基于深度学习的红外与可见光图像融合综述

图像融合技术是指从不同的源图像中提取并融合互补的信息,生成一幅信息量更丰富、对后续高级视觉任务提供足够支持的图像.红外与可见光图像融合（Infrared and Visible Image Fusion,IVIF）是图像融合领域的一个重要分支.近年来,深度学习技术在视觉计算领域表现出了良好的性能,尤其是基于自编码器、卷积神经网络、生成对抗网络等几种基于深度学习的IVIF技术得到了蓬勃发展.为此,对基于深度学习的IVIF算法的方法、数据集和评估指标等进行了总结和阐述;通过大量的实验,进行定性和定量的结果分析,对比了各类基于深度学习IVIF算法的性能;最后,讨论了该领域未来发展的一些前景和研究方向.     

电子束熔化成形与锻造Ti6Al4V合金的腐蚀行为对比研究

本工作采用电化学工作站研究了电子束熔化技术（EBM）成形TC4样品和传统锻造TC4在3.5wt% NaCl溶液中的电化学腐蚀行为. 结果表明EBM成形TC4样品的非平衡微观结构使其与传统锻造的TC4相比,表现出不同的耐腐蚀性. EBM成形TC4样品与锻件TC4相比,EBM成形样品不同平面存在耐蚀性差异,而且EBM水平面大于锻件,EBM垂直面小于锻件. EBM成形TC4样品垂直面出现的腐蚀性能的各向异性主要是β柱状晶导致的. 在腐蚀的过程中,点蚀优先发生在α晶界,因为晶界能量较高,形成多孔的钝化层. 本项工作有助于丰富增材制造制备TC4合金在航空钛合金领域的腐蚀性能研究.     

基于自注意力机制的新生儿胆道闭锁识别

新生儿胆道闭锁是新生儿常见的致命疾病之一,并且该病在亚洲的发病率高于世界其他地区.新生儿胆道闭锁需要及时发现及时治疗,然而由于缺少专业的儿科医生和辅助诊疗手段,新生儿父母往往不能及时发现而错过了最佳治疗时间.因此,本文开发了一个具有实际应用价值的预诊算法,通过新生儿粪便图片预测新生儿是否患有新生儿胆道闭锁,并提醒新生儿父母及时就诊.为了让算法在应用场景下识别率更高,本文的算法基于一个真实场景下拍摄的新生儿粪图片数据集开发.首先我们设计了一个自注意力网络模型BANet(Biliary Atresia Network),将图片的浅层特征和深层特征相结合,可以得到更好的分类效果.由于拍摄自应用场景下的图片存在过暗和过曝等问题.通过分析数据集的亮度分布,我们设计了一个自动亮度调节算法解决.此外,图片中的阴影也会对识别结果造成干扰,因此我们在训练阶段增加了一种阴影数据增强方式来缓解这一问题.为验证本文提出算法的有效性,本文设计了一个和医生的对比试验.结果证明BANet在四分类的识别率、二分类的识别率、特异性和敏感性等客观评价指标上占有明显优势.本文提出的BANet能够有效利用图片中的颜色、异常点...     

基于卷积模型的核信号仿真

NaI(Tl)探测器因具有探测效率高和成本低等优点,常被用于核辐射能谱测量和核辐射监管等领域．由于实验条件等的限制,研究人员往往较难获取理想的实验核信号,虽然可以借助探测器的仿真信号来实现研究目的,但是常规的探测器单指数或双指数模型和实际采集到的核信号模型存在一定的差异,需要一种更为精准的数学模型对探测器输出信号进行描述．我们通过对探测器信号形成过程分析,将探测器视为线性时不变系统,探测器各个部分响应的总卷积即为输出的核信号模型．本文建立的探测器输出信号卷积模型,结合实测伽玛源的幅度分布规律和相邻脉冲时间间隔分布规律,可以提供更精确的NaI(Tl)探测器输出信号,以便用于伽玛能谱测量算法研究;通过调节脉冲间隔时间大小,可以仿真不同计数下探测器输出信号的堆积情形,以便用于堆积信号还原算法研究．经过与伽玛辐射源的对比测试,该仿真信号与真实探测器输出信号一致,既避免了研究人员接触放射源,提高辐射防护安全性,又为开展数字化核信号处理算法研究及能谱算法研究提供了极大的便利性．     

不同生境对银杏雌、雄株嫁接苗叶中聚戊烯醇等成分积累的影响

【目的】探究生境对银杏(Ginkgo biloba)叶中聚戊烯醇、可溶性糖、可溶性蛋白和类脂4类代谢产物积累的影响,探索影响代谢产物积累的主要立地因子,为银杏栽培提供理论依据。【方法】采用随机区组试验设计,方差分析、多重比较、相关性分析和逐步回归分析等方法,研究雌株和雄株银杏在7个生境下叶中聚戊烯醇、可溶性糖、蛋白质和类脂等变化规律。【结果】来自不同生境银杏叶中聚戊烯醇、可溶性糖、蛋白质和类脂的含量存在显著差异(P<0.05),来自石家庄地区叶中聚戊烯醇、可溶性糖、可溶性蛋白和类脂的含量最高;聚戊烯醇含量与类脂含量呈极显著正相关关系(P<0.01),但与蛋白质含量呈显著负相关关系(P<0.05);平均最暖月气温是影响银杏叶中聚戊烯醇、可溶性糖、可溶性蛋白和类脂积累的关键环境因子,此外日照时长和土壤中P、K含量对其的积累也具有较大的影响。【结论】环境因素会显著影响银杏叶中代谢产物的含量,温暖的生境有助于聚戊烯醇等类脂类物质的合成与积累。     

星载激光雷达GEDI数据林下地形反演性能验证

【目的】新一代天基测高系统全球生态系统动力学调查(GEDI)对森林观测及经营具有重要意义,为探究GEDI V2(GEDI第2版)数据反演林下地形的性能,利用机载雷达数据验证林下地形反演精度,并探究反演精度的影响因素。【方法】分别以美国西波拉森林与中国帽儿山森林为研究对象,利用G-liht及帽儿山高精度机载雷达数据验证GEDI V2数据在针叶林及针阔叶混交林下反演地形的性能,并分析不同光束强度、光斑时间、坡度及植被覆盖度对地形反演精度的影响。【结果】美国西波拉针叶林地区地形反演精度均方根误差(RMSE)为2.33 m,平均绝对误差(MAE)为1.48 m;帽儿山针阔叶混交林地区地形反演精度RMSE为4.49 m, MAE为3.33 m。随着坡度、植被覆盖度增大,两种森林类型地形反演精度均降低。【结论】GEDI V2数据反演针叶林林下地形精度要优于针阔叶混交林,强光束优于覆盖光束,湿润地区白天效果更优,干旱地区黑夜效果更优;平缓地区数据使用效果极好,陡峭地区精度降低;中低植被覆盖度区域地形反演精度较高,高植被覆盖区域地形测定性能有所下降。     

基于荧光SSR标记的紫薇遗传多样性分析

【目的】以收集的239份紫薇属(Lagerstroemia)种质和1份黄薇属(Heimia)种质为材料,开展种质种间特征分析和紫薇种内资源的遗传多样性分析,为进一步优化紫薇种质资源收集保存及合理利用提供科学依据。【方法】基于16对荧光引物鉴定样品基因型,利用GeneMarker软件进行基因型数据的读取;对239份紫薇属种质和1份黄薇属种质进行特征位点分析;并利用Popgene、Cervus、NTSYS和GenAlEx软件对227份紫薇种质进行遗传多样性参数估算、聚类分析和主成分分析。【结果】紫薇(L.indica)种内的特征位点信息最为丰富,其中15个引物所体现出的特征位点信息中,紫薇都有其独特的位点区别于其他6个种,而在福建紫薇(L.limii)、川黔紫薇(L.excelsa)和尾叶紫薇(L.caudata)中也有部分特异的特征位点是紫薇中没有的;16对紫薇SSR荧光引物共检测出143个等位基因,平均每个位点有8.938个等位基因,平均有效等位基因数(N_e)为3.600,Shannon’s信息指数(I)均值为1.459,观测杂合度(H_o)均...     

胍基化壳聚糖季铵盐的制备及其抗菌性能

以三聚氯氰(TCT)为中间桥梁,将聚六亚甲基双胍(PHMB)接枝到N-(2-羟丙基-3-甲基氯化铵)壳聚糖(HTCC)上,制备胍基壳聚糖季铵盐(HCP).研究制备HCP的最佳反应条件,采用元素分析、傅里叶变换红外光谱(FTIR)和核磁共振氢谱(¹H NMR)对产物的结构进行表征,并测试其抗菌性能.得到HCP的最佳反应条件为HTCC和TCT的摩尔比1.0∶2.5,HTCC和PHMB的质量比1.0∶1.2,缚酸剂为三乙胺,TCT一取代的反应时间8 h,二取代的反应时间14 h,反应温度40℃.结果表明：制得的HCP对大肠杆菌(E.coli)和金黄色葡萄球菌(S.aureus)的最低抑菌质量浓度分别为0.020,0.005 mg·mL^-1;质量浓度为1.0 mg·mL^-1的HCP对E.coli和S.aureus的抑菌率分别为89.8%和100.0%,高于相同质量浓度下HTCC对E.coli和S.aureus的抑菌率18.2%和18.7%.     

基于量子微粒群优化算法的半透明介质光学参数反演

针对半透明介质光学参数估计问题,建立了脉冲激光辐照下半透明介质光学参数反演模型,采用量子微粒群优化(QPSO)算法反演了折射率和吸收系数,分析了测量误差、热物性参数对反演结果的影响,并利用敏感性分析揭示了反演精度与测量误差的关系.计算结果表明：建立的反演模型和采用的QPSO算法可以精确估计折射率和吸收系数,即使人为添加10%的测量误差,反演结果依然具有较强的鲁棒性和准确度.本研究可为半透明介质物性参数获取提供技术参考.     

不确定车辆电子稳定控制系统传感器故障估计

针对车辆横摆角速度传感器故障问题,提出一种基于观测器的故障估计策略.首先,考虑由于轮胎侧偏刚度特性造成的不确定性以及系统中存在非线性干扰等因素,建立车辆四轮转向系统数学模型.然后,设计基于观测器的传感器故障估计策略,利用李雅普诺夫函数和线性矩阵不等式方法求解观测器增益.最后,通过Carsim与Simulink联合仿真验证所设计的传感器故障诊断策略的有效性.结果表明：在传感器发生故障时,该诊断策略能够对系统状态以及传感器故障具有良好的估计效果,能够为车辆安全稳定系统提供关键信息,并且对于下一步的传感器故障容错控制提供技术支持.