XiaoMi-AI文件搜索系统
World File Search System矩形框
化学异质性增强了高强度钢的抗氢性能
图 1 化学异质性诱导裂纹停止作为防止氢脆的措施的概念，以及具有奥氏体内部异质 Mn 分布的高强度钢的微观结构。a，概念示意图。b，电子背散射衍射 (EBSD) 相加图像质量 (IQ) 图，显示奥氏体-铁素体双相微观结构。c，基于扫描电子显微镜 (SEM) 的能量色散 X 射线光谱 (EDX) 图，揭示了微观结构中的整体 Mn 分布模式。化学缓冲区是奥氏体相内 Mn 高度富集 (14~16 at.% Mn) 的区域（其中一些以椭圆框标记）。d，高角度环形暗场扫描透射电子显微镜 (HAADF-STEM) 观察和 EDX 分析，显示在一个奥氏体晶簇甚至一个奥氏体晶粒内存在多个富 Mn 区。分别从标记的圆形和矩形框拍摄的选区电子衍射 (SAED) 和高分辨率 TEM (HR-TEM) 图像放在 STEM 图像的右侧。EDX 线轮廓是从 EDX 图中箭头标记的区域拍摄的。
使用深度卷积神经网络自动检测局灶性皮质发育不良
局灶性皮质发育不良（FCD）是皮质发育畸形，可能由皮质结构或细胞学异常引起 Kabat 和 Król (2012) 。它是儿童癫痫的首要病因，也是成人癫痫的第三大病因 Lerner 等 (2009) 。磁共振成像（MRI）被广泛用于识别 FCD，因为它可以提供高对比度和分辨率的软组织图像。图 1 显示了三张 T1 加权 MRI 图像（即一张健康图像和两张 FCD 图像）。图 1 (b) 和 (c) 中红色矩形框包围的区域显示了 FCD 的两个典型 MRI 特征：灰质 (GM) -白质 (WM) 边界模糊和皮质增厚。由于 FCD 病变的细微性和脑解剖结构的复杂性，即使对于经验丰富的专家来说，在 MRI 图像上手动识别 FCD 病变也是一项耗时且主观的任务 Rajan et al. (2009) 。在 MRI 图像中，多种组织类型（例如 GM、WM、脑脊液 (CSF)）会影响体素/像素强度，这被称为部分容积效应，
盒子里的太阳日冕环：能量产生和加热
背景。日冕环是太阳高层大气的基本构成要素，在极紫外和 X 射线中可见。了解日冕环如何产生能量、构造和演化是理解恒星日冕的关键。目的。我们在此研究光球磁对流如何产生加热日冕环的能量，并将其传输到高层大气中，以及日冕磁环的内部结构如何形成。方法。在 3D 磁流体动力学模型中，我们使用 MURaM 代码研究了一个孤立的日冕环，其两个足点都位于对流区内的浅层中。为了解决其内部结构，我们将计算域限制为一个矩形框，其中包含一个日冕环作为拉直的磁通量管。考虑了场对准热传导、光球层和色球层的灰辐射传输以及日冕中的光学薄辐射损失。足点被允许与周围的颗粒物自洽地相互作用。结果。环被坡印廷通量加热，该通量是通过光球中单个磁场浓度的小尺度运动自洽产生的。由于足点运动，大气上层形成了湍流。我们几乎看不到来自给定足点的不同光球浓度的磁通量管大规模编织加热的迹象。合成发射，就像大气成像组件或 X 射线望远镜所观察到的那样，揭示了响应加热事件而形成的瞬态亮线。总体而言，我们的模型粗略地再现了在日冕环（子结构）内观察到的等离子体的性质和演化。结论。利用这个模型，我们可以建立一个连贯的图像，展示加热太阳表面附近高层大气的能量通量是如何产生的，以及这个过程是如何驱动和控制日冕环的加热和动态的。
检测复杂的建筑物形状...
由于遥感领域提供了新的传感器和技术来积累城市区域的数据，这些区域的三维表示在各种应用中引起了很大的兴趣。三维城市区域表示可用于详细的城市监测、变化和损坏检测目的。为了获得三维表示，最简单和最便宜的方法之一是使用数字高程模型 (DEM)，它是使用立体视觉技术从非常高分辨率的立体卫星图像生成的。不幸的是，在应用 DEM 生成过程后，我们无法直接获得三维城市区域表示。在仅使用一个立体图像对生成的 DEM 中，通常噪声、匹配误差和建筑物墙壁位置的不确定性非常高。这些不良影响增加了三维表示的复杂性。因此，自动 DEM 增强是一个开放且具有挑战性的问题。为了增强 DEM，我们在此提出了一种基于建筑物形状检测的方法。我们使用慕尼黑的 DEM 和正射全色 Ikonos 图像来解释我们的方法。在对 DEM 和 Ikonos 图像进行预处理后，我们对 DEM 应用局部阈值来检测建筑物等高城市物体的大致位置。为了检测复杂的建筑物形状，我们开发了之前的矩形形状检测（箱体拟合）算法。不幸的是，我们研究区域中的建筑物形状非常复杂。我们假设可以通过像链条一样拟合小矩形来检测这些复杂建筑物的形状。因此，我们将检测到的建筑物分成细长的子部分。然后，我们将之前的矩形形状检测算法应用于这些子部分。在形状检测中，我们考虑 Ikonos 图像的 Canny 边缘以适应矩形框。合并所有检测到的矩形后，我们可以检测甚至非常复杂的建筑结构的形状。最后，使用检测到的建筑物形状，我们在 DEM 中细化建筑物边缘并平滑建筑物屋顶上的噪声。我们相信实施的增强功能不仅可以提供更好的视觉三维城市区域表示，而且还将导致详细的变化和损坏调查。
SSA 位置和尺寸精度要求
航天器运营商在确定是否有必要采取防撞机动时，会采用不同的近距离指标和防撞距离。通常，航天器处于低风险轨道状态的运营商可能会以很少的燃料或运营成本实施极其保守的防撞策略，而航天器在高风险轨道状态运行的运营商则被迫采取经济的防撞策略，以避免耗尽燃料预算并给飞行动力学团队带来过重负担。不幸的是，虽然存在许多防撞机动“通过/不通过”标准，但运营商通常无法获得 SSA 信息和 SSA 精度，而这些精度对于填充最适合他们的标准是必不可少的。此外，用于填充这些标准的算法有时包含无效假设，例如在需要更复杂的公式时使用线性碰撞概率和球形物体形状近似值。虽然存在一些估计卫星物体尺寸的来源，但会合时的相对姿态可能不确定甚至不可用，特别是对于所谓的“次要”或会合物体。空间数据协会 (SDA) 是一个由全球卫星运营商组成的协会，致力于确保可控、可靠和高效的空间环境，该协会已在其成员中开展了一项调查，以收集有关其会合评估运营概念的数据。这些包括防撞通过/不通过指标、防撞目标和运营约束。任何试图向运营商提供有意义的会合评估服务的实体都可以使用这些数据来设计服务要求。本文评估了与这些不同的“通过/不通过”指标相关的空间态势感知 (SSA) 数据的各种定位精度要求，这些指标用于空间交通协调 (STC) 和空间交通管理 (STM) 的会合缓解过程。这些指标包括最接近时 (TCA) 的错失距离、组件化错失距离（例如，TCA 径向分离，即使在轨道内或轨道外分离或不确定性未知的情况下也能防止碰撞），以及最大碰撞概率和估计的真实概率。需要探讨的另一个关系是碰撞概率对 TCA 处卫星方向和配置/形状的依赖关系。由于不了解方向，计算碰撞概率时必须做出某些假设。一种常见的做法是用一个封装球体来近似航天器的硬体。这种一刀切的方法无需确定方向，但会导致物体体积被高估，概率被高估，除非两颗卫星实际上都是球体。为了产生更具代表性的概率，我们使用卫星的尺寸来定义一个包围的矩形框。通过投射比球体更小的区域，这种方法可以更准确地描绘实际的碰撞威胁，但缺点是必须在一定程度上准确了解盒子的方向。但即使选择产生最大可能覆盖范围的方向，盒子形状的概率也会低于球体。为了解决这个问题，我们估计了一系列对应于一系列方向的碰撞概率值，从中我们可以探索给定碰撞概率阈值所需的态度知识和位置精度之间的相互关系。