Author Affiliations
Abstract
1 Institute of Photonic Chips, University of Shanghai for Science and Technology, Shanghai 200093, China
2 School of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China
3 Nokia Shanghai Bell Co., Ltd., Shanghai 201206, China
4 College of Medical Instruments, Shanghai University of Medicine and Health Sciences, Shanghai 201318, China
Edge detection for low-contrast phase objects cannot be performed directly by the spatial difference of intensity distribution. In this work, an all-optical diffractive neural network (DPENet) based on the differential interference contrast principle to detect the edges of phase objects in an all-optical manner is proposed. Edge information is encoded into an interference light field by dual Wollaston prisms without lenses and light-speed processed by the diffractive neural network to obtain the scale-adjustable edges. Simulation results show that DPENet achieves F-scores of 0.9308 (MNIST) and 0.9352 (NIST) and enables real-time edge detection of biological cells, achieving an F-score of 0.7462.
diffractive neural network edge detection phase objects Chinese Optics Letters
2024, 22(1): 011102
陈全 1,2,3周忠发 1,2,3,*王玲玉 1,2,3但雨生 1,2,3汤云涛 1,2,3
1 贵州师范大学地理与环境科学学院/喀斯特研究院,贵州贵阳 550001
2 贵州省喀斯特山地生态环境国家重点实验室培育基地,贵州贵阳 550001
3 国家喀斯特石漠化防治工程技术研究中心,贵州贵阳 550001
土壤水分是地球表层水循环、能量循环和生物地球化学循环中的重要组成部分,是研究喀斯特石漠化地区生态系统的关键参数。基于多时相的Sentinel-1 SAR数据与Alpha 近似模型构建土壤水分观测方程组,反演喀斯特石漠化地区地表土壤水分并对其时空变化特征及误差影响因素展开分析。研究发现观测周期内区域土壤水分总体变化趋势与降雨量变化趋势高度一致,石漠化地区土壤水分高值与空间异质性程度明显高于非石漠化地区。精度验证结果显示土壤水分反演结果的均方根误差为0.059 cm3/cm3,平均误差为0.026 cm3/cm3,该方法在区域地表土壤水分反演中表现出一定的适用性,分析认为地表土壤因周边的复杂生境条件产生的混合像元问题是导致反演误差的主要影响因素。研究可为利用短时间周期重复遥感观测方法获取复杂山区环境下的土壤水分提供参考,为喀斯特石漠化地区生态系统修复和生态产业发展提供支撑。
土壤水分 合成孔径雷达 多时相 反演 喀斯特石漠化 soil moisture synthetic aperture radar multi-temporal inversion karst rocky desertification
1 山东理工大学 电气与电子工程学院, 山东 淄博 255049
2 天津大学 电子信息工程学院, 天津 300072
在基于线阵CCD的夫琅和费衍射颗粒粒度测量中, 采用Chin-Shifrin积分变换反演算法使得反演的粒度分布出现假峰现象.为解决此问题, 提出在该Chin-Shifrin积分变换反演算法中引入矩形窗函数, 并在分析颗粒粒径与衍射光强导数最小值之间关系的基础上, 确定矩形窗函数中心点位置及左右边界, 利用该矩形窗函数对粒度分布进行截断处理, 消除虚假峰, 提高反演颗粒粒度分布的准确性.分别对两种标准颗粒进行了测量, 并对不同算法的反演结果进行了对比.实验结果表明: 引入矩形窗函数的改进Chin-Shifrin算法, 能够有效排除粒度分布中的多假峰; 粒度分布测量相对误差小于3%, 重复性小于4%.
夫琅和费衍射 改进Chin-Shifrin反演算法 矩形窗函数 颗粒粒度分布 线阵CCD 散射角度区间 Fraunhofer diffraction Improved Chin-Shifrin inversion algorithm Rectangular window function Particle size distribution Linear CCD Scattering angle range 光子学报
2016, 45(11): 1105002
1 中国科学院对地观测与数字地球科学中心, 北京 100094
2 中国科学院研究生院, 北京 100049
利用Dobson半经验模型建立模拟数据库, 用建立的模拟数据库对Hallikainen关系式进行最小二乘回归, 标定其在SAR关键频点下的系数并进行适当改进, 最终建立了介电常数实部与土壤体积含水量关系的简化模型.对建立的简化模型进行验证和对比, 结果表明, 简化模型在精度上优于Hallikainen经验模型, 并且与复杂的Dobson半经验模型相比, 具有良好的精度和实用性.
介电常数 土壤水分 简化模型 dielectric constant soil moisture SAR SAR simplified model