强激光与粒子束
2024, 36(4): 043018
1 清华大学深圳国际研究生院，广东 深圳 518055
2 广东省偏振光学检测与成像工程技术研究中心，广东 深圳 518055
3 北京大学深圳医院病理科，广东 深圳 518036
数字病理技术利用经过数字化的病理样本显微图像及其特征，并配合人工智能技术，实现生物组织病变特征的定量评估和判定，辅助临床医生做出诊断结论。利用偏振光照明和偏振探测可以实现全偏振成像，图像每个像素的偏振特征都包含更加丰富的信息，特别是普通光学成像难以获得的亚细胞超分辨微观结构特征信息，可为病变组织的识别和定量评估提供更为有效的手段。本文总结了全偏振成像技术，并结合典型临床应用归纳总结了全偏振显微图像的数据分析方法和最新进展。
医用光学 全偏振显微成像 偏振数字病理 偏振特征提取 机器学习
杭州电子科技大学自动化学院，浙江 杭州 310018
近年来，随着深度学习的发展，基于深度学习的特征提取方法在高光谱图像领域表现出良好的发展前景。提出了一种引入注意力机制的多尺度高光谱图像特征提取方法，包括光谱特征提取网络和空间特征提取网络两个部分，并使用一种得分融合策略进行融合。在光谱特征提取网络中，引入注意力机制来缓解因光谱维数过高导致的梯度消失问题，以提取多尺度的光谱特征。在空间特征提取网络中，引入注意力机制作用于网络主干，使其关注邻域内的重要部分，帮助分支网络提取关键信息。将5种光谱特征提取方法、3种空间特征提取方法以及3种空间-光谱联合特征提取方法在3个数据集上进行对比实验，实验结果表明，所提方法能够稳定、有效地提升高光谱图像的分类准确率。
高光谱图像 长短期记忆网络 注意力机制 特征提取 深度学习 激光与光电子学进展
2024, 61(4): 0437010
1 中铁第五勘察设计院集团有限公司,北京02600
2 南京大学 现代工程与应用科学学院,南京1003
3 南京法艾博光电科技有限公司,南京21115
4 德克萨斯州立大学 工学院,圣马科斯78666,美国
提出了一种基于K近邻（K‑nearest neighbors，KNN）算法和相位敏感光时域反射（Phase‑sensitive optical time domain reflectometry，φ‑OTDR）系统的高铁声屏障故障识别方法。设计了V字型光缆敷设方式，能够感知声屏障不同高度吸声板在脉动力冲击下的振动，并利用φ‑OTDR系统采集振动信号。对振动信号进行多域特征提取以及K近邻分类后，可以实现对声屏障故障状态识别。实验结果表明，在复杂场景下对于故障点的识别正确率达到了90.9%。该方法为声屏障故障识别提供了一条可行的技术路线，能够减少对专业人员的依赖，对于提升高铁声屏障智能运维水平具有重要意义。
相位敏感光时域反射 声屏障 多域特征提取 K近邻 phase‑sensitive optical time domain reflectometry（φ‑OTDR） noise barrier multi‑domain feature extraction K‑nearest neighbors （KNN）
Author Affiliations
Abstract
1 Laboratory of Microelectronic Devices & Integrated Technology, Institute of Microelectronics of the Chinese Academy of Sciences, Beijing 100029, China
2 School of Integrated Circuits, University of Chinese Academy of Sciences, Beijing 101408, China
3 School of Information and Electronics, Beijing Institute of Technology, Beijing 100081, China
Epilepsy is a common neurological disorder that occurs at all ages. Epilepsy not only brings physical pain to patients, but also brings a huge burden to the lives of patients and their families. At present, epilepsy detection is still achieved through the observation of electroencephalography (EEG) by medical staff. However, this process takes a long time and consumes energy, which will create a huge workload to medical staff. Therefore, it is particularly important to realize the automatic detection of epilepsy. This paper introduces, in detail, the overall framework of EEG-based automatic epilepsy identification and the typical methods involved in each step. Aiming at the core modules, that is, signal acquisition analog front end (AFE), feature extraction and classifier selection, method summary and theoretical explanation are carried out. Finally, the future research directions in the field of automatic detection of epilepsy are prospected.
epilepsy electroencephalography automatic detection analog front end feature extraction classifier Journal of Semiconductors
2023, 44(12): 121401
1 上海理工大学 生物医学光学和视光学研究所，上海 200093
2 同济大学 上海皮肤病医院光医学研究所，上海 200443
3 上海理工大学 光学仪器与系统教育部工程研究中心，上海 200093
尽管纹身的人数在增加，但希望祛除纹身的需求量也在增加。现在纹身祛除大多采用激光进行治疗，但仅凭肉眼观察的单次疗效不够理想，往往需要重复治疗。因此，研究了基于图像技术量化评价治疗的效果。使用皮秒激光对猪皮的不同颜色的纹身进行照射，采集治疗部位与正常皮肤组织的图像，再标准化提取部位，并对此部位的图像进行特征提取后，量化照射前后的纹身所占面积比，进而得到祛除率。为了验证量化算法的可靠性，设计了不同对比度的标准图像来计算色素占比，得到的误差均小于0.01%，证明该算法是可靠的。对于色素祛除的量化评价能客观反映激光祛除色素的效果，避免了因医师的主观判断所造成的疗效偏差，为治疗参数的选择及疗效的提高等提供了帮助。
皮秒激光 纹身 图像分割 特征提取 量化 picosecond laser tattoo image segmentation feature extraction quantify
海军航空大学航空作战勤务学院，山东 烟台264000
高光谱成像技术源于遥感探测，具有谱图合一的独特优势，在农林、地矿、防伪和环境保护等领域的应用日益广泛。作为高光谱技术最常见和最基本的功能，目标分类在各个高光谱领域的应用均具有至关重要的作用。综述了高光谱目标分类技术的发展现状，分析了高光谱数据的结构特点，归纳了高光谱目标分类的一般流程，并详细阐述了数据读取、图像预处理和目标分类等高光谱目标分类流程的主流方法及其基本原理。结合近年来的典型案例，分析了高光谱目标分类的过程，并对其发展趋势进行了分析和展望。
高光谱 目标分类 图像预处理 特征提取 hyperspectral target classification image preprocessing feature extraction
1 中国核工业二三建设有限公司, 核工业工程研究设计有限公司, 中核集团高效智能化焊接重点实验室, 北京 101300
2 天津大学材料科学与工程学院, 天津市现代连接技术重点实验室, 天津 300350
3 绍兴市特种设备检测院, 绍兴市特种设备智能检测与评价重点实验室, 浙江 绍兴 312071
针对ER316L不锈钢激光填丝焊过程中因送丝不稳定导致的焊缝质量问题, 提出了基于光致等离子体发射光谱诊断的在线监测方法, 构建了焊缝质量预测模型, 对实现焊接过程自适应控制和激光焊接智能化有重要意义。 为深入研究激光焊中激光与焊材的相互作用机制, 进行了激光自熔焊、 激光填丝焊试验, 同步采集了光致等离子体的光谱信息, 并与TIG焊工艺下的电弧光谱进行了对比分析。 结果表明激光自熔焊时光谱由连续谱和强度较弱的Fe Ⅰ 636.44 nm、 Cr Ⅰ 427.48 nm线谱组成; 激光填丝焊时辐射光强显著增加, 并产生大量Cr Ⅰ谱线; 电弧光谱包含大量的Ar Ⅰ、 Ar Ⅱ谱线及少量的Fe Ⅰ谱线。 根据Boltzmann作图法和Stark展宽法, 求得激光填丝焊时光致等离子体电子温度为5 024.9 K, 电子密度为2.375×1016 cm-3, 满足局部热力学平衡状态。 在此基础上, 深入探究了激光焊接质量与光谱特征参量的内在联系。 结果表明, 谱线强度和电子温度与焊缝质量有很强的相关性。 当成形良好时, Cr Ⅰ谱线强度数值较高, Fe Ⅰ谱线强度较低, 电子温度在小范围内稳态波动; 当产生偏丝缺陷时, Cr Ⅰ谱线强度较低, 而Fe Ⅰ谱线强度较高, 电子温度急剧变化。 以平滑去噪处理后的Cr Ⅰ 529.83 nm谱线强度、 Fe Ⅰ 636.44 nm谱线强度和电子温度为输入, 构建单隐含层神经网络焊缝质量分类模型, 识别成形良好和偏丝缺陷两种状态, 测试10次的平均准确率为88%。 采用t分布随机邻域嵌入算法对光谱数据进行维数约简, 以得到的3维嵌入向量为输入特征, 采用同样的神经网络结构进行焊缝质量模式识别, 平均准确率为97%。 结果表明, 对光谱数据进行降维处理得到的特征包含了线谱和连续谱信息, 比人为选取的特征线谱更能准确表征焊缝质量。
激光填丝焊 光谱诊断 特征提取 机器学习 预测模型 Laser wire filling welding Spectral diagnosis Feature extraction Machine learning Prediction model 光谱学与光谱分析
2023, 43(6): 1927
光学 精密工程
2023, 31(24): 3630
1 西安邮电大学 电子工程学院，陕西西安702
2 西安电子科技大学 电子工程学院，陕西西安710071
针对高光谱遥感图像的特征提取与地物分类，提出一种基于分数阶微分的高光谱图像特征提取方法，设计二维分数阶微分掩模提取高光谱图像的像素空间分数阶微分（SpaFD）特征，并提出一种空谱联合准则用于选取微分掩模阶数。为充分利用高光谱图像的空间特征与光谱特征，将SpaFD特征与原始特征直连融合获得SpaFD-Spe-Spa混合特征，并采用三维卷积神经网络（3DCNN）、先采用主成分分析（PCA）对像素光谱进行降维处理再送入三维卷积神经网络（3DCNNPCA）以及采用混合光谱网络（HybridSN）验证SpaFD-Spe-Spa混合特征的有效性。实验中分别采用3✕3，5✕5和7✕7的分数阶微分掩模进行空间特征提取，4个真实高光谱图像的实验结果表明，所提取的SpaFD特征和SpaFD-Spe-Spa特征可有效提升高光谱图像的地物分类精度，且SpaFD-Spe-Spa特征对地物分类准确率的提升更为明显：SpaFD特征相比原始特征在Indian Pines，Botswana，Pavia University和Salinas 4个数据上的分类识别率在最优情况下分别提升了3.87%，1.42%，2.41%和2.87%；SpaFD-Spe-Spa特征相比原始特征在Indian Pines，Botswana，Pavia University和Salinas 4个数据上的分类识别率在最优情况下分别提升了3.90%，5.62%，3.35%和5.18%。
高光谱图像分类 分数阶微分 特征提取 卷积神经网络 hyperspectral images classification fractional differentiation feature extraction convolutional neural network 光学 精密工程
2023, 31(21): 3221
