激光脉冲时域特性与探测器响应关系探讨

针对激光与光电探测器两种相互作用方式,选择四种常见的激光脉冲波形,建立简单数学模型,计算了光电探测器接收到的激光脉冲能量和脉冲激光在探测器上的有效持续时间,并据此分析激光脉冲时域特性与光电探测器的响应关系.计算结果表明,不同的激光脉冲波形引起的光电探测器的响应会有差异,并且,相对较长的大能量激光脉冲波形可能在探测器中引起较好的作用效果.     

小型TEA CO2激光器的温度特性

对小型TEACO2激光器的输出脉冲能量与温度的关系进行了实验测试和理论分析,结果表明,在一定温度范围内激光输出脉冲能量随温度的升高而近似线性下降。     

气体组份和峰化电容对脉冲HF激光输出特性的影响

研究了气体组份和峰化电容对紫外光预电离脉冲HF激光器性能的影响。实验发现最佳气体混合比为SF6 C2 H6 =2 0∶1,峰化电容和主放电电容的最佳比为Cp Cs =0 3,在最佳气体混合比时 ,最大激光脉冲能量和对应的总气压随充电电压的提高而增大。另外 ,激光脉冲宽度随气压的升高而减小。得到了 4 0 0mJ的能量输出 ,脉冲峰值功率为 1 5MW ,激光能量比输出达 31 7J l·atm ,最大电光转换效率约为 2 2 %。     

微弱回波条件下差分合成孔径激光雷达成像实验演示

本文针对差分合成孔径激光雷达(DSAL)未来应用场景具有回波信号微弱、平台与目标之间存在运动误差的特点,在微弱回波条件下进行了随机活塞运动目标的DSAL成像演示实验。采用波长为1 550nm的激光源,搭建了DSAL成像系统,接收孔径间距为188μm,目标距离为2.4m。通过在发射端加入偏振片对发射功率进行衰减,并利用步进线性平移台给目标到雷达之间的光程引入随机活塞运动误差。在激光发射功率约为50nW和20nW的情况下,对光程变化在[-5μm,5μm]的随机活塞运动目标进行DSAL成像实验,此时合成孔径激光雷达(SAL)图像由于随机相位误差而完全散焦,DSAL图像则聚焦良好。实验结果表明,在微弱回波条件下,DSAL系统仍能较好地消除相位误差,实现稳定成像。     

基于双重迭代的零样本低照度图像增强

针对低光照条件下拍摄图像质量低下的问题,该文提出一种基于双重迭代的零样本低照度图像增强方法。其外层迭代通过卷积神经网络估计增强参数,再由内层迭代进行图像增强,增强结果进一步用于计算损失函数并反馈更新外层的参数估计网络,最终通过多轮迭代生成高质量的图像。在该框架下,还设计了多尺度增强系数估计模块、基于注意力的像素级大气光估计模块,并提出了基于亮度对比度、大气光、颜色均衡以及图像平滑性先验的无监督损失函数。大量实验结果表明,该方法可有效将低光照图像增强为高质量的清晰图像,其性能优于现有的同类方法。同时该方法基于零样本学习,不需任何训练数据集,具有良好的普适性。     

基于语义导向的光场图像深度估计

光场图像的深度估计是3维重建、自动驾驶、对象跟踪等应用中的关键技术。然而,现有的深度学习方法忽略了光场图像的几何特性,在边缘、弱纹理等区域表现出较差的学习能力,导致深度图像细节的缺失。该文提出了一种基于语义导向的光场图像深度估计网络,利用上下文信息来解决复杂区域的不适应问题。设计了语义感知模块的编解码结构来重构空间信息以更好地捕捉物体边界,空间金字塔池化结构利用空洞卷积增大感受野,挖掘多尺度的上下文内容信息;通过无降维的自适应特征注意力模块局部跨通道交互,消除信息冗余的同时有效融合多路特征;最后引入堆叠沙漏串联多个沙漏模块,通过编解码结构得到更加丰富的上下文信息。在HCI 4D光场数据集上的实验结果表明,该方法表现出较高的准确性和泛化能力,优于所比较的深度估计的方法,且保留较好的边缘细节。