首页期刊导航|液晶与显示
期刊信息/Journal information
液晶与显示
中科院长春光学精密机械与物理研究所 中国光学光电子行业协会液晶分会 中国物理学会液晶分会
液晶与显示

中科院长春光学精密机械与物理研究所 中国光学光电子行业协会液晶分会 中国物理学会液晶分会

郭海成

双月刊

1007-2780

yjxs@ciomp.ac.cn

0431-86176059；84613406

130033

长春市东南湖大路3888号

液晶与显示/Journal Chinese Journal of Liquid Crystals and DisplaysCSCD北大核心CSTPCD
查看更多>>《液晶与显示》是中国最早创办的液晶学科专业期刊，是中国惟一的液晶学科和显示技术领域中综合性专业学术期刊；它是中文核心期刊，是英国《科学文摘》（SA）、美国《化学文摘》(CA)、俄罗斯《文摘杂志》（PЖ）、美国《剑桥科学文摘》（CSA）、“中国科技论文统计源期刊”等20余种国内外著名检索刊物和文献数据库来源期刊；它是中国物理学会液晶分会会刊，是中国光学光电子行业协会液晶分会会刊，是中国专业学术期刊发行量最大的期刊之一。本刊以研究报告、研究快报、综合评述和产品信息等栏目集中报道国内外液晶学科和显示技术领域中最新理论研究、科研成果和创新技术，及时反映国内外本学科领域及产业信息动态，是宣传、展示我国该学科领域和产业科技创新实力与硕果，进行国际交流的窗口。本刊征集有关液晶和各类显示用材料及制备方法、各类显示器件物理和制作技术、各类显示新型模式和驱动技术、显示技术应用、显示材料和器件的测试方法与技术、各类显示器件的应用等研究论文。本刊刊发国家重大科技项目和国家自然科学基金、"973"、"863"、等项目及省、部委基金项目的文章达90%以上，并有许多成果已通过国家和省部级鉴定，获得较大的社会效益和经济效益，为我国显示技术的飞速发展做出了重大贡献。
正式出版
收录年代

    扩散模型与傅里叶滤波器结合的图像去雾方法

    肖珀麟刘进锋
    1532-1543页
    查看更多>>摘要：当前图像去雾算法研究主要聚焦于构建结构精巧的神经网络,利用扩散模型以生成式方法进行图像去雾的研究比较匮乏,且扩散模型与频域分析结合的研究也相对较少,这导致许多算法在面对真实有雾图像时去雾效果不佳.针对上述问题,本文基于分数匹配扩散模型IR-SDE提出了一种图像去雾方法Firs-Net.该方法利用扩散模型强大的图像生成能力,通过迭代式的方式从有雾图像逐渐恢复清晰无雾图像.Firs-Net中引入了傅里叶特征融合模块,该模块可在不增加参数量且无需微调神经网络的前提下,帮助扩散模型更好地从频域角度分析并融合特征.实验结果表明,Firs-Net在真实有雾数据集上的主观视觉和客观指标都表现优异,其中,在真实非均匀雾气数据集NH-HAZE中的PSNR达到21.91,在真实浓雾数据集Dense-HAZE中的PSNR达到17.40,分别比次优方法领先13.94%和5.52%.

    计算机视觉图像去雾扩散模型傅里叶滤波器

      原文链接:
    • 万方数据
    • 维普

    融合渐进式策略的轻量化特征点提取与匹配方法

    杨潞霞任佳乐张红瑞韩睿...
    1544-1556页
    查看更多>>摘要：针对基于SuperPoint网络的特征匹配方法在光照、姿态、角度等挑战下,特征点提取准确率低、计算参数量大的问题,提出了一种融合渐进式策略的轻量化特征点提取与匹配方法.首先,利用深度可分离卷积对SuperPoint网络进行结构调整,以降低模型参数计算量;其次,在特征提取部分搭建注意力模块增强网络在空间上的特征提取能力,并设计渐进式多尺度特征融合模块捕获目标细节,增强特征的表达能力;最后,利用SuperGlue算法对所得到的特征点进行匹配.在Hpatches数据集上进行实验分析,实验结果表明,所提算法在光照变换场景下匹配平均准确率(mAP)和特征点重复度(Rep)达到了86%和70%,在视角变换场景下mAP和Rep达到了78%和68%.所提算法不仅在特征匹配中表现出一定的优势,同时将其应用于视频拼接中也获得了较好的效果.

    特征点提取特征点匹配轻量化注意力机制渐进式多尺度特征融合

      原文链接:
    • 万方数据
    • 维普

    基于改进ShuffleNetV2网络的遥感场景分类模型

    徐慧雯赵伟超李泽
    1557-1568页
    查看更多>>摘要：针对传统的遥感场景分类模型参数量大、需要的计算资源较多、特征识别不均匀导致分类精度低的问题,提出一种基于改进ShuffleNetV2网络和知识蒸馏的遥感图像分类方法.首先为了解决在远距离、高空间的遥感场景下,很难对微小特征进行均匀提取的问题,引入CBAM通道空间注意力机制;其次将ShuffleNetV2网络进行轻量化改进,缩减改进基本堆叠单元;最后使用迁移学习和知识蒸馏的方法,载入预训练好的模型,并以ResNet101作为教师网络,改进后的ShuffleNetV2作为学生网络,提高遥感场景分类精度.实验结果表明,改进后的ShuffleNetV2的参数量缩减28%,准确率从91.8%提升到94.8%,相比轻量模型MoblieNetV3、MobileViT分别提升了4.2%、4.5%.本研究所改进的模型在保持较高分类精度的同时占用更低的存储空间.

    深度学习图像分类注意力机制轻量级神经网络知识蒸馏

      原文链接:
    • 万方数据
    • 维普

    基于Swin-Transformer改进的目标跟踪算法

    刘时朱明
    1569-1580页
    查看更多>>摘要：基于STARK目标跟踪方法中采用ResNet为骨干网络,其特征提取能力不足,跟踪效果较差.针对此问题,本文基于Swin-Transformer网络,提出了一种改进的目标跟踪算法.首先,对Swin-Transformer内窗口注意力机制进行多尺度改进,设计多尺度窗口模块MW-MSA,旨在提取更为丰富的局部细节信息,与全局上下文信息共同构成多尺度判别性特征.接着,结合Transformer的编码-解码结构作为特征融合网络,采用优化的多层感知机作为更新分数判断网络构成状态感知模块.最后,针对目标消失、重现挑战,提出了一种多跟踪器融合方法.融合多尺度改进的跟踪算法和SuperDiMP跟踪算法,设计消失状态判断模块,综合考虑两种跟踪器的置信度分数及目标在预测框附近的可能性估计.实验结果表明,相较STARK跟踪算法,本文算法在GOT-10K数据集上的平均重叠率(AO)提升2.7%、成功率SR0.5 提高3.3%.在L-LaSOT数据集上,相较于STARK算法,成功率(AUC)提升0.8%,在目标消失重现挑战下成功率提升1%.

    目标跟踪多尺度窗口Swin-Transformer模板更新多模型融合

      原文链接:
    • 万方数据
    • 维普