CMOS图像传感器单粒子效应及加固技术研究进展

互补金属氧化物半导体(Complementary Metal Oxide Semiconductor,CMOS)图像传感器(CMOS Image Sensor,CIS)在空间应用时会受到单个粒子辐照影响,这通常会导致CIS采集图像出现异常,严重时会导致器件功能失效。本文从不同粒子的角度:重离子、质子、电子和中子,从CIS容易发生的单粒子效应类型:单粒子瞬态(Single Event Transient,SET)、单粒子翻转(Single Event Upset,SEU)、单粒子闩锁(Single Event Latchup,SEL)、单粒子功能中断(Single Event Functional Interrupt,SEFI)等方面综述了CIS单粒子效应研究进展。简要介绍了CIS单粒子效应加固技术研究进展。分析总结了目前CIS单粒子效应及加固技术中亟待解决的问题,为今后深入开展相关研究提供理论参考。     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。     

基于分块KLT的多光谱遥感图像低复杂度有损压缩

多光谱图像的有效压缩已经成为遥感领域亟待解决的难题。针对星载多光谱成像仪获取的多光谱图像,提出了一种基于分块KLT(Karhunen-Loève transform,卡胡南-洛维变换)的低复杂度有损压缩算法。该算法首先对每个波段分别进行空间二维小波变换,以去除多光谱图像的空间相关性;然后将每个波段分成互不重叠且大小相等的图像块,每次仅对相邻两个波段的对应图像块进行谱间KLT变换,以去除谱间相关性;最后对变换后的所有波段进行联合EBCOT(Embedded Block Coding with Optimized Truncation,最优截断的嵌入式块编码)压缩。实验结果表明,该算法的压缩性能优于基于整体KLT的多光谱图像压缩算法,并且具有较低的编码复杂度。     

基于信息熵与形态学的鸟鸣数据处理

为了探索一种减少训练量并提高精度,且适应于卷积神经网络的预处理方法,以识别鸟鸣为例,基于信息熵以及形态学在图像处理上的应用,根据鸟鸣的间隔性特点,提出新的处理方案。利用形态学将音频片段归类为有效和噪声信号两类;使用加权的方法利用信息熵预测有效数据的分布。仿真结果表明,形态学使数据量减少且信息熵处理使单个数据稀疏化并起到滤波作用,在保持精度甚至精度提高的情况下缩短了训练时间,为卷积神经网络的数据预处理的简化提供了方向。