————  2019年第07期優秀論文  ————

 

超快光纖激光器中孤子瞬態動力學特性研究進展(封面論文,特邀綜述)

魏志偉, 劉萌, 崔虎, 羅愛平, 徐文成, 羅智超

[第一單位] 華南師范大學廣東省納米光子功能材料與器件重點實驗室

[摘要] 回顧了鎖模光纖激光器中各種孤子動力學特性的研究狀況,介紹了近年來基于色散傅里葉變換(DFT)技術的超快光纖激光器孤子瞬態動力學特性的研究進展,分析了同時利用時間透鏡和DFT 技術的...

 全文 | 引用本文 | 本期目錄                                                                                   2019年第56卷第07期, p.070006  

光聲成像技術在早期癌癥檢測治療中的潛在應用

吳華欽, 王昊宇, 謝文明, 李志芳, 吳淑蓮, 李暉

[第一單位] 福建師范大學光電與信息工程學院醫學光電科學與技術教育部重點實驗室暨福建省光子技術重點實驗室

[摘要] 光聲成像技術通過檢測光聲效應中的超聲信號,克服了光在生物組織體傳輸過程中的強散射作用,突破了傳統光學成像的成像深度淺以及聲學成像的對比度低的局限,在早期癌癥檢測中具有廣泛的應用前景,有望成為腫瘤的診斷、定位、分期和治療的有效手段...

 全文 | 引用本文 | 本期目錄                                                                                  2019年第56卷第07期, p.070001 

二維層狀鈣鈦礦材料及其應用研究進展

韓娜, 冀婷, 崔艷霞, 李國輝, 張恒康, 郝玉英

[第一單位] 太原理工大學物理與光電工程學院新型傳感與智能控制教育部重點實驗室

[摘要] 介紹了二維層狀鈣鈦礦材料的晶體結構及其基本光電特性;總結了二維層狀鈣鈦礦材料在太陽電池、發光二極管、光電探測器等領域的最新應用;指出該類材料目前存在的主要問題和發展前景,以期為...

 全文 | 引用本文 | 本期目錄                                                                                  2019年第56卷第07期, p.070002 

無標記顯微成像技術的研究進展(特邀綜述)

張佳, 洪亮, 任升, 周非凡, 胡睿, 屈軍樂, 劉麗煒

[第一單位] 深圳大學光電工程學院光電子器件與系統教育部/廣東省重點實驗室

[摘要] 無標記顯微成像技術包括光學相干層析、光聲成像、非線性成像和微球透鏡成像等技術.概述了目前常用的無標記顯微成像技術,并對各種傳統和先進的成像原理進行了總結.詳細介紹了各種無標記成像技術的優缺點和最新研究進展...

 全文 | 引用本文 | 本期目錄                                                                                 2019年第56卷第07期, p.070005 

基于圖像融合的無參考立體圖像質量評價

黃姝鈺, 桑慶兵

[第一單位] 江南大學物聯網工程學院江蘇省模式識別與計算智能工程實驗室

[摘要] 提出了一種基于圖像融合的無參考立體圖像質量評價算法.該算法利用小波變換分解重構立體圖像的左右視圖并融合在一幅圖像中,歸一化處理融合圖像的亮度系數,均衡各部分亮度并保留融合圖像的結構信息,使用卷積神經網絡進行特征提取...

 全文 | 引用本文 | 本期目錄                                                                                 2019年第56卷第07期, p.071004 

適用于超聲成像的旁瓣相消算法

李嘉科, 陳曉冬, 汪毅, 郁道銀

[第一單位] 北京機械設備研究所

[摘要] 為提高超聲回波圖像的橫向分辨率、對比度,抑制最大旁瓣能量,提出一種適用于超聲成像的旁瓣相消算法.利用基于特征空間的廣義消旁瓣算法獲得權值矢量,通過超聲回波信號的相干系數優化權值矢量,對常見的點目標和暗斑進行成像...

 全文 | 引用本文 | 本期目錄                                                                                    2019年第56卷第07期, p.071103 

基于深度學習的紅外與可見光決策級融合跟蹤

唐聰, 凌永順, 楊華, 楊星, 同武勤

[第一單位] 國防科技大學電子對抗學院

[摘要] 提出了一種基于深度學習的紅外與可見光決策級融合跟蹤方法.通過建立參數傳遞模型,從現有基于深度學習的檢測模型中抽取指定對象的可見光檢測模型,作為紅外檢測的預訓練模型,在采集的紅外圖像數據集上進行微調訓練...

 全文 | 引用本文 | 本期目錄                                                                                   2019年第56卷第07期, p.071502