首页期刊导航|激光杂志
期刊信息/Journal information
激光杂志
激光杂志

程正学

双月刊

0253-2743

JGZZ001@163.com

023-63051328

401123

重庆市黄山大道杨柳路2号A塔楼14楼140室

激光杂志/Journal Laser JournalCSCD北大核心CSTPCD
查看更多>>本刊是国家新闻出版局批准的国内外公开发行的刊物,以报导光电与激光技术为主的科技期刊。从1992起被列为中国科技论文统计源刊物,所刊登论文被美国《EI》检索。
正式出版
收录年代

    基于改进Canny-Devernay亚像素边缘检测算法的接触角测量方法研究

    张毛迪王军
    74-80页
    查看更多>>摘要:针对传统Canny算法对液滴边缘检测精度不足,导致接触角测量误差较大的问题,提出一种改进Canny-Devernay亚像素边缘检测算法。该算法对传统Canny算法进行改进,借助快速引导滤波替代高斯滤波,通过基于PLIP模型的四方向梯度算子计算梯度与方向,并采用一种局部最大类间方差法实现自适应阈值选择。将改进后的Canny算法与Devernay校正算法结合,最终实现亚像素级的边缘检测。实验证明,与传统Can-ny算法相比,改进后的算法在液滴边缘信息保留上更具优势。将基于该算法的接触角测量方法用接触角标准片检测时,其绝对误差和方差均值最低可达到0。010°与0。009°。

    接触角测量改进Canny算法Devernay校正算法亚像素边缘检测

    融合感受野扩增与特征增强的遥感小目标检测

    帖军秦锦添郑禄郑明雪...
    81-91页
    查看更多>>摘要:针对遥感图像小目标因背景复杂、尺寸较小以及排列密集等因素导致检测精度不高的问题,提出一种融合感受野扩增与特征增强的遥感小目标检测方法。该方法以YOLOv8s作为基线网络,首先对主干网络特征提取部分构造感受野扩增模块,通过双层路由注意力(BRA)高效捕获全局特征信息;其次在特征金字塔部分构建浅层特征融合结构,并在浅层特征图横向连接部分添加改进的坐标空间注意力(CSA),以增强小目标的特征信息;最后通过改进非极大值抑制(NMS)算法对检测结果进行后处理,以适应不同密度物体的检测。在DIOR遥感图像数据集上进行实验,预测框与真实框之间的交并比阈值(IoU)为 0。5 时的平均精度均值(mAP)达到90。3%,比原模型高出3%;IoU为 0。5∶0。95 时的mAP 达到 71。3%,比原模型高出 6。1%,实验结果表明,改进模型对遥感图像小目标检测任务具有较好的应用价值。

    感受野扩增特征增强遥感小目标YOLOv8s

    基于毫米波雷达的多运动目标体征检测方法研究

    张晓楠庞亚军郎利影
    92-98页
    查看更多>>摘要:针对毫米波雷达非接触目标体征检测,通过模拟实验对快速运动的多目标场景进行了研究。首先获取目标位置和速度的量测信息,并通过创新的算法获得每个量测距离和角度间的对应关系,再分别用联合概率数据关联算法(JPDA)和最近邻数据关联算法(NNDA)对多目标进行跟踪,之后提取其体征相位信息,使用短时傅里叶变换算法对处理后的体征信号进行频率估计。通过实验可知,对于速度最高可达 0。9 m/s的运动目标,通过此检测方法可以以较小的误差得到目标的呼吸频率;而由于心跳信号相对微弱,只能在静止状态中检测到。此方法相比其他雷达体征检测方法能以0。035 Hz的均方根误差检测速度最高可达0。9 m/s的变速运动目标的呼吸频率,且可同时检测多个目标并不易混淆。

    调制连续波雷达短时傅里叶变换多目标体征检测数据关联算法

    基于跨域Mixup和自监督学习的少样本高光谱图像分类

    王岩张晨阳李照奎
    99-105页
    查看更多>>摘要:针对目标域标记样本稀缺引起的模型泛化性能不佳问题,提出了一种基于跨域Mixup和自监督学习的少样本高光谱图像分类方法。首先,利用少样本学习从源域提取更有利于目标域分类的元知识。其次,将Mixup技术应用到少样本学习中,将源域和目标域的查询集进行特征级Mixup,通过源域数据扩展目标域数据的分布,增加目标域数据的多样性,从而提高模型的泛化性能。最后,通过目标域自监督学习来约束少样本学习过程,以获取更鲁棒的特征表示,进而缓解模型的过拟合问题。在两个公共高光谱数据集上进行了大量实验,与现有主流方法相比,所提方法平均准确率分别提升了3。2%和3。6%以上。

    高光谱图像跨域分类少样本学习Mixup自监督学习

    基于混合注意力残差密集网络的红外与可见光图像融合

    刘培培张宇晓袁硕智王烁...
    106-115页
    查看更多>>摘要:针对红外与可见光图像融合算法在融合过程中细节信息特征易丢失的问题,提出了一种基于混合注意力残差密集网络的红外与可见光图像融合算法。首先编码网络对源图像进行不同尺度的下采样,得到带有丰富语义信息的特征图;然后混合注意力残差融合网络对编码网络提取的特征图进行融合,混合注意力机制通过通道注意力和空间注意力混洗对特征图进行聚合,并利用残差密集连接对聚合的特征图最大程度地保留图像有效信息;最后在解码网络通过上采样进行重构得到融合图像。与其他融合算法相比,在主观评价中,所提算法的融合图像在清晰度方面表现出明显的优势,尤其在处理模糊、受挡光和烟雾等复杂情况下的图像时,融合效果良好;在客观指标对比中,所提算法的融合图像在信息熵、互信息、峰值信噪比等指标均有不同程度的提升并取得最优值,分别为6。930、13。860、17。144、0。574。

    红外与可见光图像融合自编码网络混合注意力残差密集网络

    融合多阶特征和跨空间注意力的双向遥感图像配准

    邓修涵陈颖李翔倪力政...
    116-124页
    查看更多>>摘要:针对遥感影像特征难以提取,现有的图像配准框架配准精度和效率较低等问题,提出一种融合多阶特征和跨空间注意力的双向遥感图像配准方法。首先设计跨空间注意力,将多尺度精确的空间结构信息保留到通道中,将其嵌入高效网络中从而重点捕获图像的关键信息。其次提出多阶特征自适应融合模块应用到特征提取中,自适应融合低阶和高阶特征以提高配准的精度。最后设计增强特征匹配方法,更加精确地分析特征的相似性,建立双向匹配关系同时采用二次仿射变换来提高配准的精确性和可靠性。本方法在Aerial Image数据集上α=0。05(α:归一化距离阈值)时获得了94。0%的正确关键点概率(PCK),平均配准时间达到 0。93 s。结果表明,该方法显著提高了多源异构的遥感图像的配准精度和效率。

    遥感图像配准高效网络注意力特征融合图像匹配

    脉冲耦合神经网络下多视角激光图像点云配准

    李玮琳曾琪峰李颖
    125-130页
    查看更多>>摘要:多视角配准能够保持场景中物体的几何一致性,但是存在大量遮挡情况,不同视角下的可见性和完整性受限。对此,提出一种脉冲耦合神经网络下多视角激光图像点云配准方法。通过对多视角激光图像的像素噪声响应和灰度分布特性进行分析,得出脉冲耦合神经网络中各个神经元的关键参数,从而确定与神经元对应的动态阈值,实现激光图像多视角分割。分别计算多视角激光图像点云中各个点的三维特征描述子,进行最近邻关系匹配,组建点云关系集合,通过三元组约束优化关系集合识别错误关系点,以关系集中匹配点对之间的误差平方和组建目标函数,通过优化目标函数确定最佳多视角激光图像点云配准方案。实验结果表明,所提方法应用后,区域内部均匀性、区域对比度和最大香农熵较大,点云重叠以及虚假匹配关系较少,降低了Q值。可以有效提升多视角激光图像点云配准结果的精准度。

    脉冲耦合神经网络多视角激光图像点云配准

    双边滤波下的低光照激光雷达图像超分辨增强技术

    周君高焱姜晴
    131-137页
    查看更多>>摘要:为了提高低光照激光雷达图像分辨率,提出基于双边滤波的低光照激光雷达图像超分辨增强技术。采用高斯加权双边滤波法计算像素间的空间邻近性和光照强度的相近度系数,精确调节像素点间的亮度差异,生成一个初步的低光照估计图像,利用引导增强方法抑制噪声,结合对数变换法提升图像的整体亮度与对比度,通过计算相邻像素间的权值增强低光照激光雷达图像的超分辨。实验结果表明,应用该技术后,低光照激光雷达图像的亮度值稳定在约130 的水平,清晰度提升至约21,标准差超过70,信息熵也达到了7。6 bit以上,显著改善低光照条件下的激光雷达图像质量。

    双边滤波激光雷达图像引导增强低光照图像图像超分辨增强

    基于条件生成对抗网络的激光图像轮廓线特征提取方法

    徐赛华侯利霞丁小峰
    138-143页
    查看更多>>摘要:在提取图像轮廓线特征的过程中,受噪声的干扰会导致特征之间的依赖关系不明显,影响了特征信息提取结果的准确性。因此,提出基于条件生成对抗网络的激光图像轮廓线特征提取方法。首先,选取二维Otsu函数作为蜂群算法的适应性评价指标,针对初始化种群和蜜蜂搜索策略展开优化;然后,利用正余弦法与改进后的蜂群算法,通过搜索全局最优解获得激光图像的最佳分割阈值;最后,为了捕捉特征之间的全局依赖关系,在条件生成对抗网络中集成处理残差结构与分层空洞卷积模块,结合交叉注意力模块,确保激光图像轮廓线的流畅性。同时,通过运用谱归一化技术和Leaky激活函数,有效稳定模型的训练过程,提高激光图像轮廓线特征提取的全面性和准确性。实验结果表明,该方法可以获取高准确率的激光图像轮廓线特征提取结果。

    条件生成对抗网络激光图像轮廓线特征特征提取

    视觉传达下的低分辨率激光图像高分辨率重建方法

    申迎迎吴呈珂
    144-148页
    查看更多>>摘要:当前低分辨率激光图像重建效果不理想,重建精度低,重建时间过长,为了克服当前低分辨率激光图像重建的缺陷,以提高低分辨率激光图像重建精度为目标,提出了视觉传达下的低分辨率激光图像高分辨率重建方法。首先采集待重建的低分辨率激光图像,并采用小波变换算法对原始低分辨率激光图像进行预处理,消除噪声对激光图像干扰,然后采用Retinex理论对预处理后的激光图像进行重建,并引入视觉传达技术的直方图均衡化法改善激光图像的对比度,最后进行了低分辨率激光图像重建仿真实验,实验结果表明:本方法较好地解决了低分辨率激光图像重建过程中难题,激光图像清晰度得到了明显改善,结构相似性超过了 0。97,峰值信噪比达到了28 dB以上,激光图像重建时间控制在10 s以内,重建整体性能要远远优于其他低分辨率激光图像重建方法,具有更高的实际应用价值。

    低分辨率视觉传达技术激光图像小波变换算法峰值信噪比图像相似度