【摘 要】
：
提出了紧凑型矢量光场发生器中4f系统在横向和纵向上的精确对齐方法,并进行了实验验证.将设计的特定相位图加载到矢量光场发生器中,通过调整4f系统中各元件之间的距离以及物
【机 构】
：
上海理工大学光电信息与计算机工程学院
【基金项目】
：
国家自然科学基金(92050202,61805142)。
论文部分内容阅读
提出了紧凑型矢量光场发生器中4f系统在横向和纵向上的精确对齐方法,并进行了实验验证.将设计的特定相位图加载到矢量光场发生器中,通过调整4f系统中各元件之间的距离以及物面和像面到相应透镜的距离,以CCD采集光斑图像的锐利程度作为判据来实现4f系统的纵向对齐.以空间光调制器的相位控制区域作为参考坐标系,采用四象限图测量另外三个调制区域的光斑在横向上的坐标位移,通过在设计的相位图中预补偿测量到的坐标位移来实现4f系统的横向对齐.实验结果表明,所提出的4f系统对齐方法可以显著减小矢量光场发生器中所调制光斑的衍射效应.
其他文献
使用单像素探测器实现成像需要大量采样。对于目标区域仅占场景一部分的情况时,我们提出了自适应Radon单像素成像方法,能够使用单像素探测器实现目标区域的定位和成像。本文对该方法的目标定位方式、编码采样算法、重建算法等进行研究,以减少单像素成像的采样数量。基于Radon变换的基本原理,使用图像在水平和垂直方向的投影信息,以获取场景中目标区域的大小和位置。建立自适应Radon-Hadamard单像素成像
高分辨率图像具有特征尺度差异较大的特点,针对其造成的细粒度特征难以捕获、多尺度特征融合不佳问题,提出一种共享核空洞卷积与注意力引导(Kernel-Sharing Dilated Convolutions and Attention-guided FPN,KDA-FPN)的复杂场景文本检测方法;提出最小交集(Intersection Over Minimum,IOM)后处理策略,改善因文本长宽比变化
碳纳米管的拾取对大规模制造和修复电子纳米器件具有重要意义.本文在扫描电子显微镜内搭建微纳操作系统,提出在高低放大倍率下协同操作钨针和原子力显微镜探针与碳纳米管搭建
为了解决大视场巡天望远镜中大口径透镜支撑问题,提出了一种双级柔性支撑结构,既可以保证透镜位置精度和面形精度,又能够克服镜框结构弹性变形的影响.首先,详细阐述了大口径
大多数视觉里程计通过跟踪图像序列中点特征几何位置的变化实现对相机位姿的估计。线是点的集合,相对于离散的点,帧间线特征的位置变化更具有显著性,因而有利于提高特征检测跟踪的鲁棒性。另外,在一些弱纹理场景中,点特征不够丰富,作为对点特征的补充,提出了一种融合点线特征的立体视觉里程计算法。构建新颖的点线重投影误差模型作为目标函数求解旋转矩阵和平移向量。模型中,使用Huber核函数减小特征误匹配对优化过程的
测量高超声速风洞试验中模型颤振数据对飞行器安全设计至关重要,接触式传感器测量存在精度低、使用不便等缺点。本文采用非接触式立体视觉三维测量技术,测量试验过程中模型表面关键点的振动变形,为模型颤振分析提供基础数据。为了克服试验过程中试验段内的气压从真空到常压交替变化引起的强烈振动,通过设计视觉测量系统密封装置与气浮减振器,将视觉三维测量装备放置到Φ1 m高超声速风洞试验段内,并提出基于模型关键点与系统
本文研究中频感应淬火及回火对45Mn钢棒组织和硬度的影响。研究表明:45Mn钢经过中频感应淬火后,从表面到心部分别为淬硬区、过渡区和热影响区,淬硬区为细密均匀的针状马氏体,过渡区为淬火马氏体+屈氏体,热影响区为屈氏体+珠光体。中频感应回火后,淬硬区为回火索氏体,过渡区为回火索氏体+珠光,心部热影响区为索氏体+珠光体以及沿晶界分布的网状铁素体。870℃淬火时淬硬区宽度为8.7 mm,过波区宽度为6.2 mm,经550℃回火后淬硬区与过渡区宽度变化不明显。
针对去雾领域中传统方法受手动设置特征的限制,以及现有网络去雾不彻底和细节保持不佳等问题,提出一种分离特征和协同网络下的端到端图像去雾模型。首先对传统的大气散射模型进行变形,分离出乘性特征和加性特征。其次,根据两个特征对最终去雾结果的影响程度,设计基于乘性特征和加性特征提取框架并行驱动的去雾网络。其中,乘性特征提取网络充分考虑了不同深度的空间信息及细节特征,通过各层之间密集级联达到特征重用和信息补偿
为研究探测光斑尺寸对热透镜聚焦误差信号的影响,建立了基于光学相移理论的热透镜聚焦误差信号理论模型,给出了构型参数优化条件及最大聚焦误差信号的理论值。通过数值计算,分析了探测光斑尺寸对聚焦误差信号及其线性范围的影响。计算结果表明:聚焦误差信号随着探测光斑半径的增大先增大后减小,当探测光斑半径为激励光斑半径的1.14倍时聚焦误差信号最大,与理论结果一致;聚焦误差信号的线性范围随着探测光斑半径的增大而减小,在探测光的最大光学相移小于0.4 rad时,聚焦误差信号的非线性误差小于1%。
鉴于传统深度学习方法只提取了高光谱图像中的深度抽象信息,而未能充分揭示样本之间的局部几何结构关系,限制了分类性能的提升,本文提出了一种新的特征提取网络——深度流形重构置信网络。该网络首先通过深度置信网络提取深度抽象特征,为进一步增强抽象特征的鉴别能力,在图嵌入框架下通过样本数据的邻域点和各邻域的同类近邻重构点来构建类内图和类间图,并在低维空间中分离类间近邻点与其重构点的同时压缩类内近邻点和相应的重