论土地经营权的性质

土地经营权是土地承包经营权中的下位概念,而土地承包经营权本身又具有身份性特征,故土地经营权往往不能自由进入市场而流转,这就造成了"无地者无资格获取土地,有地者无权利流转"的冲突局面,因此有必要实现土地所有权、承包权、经营权三权分置,从而更好地实现"放活土地经营权"的政策目标。而通过对农地三权分置立法模式的选择,将原有的土地承包经营权的具体含义限缩为具有人身性质的土地承包权,而将其中的土地经营权定义为一种新类型的用益物权,这有利于保障土地经营权人的固有利益。

用于光子计数单像素成像的去块状采样网络

将光子计数技术和单像素成像结合,能实现高灵敏、低成本的光子计数成像,但存在采样时间和重建时间长的问题。基于深度学习的压缩采样和重建网络,将去除偏置和激活函数的全连接层作为测量矩阵,通过从数据中学得高效的测量矩阵和避免传统迭代算法带来的巨大计算量,实现了更快、更高质量的图像重建。但利用全连接层进行高分辨图像的分块压缩感知时,重建图像会产生块状效应。针对该问题提出了重叠分块采样网络(Os_et)、嵌套采样网络(Ns_et)、卷积采样网络(Cs_et)等三种方法以取代全连接层采样。在重建网络的设计中,使用线性映射网络对图像进行重建,设计实验结果表明Cs_et的去块状化效果最好。将Cs_et二值化后应用于光子计数单像素成像系统,实验结果表明Cs_et除块状化明显优于传统算法TVAL3,且Cs_et在重建质量上也同样取得了较好的效果。

智能光子计数单像素显微成像系统

设计并验证了一套智能光子计数单像素显微成像系统。物品经显微物镜成像在数字微镜(DMD)上,加载一系列掩模到DMD上对像进行调制,调制后的光强由无空间分辨的单光子探测器进行探测,然后利用深度学习网络重建图像。利用Zynq平台的可编程逻辑端精确的多路时序控制性能实现DMD偏转和光子计数,同时利用平台内嵌的Arm处理器实时部署深度学习重建网络,实现DMD偏转控制、光子计数和网络重建功能的集成软硬件协同工作,具有集成度高、轻便和成本低的优势。实验结果表明:Zynq上实现DFC-Net的图像重建质量在低采样率下优于经典的TVAL3重建算法;增加测量次数可获得高质量的重建图像,但应确保每次测量的时间足以抑制泊松散粒噪声。