首页期刊导航|激光与光电子学进展
期刊信息/Journal information
激光与光电子学进展
激光与光电子学进展

范滇元

月刊

1006-4125

lop@siom.ac.cn

021-69918222

201800

上海市嘉定区清河路390号（上海市800-211信箱）

激光与光电子学进展/Journal Laser & Optoelectronics ProgressCSCD北大核心CSTPCD
查看更多>>本刊由中科院上海光学精密机械研究所和国家惯性约束聚变委员会联合主办。旨在关注科技发展热点，报道高新技术前沿，追踪科技研发动态，介绍科学探索历程；展示最新科技产品，汇萃时尚科技讯息。
正式出版
收录年代

    基于空间注意力机制的脊柱侧弯自动诊断方法

    任洪苇周志峰李汶洁陈国铃...
    193-201页
    查看更多>>摘要：为实现自动测量脊柱侧弯Cobb角并推测侧弯类型,提出一种基于空间注意力机制的脊椎定位模型.首先以完整的人体脊柱X光片为研究对象,提取脊椎和颈椎的椎体中心点,并完成脊椎位置锚点定位,通过锚点过滤颈椎得到脊椎椎体中心点.然后利用角偏移追踪脊椎椎体中心点的4个角点地标从而还原椎体,定位脊椎感兴趣区域(ROI).最后使用最小外接矩形法在脊椎ROI图像上构造向量来计算侧弯Cobb角和推测侧弯类型.实验结果表明,所提方法在脊椎近端胸椎、主胸椎和胸腰椎3个区域上的Cobb角测量精度高于基于回归和基于分割的方法.对人工测量方法和自动诊断方法进行一致性分析,自动诊断方法与两名专业医生测量结果的组内相关系数分别为0.901和0.913,平均绝对偏差分别为3.05°和2.90°,表明该自动诊断方法具有良好的可靠性.

    脊柱X光片空间注意力机制特征点提取中心点偏移角偏移

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

    基于孪生特征融合的弱监督学习高光谱异常探测

    周晓忠刘军廷周海涛
    202-209页
    查看更多>>摘要：高光谱异常检测以无监督方式分析光谱数据中的背景与异常目标.然而,高光谱背景的复杂分布以及训练样本中异常目标的存在,给模型的泛化性和应用能力带来挑战.基于此,提出一种样本自学习与孪生特征融合的检测网络(S2FDNet).首先,基于测度K-means的异常背景类别搜索算法,以弱监督方式学习背景与异常粗略标签.然后,以孪生光谱与空间特征提取框架,设计了全局-局部光谱特征提取模块与多尺度空间特征提取模块,提升对背景与异常特征的高维判别能力.模型以弱监督训练模式更新异常与背景样本集与模型参数,测试阶段直接利用预测概率检测异常.采用两个高光谱数据验证S2FDNet算法性能,结果表明,所提算法可有效检测异常目标,提升了背景与异常的可分性.

    高光谱异常检测弱监督学习孪生网络空谱特征提取

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

    结合空-谱自注意力与多粒度特征提取的高光谱图像分类

    魏林陈哲尹玉萍
    210-222页
    查看更多>>摘要：在高光谱图像(HSI)的分类任务中,虽然基于卷积神经网络(CNN)的特征提取方法已经广泛应用并取得了显著的成绩,但其仍然存在感受野大小固定以及在提取局部特征时容易忽略不同空间和光谱间相关性的局限性.因此,提出一种融合多粒度CNN和空-谱自注意力机制(SSSA)的Transformer网络架构.该架构通过多粒度CNN对传统CNN进行优化,利用三维卷积(3DConv)和二维卷积(2DConv)提取空间和光谱特征以及深层空间特征,同时采用异构卷积(HetConv)精细化地提取多粒度特征,克服了传统CNN卷积核尺寸固定的限制.此外,对传统Transformer中的自注意力机制(SSA)进行改进,使得模型能够同时对空间和光谱信息构建全局相关性,解决了SSA忽略局部特征的问题.通过引入双通道深度可分离卷积(dual-channel DSConv)进行空-谱特征嵌入,实现了多粒度CNN与SSSA的有效衔接.实验结果表明,由于模型成功地提取了局部和全局特征,其在各数据集上的表现均优于其他主流HSI分类模型.

    高光谱图像分类Transformer卷积神经网络空-谱特征空-谱自注意力机制

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

    基于正交投影的快速高光谱图像异常检测算法

    何开星蒋峥刘斌张效康...
    223-230页
    查看更多>>摘要：针对低秩稀疏分解的异常检测算法在处理大量高光谱图像数据时运算效率显著降低的问题,提出一种基于正交投影的快速高光谱图像异常检测算法.首先将高光谱图像投影到背景正交子空间中,提高异常目标和背景的区分度,使异常目标与背景更加容易被分离.然后提出一种新的高光谱图像分解模型,并引入自动目标生成算法构造字典矩阵.所提分解模型利用字典矩阵的正交性,将高维图像数据矩阵映射成低维矩阵,降低待处理数据的维数和计算复杂度.将所提算法在3个真实图像数据集上进行实验,检测精度分别为0.9964、0.9984、0.9999.此外,所提算法在各数据集上的平均运算时间相较于对比算法中的最短的运算时间缩短了90%以上.结果表明,所提算法在保证异常目标检测效果的同时运算效率远高于其他算法.

    高光谱图像处理异常检测正交投影低秩稀疏分解

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

    颜色-空间特征联合分布的无人机可见光遥感图像土地覆盖分类

    曾雨双曾绍华袁立龙颖...
    231-243页
    查看更多>>摘要：无人机可见光遥感图像因其获取的便捷性和低成本,被广泛应用于农业资源统计.在土地覆盖分类中,为了获取更具代表性的无人机可见光遥感图像特征,实现精准分类,本文提出颜色-空间特征联合分布土地覆盖分类算法.首先,构造黄金矩形地块指数,从标记地块中选择采样地块,并为所选地块构建对数螺线,选择训练样本;然后应用颜色特征基准点、邻域像素计算差分信息,提取每个样本点的颜色-空间联合特征;再依据Jensen不等式及模糊最大似然分类思想构建联合特征的目标函数,迭代求解各样本点的多维混合威布尔分布;最后,定义与多维混合威布尔分布相对应的相似性测度,实现各待测样本点的分类.实验结果表明:本文算法总体分类精度达到98.6%,优于局部二值模式、灰度共生矩阵、随机森林算法和ResNet、VGG网络,证明该算法是有效的.

    遥感无人机可见光影像土地覆盖分类颜色-空间联合特征信息混合威布尔分布

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

    基于物理约束和云图生成的台风等级预测方法

    郑宗生周文睆王政翰高萌...
    244-252页
    查看更多>>摘要：卫星遥感技术提供的高质量的台风卫星云图数据是目前确定台风强度等级的手段之一,该技术已广泛应用于台风预报工作.针对遗忘门云层特征选择性丢失和物理预测结果模糊原截断操作导致的边缘信息损失问题,提出一种基于物理约束和台风云图生成的台风等级预测方法CPGANTyphoon,CPGANTyphoon使用卷积网络近似物理方程,通过先验知识优化特征提取,结合对抗训练提升图像质量,联合损失函数减少视觉差异,最后利用生成图像进行台风等级预测.实验结果表明,CPGANTyphoon模型生成预测图像的结构相似度分数为0.916,峰值信噪比分数为30.36,模糊c均值准确率为0.981,台风等级预测总体准确率为0.985,所提模型能准确生成未来时刻的台风云图并预测台风等级.

    遥感图像物理约束生成式对抗网络图像预测台风等级

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

    基于深度谱三元级联特征的高光谱目标跟踪

    裴晓芳张昊睿夏慧琳李思琦...
    253-261页
    查看更多>>摘要：为解决现有高光谱视频跟踪算法在光照变化情况下跟踪效果不佳的问题,提出一种基于深度谱三元级联特征的高光谱目标跟踪算法.首先,设置阈值,利用目标局部光谱曲线将目标与背景分割,利用波段匹配获得目标光谱曲线,计算结构张量获得目标光谱权重曲线.然后,利用目标光谱曲线与高光谱图像进行光谱角距离操作完成高光谱图像降维,并提取目标深度特征.提取目标图像的尺度不变局部三值模式(SILTP)特征,并分配相应的光谱权重,融入光谱信息,得到谱三元级联(STC)特征.将降维后的目标深度特征与STC特征按通道卷积,得到更具判别性和鲁棒性的深度谱三元级联(DSTC)融合特征.最后,将DSTC融合特征送入双相关滤波器(DCF).实验结果表明,与已有的先进算法相比,所提出的跟踪算法在光照变化挑战下具有更好的跟踪性能.

    目标跟踪特征融合结构张量高光谱视频

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

    基于混合回环检校实现激光SLAM优化和高精度三维地图构建

    聂栋栋李旭东程霄霄李思纯...
    262-268页
    查看更多>>摘要：在室外的大场景环境测量中,采用激光同步定位与地图构建(SLAM)进行三维地图构建时,基于激光雷达传感器的里程计位姿容易产生累计误差,会导致三维点云地图的错位漂移甚至建图失败,严重影响激光SLAM三维地图构建的精度和应用.硬件描述语言(HDL)-Graph-SLAM是目前一种轻量化的激光SLAM建图算法,虽然其在建图过程中加入了回环检测模块,但仅以距离作为约束,在大场景或楼道等环境单一的类似场景中,激光里程计累计误差与环境特征单一的特点相互作用容易形成错误的闭环,大致基于距离的关联无法在当前点云帧与历史点云帧之间找到正确的对应关系,使点云地图出现错位漂移.为了提高大回环检测的校准精度,提出了一种混合式回环检校的激光SLAM算法,即利用基于空间位置方法(距离阈值)和基于外观相似性方法(词袋模型)两种方法的融合处理,来搜索获取候选的回环帧,有效提升回环检测算法的鲁棒性.实验验证表明,与单纯采用距离阈值的HDL-Graph-SLAM算法相比,本文提出的混合回环检校方法显著提升了在大场景室外环境下的激光里程计位姿估计精度,其绝对轨迹估计精度提高了16%,从而有效提高了三维建图的准确度.

    混合式回环检测三维地图构建空间位置关联外观相似性关联词袋模型

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

    基于多尺度无参数注意力机制增强网络的遥感图像超分辨率重建

    郑剑刘子龙于祥春
    269-275页
    查看更多>>摘要：为获取具有更多高频信息和纹理细节信息的遥感图像,并解决遥感图像超分辨率网络结构复杂、参数过多和模型规模大的问题,提出一种多尺度无参数注意力机制的增强网络.该网络利用卷积层提取低分辨率遥感图像的浅层特征,将浅层特征输入多尺度无参数注意力增强模块中,该模块利用多个不同大小卷积核的卷积层并行连接组合来细化多尺度特征的提取,在无参数注意力机制下,通过对称激活函数增强具有高贡献的特征信息,抑制冗余信息.经过6个残差连接的多尺度无参数注意力增强模块后,由重建模块生成最终的重构图像.实验结果表明,与现行具有代表性的方法进行对比,所提网络在性能指标和视觉效果方面都具有显著的重建优势,峰值信噪比、结构相似性等指标均优于其他对比方法.

    遥感图像深度学习图像超分辨率多尺度特征无参数注意力机制

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

    融合嫁接注意力和细节感知的遥感影像超像素分割

    张艺杰谢新林樊静段泽云...
    276-285页
    查看更多>>摘要：高分辨率遥感影像含有丰富的细节和光谱信息,在土地利用、建筑检测、地物覆盖分类等对地检测场景具有重要应用.针对纹理区域划分错误、小目标丢失等问题,提出一种融合嫁接注意力和细节感知的超像素分割算法.首先,构建边缘引导的空间细节模块,弱化不同层级合并时的差异,弥补采样过程中的空间细节信息丢失.其次,设计嫁接型注意力机制,增强局部区域特征,提高小目标边缘的提取能力.最后,提出纹理感知损失,通过自适应调整特征图的纹理权重,提升纹理区域的表达.在遥感影像数据集上的实验结果表明,对比当前主流超像素分割算法,所提算法在欠分割误差和边界召回性能指标上分别达到了0.15%和0.87%,能够提高模型对纹理和小目标区域的分割性能.

    超像素分割高分辨率遥感影像神经网络注意力机制

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