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

    基于多模块的遥感影像建筑物提取方法

    明兴涛杨德宏
    375-383页
    查看更多>>摘要：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

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

    DeepLabV3_DHC:城市无人机遥感图像语义分割

    孙国文罗小波张坤强
    384-393页
    查看更多>>摘要：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

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

    激光雷达探测中基于贝叶斯网络的飞机尾流反演

    谷润平鹿彤魏志强
    394-405页
    查看更多>>摘要：尾流是飞机飞行时的必然产物，对航空安全有重大威胁，还限制着航空效率和容量的提升，飞机尾流涡核的精准辨识是动态缩减尾流间隔的前提，目前晴空尾涡探测的主要工具是相干多普勒激光雷达(CDL)。针对使用激光雷达进行飞机尾流探测中受限于雷达时空分辨率和背景风场的影响导致的识别和反演尾流关键参数误差较大这一问题，提出一种在激光雷达探测数据基础上基于贝叶斯网络(BN)和均方误差(MSE)构建的尾涡参数反演模型。搭建大气背景风和湍流环境，并将其叠加到模拟的尾涡速度场上，得到用于训练模型的仿真数据集。实验结果表明:所提算法能够得到误差较小的参数反演结果(仿真算例中涡核位置偏差在2 m以内，环量偏差在5%以内);在实际算例中，所提算法与传统算法相比，反演速度场均方误差显著降低(平均超过50%)。本研究可用于机场实时尾涡监测，对尾涡间隔标准制定有重要意义。

    激光雷达航空安全飞机尾涡贝叶斯网络尾涡特征参数反演模型

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

    结合上下文信息与多层特征融合的遥感道路提取

    陈果胡立坤
    406-416页
    查看更多>>摘要：现有的U-Net虽然为遥感图像道路提取提供了较为理想的解决方案，但由于其缺乏对全局信息的关注，模型对于上下文信息的提取能力不足。为了进一步提高道路提取的准确度与完整度，提出一种结合上下文信息与多层特征融合的context&multilayer features-UNet(CMF-UNet)，该模型利用金字塔特征聚合模块融合多层特征，并引入多尺度上下文信息提取模块用于加强上下文信息捕获能力。在Massachusetts Roads和CHN6-CUG两个数据集上进行实验验证，结果表明，所提方法能够有效提升道路分割精度，相较于原U-Net，CMF-UNet在Massachusetts Roads数据集上的召回率、F1分数和交并比分别提升了5。77个百分点、2。02个百分点和2。62个百分点，在CHN6-CUG数据集上的召回率、F1分数和交并比分别提升6。47个百分点、1。53个百分点和2。04个百分点。

    图像处理U-Net模型多尺度上下文注意力机制条带池化

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

    结合注意力机制的双流卷积自编码高光谱解混方法

    苏晓通郭宝峰尤靖云吴文豪...
    417-425页
    查看更多>>摘要：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

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

    基于深度学习的高分辨率遥感影像飞机掩体检测方法

    史姝姝陈永强王樱洁王春乐...
    426-437页
    查看更多>>摘要：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

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

    基于直线端点方向匹配的激光定位方法

    陈凯翔刘冉赵宾肖宇峰...
    438-445页
    查看更多>>摘要：轮式里程计在复杂不平的地形和光滑的地面上性能较差，传统的激光扫描匹配方法并不总是正确地建立点云之间的对应关系，容易出现点与点之间的异常关联，导致定位精度较差。针对这一问题，提出一种基于方向端点的激光扫描匹配方法。首先，从环境中提取直线端点作为特征点，通过端点间的特征匹配得到相邻时刻移动机器人的相对位姿关系。基于端点的匹配方法在特征点较少时有可能会产生误匹配，为进一步提高匹配精度，利用端点的方向剔除误匹配的特征点。在此基础之上，利用迭代最近邻法进一步优化方向端点的匹配结果，得到更加精准的移动机器人位姿。实验结果表明，所提方法在7 m×7 m的室内光滑地面环境中，能够达到0。12 m的平均定位误差以及1。18°的平均角度误差，与传统的激光扫描匹配方法相比精度更高。

    移动机器人定位激光扫描匹配特征匹配激光里程计

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

    单光子测距雷达系统的强光感生噪声影响探究

    涂云波刘夏林强佳舒嵘...
    446-453页
    查看更多>>摘要：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

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

    基于融合和细化机制的光学遥感图像去云雾算法

    王晓宇刘宇航张严
    454-463页
    查看更多>>摘要：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

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

    基于时序数据回归分析的深度学习云检测

    田亚楠李云岭孙林逄淑林...
    464-471页
    查看更多>>摘要：云的存在影响卫星数据的使用，因此准确高效的云检测在遥感图像目标识别和参数定量反演中具有重要作用。针对亮地表、薄碎云及云边界等难以识别、不同尺度特征的云检测精度不稳定等问题，对短期时序数据进行线性回归计算，将前后时序数据的表观反射率斜率变化趋势作为输入特征。为充分挖掘不同尺度的信息，采用具有密集跳跃结构和深监督结构的UNet++模型进行云检测研究。与单时相数据集的U-Net、SegNet和UNet++相比，所提方法可以更有效地突出多尺度特征，增加对亮地表、云边缘和薄云信息的敏感度。结果表明，所提方法在云检测方面得到较高的精度，总体精度达98。21%，误检率降低至1。07%，漏检率降低至3。12%。所提方法能有效降低裸地、道路、建筑物、冰雪等亮地表对云识别的干扰，提升了对薄云的识别精度，且适用于不同下垫面的遥感影像。

    云检测深度学习时序数据线性回归分析语义分割

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