————  2019年第07期优秀论文  ————

 

超快光纤激光器中孤子瞬态动力学特性研究进展(封面论文,特邀综述)

魏志伟, 刘萌, 崔虎, 罗爱平, 徐文成, 罗智超

[第一单位] 华南师范大学广东省纳米光子功能材料与器件重点实验室

[摘要] 回顾了锁模光纤激光器中各种孤子动力学特性的研究状况,介绍了近年来基于色散傅里叶变换(DFT)技术的超快光纤激光器孤子瞬态动力学特性的研究进展,分析了同时利用时间透镜和DFT 技术的...

 全文 | 引用本文 | 本期目录                                                                                   2019年第56卷第07期, p.070006  

光声成像技术在早期癌症检测治疗中的潜在应用

吴华钦, 王昊宇, 谢文明, 李志芳, 吴淑莲, 李晖

[第一单位] 福建师范大学光电与信息工程学院医学光电科学与技术教育部重点实验室暨福建省光子技术重点实验室

[摘要] 光声成像技术通过检测光声效应中的超声信号,克服了光在生物组织体传输过程中的强散射作用,突破了传统光学成像的成像深度浅以及声学成像的对比度低的局限,在早期癌症检测中具有广泛的应用前景,有望成为肿瘤的诊断、定位、分期和治疗的有效手段...

 全文 | 引用本文 | 本期目录                                                                                  2019年第56卷第07期, p.070001 

二维层状钙钛矿材料及其应用研究进展

韩娜, 冀婷, 崔艳霞, 李国辉, 张恒康, 郝玉英

[第一单位] 太原理工大学物理与光电工程学院新型传感与智能控制教育部重点实验室

[摘要] 介绍了二维层状钙钛矿材料的晶体结构及其基本光电特性;总结了二维层状钙钛矿材料在太阳电池、发光二极管、光电探测器等领域的最新应用;指出该类材料目前存在的主要问题和发展前景,以期为...

 全文 | 引用本文 | 本期目录                                                                                  2019年第56卷第07期, p.070002 

无标记显微成像技术的研究进展(特邀综述)

张佳, 洪亮, 任升, 周非凡, 胡睿, 屈军乐, 刘丽炜

[第一单位] 深圳大学光电工程学院光电子器件与系统教育部/广东省重点实验室

[摘要] 无标记显微成像技术包括光学相干层析、光声成像、非线性成像和微球透镜成像等技术.概述了目前常用的无标记显微成像技术,并对各种传统和先进的成像原理进行了总结.详细介绍了各种无标记成像技术的优缺点和最新研究进展...

 全文 | 引用本文 | 本期目录                                                                                 2019年第56卷第07期, p.070005 

基于图像融合的无参考立体图像质量评价

黄姝钰, 桑庆兵

[第一单位] 江南大学物联网工程学院江苏省模式识别与计算智能工程实验室

[摘要] 提出了一种基于图像融合的无参考立体图像质量评价算法.该算法利用小波变换分解重构立体图像的左右视图并融合在一幅图像中,归一化处理融合图像的亮度系数,均衡各部分亮度并保留融合图像的结构信息,使用卷积神经网络进行特征提取...

 全文 | 引用本文 | 本期目录                                                                                 2019年第56卷第07期, p.071004 

适用于超声成像的旁瓣相消算法

李嘉科, 陈晓冬, 汪毅, 郁道银

[第一单位] 北京机械设备研究所

[摘要] 为提高超声回波图像的横向分辨率、对比度,抑制最大旁瓣能量,提出一种适用于超声成像的旁瓣相消算法.利用基于特征空间的广义消旁瓣算法获得权值矢量,通过超声回波信号的相干系数优化权值矢量,对常见的点目标和暗斑进行成像...

 全文 | 引用本文 | 本期目录                                                                                    2019年第56卷第07期, p.071103 

基于深度学习的红外与可见光决策级融合跟踪

唐聪, 凌永顺, 杨华, 杨星, 同武勤

[第一单位] 国防科技大学电子对抗学院

[摘要] 提出了一种基于深度学习的红外与可见光决策级融合跟踪方法.通过建立参数传递模型,从现有基于深度学习的检测模型中抽取指定对象的可见光检测模型,作为红外检测的预训练模型,在采集的红外图像数据集上进行微调训练...

 全文 | 引用本文 | 本期目录                                                                                   2019年第56卷第07期, p.071502