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

    融合记忆信息的单目标跟踪模板更新机制

    毛昱雯葛宝臻权佳宁陈其博...
    383-390页
    查看更多>>摘要：针对孪生架构单目标跟踪算法存在的目标状态更新不及时的问题,基于模板与记忆信息动态融合的跟踪策略,提出一种通用的模板更新机制.该机制采用双模块融合的更新策略:通过记忆融合模块融合搜索图像特征的短期记忆信息,获得目标变化情况;将前一帧可信的跟踪结果作为动态模板,从相关特征的角度,通过权重融合模块对原始模板和动态模板进行加权融合,通过结合跟踪过程的原始记忆与短期记忆实现更准确的目标定位.将模板更新机制应用于SiamRPN、SiamRPN++和RBO三种主流算法,并在VOT2019公开数据集上进行实验验证.结果表明:应用该机制后算法的性能得到了有效提升,具体而言,在SiamRPN++算法中,平均重叠期望值提升了6.67%,准确性提升了0.17%,鲁棒性下降了5.39%;此外,在遮挡、形变和背景干扰等复杂场景下,添加模板更新机制的SiamRPN++算法展现出较好的跟踪性能.

    目标跟踪孪生网络模板更新记忆信息

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

    基于双特征融合引导的深度图像超分辨率重建网络

    耿浩文王宇辛彦玲
    391-398页
    查看更多>>摘要：针对彩色图像引导的深度图像超分辨率重建算法中存在的纹理转移和深度流失的问题,提出一种基于双特征融合引导的深度图像超分辨率重建网络(DF-Net).为了充分利用深度和强度特征的关联性,在网络模型的深度恢复重建部分采用双通道融合模块(DCM)和双特征引导重建模块(DGM).利用输入金字塔结构提取深度信息和强度信息的多尺度特征:DCM基于通道注意力机制对深度特征和强度特征进行通道间的特征融合与增强;DGM将深度、强度特征自适应选择融合后实现重建的双特征引导,增加了深度特征的引导作用,改善了纹理转移和深度流失的问题.实验结果表明,所提方法的峰值信噪比(PSNR)和均方根误差(RMSE)优于RMRF、JBU和Depth-Net等方法,尤其4×超分辨率重建结果的PSNR值比其他方法平均提升6.79 dB,RMSE平均下降0.94,取得了较好的深度图像超分辨率重建效果.

    图像处理图像超分辨率重建卷积神经网络深度图像特征融合通道注意力

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

    基于双流Transformer结构的多能计算机断层扫描成像投影数据去噪方法

    欧阳顺馨史再峰孔凡宁张丽丽...
    399-408页
    查看更多>>摘要：多能计算机断层扫描(Computed tomography,CT)技术可以更加精确地分辨出人体组织对不同能量X射线光子的吸收情况,是医学成像领域的重要发展方向.为了解决因量子噪声等非理想效应加重导致重建图像质量急剧退化的问题,提出了一种基于移位窗口多头自注意力机制的双流Transformer网络结构.该结构利用移位窗口Transformer和局部增强窗口Transformer分别提取投影数据的全局和局部特征,充分利用投影数据的非局部自相似性以保留投影数据的内部结构;然后通过残差卷积融合提取的特征;最后使用带有非局部全变分的混合损失函数来监督网络模型的训练,提升该网络模型对投影数据内部细节的敏感程度.实验结果表明,所提方法处理后的重建图像峰值信噪比(PSNR)值、结构相似性(SSIM)值和特征相似度(FSIM)值分别达到37.7301 dB、0.9944和0.9961.与目前先进的多能CT去噪方法相比,所提方法在去除低剂量多能CT投影数据噪声的同时,可保留更多的细节特征,有利于后续的精确诊断.

    图像处理计算机断层扫描成像低剂量卷积神经网络Transformer网络

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

    用于三维点云语义分割的边增强图卷积网络

    张鲁建毕远伟刘耀文黄延森...
    409-417页
    查看更多>>摘要：现在大多数基于图卷积的点云语义分割方法忽略了边构建的重要性,不能充分地表示局部区域的特征.基于此,提出一种结合注意力机制的边增强的图卷积网络(AE-GCN).首先,将邻居点特征加入边中,而不仅仅是中心点与邻居点的特征差异;其次,加入注意力机制保证点云的局部信息得到更充分的利用;最后,采用U-Shape的分割结构,确保网络更好适应点云的语义分割这一任务.在两个公开数据集Toronto_3D和S3DIS上的实验结果表明,与目前的大多数方法相比,AE-GCN取得了具有竞争力的结果:在Toronto_3D数据集的平均交并比为 80.3%,总体准确度为 97.1%;在S3DIS数据集的平均交并比为68.0%,总体准确度为87.2%.

    三维图像处理点云语义分割注意力机制边增强图卷积

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

    基于梯度域引导滤波和显著性分析的红外与可见光图像融合

    司婷波贾方秀吕自强王子康...
    418-426页
    查看更多>>摘要：针对传统多尺度融合方法不能突出目标信息、融合图像缺失细节与纹理的问题,提出一种基于梯度域引导滤波和显著性检测的红外与可见光图像融合方法.该方法利用梯度域引导滤波将输入图像分解为基础层和细节层,同时利用加权的全局对比度方法将基础层分解为特征层以及差异层.在融合过程中,分别采用相位一致性组合加权局部能量、局部熵结合加权最小二乘优化、平均规则来融合特征层、差异层、细节层.实验结果表明,所提融合方法的多项指标相对于其他方法提升较多,且图像视觉效果更好,在突出目标信息、保留轮廓细节、提高对比度和清晰度方面十分有效.

    图像融合引导滤波显著性分析多尺度分解

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

    车底危险物图像快速拼接算法

    庄建军金鑫
    427-435页
    查看更多>>摘要：针对车底危险物图像拼接中存在特征点匹配精度低、匹配速度慢、拼接处存在裂缝以及拼接时间久的问题,提出一种车底危险物图像快速拼接算法.首先,利用角点检测(FAST)算法进行图像特征点提取,再用二进制鲁棒不变可扩展关键点(BRISK)算法对保留的特征点进行特征描述;其次,用快速最近邻搜索(FLANN)算法进行粗匹配;接着,使用渐进一致采样(PROSAC)算法进行特征点提纯;最后,利用拉普拉斯金字塔算法进行图像融合与拼接.实验结果表明:在车底危险物图像数据中,与SIFT、SURF、ORB算法相比,所提算法的图像特征匹配精度分别提高13.10百分点、8.59百分点、11.27百分点,匹配时间分别缩短 76.26%、85.36%、10.27%,图像拼接时间分别缩短 63.73%、64.21%、20.07%,拼接处不存在明显裂痕.因此,基于FAST、BRISK、PROSAC和拉普拉斯金字塔组合的图像拼接算法是一种优质的图像快速拼接算法.

    图像处理FAST算法BRISK算法PROSAC算法拉普拉斯金字塔算法图像融合

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

    基于载物台运动信息的显微图像拼接算法研究

    黄家广玉振明彭国晋甘辉...
    436-445页
    查看更多>>摘要：传统非实时图像拼接方法易因局部图像失配导致全局拼接中断.此外,显微图像具有大量相似的微观结构,存在特征检测耗时长、误匹配率高等问题.为此,提出一种基于载物台运动信息的显微图像预测拼接算法.通过控制电动载物台XY轴移动距离来决定相邻图像间重叠区域大小,在图像的重叠区域采用加速稳健特征算法检测特征点.利用图像间前后位置关系预测待匹配特征点的范围,在预测范围内筛选出最小欧氏距离的待匹配点.最后通过匹配特征点对的斜率粗筛选匹配点对,随机抽样一致性算法进行精匹配并计算单应性矩阵配准图像完成拼接,使用改进的加权平均算法融合拼接图像.实验结果表明:与暴力匹配和快速最近邻搜索算法相比,所提算法匹配率提高7.95%～26.52%,有效提高配准精度.同时,当图像分辨率为1600×1200时,多图拼接速率为2 frame·s-1,其效果优于AutoStitch软件拼接效果.

    图像处理显微图像特征匹配预测拼接

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

    基于多层级最小外包矩形规则建筑物轮廓线提取

    李纲刘科马洪超张良...
    446-452页
    查看更多>>摘要：建筑物轮廓线是各类应用的数据源,但散乱、不规则激光点云数据给轮廓线提取带来了难度.针对上述问题,提出一种基于多层级最小外包矩形规则建筑物轮廓线提取方法,首先使用迭代区域增长算法对轮廓点进行分组,根据点数最多的一组确定初始最小外包矩形.再对初始最小外包矩形进行多层级分解,使轮廓点与不同层级最小外包矩形重合,最后根据不同层级最小外包矩形生成轮廓线.使用Vaihingen城区中规则建筑物进行实验,实验结果表明:与最小面积方法与最大重叠度方法相比,所提方法能准确确定初始最小外包矩形,且提取效率得到略微提高.提取的轮廓线角点均方根误差为0.71 m,优于其他4种方法.所提方法可快速提取规则建筑物轮廓线,有利于后续三维重建.

    机载激光雷达建筑物最小外包矩形多层级分解轮廓线提取

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

    基于双模态图像关联式融合的行人实时检测

    毕程程黄妙华刘若璎王量子...
    453-460页
    查看更多>>摘要：为解决行人检测任务中低能见度场景下单模态图像漏检率高和现有双模态图像融合检测速度低等问题,提出了一种基于双模态图像关联式融合的轻量级行人检测网络.网络模型基于YOLOv7-Tiny设计,主干网络嵌入关联式融合模块RAMFusion用以提取和聚合双模态图像互补特征;将特征提取部分的1×1卷积替换为带有空间感知能力的坐标卷积;引入Soft-NMS改善结群行人漏检问题;嵌入注意力机制模块来提升模型检测精度.在公开的红外与可见光行人数据集LLVIP上的消融实验表明:与其他融合方法相比,所提方法行人漏检率降低、检测速度显著提高;与YOLOv7-Tiny相比,改进后的模型检测精度提高了2.4%,每秒检测帧数达到124 frame/s,能够满足低能见度行人实时检测需求.

    行人检测红外与可见光图像关联式融合轻量化网络注意力机制YOLOv7-Tiny

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

    基于关联和识别的少样本目标检测

    贾剑利韩慧妍况立群韩方正...
    461-472页
    查看更多>>摘要：当前基于深度学习的目标检测算法已较为成熟.然而,基于少量样本检测新类仍具有挑战性,因为少样本条件下的深度学习容易导致特征空间退化.现有工作采用整体微调范式在丰富样本的基类上进行预训练,在此基础上构建新类的特征空间.然而,新类基于多个基类隐式地构造特征空间,其结构较为分散,导致基类与新类之间可分性较差.采用对新类和与其相似的基类进行关联再识别的方法进行少样本目标检测.通过引入动态感兴趣区域头,提升模型对训练样本的利用率,基于二者间的语义相似度,显式地为新类构建特征空间.通过解耦基类和新类的分类分支、添加通道注意力模块及增加边界损失函数,提升二者间的可分性.在标准PASCAL VOC数据集上的实验结果表明,所提方法的nAP50均值较TFA、MPSR及DiGeo分别提升10.2、5.4、7.8.

    少样本目标检测关联和识别动态感兴趣区域头通道注意力边界损失

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