最新刊期
2026年第34卷第18期
-
透射光谱数据增强策略的水体细菌识别 AI导读
摘要：为实现水体细菌的准确识别，本研究采用透射光谱技术，结合生成对抗网络数据增强方法，对五种典型水体细菌进行分类识别。针对透射光谱样本获取成本高、易受仪器性能影响、小样本下模型泛化能力不足等问题，提出基于动态筛选生成对抗网络（DFGAN）的光谱数据增强策略，并构建卷积神经网络（CNN）分类模型。首先采集五种细菌在不同培养时段和梯度浓度下的600条透射光谱作为原始数据集；随后搭建深度卷积生成对抗网络（DCGAN）与DFGAN进行数据增强，从视觉形态、统计分布相似度和特征空间多样性三个维度评估生成光谱质量；最后对比支持向量机、K近邻及CNN三类分类器的识别效果。结果表明：DFGAN生成光谱的质量显著优于DCGAN；DFGAN-CNN方法所建立水体细菌识别模型性能最优，识别准确率达95.00%，精确率95.45%，召回率95.00%，F1分数95.00%，具有最佳的准确性和鲁棒性。该方法为水体细菌检测提供了新途径，也为光谱分析领域的小样本问题解决提供了技术参考。关键词：透射光谱;数据增强;水体细菌;识别;动态筛选生成对抗网络4|0|0更新时间：2026-10-08 -
偏振双向反射分布函数的物理约束重建方法 AI导读
摘要：针对偏振双向反射分布函数数据库中，测量数据在插值重建时精度不足且易违反物理约束，从而降低偏振渲染结果准确性与可信度的问题，提出一种面向偏振渲染的 pBRDF 物理约束重建方法。首先，将 pBRDF 数据映射至圆柱坐标空间，以消除参数奇异性和边界不连续性；其次，通过基于周期性距离度量的局部线性插值方法获得初始穆勒矩阵，并依次施加互易性对称化、Cloude半正定特征值截断及能量守恒投影，保证重建结果满足物理可实现性；最后，将重建数据嵌入偏振光线追踪流程进行渲染验证。基于KAIST数据集的实验结果表明，该方法将单材质数据存储规模由912 MB压缩至650 MB；在Gold和Purple Silicone 材质上均实现了零物理违反率；与TD方法相比，Gold材质的偏振度与偏振角图像SSIM值分别提高4.3%和4.5%，Purple Silicone材质分别提高0.8%和5.0%。该方法兼顾了重建精度、物理正确性和存储效率，可为pBRDF测量数据的高精度重建与真实感偏振渲染提供有效支撑。关键词：偏振双向反射分布函数;穆勒矩阵;圆柱坐标表示;物理约束插值;偏振渲染3|0|0更新时间：2026-10-08 - 摘要：积雪对地球能量平衡、水文循环和气候变化具有重要影响，其反射特性是表征地表辐射传输过程的重要基础，积雪同时也是冬季战场最主要的地物背景之一。自然积雪表面常受风场和下垫面地形影响形成雪垄等宏观结构，改变光线传播路径和散射方向，并进一步影响积雪的偏振反射特性。然而，雪垄等宏观结构对积雪偏振反射特性及偏振反射模型适用性的影响仍缺乏系统认识。为此，本文以平坦雪面和雪垄雪面为研究对象，通过改变太阳入射方向与雪垄走向的相对关系，构建平坦雪面、雪垄垂直于入射方向和雪垄平行于入射方向三种观测情形。利用多角度偏振观测系统测量三种情形下半球空间偏振反射系数的角度分布特征，并基于观测数据评估两种典型偏振反射模型——Litvinov模型和Nadal-Breon模型的模拟能力。结果表明，平坦雪面及雪垄平行于入射方向时，偏振反射在半球空间内呈现较为规律的分布特征，主要表现为前向散射方向的显著增强；而雪垄垂直于入射方向时，前向散射方向的偏振反射幅度明显减弱，后向散射方向的偏振反射则有所增强。模型评估结果显示，Litvinov模型与Nadal-Breon模型在平坦雪面条件下均表现出较高的模拟精度，R²分别为0.86和0.84，相对均方根误差均低于29%。然而，在雪垄结构条件下，模型精度显著下降：对于雪垄平行于入射方向的情形，R²分别降至0.73和0.64，相对均方根误差约为39%；在雪垄垂直于入射方向的情形下，由于前向和后向散射方向偏振反射分布的差异性变化，偏离了模型假设，表现出最差精度，R²分别为0.43和0.44，相对均方根误差约为50%。综上，本文揭示了雪面结构对偏振反射特性的显著影响，并指出现有偏振反射模型在描述雪垄结构时存在明显局限性，从而表明在复杂地表条件下开展偏振遥感应用仍存在不确定性，同时为后续雪面偏振反射模型的改进与构建提供了依据。关键词：多角度偏振反射;积雪;雪垄;偏振反射模型3|0|0更新时间：2026-10-08
现代应用光学
-
基于线激光扫描的钢管表面缺陷检测方法 AI导读
摘要：针对现有无缝钢管表面缺陷检测方法依赖标注样本、感知模态单一、硬件成本高昂且难以兼顾工业现场检测效率与精度的问题，提出一种基于线激光扫描的二维与三维融合缺陷检测方法。首先，利用光路设计获取钢管表面数据，实现灰度与深度信息的像素级对齐。其次，提出相对比值法，规避复杂光照环境下钢管反射系数标定难题，并构建参数化基准模板生成机制，实现多规格管径的自动识别与整批复用。再次，针对复杂检测环境，提出分层相对位置计算策略，抑制传送带振动造成的检测干扰。最后，通过灰度纹理与几何偏差双重比对算法，对凹槽、凹坑、穿孔与氧化皮等典型缺陷进行辨识。实验结果表明：系统综合检测准确率达99.40%，可在传输速度为1.2 m/s的工况下，有效识别0.50 mm级的微小缺陷。设计的系统可实现钢管外表面全覆盖检测，满足工业现场在线检测的准确率与实时性要求。关键词：钢管表面;缺陷检测;线激光;三维视觉;管径测量4|0|0更新时间：2026-10-08 -
纳米精度玻璃非球面柱阵列透镜模压成形制造 AI导读
摘要：玻璃非球面柱阵列透镜具有低像差、高准直、良好匀光能力和高集成度等优点，在高功率激光及光通信耦合等领域具有广阔应用前景，然而，其制造面临模具加工难、模压面形难以调控等难题。本文通过建立柱阵列仿真模型，对模具进行优化设计及面形误差预测，进而实现模具预补偿。提出了针对低熔点玻璃的模具基材选择、Ni-P电镀层热处理、单点金刚石刨削加工和Ti-DLC涂层提升模具硬度和耐磨性的微结构阵列模具制造成套工艺路线，采用多步加热与退火、模压速率分段控制模压成型工艺开展模压试验。试验结果表明，该工艺加工的非球面柱面平均表面粗糙度为Sa 1.553 nm，平均面形精度为PV 0.208 µm，模压出的非球面柱阵列玻璃透镜面形精度PV≤0.3 µm，表面粗糙度Sa≤3 nm。模具预补偿方法和制造工艺可为批量生产低熔点微结构阵列玻璃光学元件提供参考。关键词：非球面柱阵列;玻璃透镜;预补偿;模具制造;阵列模压成形2|0|0更新时间：2026-10-08 -
高温压电式力传感器的动力学建模与实验研究 AI导读
摘要：针对传统测力传感器在高温工况动态力监测中普遍存在的测量精度不足与高温稳定性弱的问题，研发了一款适配常温至350 ℃中高温工况、具备优秀动态响应能力的新型压电式力传感器，并提出一种融合单因素敏感性分析-非线性回归建模-爱情进化算法参数优化的传感器设计方法。通过机理建模方法构建传感器质量-刚度-阻尼集中参数动力学模型，采用控制变量法筛选出影响固有频率的5项核心参数，结合逐步回归法建立含交互项与高次项的高精度非线性回归模型。以最大化固有频率为优化目标，采用爱情进化算法完成传感器结构优化。搭建高温动态性能测试系统，对所研制传感器的高温动态性能进行实验测试。结果表明：研制的传感器非线性度为1.07%，重复性误差为1.37%，在预设温度范围内，动态灵敏度稳定保持在30.33 pC/N以上，温度漂移系数仅为-0.014%/℃。该研究结果可为高温工况用压电式力传感器的结构设计与参数优化提供理论参考。关键词：高温;压电式力传感器;爱情进化算法;动态力检测;结构优化2|0|0更新时间：2026-10-08
微纳技术与精密机械
-
利用单目观测的无人机对地目标定位方法 AI导读
摘要：针对传统无人机单目视觉对地目标定位方法依赖目标或场景先验信息、定位精度不高的问题，提出一种最多使用双观测点的无人机对地目标精确定位方法。首先考虑了无人机位姿与云台姿态变化、云台转动中心偏离无人机重心以及成像系统光心偏离云台转动中心等影响定位精度的因素，建立了地面目标在载机地理坐标系下的投影模型，提高了模型对无人机观测地面目标的通用性；其次根据地面是否平坦设计了单观测点和双观测点对地目标定位算法，通过构建几何方程高效求解目标位置坐标。以Phantom 4-RTK无人机为例，通过蒙特卡洛仿真与实际实验，分析了无人机对地目标定位精度的影响因素及效果，并验证了提出方法的有效性。仿真结果表明，Phantom 4-RTK无人机对地目标的最高定位精度可达分米级，高程与云台姿态角的测量精度是影响定位误差的主导因素，双观测点与目标之间交会角大于60°时可保证定位的稳定性；实际实验结果表明，无人机距地高度为10~20 m时，提出的方法对平坦地面单观测点定位的误差为0.34 m，较现有方法定位误差减小60%，对非平坦地面双观测点定位的误差为0.47 m，较现有方法定位误差减小92.27%。提出的方法在平坦与非平坦地面场景均能实现目标精确定位，具有良好的应用前景。关键词：无人机;目标定位;单目视觉;双观测点2|0|0更新时间：2026-10-08 - 摘要：针对关联成像在实际场景中复杂噪声下难以兼顾结构恢复与噪声抑制的问题，本文提出一种基于Tikhonov正则化与深度去噪相结合的两阶段快照式关联成像重建框架。第一阶段利用Tikhonov正则化求解关联成像逆问题，通过正则化约束抑制病态性，获得结构信息保持良好的稳定初始重建结果；第二阶段，本文在Noise2VST中引入基于成像物理的数据保真约束，构建联合优化的自适应去噪模块。该模块利用方差稳定变换将复杂残余噪声映射为近似加性白高斯噪声，并在自监督约束与物理数据保真约束的共同作用下实现自适应去噪，从而在抑制残余噪声的同时有效保留图像细节与边缘结构。实验结果表明，所提方法在不同采样条件下均具有良好的重建性能。在高采样条件下，相较于Tikhonov方法，PSNR提升4.68 dB，SSIM提升0.375；在低采样条件下，仍保持较好的视觉质量和定量重建性能，验证了方法的有效性与鲁棒性。关键词：关联成像;Tikhonov正则化;方差稳定变换;图像重建2|0|0更新时间：2026-10-08
-
基于全局高斯分布和统计范数度量的图像分割 AI导读
摘要：针对传统水平集分割算法对初始轮廓敏感以及噪声鲁棒性较差的问题，提出了一种基于全局高斯分布和统计范数度量的分割模型，该模型融合了图像的边缘信息和全局区域信息，实现了对目标边界的提取，提高了初始轮廓和噪声的鲁棒性。首先，采用全局信息融合的策略，设计了一个全新的全局能量项作为数据项。同时，利用全局能量项和正则化项将初始轮廓驱动到目标边界，达到对目标区域的精确分割。其次，定义了一个用水平集函数拟合能量的全局高斯分布，并将全局均值和方差作为变量。最后，在迭代过程中，通过交错的水平集演化和全局强度均值和方差的估计来实现能量最小化。在合成图像、真实图像及自然图像上的实验结果表明，所提模型对高斯噪声、斑点噪声及椒盐噪声均展现出良好的分割效果。此外，在分割精度与算法运行时间等方面，该模型均优于其他经典的主动轮廓模型。本文模型提升了高噪声图像的分割准确性，较好地实现了目标边界的提取，在分割精度与计算效率方面均展现出优越性能。关键词：图像分割;活动轮廓;统计范数;水平集;高斯分布2|0|0更新时间：2026-10-08 - 摘要：针对高分辨率遥感影像建筑物提取中目标尺度跨度大、顶层纹理复杂及背景环境干扰，导致传统模型提取大型建筑物时易产生内部空洞、小型目标易丢失边界几何特征的问题，本文提出一种融合多尺度局部特征与全局空间表征的双流网络架构。构建以全对称U-Net为拓扑基础的混合网络：在编码阶段，设计层级式特征金字塔提取多分辨率局部纹理信息，并于空间分辨率为原始尺寸1/16的最深层嵌入Vision Transformer模块，利用多头自注意力机制完成长距离依赖建模；在解码阶段，引入自适应双重注意力重标定机制，通过级联的卷积块注意力模块（CBAM）从空间与通道维度对跳跃连接传递的特征进行噪声抑制，并融合交叉注意力模块以对齐多尺度特征；在网络末端构建分割与边界预测并行的多任务输出分支，利用边界损失函数进行联合优化。在WHU航空影像数据集中，本文模型的交并比（IoU）达到89.48%，F1分数达到94.45%，精确率为90.12%，召回率达到99.21%；对比U-Net架构，交并比与F1分数分别提升13.95%与14.05%。在背景复杂的ISPRS Potsdam数据集中，模型召回率稳定在90.48%。消融实验表明，全局自注意力模块的引入使交并比提升了6.67%，有效改善了目标内部特征丢失现象。该网络架构在可控的计算开销下实现了对多尺度建筑物空间拓扑与局部轮廓的有效提取，弥补了二维卷积模型的局部感受野局限，在城市空间演变监测与地理基础数据库更新等工程应用中具有实际部署价值。关键词：建筑物提取;语义分割;多头自注意力机制;特征重标定;多任务学习2|0|0更新时间：2026-10-08
- 摘要：跨域少样本高光谱图像分类面临域偏移与标注稀缺的双重挑战。现有方法多依赖纯视觉特征或采用固定的文本-视觉对齐策略，难以刻画细粒度光谱判别信息，且忽略目标域样本的质量差异。为此，提出一种文本增强动态对比与自适应原型引导分类方法。首先，通过双分支多尺度网络提取图像块的空谱视觉特征，并引入CLIP文本编码器获取类别级语义表示作为跨域稳定锚点；在此基础上，设计文本增强动态对比学习策略，根据视觉混淆程度动态调节难负样本权重，提升细粒度类别的判别能力；同时构建自适应原型引导损失，依据目标域原型在源域特征空间中的判别显著性自适应融合文本锚点与源域视觉邻居，通过梯度反传间接提升目标域原型的可靠性。以Chikusei为源域，在Indian Pines，Houston和Salinas三个目标域数据集上进行跨域实验，所提方法的总体分类精度分别达到81.22%，76.82%和93.32%，较现有主流跨域少样本分类方法提升约2%~5%。所提方法通过动态对比学习与自适应原型引导的有效协同，显著提升了跨域少样本场景下的分类精度与稳定性。关键词：高光谱图像分类;跨域少样本学习;动态对比学习;自适应原型引导;跨模态对齐3|0|0更新时间：2026-10-08
- 摘要：针对车载铁路扣件检测中隧道内光照不足、补光不均和局部阴影造成的图像亮度不足、边缘模糊及关键结构难以辨识问题，提出一种多尺度结构感知低照度图像增强网络（Multi-Scale Structure-Aware Network，MSA-Net）。该网络以自校准光照网络（Self-Calibrated Illumination，SCI）为基础，通过多尺度特征提取模块（Multi-Scale Feature Extraction Module，MSFE）获取不同感受野下的光照、纹理和边缘信息，利用低照度结构感知注意力模块（Structure-Sensing Attention Module，SSA）强化螺栓轮廓、弹条纹理和扣件边界响应，并采用自适应残差融合模块（Adaptive Residual Fusion Module，ARF）根据区域退化程度动态调节增强强度。在福州滨海快线低照度铁路扣件数据集上开展消融、算法对比及下游检测实验。结果表明，MSA-Net的标准差、平均梯度、信息熵、自然图像质量评价和无参考图像空间质量评价分别为46.39，30.49，4.88，21.36和26.34；模型参数量为0.016 M，计算量为9.782 GFLOPs，增强速度达到302.39 FPS。采用正常光照图像训练的YOLOv8检测器时，MSA-Net增强输入的精确率、召回率、mAP@0.5和mAP@0.5：0.95分别达到86.10%，83.60%，85.80%和59.00%，端到端处理速度达到99.02 FPS；采用低照度原图训练的YOLOv8检测器时，四项指标分别达到88.10%，85.40%，88.60%和61.80%。在两个公开低照度图像数据集上的实验进一步验证了该方法的场景适应性。所提方法能够在保持实时处理效率的同时改善低照度扣件图像质量和结构可辨识性，可为车载铁路扣件检测提供稳定的图像输入。关键词：低照度图像增强;铁路扣件;多尺度特征提取;结构感知注意力;自适应残差融合2|0|0更新时间：2026-10-08
信息科学
- 地址：长春市东南湖大路3888号 邮编：130033
- 联系电话：0431-86176855 Email：gxjmgc@ciomp.ac.cn
- 本系统由Light学术出版中心、北京北大方正电子有限公司共建 吉ICP备11002662号-17
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
0