一种测量体光栅调制度和有效厚度的新方法

以Kogelnik的体相位光栅耦合波理论为基础,通过测量光折变体光栅的衍射效率与布喇格偏移角的关系曲线,并根据该曲线的3dB带宽和旁瓣峰值的相对大小及其角度偏移量,可计算出光折变体光栅的折射率调制度和有效厚度。对LiNbO3：Fe晶体的实验测量结果很好地验证了该方法的可行性,其测量精度与数字全息术和马赫一曾德干涉仪的方法相当,但测量过程却更加简单。     

基于数字全息显微术的液体透镜参数测量方法

提出了一种利用数字全息显微术测量液体透镜表面曲率半径及焦距参数的实验方法。针对液体透镜表面不能接触、直径较小、侧壁材料非透明等因素,采用具有像差校正功能的立式马赫-曾德尔干涉仪光路实验记录液体透镜液面的数字全息图,数值再现得到携带液面信息的物光波前相位分布信息,并经数值计算和拟合得到液面轮廓曲线,最终得出液面曲率半径以及液体透镜的焦距等参数,进而利用该方法对标准平凹透镜的曲率半径和焦距等参数进行了测量,以验证其正确性。结果表明,所提出的方法是一种高精度、非接触测量液体透镜液面曲率及焦距参数的有效手段。     

利用双波长数字全息术测量微小物体表面形貌

针对表面高度起伏较大的物体的三维形貌测量问题,提出了一种改进的离轴双波长数字全息测量方法。利用偏振分光原理,将两个波长的物光信息同时记录在一幅全息图上,并借助两个波长的频差形成远大于单一波长的等效波长,从而将数字全息术的纵向测量范围拓展到微米甚至毫米量级范围,有效克服了单波长数字全息术测量形貌起伏较大物体时不可避免的相位去包裹问题。对微米量级高度起伏的台阶状样品形貌进行了实验测量,测量结果与样品标称值及台阶仪测量值具有很好的一致性,证明了该方法的有效性。     

基于深度学习的图像配准方法研究进展

近年来,图像采集设备的高速发展极大地丰富了图像种类和数量。图像配准技术作为图像分析和处理的关键,在图像融合、模式识别和计算机视觉等领域作用日益重要,如何实现高精度、实时配准已成为该领域的研究重点。与此同时,深度学习技术发展迅速,卷积神经网络在图像表示、特征提取等方面显示出独特优势。本文系统综述了基于深度学习技术实现图像配准的相关研究进展,深入讨论了基于深度迭代配准、全监督图像配准、弱/双重监督图像配准、无监督图像配准等典型的深度学习的图像配准方法,总结了相关领域研究人员所面临的共同挑战,并指出了未来可能的研究方向。     

基于深度学习的稀疏或有限角度CT重建方法研究综述

由于计算机断层扫描（CT）成像技术对物体内部结构具有出色的可视化能力，其在临床医学诊断中获得广泛应用。但是X射线辐射会对人体造成伤害，通常采用降低扫描强度或者减少扫描角度数量的方式降低患者受到的X射线辐射剂量，然而在欠采样投影数据条件下重建的低剂量CT图像会有严重的条状伪影和噪声。近年来，深度学习技术快速发展，同时卷积神经网络在图像表示与特征提取等方面展现出巨大优势，应用在稀疏或者有限角度下的CT重建任务中可以实现快速和高质量的重建。因此面向稀疏或者有限角度条件下的CT重建技术，综述了深度学习技术在图像域后处理、正弦域预处理、双域数据联合处理、迭代重建算法和端到端映射重建5个方面的国内外最新研究进展，对当前基于深度学习的稀疏或者有限角度CT重建方法的技术特点及其局限性进行分析，并展望了未来可能的研究方向。