2025(2):113-121. DOI: 10.16136/j.joel.2025.02.0433
摘要:通过旋转线性激光腔内增益介质,研究了Nd:YVO4多纵模激光器腔内标准具倾斜角对输出纵模分布的影响。建立理论模型,分析了Nd:YVO4激光器中标准具效应对输出多纵模特性的影响,并进行了相应的实验研究。在实验中,通过旋转晶体角度,探究纵模分组和光谱漂移现象。实验结果表明,当激光晶体角度从0°开始增加时,会产生标准具透射峰线宽变宽和纵模波长红移 两种现象。实验结果与理论模型符合较好。最后,当泵浦功率为2 768 mW,激光晶体倾斜角为 0.45°时成功抑制了标准具效应,获得了斜率效率和光学转换效率为15.66%和13.9%,输出功率为385 mW,光束质量为1.71的锁模激光。此时通过增加泵浦功率,发现空间烧孔效应也会产生与标准具效应相类似的效果。实验结果还表明增加泵浦功率会使空间烧孔现象加剧。
2025(2):122-129. DOI: 10.16136/j.joel.2025.02.0386
摘要:光纤在太赫兹(terahertz,THz)波传输系统中起到重要的作用,但用以制备此波段光纤的透明材料比较匮乏,限制了THz光纤的传输距离。为进一步提高THz光纤的传输特性,设计了一种高双折射空芯反谐振光纤,该光纤包层由圆形介质管和矩形介质层组成,光纤整体呈非对称结构。采用有限元法分析了光纤结构参数对其损耗和双折射的影响。结果表明:在0.475 THz处,双折射 可达3.75×10-4,x和y偏振模损耗分别为0.077 dB/m和0.395 dB/m,在保证x偏振模损耗低于0.1 dB/m的前提下,实现了THz光纤的高双折射特性。
2025(2):130-135. DOI: 10.16136/j.joel.2025.02.0586
摘要:航空叶片表面缺陷的准确检测是保证航空发动机安全可靠运转的关键。目前基于视觉的航空叶片表面缺陷检测算法存在实时性差、漏检率高、定位目标不准等问题。针对上述问题,本文提出一种基于深度神经网络的航空叶片表面缺陷检测算法。为了提高检测实时性,本文设计了深度可分离卷积 (depthwise separable convolution,DSC ) 模型分解标准卷积;为了降低小目标缺陷漏检,本文设计了SE-PAN (squeeze-and-excitation path aggregation network) 模型对每个通道的特征进行重标定,使得具有更强信息的特征得到更多的关注;为了提高定位准确度,本文设计了Focal-DIOU (focal-distance intersection over union) 损失函数减弱低效框的作用。在本文的航空叶片表面缺陷数据集上的实验证明:本文算法的Precision、Recall、AP达到了95.7%、94.6%、96.3%,检测帧率达到24帧/s,均优于主流检测算法。
2025(2):136-145. DOI: 10.16136/j.joel.2025.02.0356
摘要:针对结直肠息肉图像分割时动态信息处理和边缘细节捕捉能力不足,导致边界信息损失和错误分割等问题,本文提出一种建立在Swin Transformer框架上的线索交叉聚合(cross-cue fusion,CCF) 结肠息肉分割方法。该方法首先通过Transformer编码器对图像的病变特征进行逐级提取。其次利用改进的二阶通道注意力(second-order channel attention,SOCA) 机制增强跨层级信息交互能力,有效提取丰富的多尺度上下文特征信息。再次采用反向通道频率注意力(reverse channel frequency attention,RCFA) 机制中的离散余弦变换(discrete cosine transform,DCT) ,突出多尺度上下文信息的通道特征。最后通过CCF模块从动态和静态深度两个层面增强图像特征,进而提升动态信息处理和细节捕捉能力。在数据集CVC-ClinicDB、Kvasir、CVC-ColonDB和ETIS- LaribPolypDB上进行测试,Dice指数分别为0.942、0.924、0.800和0.774。MIoU指数分别为0.896、0.878、0.726和0.697。实验数据表明,本文提出的方法能有效分割结直肠息肉图像,为结直肠息肉的诊断提供了新思路。
2025(2):146-157. DOI: 10.16136/j.joel.2025.02.0441
摘要:针对传统无人机(unmanned aerial vehicle,UAV) 目标检测算法存在漏检率高、检测成功率低、模型体积大等问题,提出一种新的基于GhostNet和注意力机制的大检测头网络结构的目标检测方法G-YOLO v7(GhostNet YOLO v7)。该技术在YOLO v7-tiny的基础上增加一个大尺寸160×160目标检测头以提升小目标检测能力,同时对网络进行轻量化处理。删除原有20×20的小检测头及其卷积结构,新增GhostNet卷积模块,以减少网络的参数量,降低模型体积,同时修改损失函数为WIoU(wise intersection over union),增加PCBAM(parallel convolutional block attention module)注意力模块以提升检测精度。实验结果表明,基于G-YOLO v7网络结构的目标检测的mAP@0.5为42.3%,较YOLO v7-tiny提升5.2%,较YOLO 提升7.4%。G-YOLO v7的参数量和模型体积仅为YOLO v7-tiny的33.9%和37.9%,YOLO v8n的64%和75.6%,能够有效地应用于无人机航拍图像目标检测。
2025(2):158-166. DOI: 10.16136/j.joel.2025.02.0471
摘要:针对水下桥墩裂纹图像存在模糊、亮度差、对比度低等问题,提出了一种基于图像融合的水下桥墩裂纹图像增强方法。首先利用同态滤波对裂纹图像进行去噪声处理,去除水下环境对裂纹图像的噪声影响;其次对同态滤波处理后的裂纹图像从红-绿-蓝(red-green-blue,RGB)空间转换为LAB色彩空间(lab color space,LAB),对LAB中的L通道利用自适应伽马校正对裂纹图像进行亮度处理,将处理后的裂纹图像转换回RGB空间得到增强的裂纹图像1;将同态滤波处理后的裂纹图像利用限制对比度自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE) 处理得到对比度加强的裂纹图像2;最后将图像1和图像2进行加权融合得到最终的增强图像。应用主观视觉效果和3种客观评价指标来验证本文算法的可靠性,结果表明,本文方法处理的裂纹图像亮度、清晰度、对比度均得到有效提升。
2025(2):167-175. DOI: 10.16136/j.joel.2025.02.0365
摘要:针对浑浊水体环境下图像对比度降低和色偏严重等问题,构建模拟真实浑浊水环境的水下图像数据集,提出了一种基于改进Shallow-UWnet网络模型的浑浊水体图像增强方法。首先,使用灰度空间算法对原始图像进行全局颜色校正,再利用改进的Shallow-UWnet网络模型,学习失真图像与正常图像的映射关系从而实现水下图像增强,然后使用限制对比度自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE)方法提高图像对比度,从而得到最终的增强图像。实验结果表明,本方法在主客观评价指标和特征点匹配应用指标上优于其他5种参考方法,能有效校正不同浑浊水环境下图像的色偏,提升图像的对比度和清晰度。本方法可以适用于水体较为浑浊的水下原位环境,为提高水下场景的视觉质量提供了有效的解决方案,在水下探测、水下救援、水下考古等领域中具有广泛的应用前景。
2025(2):176-184. DOI: 10.16136/j.joel.2025.02.0429
摘要:针对复杂环境背景和噪声情况下,桥梁病害图像中特征提取不充分的问题,提出将分形几何特征与YOLOv7网络融合的方法来提高病害检测的精度。首先,设计分形特征模块(fractal feature module,FFM) ,得到桥梁病害图像的分形特征图;其次,设计了自适应特征融合层,将提取的分形特征融入YOLOv7网络,让网络获得表达能力更强的特征图;最后,引入坐标注意力机制(coordinate attention,CA) ,增强了网络对小病害的检测精度。实验对包含风化、裂缝、钢筋外露、腐蚀和剥落5种桥梁病害的复杂图像进行了检测,结果表明:在相同的数据集和迭代次数下,融入分形几何特征的YOLOv7网络相比于原始网络对上述5种病害检测的平均精度均值从82.94%提高到86.24%,其中,裂缝病害的检测平均精度提高最为显著,从75.92%提高到81.29%。
2025(2):185-192. DOI: 10.16136/j.joel.2025.02.0430
摘要:针对既有深度学习方法在乳腺癌病理图像全局与局部特征统一表达上的不足,将长距离建模的Transformer和强局部感知的卷积神经网络(convolutional neural network,CNN) 相结合,提出一种多层级深度特征融合的乳腺癌病理图像分类方法。该方法以双分支并行的Deit-B和ResNet-18模型作为骨干架构,在双分支网络中间层和末端位置分别引入特征融合操作,有效加强了乳腺癌病理图像全局与局部深度特征的联合学习;此外,在CNN支流的残差模块间引入密集连接操作来提升中间层融合特征的信息传递。通过全局-局部特征提取与支流间-支流内特征交互,可更有效捕获用于乳腺癌病理图像分类的判别特征。在乳腺癌病理图像公共数据集BreakHis上的消融实验与对比实验结果证明所提出方法的有效性,此外可获得99.83%的最优分类结果。
2025, 34(2):193-199. DOI: 10.16136/j.joel.2025.02.0407
摘要:根据汤姆逊散射理论,借助计算机数值模拟,主要研究了圆偏振激光脉冲强度变化对电子辐射能量频谱、峰值辐射方向辐射特性及空间谱的影响。结果表明,后向辐射和峰值辐射频谱皆出现频谱偏移、展宽现象,且随着激光强度增大变得更为显著。后向辐射频谱只存在基波,随着激光强度增大,峰值幅度减小,辐射值逐渐连续。峰值辐射则会产生高次谐波,峰值幅度与激光强度呈正相关,频移增大使频谱发生重叠,在超强激光作用下,产生连续光谱。本文进一步对峰值辐射功率方向的电子辐射特性进行了讨论,发现辐射功率脉宽与辐射最大方向极角值随激光强度变化具有相似特性,皆在某些相同特殊激光强度下发生跳变。电子辐射功率空间分布以传播方向为轴,呈现对称性,当激光强度过大时,此种对称性被打破。本次研究结果为后续深入研究圆偏振激光对电子辐射特性的影响提供了契机。
2025(2):200-207. DOI: 10.16136/j.joel.2025.02.0448
摘要:在水下无线光通信系统中,水的吸收、散射以及湍流等效应将造成信道估计与信号检测的困难,从而导致了通信误比特率(bit error rate,BER)升高,甚至无法通信。针对水下复杂信道下光通信信道估计与信号检测的难题,提出了基于机器学习(machine learning,ML)的信道估计与解调算法,研究其在直流偏置光-正交频分复用(direct current biased optical-orthogonal frequency division multiplexing,DCO-OFDM)光通信系统中水下信道估计及信号检测性能。首先基于所提信道估计与解调算法(深度神经网络(deep neural network,DNN)和无监督学习的k-means星座解调器)完成复杂信道频率响应、二次均衡及误比特分析的仿真建模。其次对比传统最小二乘法(least squares,LS)、线性最小均方误差(linear minimum mean square error,LMMSE)信道估计算法及最小距离解调算法,完成复杂信道下光通信信噪比(signal-to-noise ratio,SNR)增益等研究。仿真结果中,在湍流闪烁指数为0.18、距离为10 m的水下信道中,当子载波为8阶正交幅度调制(quadrature amplitude modulation,QAM)、误比特率为10-5时,所提信道估计算法相比LS与LMMSE估计分别有大于6 dB与1 dB的信噪比增益。另外采用所提信号检测算法,对比传统算法有大于1 dB的SNR增益。仿真结果表明,所提出基于ML的信道估计与解调算法可提高复杂信道水下光通信的性能。研究结果为远距离、高速复杂水下光通信系统设计提供一定参考。
2025, 34(2):208-215. DOI: 10.16136/j.joel.2025.02.0409
摘要:采用了纳秒脉冲激光对7050铝合金表面的丙烯酸聚氨酯漆进行了激光清洗,研究了激光功率、扫描速度和重复频率对除漆率和表面粗糙度的影响。通过对基体表面的超景深图像进行二值化处理,实现了对除漆率的定量分析。结果表明,随着激光功率的增大,除漆率逐步提高,表面粗糙度先降低后升高。随着扫描速度和重复频率的增大,除漆率先升高后降低,表面粗糙度先降低后升高。采用GRNN(generalized regression neural network)神经网络模型建立了激光工艺参数与清洗质量之间的关联密度函数,通过MOSSA(multi-objective sparrow search algorithm)算法对模型进行多目标优化,得到了最佳的激光除漆工艺参数组合。在该激光工艺参数下,除漆率为99.16%,表面粗糙度为1.32 μm。
2025(2):216-224. DOI: 10.16136/j.joel.2025.02.0499
摘要:针对结肠息肉大小差异较大、边界不明确、位置分布较散的问题,提出一种基于双路特征多尺度减法的结肠息肉分割方法。主支路通过重构减法单元与注意力模型进行相邻特征图的融合,加强息肉的边界信息以及息肉特征的提取能力,同时引入可学习的视觉中心(learnable visual center,LVC)来聚合输入图像的局部角落关键区域;副支路设计多尺度提取模块与倒置残差上采样(conv-transpose upsample,CT-upsample) 模块融合而成的AGG模块(aggregation,AGG)进行多尺度大小息肉提取,还原及补充更多的细节信息。提出的方法在4个公共数据集上进行了实验分析,实验结果表明该方法具有良好的息肉分割泛化性能,其中在CVC-ClinicDB数据集上,mDice和mIoU分别达到了93.28%和88.98%。