基于图像处理研究铁尾矿的熔化行为

作为主要成分的SiO2是铁尾矿中最难熔化的部分.通过一组SiO2的熔化时序图像来探究铁尾矿的熔化情况.首先,进行图像预处理,建立质心位置追踪模型和体积估算模型.将灰度图转化为二值图,利用卡尔曼滤波器进行质心追踪和对质心运动轨迹的描述.通过计算二值图中0像素的数量得到面积随时间变化的图像,拟合出熔化过程函数.结合二值图中目标物体的边界信息得到的参数量建立多元线性回归模型.估算颗粒扁平度和物体的体积,熔融速率通过颗粒集合的质量变化函数得出.     

基于多尺度特征校准的图像协调化方法

图像组合是图像处理中一个重要操作，然而组合图像中前景区域与背景区域的外观不协调使得组合图像看起来不真实。图像协调化是图像组合中极其重要的一个环节，其目的是调整组合图像前景区域的外观使其与背景区域一致，从而让组合图像在视觉上看起来真实。然而，现有方法只考虑了组合图像前景与背景之间的外观差异，忽略了图像局部的亮度变化差异，这使得图像整体的光照不协调。为此，该文提出一个新的多尺度特征校准模块(MFCM)学习不同尺度的感受野之间细微的特征差异。基于所提模块，该文进一步设计了一个新的编码器学习组合图像中前景与背景的外观差异和局部亮度变化，然后利用解码器重构出图像，并通过一个对前景区域归一化的回归损失指导网络学习调整前景区域的外观。在广泛使用的iHarmony4数据集上进行实验验证，结果表明该方法的效果超过了目前最优的方法，验证了该方法的有效性。     

4K超高清演播室的设计与应用

4K/8K超高清产业发展,是“十四五”时期超高清视频产业发展的重点内容。对于地方广播电视媒体而言,如何挖掘和利用4K技术建设超高清演播室,提升4K超高清视频制作与传播的能力,是当前重点关注的问题。为此,本文结合相关技术的发展现状,在介绍4K超高清演播室设计方案的基础上,对演播室的主要技术特点以及具体的应用情况进行了分析探讨,为“十四五”时期地方广播电视媒体科学发展4K超高清视频产业提供相关内容参考。     

风云四号A星红外高光谱大气垂直探测仪观测资料质量评估

评估星载红外高光谱仪器观测资料的质量可以推进其在数值天气预报中的应用。使用2020 年 7 月 FY-4A 红外高光谱干涉式大气垂直探测仪 (Geostationary Interferometric Infrared Sounder, GIIRS)观测数据，分析GIIRS所有通道观测噪声随视场和纬度的变化、偏差 (观测亮温与辐射传输模式模拟亮温的差) 随时间、视场、纬度和天顶角的分布来评估 GIIRS 观测资料质量。研究结果表明:波段727.5~733.8 cm?1、1107.5~1130 cm?1和1650~1776.9 cm?1的观测噪声超出仪器灵敏度设计指标，且这些通道的偏差和偏差标准差明显大于其他通道；除了长波观测噪声大的通道外，其余通道噪声等效温差NEdT在32×4阵列上均呈“中间小，两边大”的特征，且NEdT的分布不随纬度带和FOR阵列而改变，在进行GIIRS资料同化或变分反演时，其观测误差只用考虑不同通道在32×4阵列内的NEdT分布；由于数值预报模式的地表温度在白天时值偏低，使得模拟辐射量偏低，造成偏差绝对值减小，使偏差有明显的日变化；中波通道偏差特征基本不随32×4面阵的列而改变，主要与阵列中的行有关，在中波通道进行偏差订正时可以针对32×4面阵中行开展，基本不需要纬度带和卫星天顶角的订正。     

使能未来工厂的5G能力综述

5G系统将移动通信服务从移动电话、移动宽带和大规模机器通信扩展到新的应用领域，即所谓对通信服务有特殊要求的垂直领域。对使能未来工厂的5G能力进行了全面的分析总结，包括弹性网络架构、灵活频谱、超可靠低时延通信、时间敏感网络、安全和定位，而弹性网络架构又包括对网络切片、非公共网络、5G局域网和边缘计算的支持。希望从广度到深度，对相关的理论及技术应用做透彻、全面的梳理，对其挑战做清晰的总结，从而为相关研究和工程技术人员提供借鉴。     

高光谱成像用高帧频CMOS图像传感器北大核心

针对高帧频、全局曝光和光谱平坦等成像应用需求,设计了一款高光谱成像用CMOS图像传感器。其光敏元采用PN型光电二极管,读出电路采用5T像素结构。采用列读出电路以及高速多通道模拟信号并行读出的设计方案来获得低像素固定图像噪声(FPN)和非均匀性抑制。芯片采用ASMC 0.35μm三层金属两层多晶硅标准CMOS工艺流片,为了抑制光电二极管的光谱干涉效应,后续进行了光谱平坦化VAE特殊工艺,并对器件的光电性能进行了测试评估。电路测试结果符合理论设计预期,成像效果良好,像素具备积分可调和全局快门功能,最终实现的像素规模为512×256,像元尺寸为30μm×30μm,最大满阱电子为400 ke^(-),FPN小于0.2%,动态范围为72 dB,帧频为450 f/s,相邻10 nm波段范围内量子效率相差小于10%,可满足高光谱成像系统对CMOS成像器件的要求。     

基于改进残差特征蒸馏的轻量级超分辨率网络

基于深度学习的图像超分辨率算法通常采用递归的方式或参数共享的策略来减少网络参数，这将增加网络的深度，使得运行网络花费大量的时间，从而很难将模型部署到现实生活中。为了解决上述问题，本文设计一种轻量级超分辨率网络，对中间特征的关联性及重要性进行学习，且在重建部分结合高分辨率图像的特征信息。首先，引入层间注意力模块，通过考虑层与层之间的相关性，自适应地分配重要层次特征的权重。其次，使用增强重建模块提取高分辨率图像中更精细的特征信息，以此得到更加清晰的重建图片。通过大量的对比实验表明，本文设计的网络与其他轻量级模型相比，有更小的网络参数量，并且在重建精度和视觉效果上都有一定的提升。