实质性研究旨在开发高亮的短脉冲X射线源,例如电子同步物,免费电子激光器,汤姆森散射设备等,这些设备证明了它们的优势。但是,它们要么是成本不稳定,不稳定和/或用于日常成像的光子通量不足。在这里,我们关注的是高强度的Bremsstrahlung,该大体适用于体内和生产线中的串联物质检查。bremsstrahung主要是通过聚焦电子束与靶材料原子核的相互作用出现的。医疗实践中0.05%的订单的低能量转换效率(包括辐射屏蔽和X射线过滤器)使热量管理成为基本问题。空间图像分辨率通常受到最小焦点大小的限制,而焦点斑点大小又由所需的X射线输出以及从极限密度输入和热循环的X射线管的常规静止和旋转阳极侵蚀确定。
新勃兰登堡应用技术大学,LGGB 学院,17033 新勃兰登堡,德国 - kresse@hs-nb.de 标准特设小组 关键词:ISO/TC 211、开放地理空间联盟、ISO/TC 172、校准、验证、认证 摘要:本文讨论了摄影测量和遥感标准的工作。过去,ISO/TC 211 发布了有关图像参考模型、元数据标准扩展以及机载和空间图像地理参考的标准。开放地理空间联盟发布了传感器网络支持,这是一套包括传感器建模语言在内的标准。当今的热门话题是用于校准和验证影像传感器和数据的新标准 (ISO/TS 19159) 以及地理参考标准向 SAR、InSAR、激光雷达和声纳传感器的扩展 (ISO/TS 19130-2)。去年,ISPRS 和 ISO/TC 172“光学和光子学”之间的长期联络得以恢复。1.简介
准确实时地估计航天器或空间物体的姿态是航天器在轨维修和装配任务所必需的关键能力。由于空间图像包含变化很大的照明条件、高对比度和较差的分辨率,以及功率和质量限制,因此空间物体的姿态估计比地球上的物体更具挑战性。本文利用卷积神经网络来唯一地确定感兴趣物体相对于相机的平移和旋转。使用 CNN 模型的主要思想是协助空间装配任务中使用的物体跟踪器,而仅基于特征的方法总是不够的。为装配任务设计的模拟框架用于生成用于训练修改后的 CNN 模型的数据集,然后将不同模型的结果与模型预测姿态的准确度进行比较。与许多当前用于航天器或空间物体姿态估计的方法不同,该模型不依赖于手工制作的对象特定特征,这使得该模型更加稳健,更容易应用于其他类型的航天器。结果表明,该模型的性能与当前的特征选择方法相当,因此可以与它们结合使用以提供更可靠的估计。
简介:脑机接口 (BCI) 的实验领域正在扩大,包括运动动作,这在解读认知过程方面起着至关重要的作用。无需任何外部刺激,运动想象 (MI) 可用作脑机接口 (BCI) 的强大模型。操作外部设备的一种自然方法是想象移动同一只手臂的各个关节。这些设想的运动在运动脑中具有相似的空间图像,因此很难根据 EEG 数据区分同一腿的各个关节的 MI。方法:本研究使用了 25 名参与者的现有数据集合。参与者想象使用他们的右肢进行三项不同的活动:想象自己操纵右手、想象弯曲右臂以及在放松时闭上眼睛。为了给这些脉冲分配类别,我们求助于自适应神经模糊推理系统。结果:平均准确率为 90%。结论:研究结果表明,该技术对于正确分类 EEG 数据至关重要。本研究使用的数据收集包括肌肉成像中使用的相同肢体的脑电图测量。新的分类方法将应用于这些信号以得出结论。
德国汉诺威莱布尼茨大学摄影测量与地理信息研究所 jacobsen@ipi.uni-hannover.de 第一委员会,第一工作组 I/4 关键词:DHM、卫星图像、InSAR、分析 摘要:大面积覆盖高度模型主要基于光学和合成孔径雷达 (SAR) 空间图像。通过光学图像自动匹配确定的单个物体点的垂直精度在 1.0 地面采样距离 (GSD) 范围内,但这与高度模型的精度并不相同。除长波长 SAR 数据、P 波段和 L 波段外,所有高度模型最初都是数字表面模型 (DSM),而不是最常要求的数字地形模型 (DTM),其裸地高度必须通过过滤生成。此外,高度模型受插值的影响,从而降低了几何质量。分析了大面积覆盖高度模型的精度和特性,包括确定方法对细节的影响。此外,绝对精度还受地理参考质量的影响,地理参考质量部分基于直接传感器方向,部分基于地面控制点 (GCP) 或间接基于其他现有高度模型。对高度模型分辨率最重要的影响是 DHM 的点间距,但如果数据处理不当,细节也会丢失。所有高度模型在陡峭地形中的精度都较低,光学图像的匹配受物体对比度的影响,而 SAR 受重叠的影响。因此,高度模型中的空白通常会被其他数据填充,从而导致更多的异质性。1.简介
摘要 本学术研究旨在扩展对计算机系统中逻辑推理的理解。随着应用程序的不断创新,现代技术创新创造了计算机软件,使人们只需单击按钮即可完成日常工作。在计算机工程领域,获得逻辑推理能力对于应变和建立技术解决方案至关重要。通过技术的创新和进步,应用程序开发人员继续为进步伸出了轻松之手。这种轻松之手通过提供便利的应用程序来标记。获得逻辑应用程序的组件是传感器、粗糙集理论、空间图像和人工智能。 关键词:逻辑、计算机系统、应用程序、进步。 1. 简介 在不断的技术进步和进步中,世界各地目前都需要多样化、富有创造力和聪明的问题解决者。计算机工程领域培训个人帮助构建和创新计算机的不同组件。这门工程学科旨在确保计算机的所有各种元素能够很好地结合在一起,并有助于提高用户的工作效率 [1]。根据计算机工程,逻辑性是一种创建推理来证明另一个陈述的能力。提高逻辑推理能力可以帮助人们在这个工程领域取得成功,因为在设计程序时,逻辑通常用于理解和正确使用符号语言 [2]。对于所有职业来说,逻辑思维能力都被认为对工作环境至关重要。任何职位的员工都可能被要求找到某些问题的解决方案,而这些问题可能是他们专业领域与生俱来的;因此,工作场所中逻辑思维技能利用得越多,员工决策过程的生产力就越高,错误就越少 [3]。但在以逻辑技能为目标的计算机系统的帮助下,用户可以准确地将交给他们的问题或一组
摘要。森林变化检测对于可持续森林管理至关重要。由于毁林(例如野火或开发活动引起的伐木)或造林而导致的森林面积变化会改变森林总面积。此外,它还会影响可用于商业目的的可用库存、碳排放引起的气候变化以及森林栖息地估计的生物多样性,这对于灾害管理和政策制定至关重要。近年来,林业人员依靠手工制作的特征或双时间变化检测方法来检测遥感图像中的变化以估计森林面积。由于手动处理步骤,这些方法很脆弱且容易出错,并且可能产生不准确的(即低估或高估)分割结果。与传统方法相比,我们提出了 AI-ForestWatch,这是一个用于森林估计和变化分析的端到端框架。所提出的方法使用基于深度卷积神经网络的语义分割来处理多光谱空间图像,通过自动从数据集中提取特征来定量监测森林覆盖变化模式。我们的分析完全由数据驱动,并使用 2014 年至 2020 年的扩展版(带植被指数)Landsat-8 多光谱影像进行。作为案例研究,我们估算了巴基斯坦 15 个地区的森林面积,并生成了 2014 年至 2020 年的森林变化图,在此期间,这些地区开展了主要的造林活动。我们的批判性分析显示,15 个地区中有 14 个地区的森林覆盖率有所提高。AI-ForestWatch 框架及其相关数据集将在发布后公开,以便其他国家或地区可以采用。© 作者。由 SPIE 根据知识共享署名 4.0 未移植许可证出版。分发或复制本作品的全部或部分内容需要完全署名原始出版物,包括其 DOI。[DOI:10.1117/1.JRS.15.024518]
对空气伽马射线图像作为土壤特性指标的实证研究 - 新南威尔士州沃加沃加。Phil Bierwirth 1 、Paul Gessler 2 和 Dermot McKane 3 1 澳大利亚地质调查组织,邮政信箱 378,堪培拉,ACT 2601 2 CSIRO 土壤部,邮政信箱 639,堪培拉,ACT 2601 3 新南威尔士州土地和水资源保护部,邮政信箱 639,堪培拉,ACT 2601 电子邮件:pbierwir@agso.gov.au,电话:(06)2499231,传真:(06) 2499970 摘要 通过对土壤样本中放射性元素丰度和土壤特性的实证分析,可以评估机载伽马射线图像的信息内容。在地质学、地貌学和土壤发生学的背景下进行解释。结果表明,伽马图像能够绘制土壤特性,如 pH 值、成分/营养物质和质地,但伽马响应通常是矿物、地貌和成土过程的混合。在相对地貌不活跃的地区,钾映射浸出和酸度,而钍定义粘土类型和含量。一般而言,包括不同元素迁移在内的多种影响的混合会阻碍简单的解释。解释模型应包括根据地貌和地质将数据细分为不同领域。简介 本文报告了一项试点研究的重要发现,该研究考察了机载伽马辐射数据作为土壤和土地退化快速测绘工具的效用(Bierwirth,1996 年)。航空伽马光谱法通过测量 K、Th 和 U 放射性衰变产生的伽马射线丰度,提供岩石/土壤层顶部 30-45 厘米的地球化学空间图像,植被的影响很小。在特定的景观中,K、U 和 Th 的空间分布以及 U 和 Th 的衰变产物将取决于物理和化学风化过程 - 与主要矿物有关,这些矿物的风化模式受该地区的地貌状况和气候影响。风、地表冲刷和冲积过程对矿物的物理运输占放射性元素分布的大部分(Martz 和 de Jong,1990 年)。矿物成分发生化学分解后,大多数元素都具有可移动性(可溶解或附着于胶体),具体取决于化学条件,而化学条件又可能与矿物学、地貌年龄和气候因素有关。例如,水解作用会释放出钾长石和云母中的 K +,用于伊利石的形成,吸附到其他粘土上或通过流体迁移去除(Wedepohl,1969 年)。酸性溶液将在风化早期阶段取代 H +,从而有助于 K + 的释放,这最初也可能会增加 pH 值 (Wollast,1967)。因此,空气中检测到的 K 分布的空间模式将取决于土壤的矿物学和年龄(即风化状态)。由于空气中的 U 和 Th 数据分别来自衰变产物 214 Bi 和 208 Tl 产生的伽马辐射,因此了解这些元素的所有母体具有相当长的半衰期的流动性方面非常重要。在铀衰变链中,同位素