期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1,594篇文章
< 1 2 … 80 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于跨尺度特征融合的内窥镜图像增强算法
1
作者 刘旭阳 蔡芸 蒋林 《现代电子技术》 北大核心 2026年第1期34-40,共7页
临床医学的内窥镜图像由于在成像过程中存在补充光源不均匀和人体组织粘液反光的问题,出现大量曝光过度等图像质量较低的现象。现有基于深度学习的图像增强算法由于仅采用固定尺寸的特征融合方式,导致特征提取能力较低、增强效果较差。... 临床医学的内窥镜图像由于在成像过程中存在补充光源不均匀和人体组织粘液反光的问题,出现大量曝光过度等图像质量较低的现象。现有基于深度学习的图像增强算法由于仅采用固定尺寸的特征融合方式,导致特征提取能力较低、增强效果较差。为改善这一问题,文中构建了基于跨尺度特征融合的内窥镜图像增强算法,通过构建CM卷积模块实现高性能特征提取,同时采用SPPF金字塔池化模块实现对特征图不同尺度的池化操作,并且在网络不同尺度的网络层之间引入跨尺度特征融合(CFF)模块,实现多尺度特征融合和上下文信息传播,从而大幅提高图像细节捕捉能力和图像质量。实验结果表明,文中算法在PSNR、SSIM指标均高于现有算法,其中PSNR指标提高了9.9%,SSIM指标提高了15.4%,可以实现高质量内窥镜图像增强任务。 展开更多
关键词 内窥镜图像 深度特征融合 CFF 曝光异常 图像增强算法 金字塔池化模块
在线阅读 下载PDF
面向遥感图像道路提取的多尺度上下文感知网络 被引量：4
2
作者 李智杰 惠爱婷 +3 位作者 李昌华 董玮 张颉 介军 《光学精密工程》 北大核心 2025年第4期610-623,共14页
针对深度神经网络在遥感图像道路提取中面临的局部特征丢失和提取精度低的问题,本文基于SwinUnet网络提出了一种面向遥感图像道路提取的多尺度上下文感知网络。首先,在编码器中设计了一个具有上下文聚合模块的分支,以增强上下文信息提取... 针对深度神经网络在遥感图像道路提取中面临的局部特征丢失和提取精度低的问题,本文基于SwinUnet网络提出了一种面向遥感图像道路提取的多尺度上下文感知网络。首先,在编码器中设计了一个具有上下文聚合模块的分支,以增强上下文信息提取,并缓解因遮挡引起的语义模糊问题。其次,为了解决编解码器之间语义信息不匹配的问题并提高模型的空间信息提取能力,在跳跃连接中引入了空间特征提取模块,取代了SwinUnet中直接复制编码器特征的方法。最后,在下采样阶段设计了一个特征收缩模块,以减少编码器中信息丢失并增强网络的分割能力。在Massachusetts道路数据集上进行测试结果显示,该方法在F1,IoU,Pr和Re指标上分别达到了80.91%,69.40%,78.03%和65.20%。与主流方法UNet和SwinUnet相比,IoU分别提高了4.45%和2.72%,证明了所提算法通过全局建模、上下文增强和信息匹配优化,有效提升了遥感图像道路提取的精度和性能。 展开更多
关键词 遥感图像 道路提取 语义分割 SwinUnet
在线阅读 下载PDF
SiamMT:基于自适应特征融合机制的可修正RGBT目标跟踪算法 被引量：2
3
作者 齐咏生 姜政廷 +2 位作者 刘利强 苏建强 张丽杰 《控制与决策》 北大核心 2025年第4期1312-1320,共9页
针对传统RGBT目标跟踪算法网络精确度低、鲁棒性差,以及在目标尺度变化大和长时跟踪过程中存在目标丢失无法找回等问题,提出一种新的基于自适应特征融合机制的可修正RGBT目标跟踪算法.首先,引入一种特征层与模态间双自适应融合机制,充... 针对传统RGBT目标跟踪算法网络精确度低、鲁棒性差,以及在目标尺度变化大和长时跟踪过程中存在目标丢失无法找回等问题,提出一种新的基于自适应特征融合机制的可修正RGBT目标跟踪算法.首先,引入一种特征层与模态间双自适应融合机制,充分利用两模态间的互补信息,增强RGB与红外特征的跨模态融合;然后,设计一种后端时序约束回归模块,利用上一帧信息对IOU计算以及边界框回归进行约束,有效减少相似物干扰;最后,提出一种基于元学习的在线模板更新机制,对回归阶段得分较高的模板图像进行更新存储,解决长时跟踪中累计误差和目标难以找回问题.采用权威的目标跟踪数据集GTOT、RGBT234和VOT-RGBT2019进行算法验证,所提出方法均可取得极具竞争力的结果.将算法移植到嵌入式设备Jetson Xavier NX上进行性能测试,实验结果表明:所提出算法运行速度可达到29帧/s,相比于当前流行的多种RGBT算法,具有更为全面的跟踪性能,且能够有效解决相似物干扰、目标丢失难找回等问题. 展开更多
关键词 目标跟踪 孪生网络 RGBT 元学习 特征融合
原文传递
基于直觉模糊集熵测度和显著特征检测的古铜镜X光图像融合 被引量：2
4
作者 吴萌 张倩文 +2 位作者 孙增国 相建凯 郭歌 《光学精密工程》 北大核心 2025年第2期262-281,共20页
针对被锈蚀覆盖的古铜镜因镜缘与镜心区域厚度不均,单能X射线无法检测出完整的纹饰和病害信息的问题,本文提出一种直觉模糊集熵测度和显著特征检测的古铜镜X光图像融合方法。首先,引入有效引导滤波对高能量X光图像的纹饰结构做对比度增... 针对被锈蚀覆盖的古铜镜因镜缘与镜心区域厚度不均,单能X射线无法检测出完整的纹饰和病害信息的问题,本文提出一种直觉模糊集熵测度和显著特征检测的古铜镜X光图像融合方法。首先,引入有效引导滤波对高能量X光图像的纹饰结构做对比度增强。接着,采用联合双边滤波和结构-纹理分解策略设计三个尺度分解模型,以提取不同能量X光图像的能量层、残差层和细节层信息。其次,能量层通过l1-max规则得到融合后的能量图像,残差层利用直觉模糊集熵测度构造小尺度纹理特征融合模块,细节层结合扩展差分高斯与空间频率增强算子构建复合型显著特征检测策略。最后,将能量融合图、残差融合图和细节融合图相加得到最终融合结果。实验结果表明,本文方法的6种客观评价指标AG,SF,SD,SCD,NAB/F和SSIM相较于对比方法分别平均提高了23.59%,22.99%,16.12%,42.55%,17.07%,20.54%,融合结果可以有效保留古铜镜清晰的纹饰细节和病害裂隙的关键特征,在对比度和结构保持等方面都优于其他对比方法。 展开更多
关键词 图像融合 边缘保持滤波 三尺度分解 纹理提取 直觉模糊集熵测度 显著特征检测
在线阅读 下载PDF
采用卷积神经网络的室内可见光定位方法 被引量：2
5
作者 王亮 孙海燕 《导航定位学报》 北大核心 2025年第1期128-136,共9页
针对多径反射与系统噪声导致室内可见光定位精度下降的问题,提出一种基于扩张卷积网络的室内可见光三维定位方法:基于皮尔森相关性系数对采集的接收信号强度向量进行过滤,删除系统噪声引起的非线性失真接收信号强度向量,以提高训练的神... 针对多径反射与系统噪声导致室内可见光定位精度下降的问题,提出一种基于扩张卷积网络的室内可见光三维定位方法:基于皮尔森相关性系数对采集的接收信号强度向量进行过滤,删除系统噪声引起的非线性失真接收信号强度向量,以提高训练的神经网络精度;然后,将接收信号强度向量集建立的指纹库传入神经网络进行训练,利用神经网络较强的三维空间结构表达能力拟合多径反射和系统噪声下的非线性指纹库。仿真结果表明,在7 m×7 m×3 m的室内环境下,所提方法的平均定位误差可达0.91 cm,其中90%样本的定位误差小于1.17 cm;此外,所提方法的平均定位误差较全连接神经网络和卷积神经网络可分别降低0.82 cm和0.56 cm,证明所提方法在多径反射与系统噪声环境下具有较好的定位性能。 展开更多
关键词 可见光通信系统 室内定位 物联网 卷积神经网络(CNN) 可见光定位
在线阅读 下载PDF
短距光纤通信系统中基于神经网络的非线性均衡器 被引量：2
6
作者 赵晗祺 李娜 +5 位作者 吴斌 吴桂龙 陈一童 冯晓芳 何沛礼 李蔚 《中国光学(中英文)》 北大核心 2025年第1期114-120,共7页
为了实现对短距光纤数据通信系统接收端非线性损伤的低复杂度均衡,提出了一种基于全连接神经网络的接收端均衡算法。这是一种引入判决反馈结构的判决反馈神经网络。非线性畸变是由线性工作区与实验系统不匹配的光电探测器引入的,在此基... 为了实现对短距光纤数据通信系统接收端非线性损伤的低复杂度均衡,提出了一种基于全连接神经网络的接收端均衡算法。这是一种引入判决反馈结构的判决反馈神经网络。非线性畸变是由线性工作区与实验系统不匹配的光电探测器引入的,在此基础上实现了基于C波段直接调制激光器的56 Gbit/s PAM4信号的20 km传输验证实验,并对判决反馈神经网络和其他均衡方案的均衡性能进行了对比实验。实验结果表明,相比全连接神经网络,改进方案在传输距离为20 km时灵敏度提升2 dB。改进方案可以很好地均衡光电器件的非线性,且计算复杂度更低,具有很好的应用意义。 展开更多
关键词 短距光通信 光电器件非线性畸变 信号均衡 神经网络 判决反馈
在线阅读 下载PDF
基于跨域交互注意力和对比学习引导的红外与可见光图像融合 被引量：1
7
作者 邸敬 梁婵 +1 位作者 刘冀钊 廉敬 《中国光学(中英文)》 北大核心 2025年第2期317-332,共16页
现有红外与可见光图像融合方法难以充分提取和保留源图像细节信息与对比度,导致纹理细节模糊。针对这一问题,本文提出了一种跨域交互注意力和对比学习引导的红外与可见光图像融合方法。首先,设计了双支路跳跃连接的细节增强网络,从红外... 现有红外与可见光图像融合方法难以充分提取和保留源图像细节信息与对比度,导致纹理细节模糊。针对这一问题,本文提出了一种跨域交互注意力和对比学习引导的红外与可见光图像融合方法。首先,设计了双支路跳跃连接的细节增强网络,从红外和可见光图像中分别提取和增强细节信息,并利用跳跃连接避免信息丢失,生成增强后的细节图像。接着,构建了联合双分支编码器和跨域交互注意力模块的图像融合网络,确保特征融合时充分进行特征交互,并通过解码器重建为最终的融合图像。然后,引入了通过对比学习块进行浅层和深层属性和内容的对比学习网络,优化特征表示,进一步提升图像融合网络的性能。最后,为了约束网络训练以保留源图像的固有特征,设计了一种基于对比约束的损失函数,以辅助融合过程对源图像信息的对比保留。将提出方法与前沿融合方法进行了定性和定量的分析比较。在TNO、MSRS、RoadSence数据集上的实验结果表明:本文方法的8项客观评价指标均较对比方法有显著提升。本文方法融合后图像具有丰富的细节纹理、显著的清晰度和对比度,有效提高了道路交通、安防监控等实际应用中的目标识别和环境感知能力。 展开更多
关键词 红外与可见光图像融合 对比学习 跨域交互注意力机制 对比约束损失
在线阅读 下载PDF
长距离光纤通信系统的非线性损伤补偿方法 被引量：1
8
作者 袁瑛 沈袁勋 沈平 《光学技术》 北大核心 2025年第4期400-407,共8页
随着传输速率与传输距离的增加,非线性损伤对长距离光纤通信系统性能的影响愈发显著,严重制约了系统性能。为了缓解长距离光纤通信中非线性损伤的综合效应,提出一种基于双分支混合神经网络的长距离光通信非线性损伤补偿方法。该模型利... 随着传输速率与传输距离的增加,非线性损伤对长距离光纤通信系统性能的影响愈发显著,严重制约了系统性能。为了缓解长距离光纤通信中非线性损伤的综合效应,提出一种基于双分支混合神经网络的长距离光通信非线性损伤补偿方法。该模型利用信道记忆从时域捕捉信道损伤的全局特征,利用历史信息优化当前符号的特征学习;通过基于卷积神经网络的实数分支捕获星座图中符号的空间特征,并采用通道注意力机制和空间注意力机制增强模型对非线性损伤相关空间特征的学习能力;通过复数分支捕获复数符号相位与幅度变化的隐含信息,从而有效补偿非线性损伤的综合效应。以自相位调制和交叉相位调制为主要非线性效应建立了数值仿真模型,仿真结果表明,在不同发射光功率、传输距离和符号率条件下,所提方法均能实现较低的误码率,并表现出良好的稳定性。 展开更多
关键词 光纤通信系统 正交调制 卷积神经网络 深度学习 数字反向传播 注意力机制
原文传递
多维度聚合Transformer的图像超分辨率重建 被引量：1
9
作者 陈清江 陈鹏民 《光学精密工程》 北大核心 2025年第12期1955-1970,共16页
针对现有基于Transformer的图像超分辨率网络中感受野尺度单一以及未充分挖掘额外维度信息等问题,本文提出了一种多维度聚合Transformer网络。首先,通过构建多尺度交互调制模块,从低分辨率图像中提取多尺度特征,以增强信息流的丰富性。... 针对现有基于Transformer的图像超分辨率网络中感受野尺度单一以及未充分挖掘额外维度信息等问题,本文提出了一种多维度聚合Transformer网络。首先,通过构建多尺度交互调制模块,从低分辨率图像中提取多尺度特征,以增强信息流的丰富性。其次,设计了空间-通道交互模块,并将其集成于Transformer层中,利用四种形式的注意力机制充分提取关键特征并实现特征融合,从而提升模型性能。最后,提出了特征重用Transformer模块,深入挖掘各层特征之间的关联,精准提取并高效重用重要特征,进一步加强模型表现。实验结果表明,在五个基准测试集上,所提方法优于其他先进算法。在不同放大倍数的超分辨率任务中,相较于基于Swin Transformer的图像恢复方法,峰值信噪比和结构相似度分别平均提升了约0.26 dB和0.0024,且重建效果更加清晰。该方法有效克服了现有方法的不足,在超分辨率任务中展现出显著的性能提升和应用潜力。 展开更多
关键词 图像超分辨率 TRANSFORMER 注意力机制 特征交互 特征重用 多尺度
在线阅读 下载PDF
高频信息物体多层多元特征权重自适应融合三维重建网络
10
作者 王标 李影 +3 位作者 融百川 刘璟 张进 王永红 《光学精密工程》 北大核心 2025年第15期2424-2440,共17页
为解决光度立体深度学习在实现物体表面法向量重建过程中存在的表面纹理的高频信息丢失而导致重建精度偏差大的问题,提出了一种多层多元特征权重自适应融合三维重建网络(MMF-Net)。网络主要将PS-FCN作为基准模型,引入对称式编码-解码结... 为解决光度立体深度学习在实现物体表面法向量重建过程中存在的表面纹理的高频信息丢失而导致重建精度偏差大的问题,提出了一种多层多元特征权重自适应融合三维重建网络(MMF-Net)。网络主要将PS-FCN作为基准模型,引入对称式编码-解码结构,增强网络的学习和特征表达能力,提升了不同层级之间特征整合能力;设计独立层间权重自适应调节的多元卷积层,通过增加额外的可训练权重,兼顾具有形状信息与纹理信息,并且能够更好地捕捉到表面纹理的细节变化信息,使得该网络在高频信息较密集场景下的表现更加稳定和准确;辅助增加跳跃连接结构,通过中间层特征跨层连接至后续层级,保留物体高频信息且强化低频信息,以实现物体高低频特征信息的融合性应用。利用DiLiGenT基准数据集进行了相关测试,实验结果表明,MMF-Net能够实现平均MAE达到6.94°,对比PS-FCN(Norm)的7.39°提升了6%,在其中两幅含有高频信息物体的平均重建误差为11.03°,对比先前方法FUPS-Net的12.52°提升了12%。MMF-Net实现了光度立体物体表面低频信息和高频信息的有效性获取,为以物体表面法向量为基础的三维高精度重建提供参考。 展开更多
关键词 深度学习 光度立体视觉 多元卷积 特征融合 自适应权重
在线阅读 下载PDF
基于多尺度特征融合与分块注意力的齿轮表面缺陷分割算法
11
作者 赵林 马思奇 +3 位作者 方一鸣 罗凯 张国云 石照耀 《光学精密工程》 北大核心 2025年第22期3536-3548,共13页
为解决传统分割模型在复杂背景干扰或齿轮细微缺陷区域的处理中,仍面临特征表达能力有限和鲁棒性不足的问题,本文提出一种基于多尺度特征融合与分块注意力的分割网络,以提升齿轮视觉特征的表征能力与细小缺陷的检测性能。首先,采用多尺... 为解决传统分割模型在复杂背景干扰或齿轮细微缺陷区域的处理中,仍面临特征表达能力有限和鲁棒性不足的问题,本文提出一种基于多尺度特征融合与分块注意力的分割网络,以提升齿轮视觉特征的表征能力与细小缺陷的检测性能。首先,采用多尺度特征增强模块替代UNet编码器中的标准下采样模块,通过并行多分支卷积结构协同提取多尺度、多方向特征,增强对局部细节与全局上下文的感知能力;其次,在下采样后引入分块特征聚焦模块,利用分块多头注意力机制对局部区域进行独立分析,显著提升模型对微小缺陷和局部纹理差异的敏感性;最后,设计加权联合损失函数,结合Dice损失、BCE损失与梯度差异约束,以缓解类别不平衡问题并优化分割边界质量。在自建与公开齿轮缺陷数据集上的实验结果表明,所提模型在多类型齿轮缺陷分割任务中性能均优于UNet及其他先进模型,精确率分别达到91.27%,85.88%。该方法在齿轮表面缺陷精确分割检测中具备有效性与实时性。 展开更多
关键词 表面缺陷检测 图像分割 UNet 分块注意力 齿轮
在线阅读 下载PDF
浮选泡沫低照度图像颜色深度编解码校正及多尺度增强
12
作者 孙磊 唐倩 +3 位作者 廖一鹏 廖玉华 董则希 何建军 《光学精密工程》 北大核心 2025年第10期1609-1626,共18页
浮选现场环境恶劣、光照条件复杂多变,针对现场采集的浮选图像易出现曝光不足、颜色失真等问题,提出了一种低照度图像颜色深度编解码校正及多尺度增强方法。首先,将低照度图像从RGB转换至HSV空间,针对明度(V)分量,采用非下采样剪切波变... 浮选现场环境恶劣、光照条件复杂多变,针对现场采集的浮选图像易出现曝光不足、颜色失真等问题,提出了一种低照度图像颜色深度编解码校正及多尺度增强方法。首先,将低照度图像从RGB转换至HSV空间,针对明度(V)分量,采用非下采样剪切波变换(NSST)进行多尺度分解;其次,提出基于全局空间模块的色彩编解码网络,通过挤压提取、色彩编码、色彩解码、颜色校正构建颜色深度编解码校正网络模型,对色度(H)、饱和度(S)分量进行颜色校正;然后,采用自适应模糊集增强V分量的低频子带图像,利用尺度相关系数有效滤除V分量中各高频子带的噪声成分,同时使用非线性增益函数对高频边缘系数进行显著增强处理;最后,对增强后的V分量各子带图像作NSST反变换重构,并将重构后的V分量与校正后的H分量、S分量融合转换回RGB空间。通过实验验证,与当前的主流方法相比,本文方法CIEDE平均降低14.8358,PSNR平均提高8.48 dB,结构相似度平均提高31.32%,连续边缘像素比保持在91%以上。本文方法显著改善了图像的亮度,提升了对比度、清晰度和信息熵,使图像颜色更接近真实色彩,保留了更多纹理细节,并在有效抑制噪声的同时,实现了边缘增强。 展开更多
关键词 浮选泡沫 低照度图像 颜色校正 颜色深度编解码网络 多尺度增强与去噪 非下采样剪切波变换 模糊集
在线阅读 下载PDF
机械臂辅助的微小光电传感组件精密装配方法
13
作者 王晓东 闫治宇 +3 位作者 侯瑞阳 王思志 肖思恩 徐征 《光学精密工程》 北大核心 2025年第16期2592-2601,共10页
微小光电组件是一些高性能传感器件的核心部件,其装配精度对传感性能影响显著。为了克服当前装配系统构型复杂、成本高、扩展性差等缺点,本文开展微小光电组件精密装配方法研究,主要工作包括:研制了机械臂辅助的精密装配系统,并开发了... 微小光电组件是一些高性能传感器件的核心部件,其装配精度对传感性能影响显著。为了克服当前装配系统构型复杂、成本高、扩展性差等缺点,本文开展微小光电组件精密装配方法研究,主要工作包括:研制了机械臂辅助的精密装配系统,并开发了小型化并联吸附装置;建立“状态冻结”与“标记点启发”相结合的视觉检测方法,按需推理世界坐标系与视觉坐标系关系,兼顾作业效率和精度;利用上述装置与方法,开展了典型光电组件的精密装配应用实验,实验结果表明:应用本文提出的机械臂辅助的装配方法,就可以将系统装配精度提高至10μm水平,突破了机械臂本身重复定位精度的限制,能够兼顾效率和精度,并且显著降低了设备的复杂度和成本,可以广泛应用于各类精密作业。 展开更多
关键词 精密装配 机械臂 视觉测量 微夹持器
在线阅读 下载PDF
轻巧型半主动激光制导光学系统设计
14
作者 姜洋 穆全全 +2 位作者 赵东旭 史屹君 霍东阳 《中国光学(中英文)》 北大核心 2025年第6期1431-1438,共8页
为降低激光制导导引头的失调角误差,需要在光学设计方面优化能量信号质量。本文基于像差理论结合光学设计软件的计算功能获得设计起点,分别从光学结构形式和像差平衡优化角度入手对光学系统进行逐步迭代设计。通过控制像方远心,增强光... 为降低激光制导导引头的失调角误差,需要在光学设计方面优化能量信号质量。本文基于像差理论结合光学设计软件的计算功能获得设计起点,分别从光学结构形式和像差平衡优化角度入手对光学系统进行逐步迭代设计。通过控制像方远心,增强光斑的对称性以提高测角精度;通过对光学塑料材料的性能分析,论证了采用光学塑料制造导引头光学结构的可行性。最终完成焦距为71.6 mm,F/#为1的光学系统设计,边缘视场主光线远心度小于6 mrad。在工作温度范围内,光斑尺寸的稳定性优于0.4%;全视场最大畸变小于0.5%,在±2°视场范围内的光斑线性度与能量响应一致性均能满足精确制导要求。基于最小初阶像差的结构设计思路可以用于折反系统的优化,该方法可为同类导引头光学结构设计提供借鉴。 展开更多
关键词 激光制导 齐明透镜 折反混合 光学设计
在线阅读 下载PDF
复杂天气条件下基于YOLO-CGT的自动驾驶车辆检测
15
作者 伍锡如 郝家琦 +4 位作者 赵一波 何佳融 葛舒雅 梁诗意 吴思明 《光学精密工程》 北大核心 2025年第19期3135-3149,共15页
针对复杂天气条件下检测车辆目标时,因存在目标模糊及遮挡造成车辆检测精度明显下降的现象,提出一种改进YOLOv8的车辆检测算法YOLO-CGT。该算法面向车载摄像头图像输入场景,通过在YOLOv8结构中引入多项改进,显著提升了在复杂环境下的检... 针对复杂天气条件下检测车辆目标时,因存在目标模糊及遮挡造成车辆检测精度明显下降的现象,提出一种改进YOLOv8的车辆检测算法YOLO-CGT。该算法面向车载摄像头图像输入场景,通过在YOLOv8结构中引入多项改进,显著提升了在复杂环境下的检测稳定性。其中,设计多尺度残差聚合模块替换原有主干网络结构中的C2f结构,用于增强原始信息的利用并减少网络深度带来的梯度消失问题;引入空间聚合模块,融合全局信息提取和局部信息感知;设计轻量级动态检测头,保证检测精度和效率的平衡;引入内最小点距离交并比(Inner-Minimum Points Distance Intersection over Union,Inner-MPDIoU)度量替换传统IoU,以减少目标框重叠问题。在复杂天气条件下的车辆数据集上进行训练和验证后,实验结果显示,该方法的平均检测精度达到81.4%,提升了6.3%,模型参数量为3.259×10^(6),计算量为9.7GFLOPs,在精度显著提升的同时保证了模型的轻量部署能力。该研究方法为自动驾驶系统的安全稳定运行提供了有力保障。 展开更多
关键词 自动驾驶 车辆检测 YOLOv8 复杂天气 多尺度特征
在线阅读 下载PDF
LightDiffu-DCE:基于光照强度扩散的低光照图像增强
16
作者 闫光辉 吴佰靖 马龙 《光学精密工程》 北大核心 2025年第7期1114-1129,共16页
针对低光照图像中不同光源的光照强度分布不均,在图像增强时造成轮廓特征丢失及效果不自然的问题,提出一种基于光照强度扩散的低光照图像增强方法(Light Diffusion based Zero-DCE Image Enhancement Algorithm,LightDiffu-DCE)。为增... 针对低光照图像中不同光源的光照强度分布不均,在图像增强时造成轮廓特征丢失及效果不自然的问题,提出一种基于光照强度扩散的低光照图像增强方法(Light Diffusion based Zero-DCE Image Enhancement Algorithm,LightDiffu-DCE)。为增强模型的泛化能力,提出了基于光源光照强度建模的扩散模型,以生成不同光照强度的训练数据集。设计了边缘特征融合的深度曲线估计网络,能够提取更丰富的低光照图像的多尺度轮廓和细节特征,提升对光照强度估计的准确性。为恢复出光照更加自然的图像,融合大气光估计来计算不同图像区域的光照强度,实现了对光增强曲线和光增强系数的动态微调。在无参考数据集ExDark和有参考数据集LOL上,使用6种评价指标进行实验分析。实验结果表明,相较于基准方法,LightDiffu-DCE在ExDark上的无参考评价指标NIQE,PIQE和RISQ上分别提升了约8.35%,6.20%和21.83%,在LOL数据集上的有参考评价指标PSNR,SSIM和RMSE提升了约12.12%,4.76%和49.89%。该方法可以有效增强低光照图像,且恢复出的低光照图像轮廓更加清晰,色彩鲜明且效果更自然。 展开更多
关键词 计算机视觉 扩散模型 低光照增强 边缘特征 深度曲线估计网络
在线阅读 下载PDF
方向引导与拓扑感知的光学遥感道路提取网络
17
作者 孟月波 黄欣羽 +1 位作者 苏世龙 王恒 《光学精密工程》 北大核心 2025年第10期1638-1656,共19页
针对光学遥感影像道路提取过程中连通性弱、细微分支遗漏以及预测路网与真实路网拓扑结构不一致等问题,本文提出了一种方向引导与拓扑感知的道路提取网络。首先,设计多路径方向引导模块关注多方向连接关系,分离并独立学习不同方向的连... 针对光学遥感影像道路提取过程中连通性弱、细微分支遗漏以及预测路网与真实路网拓扑结构不一致等问题,本文提出了一种方向引导与拓扑感知的道路提取网络。首先,设计多路径方向引导模块关注多方向连接关系,分离并独立学习不同方向的连通特征,增强道路分支间的联系,提高分割连续性;其次通过全粒度互补特征融合模块融合细、粗粒度特征的互补信息,强化道路细节与语义表达,提高网络对细微分支的捕捉能力;最后设计了拓扑感知损失函数,旨在从拓扑视角探索几何结构差异,增强模型对拓扑变化的敏感度,约束预测路网与真实路网的拓扑一致性。所提模型在Deep‐Globe与Massachusetts数据集上的F1值分别为81.95%和79.98%,对比现有最佳方法提升了0.73%和1.5%,IoU为69.35%和66.38%,提升了0.98%和0.66%。实验结果表明,RDTA-Net提取出的道路精确度和完整度优于其他主流方法。此外,在遮挡、噪声以及光照等复杂场景下,仍具有优越的提取效果。 展开更多
关键词 道路提取 连通关系 方向引导 全粒度特征融合 拓扑感知
在线阅读 下载PDF
多频磁场耦合的绝对式时栅角位移传感器
18
作者 杨继森 刘邦全 +3 位作者 易靖松 曹峻杰 罗云沛 张静 《光学精密工程》 北大核心 2025年第18期2882-2898,共17页
为了解决磁场式传感器双码道结构体积大和同频激励导致的码道串扰问题,并提升信噪比与测量精度,提出了一种多频磁场耦合的绝对式时栅角位移传感器设计方案,实现实时绝对角位移测量,以满足工业应用中的空间约束测量需求。首先,建立平面... 为了解决磁场式传感器双码道结构体积大和同频激励导致的码道串扰问题,并提升信噪比与测量精度,提出了一种多频磁场耦合的绝对式时栅角位移传感器设计方案,实现实时绝对角位移测量,以满足工业应用中的空间约束测量需求。首先,建立平面线圈瞬态磁场耦合理论模型,分析不同形状激励线圈磁场分布特性,基于增量式测量原理构建绝对式单码道角位移传感器模型;建立对极数互质绝对式时栅位移解算方案,采用500 kHz(粗机)与1 MHz(精机)双频同步激励方案下,利用高频转低频原理,解决高频激励信号下传感器高信噪比和高分辨力之间的矛盾问题;通过电磁仿真与误差分析,确定传感器最佳耦合间隙为1.0 mm;最后,研制了外径84 mm的传感器样机,并完成性能测试验证。实验结果表明,该传感器在实现小型化的同时,有效抑制了粗机和精机码道间的磁场串扰问题,在整周测量范围内,最大测量误差为±78″。 展开更多
关键词 绝对位移测量 多频磁场耦合 信噪比 位移传感器
在线阅读 下载PDF
优化ViT用于黑色素瘤分类:特征筛选与InfoNCE损失的结合
19
作者 黄金杰 马媛雪 《光学精密工程》 北大核心 2025年第16期2649-2660,共12页
针对Vision Transformer(ViT)在黑色素瘤图像分类中存在的特征冗余和泛化能力不足问题,提出一种融合动态特征筛选与对比学习的改进模型,以提升分类精度与临床诊断效率。首先,设计动态特征筛选模块,通过可学习的权重矩阵自适应强化关键... 针对Vision Transformer(ViT)在黑色素瘤图像分类中存在的特征冗余和泛化能力不足问题,提出一种融合动态特征筛选与对比学习的改进模型,以提升分类精度与临床诊断效率。首先,设计动态特征筛选模块,通过可学习的权重矩阵自适应强化关键特征并抑制冗余信息;其次,引入InfoNCE对比损失函数,联合交叉熵损失构建多目标优化框架,增强类间特征区分度;最后,在多头自注意力机制中嵌入关键特征引导机制,实现局部细节与全局语义的协同建模。在ISIC2018和ISIC2019数据集上的实验结果表明:改进模型分类准确率分别达到83.27%和80.17%,较基线ViT模型提升1.83%和0.49%;消融实验验证动态筛选模块减少18.7%冗余计算量,对比学习使类内特征相似度提升23.6%。所提方法显著提高了ViT模型对黑色素瘤的识别能力,分类精度与鲁棒性优于主流模型,为皮肤癌早期诊断提供了高精度、低冗余的自动化解决方案,具有一定的临床实用价值。 展开更多
关键词 图像分类 特征筛选 InfoNCE损失函数 ViT模型
在线阅读 下载PDF
针对RGBT跟踪的特殊属性的跨模态交互融合网络
20
作者 邵小强 李浩 +3 位作者 吕植越 马博 刘明乾 韩泽辉 《光学精密工程》 北大核心 2025年第2期324-336,共13页
因为不易受光照、遮挡影响以及极强的鲁棒性,RGBT目标跟踪在视频监控、自动驾驶等领域得到了广泛的应用。利用在红外图像和可见光图像中常见的挑战属性,将两种模态信息充分交互,构建了一个有效的跟踪网络,能够克服跟踪过程中一些常见的... 因为不易受光照、遮挡影响以及极强的鲁棒性,RGBT目标跟踪在视频监控、自动驾驶等领域得到了广泛的应用。利用在红外图像和可见光图像中常见的挑战属性,将两种模态信息充分交互,构建了一个有效的跟踪网络,能够克服跟踪过程中一些常见的不利场景带来的影响。该网络由特殊属性融合模块、共同属性融合模块和跨模态交互模块三部分组成,特殊属性融合模块让网络能够提取两种模态所特有的挑战属性信息,充分利用不同模态信息的优势;共同属性融合模块对目标跟踪中两种模态都匹配的属性提取特征并自适应聚合信息,给每个共同挑战属性分配对应的权重,增强跟踪器的自适应性;模态交互模块将红外图像和可见光图像进行模态交互,在两个特定模态信息中融合共同模态信息,让网络具有更强的鲁棒性;针对不同模态的信息损失异源问题,优化了损失函数,增强了对每个模态的关注,加快了网络的收敛速度。该网络分别在GTOT,RGBT234,LasHer数据集中进行了测试,在RGBT234数据集上达到了84.1%的精确率和57.3%的成功率,在Lasher数据集上达到了52.3%的精确率和39.1%的成功率。结果表明跟踪器达到了较好的性能,证明了该方法的有效性。 展开更多
关键词 目标跟踪 热红外跟踪 挑战属性 模态交互
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 80 下一页 到第 页
使用帮助 返回顶部