作者单位
摘要
1 中国科学院上海技术物理研究所空间主动光电技术重点实验室,上海 200083
2 上海科技大学信息科学与技术学院,上海 201210
对于单光子测距雷达系统而言,发射激光脉冲瞬间和近场强后向散射带来的强背景光噪声信号均会导致光电倍增管产生强光感生噪声(SIN),严重影响后续目标的探测。为精确标定单光子量级的SIN,基于自主研制的单光子测距回波模拟器和固定脉宽为10 ns的脉冲激光器搭建了一套完备的SIN检测与评估平台。测量了不同能量的强背景光条件下的SIN,并使用相关经验公式对噪声进行了拟合。结合实际测距雷达系统,为满足百公里级测距目标反演的信噪比要求,应控制到达探测器处近场强背景光能量小于100 pJ。该研究为单光子测距激光雷达系统的性能评估提供了重要参考。
遥感与传感器 单光子测距 强光感生噪声 光电倍增管 回波模拟器 remote sensing and sensors single-photon ranging signal-induced noise photomultiplier tube echo simulator 
激光与光电子学进展
2024, 61(4): 0428011
作者单位
摘要
杭州电子科技大学自动化学院,浙江 杭州 310018
针对基于卷积自编码进行空-谱联合的高光谱解混方法中,过度引入像元光谱之间的空间相关性导致丰度过于平滑的现象,提出一种结合注意力机制的双流卷积自编码高光谱解混方法(DSCU-Net)。首先,利用双流卷积网络分别提取高光谱图像的空间特征和光谱特征;其次,为了确保空间特征和光谱特征之间的平衡性,引入通道注意力机制对提取到的空间特征进行重加权,并对光谱特征和重加权后的空间特征进行融合;最后,使用融合后的特征进行高光谱图像重构,并将重构结果送入解混网络的主干网络中进行光谱解混。通过最小化两次重构误差进行解混网络的训练。为了验证所提方法的性能,在两个真实数据集上进行实验,并对复杂场景下算法的性能表现进行分析。结果表明,DSCU-Net能够有效减少过度引入空间相关性造成丰度过于平滑的现象,具有更好的解混性能。
遥感 高光谱解混 卷积自编码器 通道注意力机制 双流结构 remote sensing hyperspectral unmixing convolutional autoencoder channel attention mechanism dual-stream structure 
激光与光电子学进展
2024, 61(4): 0428008
作者单位
摘要
1 重庆邮电大学计算机科学与技术学院重庆空间大数据智能技术工程研究中心,重庆 400065
2 昆明理工大学信息工程与自动化学院,云南 昆明 650500
高分辨率无人机遥感图像具有极为丰富的语义和地物特征,在语义分割中容易出现目标分割不全、边缘信息缺失、分割精度不足等问题。为了解决上述问题,基于DeepLabV3_plus模型提出改进的DeepLabV3_DHC。首先,利用多种主干网络进行下采样,采集图像的低级特征和高级特征。其次,将原模型的atrous spatial pyramid pooling(ASPP)全部替换成深度可分离混合空洞卷积,同时添加自适应系数,减弱网格效应。之后,抛弃传统上采样的双线性插值法,替换为可学习的密集上采样卷积。最后,在低级特征中串联注意机制。选用多种主干网络进行实验,数据集选用四川省隆昌市地区的部分图像,采用平均交并比和类别平均像素准确率作为评价指标。实验结果表明:所提方法不仅具有较高的分割精度,而且减少了计算量和参数量。
城市无人机遥感图像 语义分割 深度可分离混合空洞卷积 密集上采样 注意力机制 网格效应 urban unmanned aerial vehicle remote sensing image semantic segmentation depthwise separable hybrid dilated convolution dense upsampling convolution attention mechanism grid effect 
激光与光电子学进展
2024, 61(4): 0428005
作者单位
摘要
昆明理工大学国土资源工程学院,云南 昆明 650093
高分辨率遥感影像建筑物提取是遥感影像解译的一个重要研究方向。针对传统提取方法中小型建筑物容易丢失和大型建筑物边界模糊问题,以Unet为基础,提出一种基于多模块建筑物提取网络(MM-Unet)。首先在网络的编码和解码部分引入多尺度特征组合模块(MFCM)以获取并补充更多的空间信息。之后在解码器末端加入多尺度特征增强模块(MFEF)以增强多尺度特征的提取。在跳跃连接完成后引入双重注意力模块(DAM),使网络能够自适应地学习通道和空间位置的特征重要性,减小不同深度特征的差异。为了验证所提网络的有效性,分别在空间分辨率为1 m、0.3 m、0.09 m的Massachusetts、WHU以及Vaihingen建筑物数据集上进行实验,MM-Unet的交并比分别达到73.42%、90.11%和85.21%,相比于Unet分别提高2.21个百分点、1.25个百分点和1.55个百分点。结果表明,MM-Unet对于不同尺度的建筑物表现出较高的提取精度和较强的泛化能力。
遥感影像 建筑物提取 多尺度 注意力机制 特征组合 remote sensing image building extraction multi-scale attention mechanism feature combination 
激光与光电子学进展
2024, 61(4): 0428004
作者单位
摘要
1 中国计量大学机电工程学院,浙江 杭州 310018
2 浙江省安全工程与技术研究重点实验室,浙江 杭州 310012
3 遂昌县宏昌矿业开发有限公司,浙江 丽水 323300
针对基于测距的无线定位技术中位置解算算法精度不高、计算效率低的问题,提出一种基于Chan与改进麻雀搜索算法的协同定位算法。首先,将Chan算法运用于到达时间(TOA)定位模型估算位置初值;其次,采用SPM复合混沌映射初始化、黄金正弦策略、自适应权重因子、柯西-t扰动以及弹射边界处理改进麻雀搜索算法,有效提高算法的全局搜索能力和收敛精度;最后,在位置初值进行改进麻雀搜索算法迭代计算得到最终位置估计。仿真和实验结果表明,所提算法可提高无线定位精度和定位速度。
遥感 麻雀搜索算法 Chan算法 黄金正弦策略 自适应权重因子 到达时间 emote sensing sparrow search algorithm Chan algorithm golden-sine strategy adaptive weight factor time of arrival 
激光与光电子学进展
2024, 61(4): 0428003
作者单位
摘要
中国电子科技集团公司第十研究所航空电子信息系统技术重点实验室,四川 成都 610036
针对人工描述子在多模态匹配任务中辨识能力不足导致匹配效果不佳的问题,基于构造的累积结构特征图对多模态图像特征匹配方法的特征点提取、主方向分配和描述子构造等3方面进行扩展。在特征提取阶段,在不同尺度的累积结构特征图上提取混合特征点,兼顾特征点重复性和定位精度;在主方向分配阶段,采用累积结构特征和方向构造局部结构特征场提取特征点主方向,缓解特征点主方向估计容易出错的问题;在描述子构造阶段,对累积结构特征描述子进行L1距离归一化及开方操作替代L2距离归一化,提高描述子在特征匹配阶段的辨识能力。多模态匹配对比实验结果表明:相较于LHOPC、RIFT和HAPCG,所提方法在平均匹配正确点数目和平均匹配正确率等综合指标上明显占优;相较于CSF,所提方法平均正确率提升6.6%,平均匹配精度提升5.8%,表明其有效性。
多模态遥感图像 非线性辐射差异 累积结构特征 特征场 特征匹配 multimodal remote sensing images nonlinear radiation difference cumulative structural feature feature field feature matching 
激光与光电子学进展
2024, 61(4): 0428002
作者单位
摘要
1 山东科技大学测绘与空间信息学院,山东 青岛 266590
2 河北省地理信息集团有限公司,河北 石家庄 050000
3 河海大学地球科学与工程学院,江苏 南京 211100
针对道路养护管理中缺乏车辙精确边界自动分析提取的问题,提出一种基于点云分水岭算法的路面车辙三维轮廓提取方法。首先对单车道路面激光点云数据进行高程归一化处理,消除路面横向设计坡度影响;利用包络线算法计算路面横断面的相对深度,生成路面点云相对深度模型,用于增强车辙辙槽的凹陷特征,并消除路面纵向坡度对点云分水岭算法的影响;然后,通过计算车辙边界曲率特征获取车辙粗略分界线,据此将路面划分为5个区域,选择每条横断面在对应区域相对深度最大的点作为点云分水岭算法的注水点集;最后,根据分水岭算法积水浸没的原理精确获取车辙的纵向轮廓。利用青岛平度市内S218省道的路面车辙激光点云数据进行实验分析。结果表明:所提方法可准确提取多类型的车辙边界,获取的车辙轮廓纵向边界均方根误差小于5 cm;同时,基于车辙边界获得的车辙深度均方根误差均小于1.5 mm,包络线法计算的车辙深度均方根误差均大于1.5 mm,所提方法具有更高的精度。所提方法为道路养护管理提供了一种有效的车辙三维轮廓提取方法。
遥感 路面激光点云 车辙 分水岭算法 三维轮廓 remote sensing laser point cloud on pavement rut watershed algorithm three-dimensional contour 
激光与光电子学进展
2024, 61(4): 0411010
作者单位
摘要
航天东方红卫星有限公司,北京 100094
光学遥感图像广泛应用于天气预报、环境监测和海洋监管等领域。光学传感器拍摄的图像受大气条件和气候因素影响较大,云雾遮挡可导致图像内容丢失、对比度下降和颜色失真等一系列问题。基于此,提出一种基于融合和细化机制的光学遥感图像去云雾算法,实现高质量的单张遥感图像云雾去除。云雾去除网络基于融合和细化机制实现含云雾图与无云雾图的转换。其中,采用融合机制的多尺度云雾特征融合金字塔在不同尺度空间上提取云雾特征并进行融合,采用细化机制的多尺度云雾边缘特征细化单元对云雾的边缘特征进行细化加工,进而重构出清晰的无云图像。采用对抗学习策略,判别网络对特征进行自适应校正并将云雾特征分离出来,从而得到更准确的判别结果,有利于网络生成逼真的云雾去除结果。在开源数据集上选取5种算法进行对比实验,实验结果表明,所提算法云雾去除效果较优,没有产生颜色失真和伪影等现象。在薄云测试集上,所提算法的结构相似性(SSIM)和峰值信噪比(PSNR)分别超过第二名约11.9%和15.0%,在厚云测试集上,所提算法的SSIM和PSNR分别超过第二名约9.3%和9.9%。
光学遥感 云雾去除 图像融合 图像细化 对抗学习 optical remote sensing cloud removal image fusion image refinement adversarial learning 
激光与光电子学进展
2024, 61(4): 0428012
作者单位
摘要
1 中国科学院空天信息创新研究院,北京 100190
2 中国科学院大学电子电气与通信工程学院,北京 100049
飞机掩体是关键的飞机防护工事,利用遥感影像实现飞机掩体的快速准确检测有重要意义。为探究遥感影像飞机掩体检测方法,收集了60个包含飞机掩体的机场信息及Google Earth影像,构建了一个飞机掩体高分辨率遥感影像数据集。对比Faster R-CNN、SSD、RetinaNet、YOLOv3和YOLOX等5个深度学习目标检测模型的综合性能,结果表明,在飞机掩体影像数据集上YOLOX模型表现更佳,平均精度可达97.7%,但水平框的检测结果无法获得飞机掩体的精确边界和朝向。为此,对YOLOX模型进行改进,提出针对不同朝向下的飞机掩体检测新方法R-YOLOX,实现对飞机掩体的旋转检测,旋转预测框更加贴合目标轮廓,采用KL 散度损失改进后的模型精度显著提升,准确率提升了7.24个百分点,对飞机掩体具有更好的检测效果。从水平框和旋转框这2个角度都能实现飞机掩体的准确检测,为高分辨率遥感影像中飞机掩体的准确识别提供了新思路。
遥感 目标检测 深度学习 遥感影像 旋转框 remote sensing target detection deep learning remote sensing image rotating frame 
激光与光电子学进展
2024, 61(4): 0428009
杨荣 1,2,3董吉辉 1,2,3,*苏博家 1,2,3杨泽后 1,2,3,4[ ... ]周鼎富 1,2,3
作者单位
摘要
1 西南技术物理研究所,四川 成都 610041
2 激光雷达与器件技术四川省国防科技重点实验室,四川 成都 610041
3 中国兵器工业集团有限公司激光器件技术重点实验室,四川 成都 610041
4 北京理工大学物理学院,北京 100081
5 北京理工大学光电学院,北京 100081
荧光激光雷达对气溶胶云团进行远程侦测时,常利用决策树法对云团的荧光光谱信号进行识别。当大气能见度较差或背景辐射较强时,激光雷达的信噪比下降,导致分类识别的准确性明显降低。针对这一问题,提出了一种基于特征提取的决策树分类方法,该方法充分利用荧光光谱信号的信息,具有较强的适用性。首先介绍了生物荧光光谱的特点及传统识别算法和改进识别算法的原理;然后实验测试了6种生物溶液的荧光谱,并通过在这6种生物物质的荧光光谱中增加不同强度的噪声,对两种分类识别算法的性能进行了对比分析。结果表明:所设计的基于特征提取的决策树算法的训练时间基本不随噪声大小改变,当光谱信号的信噪比为10时,对6种生物物质的识别准确率基本达到80%以上;对于两种荧光光谱极其相似的生物,具有较强的区分能力,识别准确性优于传统识别算法;抗噪能力较强,提高了生物气溶胶激光雷达的探测识别能力。
遥感 激光雷达 激光诱导荧光 机器学习 决策树 生物识别 remote sensing LiDAR laser induced fluorescence machine learning decision tree biometrics 
中国激光
2024, 51(5): 0510001

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!