基于海量空间数据的实时地形视景仿真算法研究

随着数字地球和数字城市概念的提出，建立海量空间数据的实时地形视景仿真系统受到了越来越多的关注。建立了多分辨率空间数据的四叉树结构模型，提出了基于屏幕分割的LOD数据装载算法和基于相同地理空间大小的LOD数据分割方法，实现了任意方向和分辨率数据块之间的无缝拼接，融合了视相关和地表特征的地形简化方法，同时综合运用了可视区数据的各种预处理手段，提出了可视区数据小号更新算法．通过原型系统开冀。在微机平台上地形绘制速度可达每秒25帧.     

基于人工神经网络的云自动检测算法

为实现卫星观测数据的高效云自动检测技术,提出了基于人工神经网络的云检测方法,并针对中分辨率成像光谱仪（MODIS）的观测数据建立了BP神经网络模型,给出了算法的应用实例.通过实例分析表明,基于人工神经网络的云检测算法具有良好的时空适应性,检测效果较好,检测速度快,具有业务实用价值.     

双能量摄影胸片图像的小波融合方法

根据双能量摄影胸片图像的各自特点，采用一种新的基于小波能量尺度分析算法，有效实现了基于像素级的多模图像融合。通过对同一病人双能量摄影下的胸片图像的实际应用，表明基于该方法的医学图像融合方法能有效地集中原始多源图像的优点信息，融合图像较清晰且方法简单、实用，并可用于其他图像融合处理上。     

改进蒙特数字测井系统的有效途径

蒙特数字测井仪是为煤田测井而设计生产的，为了满足煤层气测井需要增加补偿中子，微球形聚焦和深浅三侧向等方法探管。为此在蒙特数字测井仪数据记录之前设计了一接口面板，使所测数据和容易地进入门特数字测井系统。     

浅谈电视的分辨率和清晰度

分辨率和清晰度是评价电视图像表现细节能力的两个不同的概念，目前在使用这两个概念时，经常出现混淆。本文对电视分辨率和清晰度的概念、表示方法、定量结果以及影响它们的因素作了详细的分析。     

层状半空间叠前地震记录的波动方程正演模拟

振幅随偏移距变化 (AVO)分析是一项利用振幅随偏移距变化特征来分析岩性和油气藏的地震勘探技术 ,它极大地改善了地震勘探的烃类检测能力。并不是所有气层的反射振幅都随偏移距增加 ,特殊岩性体也会产生AVO效应。利用弹性动力学方程变换和递归算法 ,计算了反射矩阵 ,从理论上推导了球面波在层状弹性半空间传播时产生的地面反射记录的计算公式。在实例模拟中 ,对计算速度和精度、空间假频、截断效应等给出了相应的解决方案。计算实例说明 ,波场模拟有助于AVO分析和叠前反演。     

基于低分辨率图像自举和双重稀疏性字典训练的单幅图像超分辨率重构

该文结合Zeyde等人提出的低分辨率图像自举算法和双重稀疏性字典的训练方法,提出了一种新的单幅图像超分辨率重构方法。该方法在训练字典的过程中,首先对低分辨率训练样本图像采用自举算法进行超分辨率重构,然后将自举重构输出图像与低分辨率、高分辨率训练样本图像求差,并将两幅差值图像的小波分解系数作为样本数据源,训练具有双重稀疏性的字典对。文中详细讨论了结合低分辨率图像自举和双重稀疏性字典训练的单幅图像超分辨率重构算法框架,并通过实验比较证明,该文方法较其他方法具有更好的超分辨率重构效果。     

神经电生理记录的原理与方法

神经电生理记录技术是人们研究神经功能的重要手段,分为细胞内记录、细胞外记录、膜片钳记录和脑电图记录等。这些记录方法各有特点,在神经科学的研究中发挥着越来越重要的作用。     

基于双向循环网络的变色龙视觉超分辨率图像重建

针对使用均方误差（Mean Square Error,MSE）作为目标损失函数，导致重建的超分辨率图像在失真与感知质量上难以兼得的问题，提出基于双向循环网络的变色龙视觉重建模型（Super-resolution Bidirectional Recurrent Neural Network,SRBRNN）以改善重建效果.首先，鉴于变色龙可以同时注视两个不同方向的非凡视觉功能，SRBRNN模型借助双向循环神经网络结合序列演进前向与反向给输出提供不同方向时间信息的思想，实现重建过程中失真与感知质量的兼顾；其次，SRBRNN模型定义了特征演进和退化序列，并设计了低分辨率图像到高分辨率图像演进和高分辨率图像到低分辨率图像退化网络，将演进网络和退化网络对应应用为原双向循环网络的前向循环和反向循环网络；最后，利用双向循环机制重建超分辨率特征.用SRBRNN算法在Set5、Set14、BSD100基准测试集上进行实验，实验结果表明在峰值信噪比(Peak Signal to Noise Ratio,PSNR)和结构相似性(Structural Similarity, SSIM)评估指标及主观质量评分上，...