高性能980nm单模半导体激光器

兵工学报 ›› 2010, Vol. 31 ›› Issue (8): 1110-1114.

高性能980nm单模半导体激光器

尚斐₁，杜慧茜₂

（1.北京理工大学生命学院, 北京 100081;2.北京理工大学信息与电子学院北京 100081)

收稿日期:2009-03-02 修回日期:2009-03-02 上线日期:2014-05-04
通讯作者: 尚斐₁ E-mail:bit552sf@bit.edu.cn
作者简介:尚斐（1972—），女，副教授

High Performance 980nm Single Mode Semiconductor Lasers

SHANG Fei₁， DU Hui-qian₂

(1.School of Life Science, Beijing Institute of Technology, Beijing 100081, China;2.School of Information and Electronics, Beijing Institute of Technology, Beijing 100081, China)

Received:2009-03-02 Revised:2009-03-02 Online:2014-05-04
Contact: SHANG Fei₁ E-mail:bit552sf@bit.edu.cn

摘要/Abstract

摘要： 压缩采样是一个新兴的研究领域，为亚奈奎斯特采样频率进行图像获取提供了一个框架。光流场计算在计算机视觉系统中应用广泛，将压缩采样理论引入图像序列的光流计算问题，提出利用梯度图像的空域稀疏性和傅里叶变换的时移性，直接由测量数据求解光流场，该方法无需重建原图像序列，且在同样检测性能的情况下，所需测量数据少，可以降低采样、通信和存储成本。压缩采样是一个新兴的研究领域，为亚奈奎斯特采样频率进行图像获取提供了一个框架。光流场计算在计算机视觉系统中应用广泛，将压缩采样理论引入图像序列的光流计算问题，提出利用梯度图像的空域稀疏性和傅里叶变换的时移性，直接由测量数据求解光流场，该方法无需重建原图像序列，且在同样检测性能的情况下，所需测量数据少，可以降低采样、通信和存储成本。

关键词: 信息处理技术, 压缩采样, 奈奎斯特采样定理, 光流

Abstract: The compressive sampling provides a new frame for image acquiring under sub-Nyquist sampling rate. The optical flow calculation is widely used in computer vision system. In this paper, the compressive sampling theory is introduced to solve the optical flow calculation. Instead of using reconstructed original images, the optical flow field can be obtained by exploiting the spatial sparsity of gradient images and time shift feature of Fourier transform. The experiment results on real image sequence show that, under the same condition, this method is more efficient and needs less costs for sampling, communication and storage.

Key words: information processing, compressive sampling, Nyquist sample theory, optical flow

中图分类号:

TN911.73

尚斐₁，杜慧茜₂. 高性能980nm单模半导体激光器[J]. 兵工学报, 2010, 31(8): 1110-1114.

SHANG Fei₁， DU Hui-qian₂. High Performance 980nm Single Mode Semiconductor Lasers[J]. Acta Armamentarii, 2010, 31(8): 1110-1114.

[1]	曾溢良，蓝金辉，邹金霖. 滑动置信度约束的红外弱小目标跟踪算法研究[J]. 兵工学报, 2017, 38(9): 1771-1778.
[2]	李关防，崔杰，袁富宇. 基于线谱瞬时频率估计的被动声纳目标运动分析[J]. 兵工学报, 2017, 38(7): 1395-1401.
[3]	朱甦，薄煜明，何亮. 基于冗余字典的多特征压缩感知目标跟踪算法[J]. 兵工学报, 2017, 38(6): 1140-1146.
[4]	王啸, 韩太林, 张永立, 刘轩, 王义君, 宫玉琳. 多通道瞬态信号自适应变频算法[J]. 兵工学报, 2017, 38(6): 1161-1167.
[5]	张石，张百海，王飞帆，关子霄. 基于跳数量化的无线传感器网络节点定位算法[J]. 兵工学报, 2017, 38(5): 932-939.
[6]	夏平, 任强, 吴涛, 雷帮军. 融合多尺度统计信息模糊C均值聚类与Markov随机场的小波域声纳图像分割[J]. 兵工学报, 2017, 38(5): 940-948.
[7]	曹俊，郑翠娥，孙大军，张殿伦. 基于凸优化的水下载体定位研究[J]. 兵工学报, 2017, 38(3): 520-526.
[8]	向颉，茅永兴，郭才发. 船载雷达测速数据的船速修正新方法[J]. 兵工学报, 2017, 38(11): 2268-2273.
[9]	潘江怀，乔慧. 多传感器空间配准的病态性及其稳健估计[J]. 兵工学报, 2017, 38(10): 1965-1973.
[10]	王清，丁赤飚，付琨，任文娟. 基于膨胀运算的移动对象兴趣点检测方法[J]. 兵工学报, 2017, 38(10): 2041-2047.
[11]	李子高，李淑秋，闻疏琳. 一种基于独立成分分析的水下宽带信号波达方位估计方法[J]. 兵工学报, 2017, 38(1): 114-122.
[12]	刘泳庆，蒋硕，于栋，邵晓田. 窄带干扰抑制对码相位测量零值的影响分析[J]. 兵工学报, 2016, 37(2): 293-298.
[13]	管四海, 李智，黄辉，王哲. 带零吸收项的变步长l₀范数归一化最小均方误差算法[J]. 兵工学报, 2016, 37(11): 2170-2176.
[14]	焦传海，李永成，谢恺，杨运甫. 基于期望偏差和广义似然比检验的非重构宽带压缩盲感知[J]. 兵工学报, 2016, 37(10): 1837-1843.
[15]	刘红，曹颖，隆腾舞. 基于改进离散粒子群优化算法的容差电路故障特征提取[J]. 兵工学报, 2015, 36(8): 1494-1501.