作者单位
摘要
苏州大学 光电科学与工程学院, 苏州 215006
现有图像增强方法在处理模糊且分辨率较低的图像时, 因图像的细节缺乏真实性并且存在伪影现象, 会导致增强效果较差。为了解决这一问题, 采用一种基于深度密集残差生成对抗网络(DDR GAN)的低分辨率模糊图像增强算法, 实现了低质量图像的有效增强。首先构建端到端的生成对抗网络框架; 然后设计深度密集残差隐特征编码架构, 提升对输入图像的深层语义特征表示, 增强图像生成效能; 最后重构损失函数, 添加感知损失以指导模型学习生成图像的真实性。结果表明, 相比于目前最先进的增强型超分辨率GAN法(ESR GAN)和第2版去模糊GAN法(DeBlur GAN-V2), DDR GAN生成的图像在视觉效果上更佳, 具有更高的清晰度和更丰富的图像细节; 在客观评价指标方面, DDR GAN相较于ESR GAN和DeBlur GAN-V2, 峰值信噪比分别提高1.7072 dB和1.1683 dB, 结构相似度分别提高0.0783和0.0713。该算法对低分辨率模糊图像的复原增强是有帮助的。
图像处理 深度密集残差生成对抗网络 深度学习 低分辨率模糊图像 image processing deep dense residual generative adversarial network deep learning low-resolution blurred image 
激光技术
2023, 47(3): 322
作者单位
摘要
1 中原工学院 机电学院, 河南 郑州 450007
2 郑州市激光增材制造技术重点实验室, 机械工业光学传感与测试技术重点实验室, 河南 郑州 450000
为了解决熔覆层表面气孔识别技术中耗时且准确度不足的问题, 文章利用深度学习技术中的语义分割网络提出了基于U-net神经网络识别熔覆层表面气孔的2BNC-Unet神经网络。通过引入Batch Normalization层以及串联注意力机制(CBAM)合理部署在神经网络中, 选取交并比(IoU)与Dice系数作为网络的评价指标。研究结果表明: 在测试集中, 2BNC-Unet网络的交并比与Dice系数分别为86.96%、86.42%, 相比U-net神经网络分别提高了7.65%、4.73%。同时为了验证该网络的性能, 选用SegNet、2BNC-Unet与U-net神经网络进行对比实验, 结果表明2BNC-Unet的分割效果不仅优于SegNet和U-net网络, 而且熔覆层表面的气孔细节能够被完整地分割。在深度学习技术中2BNC-Unet的分割速度和准确度都有了显著地提高, 气孔的分割为熔覆层的性能分析提供了帮助。
激光熔覆 语义分割 熔覆层气孔 深度学习 串行注意力机制 laser cladding semantic segmentation stomata of cladding layer deep learning serial attention mechanism 
光学技术
2023, 49(6): 673
作者单位
摘要
中国石油大学(华东)海洋与空间信息学院,山东 青岛 266580
为解决面向复杂地形区域的断裂带提取问题,提出了一种基于三维卷积神经网络(3D-CNN)结合PointSIFT的断裂带提取方法。该方法首先通过PointSIFT模块对原始点云数据的空间方位信息进行编码,以实现对点云特征的聚合,从而得到带有不同尺度特征的重构点云数据。其次,以构建的三维卷积模块为核心搭建3D-CNN模型,以此对重构的点云数据进行深层次特征提取。然后,将所提取的点云特征输入到全连接层以完成点云类别的判断,从而解决断裂带提取问题。最后,将所提方法与张量分解方法、深度神经网络方法在两套数据集上进行对比实验,结果表明:所提方法能够获得更低的分类误差,从而证实了该方法在点云断裂带提取方面的优越性。
激光雷达 断裂带提取 深度学习 PointSIFT 三维卷积 light detection and ranging fracture zone extraction deep learning pointSIFT three-dimensional convolution 
激光与光电子学进展
2023, 60(24): 2410011
作者单位
摘要
湘潭大学自动化与电子信息学院,湖南 湘潭 411105
非侵入式负荷监测作为家庭用电精细化管理的重要手段,对推进节能减排、实现“双碳”目标具有积极作用。然而,利用原始电压-电流轨迹图像特征很难实现高精度负荷识别。因此,提出了一种基于格拉姆角差场(GADF)图像编码的非侵入式负荷识别方法。首先,对设备采集到的高频稳态数据进行预处理,获得一个完整基波周期电流和电压信号。然后,利用GADF分别对一维电压和电流信号进行图像编码,生成相对应的二维图像。最后,通过叠加融合输入到卷积块注意力模型中完成负荷识别。为了验证所提方法的有效性,利用公共数据集PLAID和WHITED进行实验分析。结果表明,该方法具有很高的识别精度,PLAID数据集平均识别准确率达到99.45%,WHITED数据集平均识别准确率达到99.24%。
图像处理 非侵入式负荷识别 深度学习 卷积块注意力模型 格拉姆角差场 image processing non-intrusive load identification deep learning convolutional block attention module Gramian angular difference field 
激光与光电子学进展
2023, 60(24): 2410001
作者单位
摘要
1 长春理工大学光电测控与光信息传输技术教育部重点实验室,吉林 长春 130022
2 长春理工大学计算机科学技术学院,吉林 长春 130022
在自由光空间通信领域,使用不同束腰半径组合的涡旋叠加光束可以在同一信道开销下传递更多信息。受大气湍流影响涡旋光束会发生相位扰动,进而影响其轨道角动量(OAM)模态识别。现有模型无法准确识别受随机大气湍流影响而发生扰动的OAM叠加光束模态。因此,提出一种基于注意力机制的深度学习识别方法。将注意力机制模块嵌入到VGG-16中,以提升模型对不同状态叠加光束模态的感知性能。另外为模拟湍流的真实状态,利用功率谱反演法模拟大气湍流,并使用次谐波补偿随机湍流屏的低频信息。同时,建立受到随机湍流影响发生相位扰动的OAM叠加光束数据集,利用该数据集训练所提模型。实验结果表明,在未知大气湍流强度条件下,对比传统方法,所提方法对OAM的识别准确率最高提升了4.46%。这表明了该模型对识别OAM叠加光束的有效性,以及良好的鲁棒性和较好的泛化能力,为识别OAM模态提供一种新的方法。
涡旋光束 轨道角动量 注意力机制 深度学习 大气湍流 vortex beams orbital angular momentum attention mechanism deep learning atmospheric turbulence 
激光与光电子学进展
2023, 60(23): 2306003
作者单位
摘要
1 火箭军工程大学导弹工程学院, 西安 710000
2 光电控制技术重点实验室, 河南 洛阳 471000
近年来随着无人机技术的快速发展, 各种“无人机+”代替人工作业的成功案例更是层出不穷。所设计的空基智能排爆系统是融合了无人机自主导航、深度学习和YOLOv5目标检测等技术, 并将排爆执行机构、双光一体云台吊舱和实时图像传输等硬件装置相结合形成的系统。实验结果表明, 该系统具有视觉搜寻范围广、目标识别精度高、可操作性强、排爆行动迅速等优点。在实际操作过程中, 操作人员控制该系统抓取、转移和销毁未爆弹, 人员作业位置远离未爆弹杀伤的有效半径, 解决了未爆弹(UXO)拆除过程中潜在的伤亡问题。
无人机 排爆执行机构 深度学习 未爆弹 unmanned aerial vehicle EOD actuator deep learning UXO YOLOv5 YOLOv5 
电光与控制
2023, 30(5): 61
作者单位
摘要
1 光电控制技术重点实验室, 河南 洛阳 471000
2 电子信息系统复杂电磁环境效应国家重点实验室,河南 洛阳 471000
3 洛阳理工学院, 河南 洛阳 471000
在基于深度学习的SAR图像目标检测中, 为了降低SAR图像中噪声等特性对特征学习的干扰, 提高检测方法中识别和定位任务的交互性, 采用了联合任务检测方法。该方法利用联合任务网络, 使识别和定位任务在尽可能共用特征的同时保留各自的特殊性, 从而提升两个子任务对特征学习的监督能力。此外, 该方法还利用联合任务学习方法, 在锚框选择和损失函数计算中, 同时考虑识别和定位任务的可靠程度, 从而提升训练效果。公开数据集上的实验结果证明了该方法的有效性。
目标检测 深度学习 模式识别 SAR SAR target detection deep learning mode recognition 
电光与控制
2023, 30(5): 39
作者单位
摘要
1 贵州大学 大数据与信息工程学院,贵州 贵阳 550025
2 贵阳铝镁设计研究院有限公司,贵州 贵阳 550009
传统的语义分割知识蒸馏方法仍然存在知识蒸馏不完全、特征信息传递不显著等问题,且教师网络传递的知识情况复杂,容易丢失特征的位置信息。针对以上问题,本文提出了一种基于知识蒸馏的特征提炼语义分割模型FRKDNet。首先根据前景特征与背景噪声的特点,设计了一种特征提炼方法来将蒸馏知识中的前景内容进行分离,过滤掉教师网络的伪知识后将更准确的特征内容传递给学生网络,从而提高特征的表现能力。同时,在特征空间的隐式编码中提取类间距离与类内距离从而得到相应的特征坐标掩码,学生网络通过模拟特征位置信息来最小化与教师网络特征位置的差距,并分别和学生网络进行蒸馏损失计算,从而提高学生网络的分割精度,辅助学生网络更快地收敛。最后在公开数据集Pascal VOC和Cityscapes上实现了优秀的分割性能,MIoU分别达到74.19%和76.53%,比原始学生网络分别提高了2.04%和4.48%。本文方法相比于主流方法具有更好的分割性能和鲁棒性,为语义分割知识蒸馏提供了一种新方法。
语义分割 神经网络 知识蒸馏 特征提炼 深度学习 semantic segmentation neural network knowledge distillation feature refine deep learning 
液晶与显示
2023, 38(11): 1590
刘颖 1,2孙海江 1,*赵勇先 1,2
作者单位
摘要
1 中国科学院 长春光学精密机械与物理研究所,吉林 长春 130033
2 中国科学院大学,北京 100049
针对复杂场景下红外图像中弱小目标像素占比少、特征细节不明显致使目标特征提取困难、检测准确率低的问题,提出了一种基于注意力机制的复杂背景下红外弱小目标检测方法。该方法以YOLOv5网络为基础,设计SimAMC3注意力机制模块,优化网络的特征提取层;设计目标检测头,通过增加特征融合层来改变其开始进行特征提取的深度,获得新的弱小目标检测层,使浅层特征层更好地保留弱小目标的空间信息;改进预测框筛选方式,提高距离相近或重叠目标的检测精度。实验选取了两个SIRST红外弱小目标图像数据集,对其进行标注并训练。实验结果表明,改进后的算法与原YOLOv5算法相比,平均精度均值(mAP)分别提升了4.8%和7.1%,在不同复杂背景下均可有效检测出红外弱小目标,体现了良好的鲁棒性和适应性,可以有效应用于复杂背景中的红外弱小目标检测。
深度学习 红外弱小目标 目标检测 注意力机制 deep learning infrared dim-small target target detection attention mechanism 
液晶与显示
2023, 38(11): 1455
周涛 1,2张祥祥 1,2,*陆惠玲 3李琦 1,2程倩茹 1,2
作者单位
摘要
1 北方民族大学 计算机科学与工程学院, 宁夏银川75002
2 北方民族大学图像图形智能处理国家民委重点实验室, 宁夏银川75001
3 宁夏医科大学 医学信息工程学院, 宁夏银川750004
多模态医学图像融合在医学临床应用中起着至关重要的作用,为了解决现有方法大多数侧重于局部特征的提取,对全局依赖关系的探索不足,忽略了全局和局部信息交互,导致难以有效解决周围组织与病灶区域之间的模式复杂性和强度相似性问题。该文提出面向PET和CT医学图像融合的LL-GG-LG Net模型。首先,提出了局部-局部融合模块(Local-Local Fusion Module,LL Module),该模块采用双层注意力机制更好地关注局部细节信息特征;其次,设计了全局-全局融合模块(Global-Global Fusion Module,GG Module),该模块通过在Swin Transformer中加入残差连接机制将局部信息引入全局信息中,提高了Transformer对局部信息的关注程度;然后,提出一种基于可微分神经架构搜索自适应的密集融合网络的局部-全局融合模块(Local-Global Fusion Module,LG Module),充分捕获全局关系并保留局部线索,有效解决背景和病灶区域相似度高问题;使用临床多模态肺部医学图像数据集验证模型的有效性,实验结果表明,该文方法在平均梯度,边缘强度,QAB/F,空间频率,标准差,信息熵等感知图像融合质量评价指标上与其他七种方法中最优的方法相比,分别平均提高了21.5%,11%,4%,13%,9%,3%。模型能够突出病变区域信息,融合图像结构清晰且纹理细节丰富。
医学图像融合 深度学习 注意力机制 可微分架构搜索 密集网 medical image fusion deep learning attention mechanism differentiable architecture search dense network 
光学 精密工程
2023, 31(20): 3050

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!