摘要:为了提高光纤湿度传感器的灵敏度,提出了一种基于并联光纤法布里-珀罗干涉仪(Fabry-Perot interferometers, FPIs)游标效应的增敏型湿度传感器,并进行了实验验证。该传感器由两个基于内径4 μm石英毛细管的光纤FPI通过2×2耦合器并联组成,其中一个FPI作为传感FPI,其末端镀有湿敏特性的琼脂糖薄膜,另一个作为参考FPI。论文分析了器件的湿度传感工作原理,实验结果论证了该理论分析的正确性。实验显示,并联FPI游标效应器件在40%RH—60%RH范围内其灵敏度高达0.843 9 nm/%RH,较之单一FPI的灵敏度提高了9倍,是并联FPI反射谱直接波谷追踪波长解调灵敏度的44倍。增加FPI末端湿敏膜厚度,其灵敏度进一步提高至1.12 nm/%RH。该传感器制备简单、尺寸小、灵敏度高,在湿度测试方面具有潜在的应用价值。

摘要:基于深度学习的真实图像超分辨率(super-resolution,SR)重建算法目前存在参数量过大的问题,为解决该问题,提出了一种多尺度残差特征融合的轻量级真实图像SR重建算法。首先利用深度可分离卷积和复用卷积针对多尺度特征提取块进行改进,在提取特多尺度特征的同时实现了模块的轻量化,参数量仅为改进前的7.5%。其次使用残差特征融合操作将4个多尺度深度可分离特征提取块(multi-scale depthwise separable block,MSDSB) 聚合成一个残差特征融合块,以减少残差路径长度。然后使用增强型注意力模块从通道和空间维度进行自适应调整以提升算法性能。最后使用自适应上采样模块获得SR重建图像。在消融实验中,本文算法重建性能超过原始算法,且参数量仅为3.53 ×10⁶,是原始算法的34.5%。在对比实验中,其重建性能超过了当前主流算法,与组件分而治之 (component divide-and-conquer,CDC) 算法相比,PSNR和SSIM指标分别提升了0.01 dB与0.001 0,且参数量仅为组件CDC算法的8.84%,在保证重建性能的同时实现了算法的轻量化。

摘要:肺癌计算机断层扫描(computed tomography,CT)中对病灶的分割目前存在两个问题:一是病变区域的大小和形状差异大,二是标注数据量少。为了应对上述问题,提出一种用于肺癌分割的双注意力半监督学习网络(dual attention semi-supervised learning network,SDA-Net) 。首先,在U-Net的编码阶段加入残差-密集块(residual-dense block,RDB) 进行特征提取,尽可能多地保留浅层特征。其次,在编码阶段末端利用包含位置注意力和通道注意力的双注意力机制整合同一类别特征的语义相关性,增强目标的特征表达。最后,针对标注数据量少的问题,采用双路一致性半监督学习(semi-supervised learning,SSL) 的方法,使得双注意力网络同时利用标注数据和未标注数据进行训练,大幅提高了网络分割的性能。测试结果表明,所提方法的Dice相似系数、杰 卡 德系数、灵敏度和精确度分别达到了0.843 2、0.733 1、0.809 2和0.886 1,优于当前典型的分割算法。

摘要:针对非局部先验去雾算法中雾线端点像素位置精确度不足的问题,提出了雾线优化的非局部先验图像去雾算法。首先分析雾线理论,结合暗通道理论确定最大聚类雾线真实端点,以其为已知条件补偿小聚类雾线端点与大气光之间的距离,根据类内不同像素与雾线对应夹角预估单个像素雾线端点进而求得像素级优化后的透射率,最后根据图像局部灰度值差异融合暗通道先验(dark channel prior,DCP)和非局部先验透射率得最终透射率图。将本文算法与其余3种去雾算法在多幅户外雾图下通过主观及客观两方面分析比较,实验结果表明该算法能取得更好的去雾效果,尤其在天空区域图像复原效果较为突出。

摘要:基于暗通道先验的去雾算法总是存在复原结果中天空区域处理不佳等问题,为了进一步优化对传输函数的估计,本文提出一种基于置信度图导向融合的传输函数优化方法。首先,将雾天图像的天空区域分离出来,以达到对天空区域的优化；计算窗口级暗通道与像素级暗通道,以平滑传输函数在物体边缘并保留小于窗口尺寸的细节特征；最后,计算窗口级暗通道与像素级暗通道之间的置信度图,以其为导向对两者进行融合得到优化的传输函数图,实现图像去雾。实验结果表明,本文算法可达到很好的复原结果优化效果。

摘要:基于深度学习的目标检测算法在水下进行检测主 要存在两个困难:水下设备的存储和计算能力 有限; 水下图像模糊且小生物聚集。这种局限性要求水下目标检测算法要做到轻量且高 效,因此现有的 目标检测算法不能完全满足水下目标检测的需求。为此本文在SSD(single shot MultiBox d etector) 的网络框架上进行改进,设计了一种轻量化的一阶段检测模型SG-Det。一方面,借鉴Ghos tNet的思想, 对ShuffleNetV2网络进行了重构,提出一种新的轻量化特征提取网络SGnet。此网络进一 步减少了模型参 数量,使模型大小更适合部署在水下设备。另一方面,网络主要是利用6个不同尺度的特征图检 测不同大小 的生物,为此设计了一种引入双分支注意力机制的 跨尺度特征融合模块(cross-scale feature fusion module, AFF)。模块首先引入注意力机制对 输入的特征在 全局通道和局部通道两方面进行加权,突出有用信息,从而减少背景等无关信息的干扰。然 后选取非线 性化程度更高的第4层分别增强前3层的语义信息,以较小的代价使前3层在识别小物体方 面有更好的 表现。模型在中国水下机器人大赛提供的水下数据集UPRC进行试验,平均检测精度(mAP )和速度分 别达到了71.75 FPS,且模型参数量仅有 4.91 M。结果表明,所提出的方法在精度、速度和参数量之间取得了 很好的平衡。

摘要:针对多方向排列的文本因其尺度变化大、复杂背景干扰而导致检测效果仍不甚理想的问题,本文提出了一种基于注意力机制的多方向文本检测方法。首先,考虑到自然场景下干扰信息多,构建文本特征提取网络(text feature information ResNet50,TF-ResNet) ,对图像中的文本特征信息进行提取；其次,在特征融合模型中加入文本注意模块(text attention module,TAM) ,抑制无关信息的同时突出显示文本信息,以增强文本特征之间的潜在联系；最后,采用渐进扩展模块,逐步融合扩展前部分得到的多个不同尺度的分割结果,以获得精确检测结果。本文方法在数据集CTW1500、ICDAR2015上进行实验验证和分析,其F值分别达到80.4%和83.0%,比次优方法分别提升了2.0%和2.4%,表明该方法在多方向文本检测上与其他方法相比具备一定的竞争力。

摘要:基于可调谐激光器的光纤光栅 (fiber Bragg grating,FBG) 解调仪用于FBG传感器的远距离、高速测量时,光传输时延会导致显著的波长解调误差。本文设计了一种补偿光传输时延导致的FBG解调误差的方法,可调谐激光器在工作光频率范围内进行高线性度的正向、反向扫描,利用正向、反向扫描过程中的光电探测信号的FBG反射峰差异,对光传输时延导致的波长解调误差进行补偿。试验结果表明,在50 kHz解调频率和100 m连接光纤长度条件下,将光传输时延导致的波长解调误差由2 nm降低到小于 10 pm。

摘要:针对表面肌电信号(surface electromyography, sEMG)手势识别使用卷积神经网络(convolutional neural network, CNN) 提取特征不够充分,且忽略时序信息而导致识别精度不高的问题,本文创新性地提出了一种融合双层注意力与多流卷积神经网络(multi-stream convolutional neural network,MS-CNN) 的sEMG手势识别记忆网络模型。首先,利用滑动窗口生成的表面肌电图像作为该模型的输入；然后在 MS-CNN 中嵌入通道注意力层(channel attention module,CAM) ,弱化无关信息,使网络能够更加专注sEMG的有效特征；其次,通过长短期记忆网络(long short term memory network, LSTM)对输入的特征进行时序上的激励,关注更多sEMG的时序信息,让网络在时间维度上拥有更强的学习能力；最后,采用时序注意力(time-sequence attention,TSA)层 对LSTM的状态进行关注,从而更好地学习重要肌肉信息,提高手势识别精度。在NinaPro数据集上进行实验测试,结果表明,使用本文提出的网络模型在DB1数据集和DB2数据集的手势识别精度分别达到了86.42%和80.60%,高于大多数主流模型,充分验证了模型的有效性。

摘要:本文基于全网光同步的超密集波分复用无源光网络 (ultra-dense wavelength division multiplexing passive optical network,UDWDM-PON),对多波长注入锁定的稳定性进行了研究,提出了一种波长跟踪控制方法:用光电探测器 (photo-diode, PD) 接收从激光器(slave laser diode,SLD)的光信号并进行滤波与检波处理,所得信号用于建立SLD参数分布模型并进行线性扫描控制。该方法经基于LabVIEW程序控制与数据采集 (data acquisition,DAQ) 的仪器实验验证后,对相关驱动电路进行了模块化改良,采用基于微控制单元 (microcontroller unit,MCU) 的控制,使得该控制模块具有更高控制精度、更易封装的特点,从而能更好应用于多波长光的多路注入锁定当中。本文采用主动锁模激光器 (mode-locked laser,MLL) 作为多波长光源,对双路SLD的注入锁定进行了验证与对照实验,结果表明:在相同注入条件下,采用波长跟踪控制模块的注入锁定组具有更佳的稳定性。

摘要:针对多功能视频编码(versatile video coding,VVC)由于在四叉树(quadtree,QT)划分的基础上引入多叉树(multi-type tree, MTT)划分结构导致编码复杂度过高的问题,本文提出了一种基于编码单元(coding unit,CU)子块纹理特征差异的VVC快速CU划分算法。该算法能够有效降低VVC的编码复杂度,缩短编码时间。首先通过不同划分方向的子块的纹理复杂度差异提前判断MTT划分的方向,跳过不必要的MTT划分方向；然后根据当前CU的相邻子块间的纹理差异判断是否跳过三叉树(ternary tree,TT)划分,以进一步减少候选列表中划分模式的数量。实验结果表明,在全帧内(all intra,AI)的编码配置下,与官方测试平台VTM-7.0相比,本文算法平均能够节省47.24%的编码时间,BDBR(Bjntegaard delta bit rate)仅增加1.26%。

摘要:目前已有的轮廓提取算法在提取可视化角膜生物力学分析仪(corneal visualization scheimpflug technology,Corvis ST)影像的角膜轮廓中,由于角膜边缘的局部图像灰度分布相近这一特点,提取出的角膜轮廓普遍不完整或者提取的角膜轮廓边缘出现细小突出。这会使得角膜轮廓的完整性遭到破坏,提取到的角膜轮廓与实际的角膜原始图像严重不符。本文针对Corvis ST 采集的角膜图像的轮廓提取问题,基于最大类间方差法(OTSU)算法设计一种高效的图像处理方法。首先,将角膜图像进行除杂、灰度化以及图像降噪等处理,达到减少图像计算量和降低数字图像噪声干扰的目的；其次,基于OTSU算法对图像进行分割,并在此基础上加入数学形态学运算,达到平滑图像边界和填充细小“孔洞”的目的；最后,采用Canny边缘检测算法提取图像中的角膜轮廓,达成提取出高完整性角膜轮廓的目的。在相同的图像数据集上,与最新的纽扣轮廓瑕疵检测系统中设计的轮廓提取算法(B-OTSU algorithm) 进行了对比实验。实验结果表明,从轮廓完整性以及准确性的角度,应用本文方法提取的角膜轮廓明显优于最新的纽扣轮廓瑕疵检测系统中的B-OTSU算法提取的角膜轮廓。

摘要:结肠镜图像中息肉的精确分割是诊断结肠癌的关键环节,针对目前结肠息肉分割算法存在孔洞、分割粗糙以及分割不完全的问题,提出了一种改进级联U-Net结构的结肠息肉分割算法。运用特征融合思想,设计了多尺度语义嵌入模块和残差模块,充分利用深、浅层特征的语义信息。引入注意力机制,在模型的级联处构建了改进空洞卷积模块,扩大卷积感受野并增强特征捕获能力。改进了卷积层模块和分割损失函数,提升模型的泛化性和鲁棒性。在Kvasir-SEG数据集上进行实验分析,相似系数、平均交并比、召回率和准确率分别达到了90.39%、88.34%、83.62%和95.12%。实验结果表明,该文所提算法改善了分割图像内部孔洞、边缘粗糙及分割不完全的问题,优于其他息肉分割算法。