邱小霞 1,2,3鲍华 1,2高国庆 1,2,3,4张莹 1,2,3[ ... ]李淑琪 1,2,3
1 中国科学院自适应光学重点实验室, 成都 610000
2 中国科学院光电技术研究所, 成都 610000
3 中国科学院大学, 北京 100000
4 电子科技大学, 成都 611000
自适应光学(AO)成像系统受残余大气湍流、闭环跟踪误差和光电探测噪声等因素的影响, 成像结果参差不齐, 不利于后期图像筛选和事后处理, 故需要对图像质量进行评价。传统图像质量评价方法对自适应光学图像质量的评价不可靠, 甚至会出现评价结果与实际背离的情况。针对上述问题, 根据自适应光学系统的成像过程, 生成具有图像质量标签的自适应光学退化图像数据集, 在此基础上采用以ResNet作为主干的深度神经网络, 训练得到了用于评价自适应光学图像质量的神经网络模型, 在测试集上的Spearman相关系数(SROCC)最佳为0.994。实验结果表明, 该方法综合考虑了自适应光学图像成像过程中的多种退化因素, 通过训练深度神经网络得到无参考自适应光学图像质量评价模型, 评价精度优于其他传统图像质量评价算法。
图像质量评价 自适应光学图像 深度神经网络 image quality assessment adaptive optical image deep neural network
安徽大学电气工程与自动化学院，安徽 合肥 230601
针对现有网络调制类的跟踪算法忽略高阶特征信息从而在应对大尺度变化、物体形变时易发生漂移的现象，提出了一种结合注意力与特征融合网络调制的目标跟踪算法。首先，将一个高效的选择核注意力模块嵌入在特征提取的主干网络中，使网络更关注于对目标特征信息的提取；其次，对提取的特征采用多尺度交互网络充分挖掘层内多尺度信息，并且融合高阶特征信息来提升对目标的表征能力，以适应跟踪过程中复杂多变的环境；最后，通过金字塔调制网络引导测试分支学习最优交并比预测，实现对目标的精确估计。实验结果表明，在VOT2018、OTB100、GOT10k、TrackingNet和LaSOT视觉跟踪基准上，相比其他算法，所提算法在跟踪精度和成功率上展现了较强的竞争力。
图像处理 目标跟踪 特征提取 注意力机制 特征融合 激光与光电子学进展
2022, 59(12): 1210013
1 中国科学院自适应光学重点实验室，四川 成都 610209
2 中国科学院光电技术研究所，四川 成都 610209
3 中国科学院大学，北京 100049
针对Miguel等人提出的质量图引导相位解包裹算法中串行运算效率较低的缺点，构造了一种多个低可靠度区块并行合并的改进算法。在满足原始算法设计思想的前提下，对解包裹路径进行重新定义，并根据原始算法的解包裹路径非连续的特性，构建了一种低可靠度区块乱序合并的策略，使得多个低可靠度区块的合并任务可以同时进行。改进算法采用多线程软件架构，主线程负责循环遍历未处理的区块，子线程接收待处理的区块执行合并任务。实验结果表明，改进方法与原始算法的处理结果完全一致，而并行改进策略可有效利用计算机多核资源，使得相位解包裹算法的运行效率提高了50%以上。
相位解包裹 质量引导 路径相关 并行计算 相位测量 phase unwrapping quality guidance path dependent parallel computing phase measurement
1 中国科学院自适应光学重点实验室，四川 成都 610209
2 中国科学院光电技术研究所，四川 成都 610209
3 中国科学院大学，北京 100049
对太阳大气进行大视场高分辨力光学成像观测是开展太阳物理、空间天气等基础与应用研究的重要前提。对于地基太阳望远镜而言，为了消除地球大气湍流对光学系统的影响，自适应光学是高分辨力成像观测必备的技术手段，与此同时，为了突破大气非等晕性对传统自适应光学校正视场的限制，近年来多层共轭自适应光学技术等大视场自适应光学得到极大发展。本文首先梳理国外太阳自适应光学系统研制情况，重点介绍国内太阳自适应光学技术发展及应用情况，并进一步介绍了后续大视场太阳自适应光学技术发展情况以及目前所取得的成果。
太阳观测 自适应光学 多层共轭自适应光学 solar observation adaptive optics multi-conjugate adaptive optics
1 中国科学院自适应光学重点实验室，四川 成都 610209
2 中国科学院光电技术研究所，四川 成都 610209
3 中国科学院大学，北京 100049
为进一步提高自适应光学系统的成像质量，本文针对目前广泛使用的盲解卷积，相位差法和斑点重建技术开展了深入研究；详细分析了以上三种技术的各自特点、应用场景和处理对象，并结合自适应光学系统的特点，有针对性的加以算法改进；实验采用自适应光学人眼视网膜细胞图像和自适应光学太阳黑子图像进行算法验证，结果表明经改进后的图像处理技术可以有效提高自适应光学图像的质量和分辨力，较好的满足了自适应光学系统对图像事后处理的需求。
自适应光学 图像重建 盲解卷积 相位差法 斑点重建 adaptive optics image reconstruction blind deconvolution phase diversity speckle imaging
Author Affiliations
Abstract
1 The Key Laboratory on Adaptive Optics, Chinese Academy of Sciences, Chengdu 610209, China
2 The Laboratory on Adaptive Optics, Institute of Optics and Electronics, Chinese Academy of Sciences, Chengdu 610209, China
3 University of Chinese Academy of Sciences, Beijing 100049, China
A prototype of a solar ground-layer adaptive optics (GLAO) system, which consists of a multi-direction correlating Shack–Hartmann wavefront sensor with 30 effective subapertures and about a 1 arcmin field of view (FoV) in each subaperture, a deformable mirror with 151 actuators conjugated to the telescope entrance pupil, and a custom-built real-time controller based on field-programmable gate array and multi-core digital signal processor (DSP), is implemented at the 1 m New Vacuum Solar Telescope at Fuxian Solar Observatory and saw its first light on January 12th, 2016. The on-sky observational results show that the solar image is apparently improved in the whole FoV over 1 arcmin with the GLAO correction.
010.1080 Active or adoptive optics 110.1080 Active or adoptive optics Chinese Optics Letters
2016, 14(10): 100102
1 中国科学院自适应光学重点实验室，成都 610209
2 电子科技大学光电信息学院，成都 610054
3 中国科学院光电技术研究所，成都 610209
4 中国科学院大学，北京 100049
相位差算法 (PD)不仅应用于波前传感器还可以作为一种图像复原技术，在波前复原与高分辨力图像事后图像复原有很大的潜力；但是，由于相位差算法的计算量大导致了在 PC平台上很难实现实时处理。以 CPU与 GPU之间较少的数据交互为原则，本文首先对 PD计算过程进行了分析，然后在多 GPU平台上，对 PD算法进行任务划分及优化。实验结果表明，在相差 PV=2λ条件下对于 256 pixels×256 pixels大小图像，经过 50次迭代单 GPU和双 GPU分别耗时 53 ms和 45 ms。
相位差算法 自适应光学 波前探测 图像复原 并行计算 phase diversity adaptive optics wave front sensing image restoration parallel computing
1 中国科学院自适应光学重点实验室，成都 610209
2 电子科技大学 光电信息学院，成都 610054
3 中国科学院光电技术研究所，成都 610209
4 中国科学院大学，北京 100049
NVIDIA 在其GPU 平台上开发的FFT 库CUFFT 经过几次升级，但在二维FFT 实现上效率还有提升空间，而且对于特定不能与上下文的计算融合，导致多次对Global memory 的访问。本文分析合并内存访问事务大小与占用率之间的关系，优化使用GPU 存储器资源，对小数据量2 次幂二维复数FFT 在GPU 上的实现进行改进，加速比最高达到CUFFT 6.5 的1.27 倍。利用实数FFT 结果的共轭对称性，算法的效率比复数FFT 算法运算量降低了40%。最后将FFT 的改进应用到光学传递函数(OTF)的计算中，采用Kernel 融合的方法，使得OTF 的计算效率比CUFFT 计算方法提高了1.5 倍。
快速傅里叶变换 光学传递函数 图形处理器 FFT CUDA CUDA optical transfer function (OTF) graphic processing unit (GPU)
