激光选区熔化制备钛合金点阵材料无损表征

通过激光选区熔化制备BCC和DOD结构的钛合金金属点阵,使用Micro–CT对两种结构的钛合金点阵材料进行扫描和三维重建。Micro–CT图像清晰地显示金属点阵内部结构,BCC和DOD单胞整齐地以周期性进行排列,且内部存在少量圆形、椭圆形缺陷。通过将实际样品三维数据与CATIA数模进行比对,发现钛合金点阵在制备过程中出现一定程度翘曲。此外使用共聚焦显微镜并基于Micro–CT图像对BCC和DOD两种金属点阵进行表面粗糙度测定。结果表明,Micro–CT在钛合金点阵材料内部结构、缺陷、制备误差、粗糙度测试等表征方面具有显著的应用价值。     

基于小波阈值降噪和经验模态分解的高光谱图像分类算法

为了充分降低高光谱图像中的噪声以获得高精度的分类结果,本文结合小波阈值降噪(WTD)和经验模态分解(EMD)的优点,提出了一种基于小波阈值降噪-经验模态分解的高精度支持向量机(SVM)高光谱图像分类算法(WTD-EMD-SVM)。首先对高光谱图像进行小波阈值降噪,除去高光谱数据中的高频噪声;然后再对高光谱图像进行EMD,获得含有高光谱数据本质特征的内固模态函数(IMF)和含有低频噪声的残差;最后采用内固模态函数重构高光谱图像,并对高光谱图像进行SVM分类。将其应用到AVIRIS数据92AV3C,仿真结果表明该算法不仅提高了高光谱图像分类精度,同时可减少支持向量数目,以提高高光谱图像分类速度。     

基于标准固体火箭发动机CT结构图像配比的缺陷自动提取方法

针对固体火箭发动机CT检测图像因存在算法上的伪影和噪声影响缺陷识别这一问题,提出基于标准固体火箭发动机CT结构图像配比的缺陷自动提取方法。通过缺陷对CT成像影响的理论分析和固体火箭发动机缺陷配比自动提取的仿真和实验验证,得出该方法中配比图像分割最佳阈值为30,以此阈值能有效、准确地提取固体火箭发动机CT图像缺陷。     

Shapelets在低剂量CT影像中肺结节检测的应用研究

针对医学影像诊断领域中肺结节检测比较困难的问题,提出了一种新的线性检测肺结节的方法。该方法以Shapelets理论为基础,利用多个二维加权基函数来表示图像中的目标物体。本文通过计算出每个基函数的系数,选取适当的特征尺度参数,使用带权基函数叠加的方法检测出肺结节的准确位置。实验结果表明,该方法能够快速准确的检测出低剂量肺部CT图像中肺结节的具体位置,对医学临床诊断提供了有力的支持。     

Ionosphere tomography based on spaceborne SAR

Two models of ionosphere tomography based on spaceborne SAR (Synthetic Aperture Radar) are proposed. For HF-SAR the signal with sweeping frequency lower than the characteristic frequency of ionosphere will be scatted during the ionosphere propagation and completely reflected at a corresponding height. The ionospheric electron density isolines looked as series of random surfaces can be reconstructed from the HF-SAR echoes by using the inverse scattering technique for layered rough surfaces and the method of moment (MoM). The numerical simulation show that due to the MoM can provide a full wave solution, the ionosphere tomography with high resolution can be obtained as long as enough sampling data of HF-SAR echoes are used. For VHF/UHF/P/L-band SAR the TEC (Total Electron Content) can be obtained from the SAR echoes scattered by some strong point targets (such as the calibrators, etc.) appeared in the SAR imaged ground region, and the ionosphere tomography can be performed by CT technique.     

码流映射的JPEG2000遥感图像无损信息隐藏

遥感图像经过飞行器JPEG2000压缩编码传输到地面,在传输过程中有时需要搭载其他一些遥测信息,将附加信息嵌入到压缩文件中。对JEPG2000的数据结构进行了研究,将压缩文件的数据部分变换成图像并将其分块,统计256个灰度值,找到出现次数最多的灰度值以及次数为0的灰度值。将这些灰度值所对应的字节进行映射,不同的灰度值代表不同的二进制秘密信息。接收端通过映射将秘密信息提取后,再将载体更改后的字节恢复。隐藏容量平均有了500bit的提升,载密图像的PSNR大于30dB,同时载体数据仍然可以无损恢复。试验结果说明,该算法可以无损地实现JPEG2000图像的信息搭载,同时文件没有膨胀。     

用CT值推导人体组织属性参数的方法及改进

蒙特卡罗方法是计算精度最高的人体组织剂量计算方法。常见的蒙特卡罗模拟程序,如M CNP,EG S4等都自带了各种介质的截面数据,而剂量计算的一个重要步骤就是得到人体组织的属性参数——质量密度和化学组成。本文主要介绍了两种根据医学影像CT值推导人体组织属性参数的方法——区间法和两分法,并经过分析比较认为两分法比区间法具有更高的精确度和可行性。同时,针对两分法存在的不足和缺陷,本文将CT值全范围划分为七段,根据两分法的假设条件假设每一段均由两种不同的人体组织混合而成。在每一段CT值范围内,人体组织的质量密度和化学组成通过对两种假定物质参数的拟合得到。结果说明该方法所得到的人体组织属性参数完全可以满足蒙特卡罗人体组织剂量计算的要求。     

Comparison of residual and dense neural network approaches for building extraction from high-resolution aerial images

Applications including change detection, disaster management, and urban planning require precise building information, and therefore automatic building extraction has become a significant research topic. With the improvements in sensor and satellite technologies, more data has become available, and with the increased computational power, deep learning methods have emerged as successful tools. In this study, U-Net and FPN architectures using four different backbones (ResNet-50, ResNeXt-50, SE-ResNext-50, and DenseNet-121), and an Attention Residual U-Net approach were used for building extraction from high-resolution aerial images. Two publicly available datasets, Inria Aerial Image Labeling Dataset and Massachusetts Buildings Dataset were used to train and test the models. According to the results, Attention Residual U-Net model has the highest F1 score with 0.8154, IoU score with 0.7102, and test accuracy with 94.51% on the Inria dataset. On the Massachusetts dataset, FPN Dense-Net-121 model has the highest F1 score with 0.7565 and IoU score with 0.6188, and Attention Residual U-Net model has the highest test accuracy with 92.43%. It has been observed that, FPN with DenseNet backbone can be a better choice when working with small size datasets. On the other hand, Attention Residual U-Net approach achieved higher success when a sufficiently large dataset is provided.     

顾及不确定性分析的多数投票 SAR 影像变化检测

合成孔径雷达（Synthetic Aperture Radar，SAR）影像变化检测是遥感领域的一个重要研究方向。文章以投票法（Majority Voting，MV）为基础，提出一种全新的顾及不确定性分析的SAR影像变化检测方法（Uncertainty Analysis-based MV，UAMV）。首先选取三组典型的差分影像生成算法，生成三组互补的差分影像。然后使用模糊C均值聚类估算每组差分影像的关于变化类和未变化类的模糊隶属度函数。最后用模糊集合和信息熵理论优化MV，构建顾及不确定性分析的多数投票法，并用所构建方法融合三组差分影像的模糊隶属度函数，生成变化检测图。为验证文章方法的有效性，通过三组真实SAR影像数据进行实验分析。实验结果表明：1）通过用信息熵分析MV融合过程中的不确定性，能够显著提高MV的变化检测性能；2）与7种现有相关算法相比，UAMV方法能够取得更优的变化检测结果。该研究为SAR影像变化检测提供一种新的思路和方法。