麦叶片含水量的反射传播(BP)神经网络模型。结果表明:分数阶微分可以细化小麦叶片含水量与光谱数据相关性的变化趋势;分数阶微分处理后,相关系数通过0.01水平显著性检验的波段数量呈现先增后减的趋势,在不同的波段范围内,分数阶微分的最佳阶数也有所不同;SPA筛选出的敏感波段基本上集中在红光、近红外波段范围内,1.2阶微分后水分敏感波段数最多,达到13个;所建立的模型中,基于1.8阶微分建立的6-4-1结构的BP神经网络模型为最佳模型,其建模组均方根误差为0.701,决定系数为0.751,验证组的均方根误差为0.227,决定系数为0.917,相对分析误差为3.253,说明了分数阶微分后的模型稳定性和预测能力较整数阶微分得到明显的提升,可为高光谱定量反演春小麦叶片含水量提供参考。