论文部分内容阅读
日本将制造用于光网络的量子点激光器
【出 处】
:
激光与光电子学进展
【发表日期】
:
2006年43期
其他文献
神经目标自动分割是神经树脊检测、识别和重建的核心技术之一。提出了一种新颖的三维荧光共焦图像神经目标的水平集分割方法。第一步,采取各向异性曲率流平滑和增强图像, 然后生成水平集速度图像。第二步,通过计算局部等值面曲率的极大值自动生成神经目标的种子点,该种子点对应于局部的脊点或者谷点。第三步,快速行进算法计算初始水平集形状图像。最后,利用初始水平集速度图像作为输入,利用基于形状的水平集算法自动分割神经目标。该方法通过采取对应于局部的脊点或者谷点种子点生成定为目标位置,加速了水平集演化算法的计算时间。双光子或荧
In view of the problems such as the lower automation level and the insufficient precision of the traditional fiber optic gyroscope (FOG) static north-finder, this paper focuses on the in-depth analysis of the FOG dynamic north-finder principle and algorit
OLED技术被认为是最有可能取代液晶显示的全新技术,而OLED中的有机电致磷光器件是近年来的研究热点。有机电致磷光器件的发光层往往采用主客体掺杂体系,主客体分子内的能量传递是磷光发光体分子被激发的主要途径,因此选择吸收能量和传递能量好的主体材料是改进有机电致磷光器件性能的主要途径之一。文章分别以PVK和CBP作为主体材料,以磷光材料Ir(ppy)3和荧光材料Rubrene作为掺杂剂,制备了不同配比的器件,研究了主体材料和掺杂剂之间的能量传递特性。结果发现,这两种主体材料分别通过Ir(
Contrary to expectations, a measurement of the random walk in the ring laser gyro (RLG) as a function of laser power P shows that it is not consistent with the P^{-1/2} rule. In the experiment, the random walk and laser power are tested and recorded at di
为了改善细胞折射率显微成像的质量,提高特征的辨识度,本文提出了一种基于卷积神经网络算法的细胞折射率显微图像和明场显微图像的融合方法,该方法克服了传统融合方法人工制定融合规则的困难,通过训练数据学习自适应强鲁棒融合函数,获得了更佳的融合效果。主观和客观评价结果表明,该方法有效地改善了细胞折射率显微图像的分辨率,提升了特征辨识度。
本文从速率方程出发,分析了带SBS池的Nd:YAG位相共轭激光器的调Q机理,给出了调Q的理论模型。用数值计算方法求出了输出调Q脉冲的腔内光子数密度与时间的关系曲线,与实验值基本相符。
高光谱遥感影像分类通常基于地物光谱特征,但影像中同时还存在丰富的空间信息。空间信息的有效利用能显著提高图像分类效果。因其具有的特殊结构,卷积神经网络(CNN)已成功地应用在图像分类领域,对二维图像分类具有很好的效果。如何通过深度学习并结合空间光谱信息来提高分类性能是一个关键问题。结合高光谱影像中的空间特征与光谱信息,提出一种适合于高光谱像素级分类的深度学习三维卷积神经网络模型(3D-CNN),并在
利用经典系综模型,研究了少光周期的椭圆偏振激光脉冲驱动下的Xe原子非次序双电离(NSDI),使用的激光强度为2.5×1014 W/cm2,波长为780 nm。计算结果显示,在不同的载波包络相位(CEP)下,NSDI中得到的末态关联电子对沿激光偏振平面长轴方向的动量谱主要分布在一、三象限,呈现出强烈的正关联行为。关联电子对末态动量分布于一、三象限的总数量之比随CEP呈现先减小后增大的趋势。轨迹分析表明,在激光脉冲驱动下,NSDI是由于再碰撞而发生的,并且此过程以直接碰撞电离机制为主;另外,计算结果显示,再碰
We study the Faraday rotation of polarization of a probe field in a cold, coherently driven five-level system with an M-type configuration. By means of a method of multiple scales we derive two coupled nonlinear envelope equations, which govern the evolut