XL
Xingzhao Liu
Author with expertise in Synthetic Aperture Radar (SAR) Technology and Applications
Achievements
This user has not unlocked any achievements yet.
Key Stats
Upvotes received:
0
Publications:
7
(43% Open Access)
Cited by:
2
h-index:
27
/
i10-index:
76
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

A self-attention armed optronic transformer in imaging through scattering media

Zicheng Huang et al.Aug 6, 2024
Imaging through scattering media has been a pervasive issue across many fields. Recently, the optronic fully convolutional neural network (OP-FCNN), an opto-electronic deep learning (DL) method using cascaded optical convolutional layers, has shown feasibility in speckle reconstruction and significance for imaging through scattering media. However, achieving higher performance requires cascading deeper optical layers, posing challenges for compact system designs. Here, we propose the optronic Transformer (OPT), a compact opto-electronic DL structure proven effective for imaging through scattering media. The core of OPT utilizes spatial light modulators (SLMs) and optical micro-lens array shift systems to implement the attention mechanism in optics, enabling global information acquisition without cascading extensive optical layers. In contrast to the complex optronic designs of existing OP-FCNN, OPT achieves impressive imaging performance armed with the optronic Transformer with single-head attention, significantly reducing computational complexity and the scales of the optical system. Our OPT's average imaging performance on handwritten digits and letters achieves 0.80, 0.88, 0.82, and 15.29 dB for JI, PCC, SSIM, and PSNR, respectively. The proposed OPT demonstrates superiority and low complexity for imaging through scattering media, presenting a promising opto-electronic solution for designing compact and high-performance DL imaging systems.
0

Construction of a composite cooling network for the mitigation of urban heat risk in Fuzhou

Haibo Xu et al.Dec 9, 2024
Climate change has intensified urban heat risks through extreme heat and heat island effects. Using Fuzhou as a case study, we conducted assessments of heat risk and cool island quality to identify core heat risk sources (CHRSs) and core cold sources (CCSs). Based on the degree of resistance to surface heat transfer, we constructed a comprehensive resistance surface. This was followed by the construction of a composite cooling network using the minimal cumulative resistance and circuit theory models, along with the identification of key nodes to enhance the protection of cool island resources and ensure network stability. Our findings revealed that the central urban area had the highest heat risk, followed by the eastern coastal areas, showing a trend of further expansion towards the southeastern coast. Relatively high-quality cool island resources were distributed in the western mountainous area. We identified 21 CHRSs and 32 CCSs. The composite cooling network included 94 heat transport corridors and 96 cool island synergy corridors, with 148 cooling nodes and 78 barrier nodes. The average land surface temperature of transport and synergy corridors was 27.89°C and 25.34°C, respectively, significantly lower than the high-risk areas (31.14°C). Transport corridors enable heat transfer from CHRSs to CCSs, while synergy corridors can achieve further cooling by enhancing the synergy among cool islands.