首页期刊导航|光电子·激光
期刊信息/Journal information
光电子·激光
光电子·激光

巴恩旭

月刊

1005-0086

baenxu@public.tpt.tj.cn；　baenxu@263.net

022-23679707

300191

天津市南开区红旗南路263号

光电子·激光/Journal Journal of Optoelectronics·LaserCSCD北大核心CSTPCDEI
查看更多>>本刊为专业技术性刊物。报道光电子、激光技术领域的研究成果，内容包括新型光电子器件、装置和材料、光电控制和检测、光存贮和光电信息处理、通讯和光纤应用技术光电集成技术、光计算和光学神经网络、激光加工和激光应用、光电生物医学等方面。
正式出版
收录年代

    大传输窗口低限制损耗空芯反谐振光纤的数值研究

    娄跃施伟华张甜甜
    1087-1093页
    查看更多>>摘要：提出了一种大传输窗口低限制损耗单环嵌套结构的空芯反谐振光纤.采用全矢量有限元法结合完美匹配层边界条件数值模拟了光纤传输特性,并分析了空芯反谐振光纤的结构参数对光纤传输特性的影响.仿真结果表明,优化后的光纤具有大传输窗口低限制损耗的优势,且具有平坦色散特性.当纤芯直径为50 μm、反谐振管个数N为6、反谐振管厚度 t为0.30 μm、外层反谐振管直径d为32.50 μm、内层反谐振管直径d1为21.13 μm时,在1260-1675 nm波长范围内,限制损耗均低于0.21dB/km,色散值为(1.1±0.3)ps/(nm·km),在波长为1 550nm时,限制损耗为0.078 dB/km.

    反谐振光纤低限制损耗大传输窗口有限元法

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    一种基于Arnold置乱和DCT编码的无载体信息隐藏方法

    郭晨飞张春玉苟沛东刘海伦...
    1094-1102页
    查看更多>>摘要：近年来十分火热的搜索映射式无载体信息隐藏虽具有一定的鲁棒性,但其隐藏容量较低、传输负载大且算法复杂度高.针对以上问题,该文章提出一种基于Arnold置乱和离散余弦变换(discrete cosine transform,DCT)编码的无载体信息隐藏方法.该算法先对图片进行Arnold置乱,再对DCT后的低频系数进行编码,接着更换置乱参数来构建索引表.选择索引表中与秘密信息相同的编码值所对应的参数构建候选队列,最后筛选出鲁棒性强的参数作为密钥发送给接收方.实验结果表明,该方法与现有方法相比大大提高了嵌入容量,拥有更强的抗JPEG压缩性能.并且减少了传输负载,算法简捷,具有较强的应用价值.

    Arnold置乱DCT编码低频系数鲁棒性筛选无载体信息隐藏

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    双迭代等距均值滤波的医学图像恢复

    罗启强衷文
    1103-1109页
    查看更多>>摘要：医学图像中往往有很多与脉冲噪声灰度相同的像素,因此含脉冲噪声的医学图像的恢复非常困难.为了获得比现有的脉冲噪声滤波器更好的噪声抑制和纹理结构保持效果,提出了一种双迭代等距均值滤波(dual iterative equidistant mean filter,DIEMF)的医学图像恢复方法.该方法采用等距离邻域进行噪声检测和去除;噪声检测器循环地利用邻域的非最值像素与中心像素之间的平均绝对差,以及利用多数原则,将噪声像素与无噪像素区分开来;噪声去除采用自适应和双迭代的方法,以等距邻域中无噪像素和先前恢复像素的平均值作为中心噪声像素的灰度估计值,充分利用最近的先前恢复的像素.实验结果表明,该方法在噪声抑制和纹理结构保持方面优于现有的方法,特别是对于低密度噪声,它比现有的滤波器具有显著的优越性.

    医学图像恢复脉冲噪声中值滤波器均值滤波器等距邻域等距均值滤波器

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于改进U-Net的SPECT骨显像病灶分割研究

    余泓罗仁泽陈春梦罗任权...
    1110-1120页
    查看更多>>摘要：在核医学中,单光子发射计算机断层(single-photon emission computed tomograpy,SPECT)骨显像是辅助医师诊断癌症的重要手段.针对骨显像图像信噪比低、边界模糊、病灶小难以提取和人工勾画病灶耗时等问题,提出一种基于改进U-Net网络的骨显像病灶自动分割算法.该算法在U-Net的原卷积块基础上,采用了多尺度密集连接(multi-scale dense connection,MDC)的方式来提高对小病灶特征的提取能力,同时解决了网络加深后出现的梯度消失问题.其次,为提取病灶的细节特征,在密集连接和跳跃连接处引入了注意力机制结构.最后,针对使用小样本数据集,模型难以收敛的问题,采用迁移学习的方法,优化了模型的初始参数,提升模型的泛化能力和分割效率.此外,为了降低计算量、进一步提高分割效果,对数据集进行了裁剪和去噪.同时,将处理后的图像采用旋转、镜像等方法进行了数据扩充.实验结果表明,改进的U-Net的识别精确率(precision)、平均交并比(mean intersection-over-union,mIoU)分别能达到 0.7352、0.4673,效果优于目前主流的分割算法,具有一定实际应用价值.

    SPECT骨显像多尺度密集连接(MDC)图像处理注意力机制迁移学习

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    投稿须知

    封4页
      原文链接:
    • NETL
    • NSTL
    • 万方数据