摘要:为设计一种低成本、高精度、可遥测的风速测量装置,基于米散射理论和泰勒冻结假设,提出了一种双激光束的非多普勒激光雷达测风系统。设计了以532 nm激光器为光发射单元,电荷耦 合 器件(charge-coupled device,CCD)为光接收单元,计算机为信息处理单元的非多普勒激光雷达测风实验装置。在风速为3 m/s和2 m/s的条件下,双激光束的前向散射回波信号分别生成了左、右两束激光的光强图；对光强图进行处 理,获得了气溶胶从一束激光运动到另一束激光所需的时间。结合两激光束的间距,在风速3 m/s和2 m/s的条件下,获得了风速测量值,平均测量值与实际值的误差分别为7%和7.33%。非多普勒激光雷达测风系统设计简易、成本低廉,具有很强的现实意义。

摘要:针对复杂道路场景下行人检测精度与速度难以提升的问题,提出一种融合多尺度信息和跨维特征引导的轻量级行人检测算法。首先以高性能检测器YOLOX为基础框架,构建多尺度轻量卷积并嵌入主干网络中,以获取多尺度特征信息。然后设计了一种端到端的轻量特征引导注意力模块,采用跨维通道加权的方式将空间信息与通道信息融合,引导模型关注行人的可视区域。最后为减少模型在轻量化过程中特征信息的损失,使用增大感受野的深度可分离卷积构建特征 融合网络。实验结果表明,相比于其他主流检测算法,所提算法在KITTI数据集上达到了71.03%的检测精度和80 FPS的检测速度,在背景复杂、密集遮挡、尺度不一等场景中都具有较好的鲁棒性和实时性。

摘要:大多数现有的桥梁裂缝图像修复方法为单一目标修复,无法根据孔洞周边的有效信息生成多种合理的填充内容且修复结果存在结构扭曲和纹理模糊的问题。本文提出了一种基于掩膜距离卷积块注意力模块(mask distance convolutional block attention module,MD-CBAM)的多样性裂缝图像修复网络,该方法主要由多样性结构生成器与纹理生成器组成。提出区域结构注意力以降低遮挡区域像素与有效像素的差异性,根据掩膜特征对注意力分数进行平均池化处理,提高模型对遮挡区域的推断能力。设计MD-CBAM模块用以在纹理生成阶段合成高质量的特征,该模块利用特征之间的距离信息与语义信息,有效增强了模型填充大孔洞的能力。实验结果表明,本文方法修复的图像具有更为明确的结构和更加合理的纹理,在各掩膜比例下峰值信噪比(peak signal-to-noise ratio,PSNR)和FID(Fréchet inception distance)均达到最优,其中PSNR在掩膜比例为[0.4,0.5)时增加了0.22—2.38 dB且结构相似度(structural similarity,SSIM)值达到最优。

摘要:针对现有去雾算法未充分考虑图像雾气信息、复原图像细节模糊等问题,提出一种新颖的反映图像雾信息分布的雾气特征图,并采用不等关系约束方法提高图像质量。首先,提取退化图像的极值通道以实现雾气信息的粗略估计,并通过L-1正则化对其进行优化从而得到雾气特征图。其次,提出一种基于雾气特征的初级大气光幕函数,通过对颜色通道和大气光幕作深入分析,利用均值不等式获得约束后的退化场景大气光幕。最后,利用雾气特征图对局部大气光进行改进,并基于大气散射模型实现图像去雾。将所提算法在真实雾图和合成数据集雾图上与其他经典方法进行比较分析,可以发现,所提算法在单幅图像去雾中展现了较好的性能,且在夜间雾图复原中更具优势。

摘要:使用多层空间光调制器的压缩光场(compressive light field,CLF) 显示技术具有空间带宽利用率高、图像分辨率好等优势,是一种很有前景的光场显示技术。传统的方法将光场分解视为超定问题并使用优化算法求解。随着重建光场的分辨率、深度、视角等性能参数的提升,优化算法的计算效率低、内存消耗大的缺陷被放大,难以实现快速计算。为此,本文提出了一种新型CLF分解算法,该算法将原始光场分解为物点进行存储,仅占用少量内存；利用深度权重和加权平均代替了优化算法,大幅提高了运算效率。在同等条件下,所提出的算法占用内存仅是传统方法的38.8%,计算时间缩短了93.7%,图像质量提高约1 dB。最后通过仿真和实验两种方式对比了该方法和传统方法的显示效果,验证了算法的有效性。

摘要:针对已有去雨网络在不同环境中去雨不彻底和图像细节信息损失严重的问题,本文提出一种基于注意力机制的多分支特征级联图像去雨网络。该模型结合多种注意力机制,形成不同类型的多分支网络,将图像空间细节和上下文特征信息在整体网络中自下而上地进行传递并级联融合,同时在网络分支间构建的阶段注意融合机制,可以减少特征提取过程中图像信息的损失,更大限度地保留特征信息,使图像去雨任务更加高效。实验结果表明,本文算法的客观评价指标优于其他对比算法,主观视觉效果得以有效提升,去雨能力更强,准确性更加突出,能够去除不同密度的雨纹,并且能够更好地保留图像背景中的细节信息。

摘要:为了实现高精度的人脸视频心率(heart rate,HR)检测,本文提出了一种基于改进EfficientPhys网络的人脸视频HR检测方法:TDM-EfficientPhys。首先,引入时间导数网络(temporal derivative network, TDM-Net),有效地保留了远程光电容积脉博波描记术 (remote photoplethysmography,rPPG)信号的时间特征。然后,调整EfficientPhys的Dropout参数,嵌入残差结构,有效地避免梯度消失和网络退化问题,并且将TDM-Net和改进后的EfficientPhys网络以跳跃连接的方式实现时序和空间信息的特征融合,提高检测精度。最后,使用两个公开的数据集PURE和UBFC-rPPG来验证本文所提出模型的有效性,实验表明,本文方法测试的均方根误差(RMSE)降低至2.387,平均绝对误差(MAE)降低至2.040,与现有的模型相比,本文方法显示了更好的网络性能和更精准的HR。

摘要:针对目前骑行人员头盔佩戴检测的准确率低、泛化能力差以及检测类别单一等问题,提出一种基于改进YOLO v5的骑行人员头盔及车牌检测模型。首先,在骨干网络中引入卷积注意力模块(convolutional block attention module,CBAM),以强化目标区域的关键特征,提高模型的准确率。其次,通过优化多尺度特征融合模块,并在预测端新增针对小目标特征的检测层,增强网络在密集场景下对小目标的检出率,提升模型的泛化能力。最后,使用EIoU(efficient intersection over union)优化边框回归,同时采用K-means算法在创建的头盔及车牌数据集中聚类先验框,以加速模型训练的收敛速度并提高目标定位的精度。实验结果表明,改进后的YOLO v5网络的检测准确率提高2.5%,召回率提高3.3%,平均精度均值提高3.8%,更适用于对骑行人员头盔及车牌目标的检测。

摘要:针对传统图像匹配算法存在误匹配率高和双目视觉测量精度低的问题,本文提出一种基于非线性扩散与高维改进加速鲁棒特征(modified-speeded up robust features,M-SURF)描述符的双目视觉测量方法。首先改进非线性扩散模型中的PM(Perona-Malik)模型,使图像中边缘区域得以平滑而维持内部平坦区域不变,再将扩散后图像与原始图像进行差分运算,利用KAZE算法检测特征点；然后采用环形邻域构建描述符,在对Harr小波响应值进行叠加时,根据与其垂直方向响应值的正负号进行多区间划分,生成高维M-SURF描述符；最后采用Hamming距离匹配,利用随机采样一致性 (random sample consensus,RANSAC)算法剔除误匹配并筛选出测量所需的匹配点对,根据平行双目视觉测量原理获取匹配点对的三维坐标即可完成测量。实验结果表明,本文提出算法的匹配正确率较传统KAZE算法提高24.09%,测量最小相对误差达到0.375 6%,满足测量精度的要求。

摘要:针对视网膜血管分割中存在的细小血管像素模糊以及血管断裂的问题,本文提出一种改进的密集U型网络(dense residual U-shaped network,DRU-Net)。首先,结合残差结构和密集连接的优点提出了密集残差模块,并用其构建DRU-Net网络的编码层和解码层,充分提取目标特征；然后在网络底部添加由空洞卷积搭建的多路特征蒸馏模块(multi-characteristic distillation block,MCDB) ,提取不同尺度的图像特征信息；最后在网络的跳跃连接处引入双向卷积长短期记忆模块(bidirectional convolutional long and short-term memory,BConv LSTM) ,充分融合浅层和深层的特征 信息,输出完整的血管图。在公开的数据集DRIVE和CHASE_DB1上进行实验,分别取得了 0.966 9和0.976 4的准确度,同时AUC(area under curve)分别达到了0.983 9和0.986 7,证明网络具有较好的分割效果,拥有一定的应用价值。

摘要:针对低剂量CT(low-dose CT,LDCT) 图像去噪过程中配对数据难以获取的问题,本文提出了一种基于注意力机制和联合损失的自监督LDCT图像去噪算法。在该算法中,利用边缘增强后的U-net网络完成LDCT图像的特征提取,在网络框架中引入通道和像素注意力机制,以提高网络对噪声和伪影的抑制能力。同时使用联合损失避免传统损失对图像造成的图像过平滑问题,使得去噪后图像更加接近原图像。实验结果表明:所提出的算法可有效抑制LDCT图像的噪声,保留图像的纹理细节。经过算法处理后的LDCT图像的峰值信噪比(peak signal-to-noise ratio,PSNR)提高了16.40%,结构相似性(structural similarity,SSIM)提高了9.60%。在无配对数据下,该方法可有效保留细节并减少低剂量扫描产生的噪声,为临床LDCT图像去噪提供新思路。

摘要:针对现有的视网膜血管分割方法存在对微血管和毛细血管的分割能力不足,导致血管断连和末端血管漏分,造成视网膜血管分割性能不佳的问题,本文提出一种基于多尺度一致性与注意力机制的视网膜血管分割网络(multi-scale consistency and attention mechanism U-Net,MCAU-Net) 。首先,该网络在瓶颈特征层嵌入注意力细化模块(attention refinement module,ARM) ,能有效细化瓶颈层冗余的特征,抑制背景等无关像素的权值。其次,将上下文特征融合模块(context fusion module,CFM) 与传统的跳跃连接相结合,以此补充在特征提取过程中逐渐丢失的信息,加强网络对微血管和毛细血管的构建能力。最后,基于网络的多尺度输出设计了一种多尺度一致性的训练方式,以增强网络对不同尺度特征的敏感性。在DRIVE和CHASE_DB1公开数据集上进行的对比实验表明本文网络具有良好的分割性能。

摘要:提出一种基于表面等离子共振(surface plasman resonance,SPR) 的光子晶体光纤(photonic crystal fiber,PCF) 生物传感器,用于实时检测严重急性呼吸 综合征冠状病毒2型(severe acute respiratory syndrome coronavirus 2,SARS-CoV-2) 。通过传感表面上的配体与病毒的相互作用,分析物的折射率(refractive index,RI) 在1.334—1.355范围变化。基于有限元方法(finite element method,FEM) 分析和评估了3种不同的包层结构,包括金、银以及带有二氧化钛保护层的银。该传感器工作在可见光范围内,幅度灵敏度(amplitude sensitivity,AS) 、波长灵敏度(wavelength sensitivity,WS) 、分辨率、检测限(limit of detection,LoD) 和品质因数(figure of merit,FOM) 分别达到-1 170.89 RIU-1、4 000 nm/RIU、2.5×10-5 RIU、6.3×10-9 RIU²/nm和911.50 RIU-1。结果表明,所提出的传感器在检测急性呼吸综合征冠状病毒2型中具有极佳的潜力,其拥有出色的AS以及LoD,可用于早期快速检测。