基于DLatLRR与VGG Net的红外与可见光图像融合

针对红外与可见光图像融合中特征损失严重、显著目标不突出的问题，提出了一种低秩表示分解与深度神经网络相结合的图像融合算法。首先，对源图像进行潜在低秩表示分解（DLatLRR），得到相应的低秩部分、显著部分及稀疏噪声。然后，分别采用16层的VGG Net模型和联合特征加权算法对低秩部分与显著部分进行融合，舍弃二者的稀疏噪声。最后，对融合得到的低秩部分和显著部分进行图像重建，得到最终的融合图像。实验结果表明:与其他算法进行比较，所提算法能够对图像的深层次细节特征进行融合，突出场景中的感兴趣区域，且融合图像的相关差异和、结构相似性、线性相关度等多种客观指标均有所提升，提升最大值分别为0.73、0.15、0.11，噪声产生率的最大缩减值为0.041 2。      

基于结构加权低秩近似的泊松图像去模糊

针对由高斯模糊和泊松噪声引起的图像降质问题，提出了一种基于结构加权低秩近似的图像去模糊方法。首先，通过依次组合缩放、旋转、剪切和翻折等四种基本操作引入结构变换，以增加搜索空间内候选图像块的相似性。然后，构造新的目标函数，利用相似图像块的低秩性，在正则项中使用加权核范数（WNN）对结构变换后的图像块进行惩罚，以在去模糊的同时抑制泊松噪声。最后，基于半正定二次分裂（HQS）方法设计交替优化方案，用于求解目标函数，从泊松图像中去除模糊。实验结果表明:在多种泊松噪声强度下，所提方法取得的峰值信噪比（PSNR）和结构相似性（SSIM）都高于当前同类去模糊方法。      

多斜率自适应卷积神经网络激活函数

针对卷积神经网络中激活函数无法有效为处于不同激活程度的像素点提供特定梯度响应的问题，设计了一种由多个分段线性函数组成的自适应激活函数.首先依据像素激活值的取值范围，自适应地生成多个独立的激活域，各个激活域的并集包含激活图中全体像素点的激活值；随后在每个激活域中学习一个特定的线性函数，为处于该激活域中的像素点提供特定的梯度响应；最后以NIN网络和ResNet18网络为例，在CIFAR 10和CIFAR 100数据集上，验证所提激活函数的性能.实验结果表明，与现有激活函数相比，本文提出的激活函数，由于能够更好地为处于不同激活程度的像素点提供适当的梯度响应，使分类准确率在NIN网络上分别达到87.96%和69.01%，在ResNet18网络上分别达到88.56%和73.54%.     

关注天外不速之客

１６世纪法国预言家诺查丹玛斯曾预言，１９９９年行星出现“十字架”排列时，人类将面临大劫难———８月１８日将是世界末日。而今已进入２００２年，火红的太阳每日依旧从东方升起，人类和地球安然无恙。事实证明，预言和神话不是科学。日食、月食、彗星、流星雨等天文现象均属正常现象，不会对人类构成危害，只有小天体撞击地球才真正是人类应该防范的潜在威胁。１９９８年３月１２日，美国一天文学家报告：在未来３０年内，将有一颗彗星与地球相撞。虽然科学家后来经过反复计算否定了这一可能，但这个消息仍然震惊了世界。１９９９年８…     

应用离屏DC实现窗口无闪烁图像显示技术

基于Microsoft Windows应用程序，当窗口内容不断刷新时总是会产生闪烁现象。特别针对立体图像对窗口显示，要求在屏幕回扫周期内完成窗口图像的切换刷新，必须避免闪烁现象的发生。通过分析Microsoft Windows设备描述表（DC）和WM＿PAINT消息机制，介绍了一种应用离屏DC实现窗口无闪烁图像显示的技术，并给出了基于MFC的实现类。     

电脑中重现我们无法观测到的宇宙现象——数字天文学

通过望远镜．我们可以掌握宇宙中各种天体的模样。但是．这些无体被浓浓的气体覆盖．即使是大型望远镜，也无法直接看见它们的内部结构。“数字天文学”就是经由电脑与理诧．阐明我们通过望远镜看不到的天体内部结构。     

荒唐的"月球大使"

常言说“青出于蓝而胜于蓝”,在格尼芬卖火星的土地之后,美国又出现了一个更疯狂的家伙——丹尼斯·霍普。1997年这个年届“知天命”的老人,再次狂妄地称他是整个太阳系的主人,并一本正经地分别给联合国秘书长、美国与俄罗斯总统写了信,信中说,除了地球之外,太阳系中其他的8颗行星与所有的卫星都归他所有。并表示,他以后将把月球和行星上的那些土地分成小块单独出售,“如果你们对此有任何疑问的话,请务必告诉我,我随时在恭候你们的回音。”据说,他这样干的根据是:没有任何人告诉他不能这样做!既然所有国家都已自动放弃了对外太空的所有权,它…     

利用TDRSS星上导航系统为地球观测卫星精密导航

地球观测系统卫星ＥＯＳ－ＡＭ１的基本导航系统是ＴＤＲＳＳ星上导航系统，为成角仪器标校和例行操作提供精密位置和速度信息。本文给出实时导航性能评价结果，看一下基于ＴＯＮＳ的轨道和频率测定精度能否满足这一要求。     

多光谱图像无失真压缩的方法研究

在研究无失真压缩理论和多光谱图像特性的基础上,提出了一种新的基于波段排序的谱空间预测算法(BRSS:Band Reordering Spectral and Spatial),结合Huffman编码完成了对多光谱图像的无失真压缩,和其它几种预测方法相比,BRSS有显著的优越性.