精准高效地从高分辨率遥感影像中提取建筑物信息对国土规划和地图制图意义重大,近年来基于卷积神经网络进行建筑物信息提取已经取得了很大的进展,然而在处理高分辨率遥感影像时仍存在影像的高级语义特征利用不够充分,难以获得细节丰富高精度分割影像的问题。文章针对以上问题提出了一种用于建筑物自动提取的深度学习网络结构空洞空间与通道感知网络(Atrous Space and Channel Perception Network,ASCP-Net)。该模型将空洞空间金子塔池化(Atrous Spatial Pyramid Pooling, ASPP)和空间与通道注意力 (Spatial and Channel Attention, SCA)模块融入到编码器-解码器结构中,通过ASPP模块来捕获和聚合多尺度上下文信息,采用SCA模块选择性增强特定位置和通道中更有用的信息,并将高低层特征信息输入解码网络完成建筑物信息的高效提取。在WHU建筑数据集(WHU Building Dataset)上进行实验,结果表明:文章提出的方法总体精度和F1评分分别达到了97.4%和94.6%,相比其他模型能够获得更清晰的建筑物边界,尤其对图像边缘不完整建筑的提取效果较好,有效提升了建筑物提取的精度和完整性。
高分辨率遥感影像 双注意力机制 空洞卷积 建筑物提取 high-resolution remote sensing images dual attention mechanism atrous convolution building extraction
张文雪 1,2,3,4罗一涵 1,2,3,4,*刘雅卿 1,2,3夏诗烨 1,2,3赵开元 1,2,3,4
1 中国科学院光场调控科学技术全国重点实验室,四川 成都 610209
2 中国科学院光束控制重点实验室,四川 成都 610209
3 中国科学院光电技术研究所,四川 成都 610209
4 中国科学院大学,北京 100049
![]()
![]()
超分辨率重建 亚像素 图像处理 微扫描 super-resolution reconstruction subpixel image processing micro-scanning
1 中国科学院上海光学精密机械研究所航天激光工程部,上海 201800
2 中国科学院大学材料与光电研究中心,北京 100049
提出一种基于四象限探测器跟瞄和通信复用的强度调制直接探测的空间光通信系统,以超声波电机驱动的双光楔为光束偏转执行单元形成光束位置跟踪的闭环系统。驱动电机转动周期为15 ms,位置分辨率为0.83 μrad。经理论分析和实验验证,该系统的位置闭环跟踪-3 dB带宽约为4 Hz。当位置探测误差小于10%时,即光束探测精度小于12 μrad,对应的探测灵敏度为-45.2 dBm。在10 Mbit/s的通信速率和无信号编码下,误码率为1×10-3时对应的通信灵敏度为-44 dBm。验证了利用四象限探测器作为跟踪与通信复用探测器的可行性,可应用于小型化、轻量化的星间激光通信终端。
自由空间光通信 四象限探测器 位置分辨率 跟踪带宽 通信灵敏度 激光与光电子学进展
2024, 61(7): 0706013
北方工业大学机械与材料工程学院,北京 100144
提出了一种基于等效元件和相位补偿法的高精度任意波片相位延迟量和方位角同时测量的方法。在测量光路中的待测波片之前插入一个可旋转半波片,利用反射镜使测量光两次过该半波片和待测波片,相当于测量一个相位延迟量为待测波片两倍的等效波片,可以实现双倍分辨率检测。采用双频激光源和相位检测方式,旋转半波片补偿测量光相位,将测量光相对参考光的相位差变化先后调整为最大值和最小值,由二者之差即可得到任意待测波片的相位延迟量,同时根据最大值或最小值对应的半波片方位角即可确定待测波片的方位角。本方法所测量的波片相位延迟量从原理上避免了一般光强法所受到的光强波动的影响,以及许多方法所受到的双折射器件方位角定位精度的影响。系统采用双频外差干涉光路,具有共光路性质,稳定性高。测量系统结构简单、元件少,测量快捷。此外,由于测量光束两次通过待测波片的同一位置,因此所提方法还可以用于测量楔形结构的双折射器件。现有条件下的误差分析表明,相位延迟量的测量不确定度约为3.3',快轴方位角的测量不确定度优于5.4''。实验对比结果表明所提方法与其他方法测量结果的一致性很好。
测量 波片测量 相位延迟量 等效元件 相位补偿 双倍分辨率 外差干涉
1 昆明理工大学机电工程学院,云南 昆明 650500
2 云南省先进装备智能制造技术重点实验室,云南 昆明 650500
针对移动机器人在进行传统2D环境的定位时所存在的定位精度低且定位实时性差等问题,提出一种改进的迭代近邻点(ICP)算法的定位方法。首先,建立位姿搜索空间,采用由低到高的分辨率对搜索空间进行逐层搜索,并结合多点云密度进行部分点云扫描匹配,排除非最优位姿,加速搜索过程;在进行点云匹配中,采用帧对图的方式,有效地利用了历史帧信息;对得到的最优位姿进行稀疏矩阵位姿优化,进一步提高定位精度。在SLAM Benchmark数据集上进行测试,结果表明所提方法的算法效率是现流行的Cartographer算法的1.8倍到4.9倍之间,同时平移误差较小。并利用Turtlebot2机器人进行实际测试,结果表明所提方法的定位误差相比Cartographer和Gmapping均有明显的降低,且实时性较好;与传统的自适应蒙特卡罗重定位(AMCL)相比,平移误差均值降低了0.035 m,旋转误差均值降低了0.001 rad,具有较高的重定位精度。
激光雷达 移动机器人定位 多分辨率 迭代近邻点 多点云密度 激光与光电子学进展
2024, 61(8): 0811001
1 重庆大学机械与运载工程学院,重庆 400044
2 重庆大学工业CT无损检测教育部工程研究中心,重庆 400044
在微焦CT成像中,通常利用增大X射线源管电压、管电流来提高扫描效率,但射线源功率增加会导致焦点尺寸增大,投影图像模糊,从而降低重建图像的空间分辨率。为了解决因非理想射线源焦点引起的图像模糊问题,本文提出利用深度学习在投影域映射非理想焦点与理想焦点投影之间的关系。推导了理想焦点投影与非理想焦点投影的正向关系,基于该关系构建配对数据集;提出一种基于自注意力机制的U-net网络(SU-net)学习非理想焦点投影到理想焦点投影的逆向关系。仿真实验和实际实验结果表明,提出的SU-net方法能准确地从非理想焦点投影中估计出理想焦点投影,可有效减少焦点导致的图像模糊。
计算机断层扫描 微焦点CT 空间分辨率 深度学习 X射线源焦点
1 中国计量大学光学与电子科技学院,浙江 杭州 310018
2 西安应用光学研究所,陕西 西安 710065
针对太赫兹扫描成像设备存在的图像清晰度差、边缘模糊等问题,提出了一种基于生成对抗网络的太赫兹图像超分辨率重建算法。首先,在处理太赫兹图像时引入限制对比度自适应直方图均衡方法,有效解决了太赫兹图像对比度低的问题;其次,在生成对抗网络的基础上,提出了一种基于增强注意力机制的残差生成对抗网络,实现了太赫兹扫描图像的超分辨率重建,提升了图像纹理和细节的重建能力;最后利用频谱归一化的U-net网络对生成器生成的重建图像进行判别,增强了训练的稳定性。实验结果表明,提出的太赫兹图像超分辨率重建算法将太赫兹线阵相机所成太赫兹图像的边缘强度提高了7%,峰值信噪比提高了13%,平均梯度提高了12%,结构相似度提高了14%,验证了该算法的优越性和有效性。
太赫兹技术 太赫兹线阵相机 太赫兹图像 超分辨率重建 生成对抗网络 图像质量评价