基于深度学习的目标检测方法是当前计算机视觉领域的研究热点,但在小目标的检测问题上,基于深度学习的检测器存在较多的漏检。高光谱图像的每个像元包含了物质的光谱信息,能够提升小目标的检测率。然而,高光谱图像的相邻波段相关性高,需要从中选取具备代表性的波段以降低计算冗余。为此,提出了一种高光谱小目标检测模型,使用径向基激活函数(RBAF)进行光谱筛选与目标检测。具体而言,针对高光谱图像波段冗余的特点,利用RBAF设计注意力机制进行光谱维的特征筛选;针对小目标纹理模糊,相对于背景不显著的特点,先对输入图像进行分辨率重建,随后利用RBAF构建径向基目标输出子网络(RBOON),以加强目标分类。为了简化模型,将光谱筛选与分辨率重建整合为注意力分辨率重建子网络(ABRRN),配合径RBOON,检测模型能够筛选特定光谱,抑制虚警,从而提高小目标检测的正确率。高光谱小目标检测实验表明,本研究方法可以使两种检测精度评价指标AP50和AP50:95分别提升5.4%和0.2%,相较其他方法更具备优势。

A two-wavelength sinusoidal phase-modulating (SPM) laser diode (LD) interferometer for nanometer accuracy measurement is proposed. To eliminate the error caused by the intensity modulation, the SPM depth of the interference signal is chosen appropriately by varying the amplitude of the modulation current periodically. Then, the refine theory is induced to the measurement, and the two-wavelength interferometer (TWI) is combined with the single-wavelength LD interferometric technique to realize static displacement measurement with nanometer accuracy. Experimental results indicate that a static displacement measurement accuracy of 5 nm can be achieved over a range of 200 \mu m.

在双波长半导体激光(LD)正弦相位调制(SPM)干涉仪中，通过注入电流调制LD波长的同时，光源的输出光强也被调制，影响了测量精度。提出了一种新的双波长LD SPM干涉仪，通过对干涉信号进行处理，得到与干涉信号相位相关的线性方程组，利用该方程组精确计算相位，消除了光源光强调制的影响，使测量误差由6 μm减小至1 μm，并利用该干涉仪与波长扫描技术相结合实现了绝对距离的测量，当待测距离为60~280 mm时，测量结果的重复性为1 μm。