肌动蛋白和肌球蛋白在共同性斜视眼外肌的表达研究

目的：研究共同性斜视患者眼外肌与正常人眼外肌的结构差异，探讨共同性斜视的可能发病机制。方法：收集共同性斜视患者弱侧眼外肌进行肌动蛋白和肌球蛋白免疫组织化学染色研究。结果：共同性斜视组慢肌纤维和快肌纤维数目明显减少，但未见肌纤维类型优势分布和肌纤维群组化现象；比较两组间慢肌纤维和快肌纤维数目比值差异无统计学意义（P〉0.05）：肌动蛋白和肌球蛋白的表达明显下降，与对照组相比，差异有显著性意义（P〈0．01）。结论：共同性斜视弱侧眼外肌发生肌源性的病理学改变：眼外肌纤维减少和收缩蛋白表达减弱在共同性斜视的发病中可能起重要作用：眼外肌快肌纤维和慢肌纤维的数目比例失衡可能不是共同性斜视产生眼位偏斜的原因。     

机动平台大斜视压缩感知SAR成像方法

为降低合成孔径雷达(synthetic aperture radar, SAR)成像系统的数据量并提高其平台适应性,提出了一种基于频域近似观测算子的机动平台大斜视压缩感知SAR成像方法。在构建近似观测算子的过程中,首先,基于等斜视角曲线构建了一种能够精确描述地面散射点成像参数空变性的斜距模型。然后,引入距离走动校正函数和高阶时域扰动因子实现了距离方位的解耦和空变距离徙动的校正,并通过构建时频域的相位滤波因子校正了方位压缩参数的空变性。最后,采用复近似信息传递(complex approximation message passing, CAMP)算法对稀疏和非稀疏场景进行快速、高精度重建。该方法通过校正成像参数的空变性,提高了近似观测算子的精度,实现了扩展场景的机动平台大斜视压缩感知SAR成像,仿真结果支撑了理论分析并验证了所提方法的有效性。     

人脸视图象的特征提取与恢复

给出了能对正视图象和斜视图象同亲有效地进行特征点的提取的一些新算法，建立了人脸斜视图象的数学模型，对于斜视了一定角度的人脸图象提取出一些比较明显的特征，并通过查阅标准数据库，对特征向量进行恢复，找出最佳匹配的标准图象，最后给出了实验结果。     

基于SPECAN处理的斜视SAR实时成像算法及其FPGA实现

斜视合成孔径雷达（synthetic aperture radar, SAR）成像具有广阔的应用前景。首先提出一种基于SPECAN算法的斜视SAR实时成像处理方法,具有运算量小、操作简单的特点。针对SPECAN处理带来的图像扇形畸变,提出采用Sinc插值校正方位采样间隔空变性的方法,实现图像扇形畸变的校正。在此基础上采用FPGA（field programmable gate arrays, FPGA）实时编程实现,重点阐述基于“空域滤波”思想的Sinc插值模块设计。实测数据处理结果验证了该算法的有效性及FPGA实时实现的可行性。     

大斜视弹载合成孔径雷达信号特性研究

针对大斜视模式下弹载合成孔径雷达(SAR)的运动轨迹特点,分析了该模式下的回波信号特性,基于此建立了信号模型及距离方程,讨论了大斜视弹载SAR系统的多普勒特性、距离徙动特性和距离方程近似精度。仿真结果表明,大斜视弹载SAR回波信号具有大距离走动、小距离弯曲和二阶距离近似误差较大的特点;通过时域去走动、频域去耦合方法,可以获得较好的大斜视弹载SAR成像效果。     

基于深度展开的SAR大斜视RD成像算法

大斜视角条件下的合成孔径雷达SAR回波信号具有方位向和距离向严重耦合、大距离徙动等特点,采用常规的距离多普勒RD算法成像,会引起方位向的散焦以及空变等问题。为了改善大斜视SAR在成像过程中存在的问题,提出了一种基于深度展开网络的SAR大斜视可学习距离多普勒成像方法。该方法将RD成像方法与深度学习结合,利用RD成像的步骤构建了基于深度展开网络的RD学习成像网络结构,将回波数据作为网络输入来学习回波数据到大斜视SAR图像的成像过程。首先,在分析大斜视SAR回波信号模型的基础上确定了网络成像过程中的可学习参数;其次,根据成像过程设计大斜视SAR成像网络;最后,通过非监督训练的方法对网络进行训练,最终输出学习成像结果。点目标和面目标仿真结果表明,该方法可以有效抑制旁瓣,提高成像精度和计算效率,满足SAR在大斜视角下的成像要求。     

基于频谱旋转ωk算法的大斜视SAR地面动目标成像

针对大斜视条件下合成孔径雷达(synthetic aperture radar, SAR)地面运动目标成像存在的聚焦困难、几何形变严重、十字旁瓣大等问题, 提出一种基于频谱旋转ωk算法的大斜视SAR动目标成像算法。首先, 在推导具有精确斜距表达式的斜视动目标回波信号模型的基础上, 获得了初步成像结果并提取动目标的感兴趣区域(region of interest, ROI)数据。然后, 构造相位补偿函数并利用最小熵算法完成动目标参数估计, 再根据估计的参数对ROI数据进行相位补偿, 获得聚焦的动目标图像。进一步利用频谱旋转消除了几何形变, 利用稀疏增强方法减小了动目标旁瓣, 最终得到聚焦、无几何形变、低旁瓣的动目标图像。仿真实验验证了所提算法的有效性。