XiaoMi-AI文件搜索系统
World File Search System红外图像
用于全球监测建筑物能源效率的高分辨率热红外空间望远镜
1. 结合我们从之前两个原型中获得的知识，构建一个可展开的自调准 TIR 空间望远镜作为 12U 有效载荷（UCAM/S4）2. 包括视角和大面积覆盖，以从无人机数据创建高度逼真的模拟 TIR 空间数据（UCAM/S4）3. 继续我们的利益相关者参与计划（UCAM/S4）4. 开发工具来稳健地评估地球上任何建筑物的能量输出（UCAM）5. 设计一个系统原型以实现 TIR 条带测绘（S4）6. 在现有数据分发平台上开发测试模块，使 TIR 红外图像能够轻松地与可见光图像叠加（Open Cosmos Ltd）7. 专门为获得专利的自调准望远镜开发金刚石车削自由曲面光学器件（Durham Precision Optics - 新合作伙伴）。
红外设备和技术 | Antoni Rogalski
回顾过去的 1000 年，我们发现红外 (IR) 辐射本身直到 200 年前才为人所知，当时赫歇尔首次报告了温度计实验 [1]。他建造了一个粗糙的单色仪，使用温度计作为探测器，以便测量阳光中的能量分布。继基尔霍夫、斯蒂芬、玻尔兹曼、维恩和瑞利的工作之后，马克斯·普朗克以著名的普朗克定律进一步推动了这一努力。传统上，红外技术与控制功能和夜视问题有关，早期应用仅与红外辐射检测有关，后来通过形成温度和发射率差异的红外图像（识别和监视系统、坦克瞄准系统、反坦克导弹、空对空导弹）。第二次世界大战期间见证了现代红外技术的起源。近五十年来，高性能红外探测器的成功开发使得红外技术在遥感问题上的应用取得了成功。大部分资金用于满足军事需求，但和平应用不断增加，特别是在二十世纪最后十年。这些包括医疗、工业、地球资源和节能应用。医疗应用包括热成像，其中对身体进行红外扫描可以检测出癌症或其他创伤，从而提高体表温度。地球资源测定
基于现场测试的无人机系统 (UAS) 在 GDOT 运营中的集成指南开发
16. 摘要：该项目旨在根据佐治亚州交通部 (GDOT) 内多个小组对选定任务进行 UAS 技术现场测试的经验和教训，制定将无人机系统 (UAS) 整合到佐治亚州交通部 (GDOT) 运营中的指南。研究小组与来自建筑、桥梁维护和联运小组的 17 名成员进行了三次焦点小组会议。焦点小组会议的主要目的是确定可以从使用 UAS 中受益并可以在现场测试的任务。总共选择了七个地点进行现场测试，包括 2 个机场、2 个铁路段、1 个道路施工现场和 2 座桥梁。在现场测试期间，使用了多个 UAS 平台来收集各种数据类型，包括静态图像、红外图像和视频。飞行以手动和自动模式进行。收集数据后，对其进行处理并与参与者举行汇报会议，以收集有关流程和结果有用性的反馈。在获得参与现场测试的 GDOT 人员的见解后，制定了集成指南建议，并在随附的报告中进行了介绍。这项研究的结果可以引导 UAS 从 GDOT 任务中实施到所涉及团体，甚至可能在 GDOT 更广泛地实施。
Lynred 推出两款多光谱线性阵列红外...
基于 LSTM 和 TRISHNA 太空任务中使用的设计，多光谱线性阵列为整个光谱范围（短波 (SWIR) 到甚长波 (VLWIR)）的红外图像开辟了新的太空商业机会 Lynred 将于 6 月 8 日至 10 日在法国巴黎附近的 Optro 2022 上讨论用于太空应用的多线性和多光谱红外传感器的新发展 法国格勒诺布尔，2022 年 6 月 7 日——Lynred 是一家为航空航天、国防和商业市场提供高质量红外 (IR) 探测器的全球领先供应商，今天宣布推出两款多光谱线性阵列红外探测器，用于一系列地球观测任务。Pega 和 Capyork 旨在集成到成像卫星、用于水循环观察和干旱评估的跟踪和测量仪器以及海陆表面温度监测以及许多其他潜在的商业空间应用中。多光谱红外探测器使用户能够在覆盖从短波到甚长波的红外范围的多个光谱波长带中获得光测量值。它们在卫星上工作，收集沿卫星轨道从同一场景同时拍摄的一系列红外图像数据，检索特定于地球观测应用的科学信息。作为基于 Lynred 为两项太空任务开发的红外探测器的衍生产品：由法国国家空间研究中心 CNES 领导的 TRISHNA（用于高分辨率自然资源评估的热红外成像卫星）和欧洲哥白尼陆地表面温度监测任务 LSTM，Pega 和 Capyork 将使未来的地球观测任务仪器能够：
人工智能在远程监控数据处理任务中的应用Yu.Yu.格罗莫夫 1，I.N.伊什丘克 1，V.V.罗季奥诺夫 1
摘要 本文提出了一种使用深度学习卷积神经网络U-net对地表多时相多光谱图像进行分类的方法。使用无人驾驶飞机的多光谱光电系统获取可见光和红外图像，并用于构建该地区的正射影像图。根据获得的数据，训练神经网络来解决检测人造物体的问题。基于深度学习和热物理参数评估的远程监控对象智能识别方法允许使用遗传算法创建背景目标环境。该算法解决了热导率的系数反问题，并提供了材料热物理参数的估计。为了训练模型，引入了 18 类物体，根据人造物体和背景（人为或自然景观）之间的热对比差异进行研究。每天以 4 小时为间隔对地球表面进行 6 次勘测。该实验于2021年夏季进行，具体日期为8月4日至5日。在人造物体的检测和分类任务中，发现该模型表现出具有不同可靠性的适用性。进行的研究表明，在模型运行过程中发现了所需的对象类别。关键词1 深度学习，分类，分割，远程监控，神经网络，遗传算法，背景目标环境，光电系统，热物理参数。人工智能在远程监测数据处理任务中的应用 YY Gromov 1、IN Ishchuk 1、VV Rodionov 1
Janus：NASA 向近地双小行星发射 SmallSat 任务
Janus 是一次由两艘航天器组成的 SmallSat 任务，旨在飞越两对不同的双星近地小行星，即 (175706) 1996 FG3 和 (35107) 1991 VH。两艘相同的 Janus 航天器计划于 2022 年 8 月 1 日开始的发射期间作为 NASA Psyche 任务的辅助有效载荷，由 SpaceX Falcon Heavy 运载火箭发射。Janus 由科罗拉多大学博尔德分校的首席研究员 Dan Scheeres 博士领导，由洛克希德马丁公司管理、建造和运营。这些行星 SmallSat 与大型任务有许多相似的深空挑战：Janus 必须执行深空机动以实现每秒数百米的 ΔV 才能到达目的地，关闭高达 2.4 AU 范围内的电信链路，在太阳合相期间自主管理长达数月的电信中断，在 1.62 AU 的最大太阳范围内运行，并在行星际空间中存活大约四年，然后才会遇到目标小行星。在相遇期间，航天器将返回小行星的高分辨率可见光和红外图像。在将 Janus 送上发射台的过程中，实施团队成功管理了积极的任务时间表，尽管受到 COVID-19 相关供应链影响和工作环境的影响，同时仍保持了 SIMPLEx-2 成本上限的目标。Janus 是可实现且负担得起的 SmallSat 科学任务的探路者，并展示了经验丰富的深空任务工程团队、SmallSat 商业组件行业和具有前瞻性的 NASA D 类科学任务模型之间的宝贵伙伴关系。
特刊人工智能用于眼底照相机和扫描激光检眼镜图像的自动叠加
眼底视网膜成像和荧光血管造影数据，利用视网膜图像中视网膜血管树的存在。6 Mahapatra 等人应用生成对抗网络在注册文件的监督下注册多模态图像，这些注册文件由其他传统方法获得。7 然而，在这两项研究中，叠加方法仅限于用相同相机和相同视野拍摄的视网膜图像，只是波长不同（用标准相机拍摄的荧光血管造影和彩色眼底图像）。此外，人工智能已用于分析单模态图像分析以对疾病进行分类或检测，10-12 但目前还没有方法可以共定位和分析多个成像和功能数据。因此，作为应用人工智能分析多仪器成像和功能研究的初步步骤，我们尝试将来自扫描激光平台的图像叠加到眼底照相机平台上。这些成像平台利用不同的光学路径和不同类型的照明（扫描激光与泛光照明）。我们选择使用红外扫描激光检眼镜 (IR SLO) 图像作为原型 SLO 图像来叠加到彩色眼底 (CF) 上。照片是用眼底照相机拍摄的，因为所有接受光学相干断层扫描 (OCT) 扫描的患者都会进行此类成像，而且红外图像的光学和纵横比预计与用 SLO 拍摄的自发荧光 (AF) 或多色 (MC) 图像相似并因此适用于这些图像，所以这些结果可能适用于许多类型的图像。我们注意到 SLO 图像是使用与 CF 图像不同的光学和仪器拍摄的，因此这似乎是确定 AI 代理是否可以通过检查血管位置来完成这种叠加的良好开端。这项研究的创新之处在于，我们对一种新型 AI 算法在多模态视网膜图像配准方面的表现进行了严格的、隐蔽的研究。我们的算法能够执行图像配准，而无需大量手动注释的真实图像集。
2023 年罗伯特·H·戈达德博士纪念奖杯
望远镜华盛顿——2023 年 1 月 9 日——国家太空俱乐部和基金会 (NSCF) 很高兴地宣布美国宇航局詹姆斯韦伯太空望远镜和诺斯罗普格鲁曼工业团队成为 2023 年罗伯特 H. 戈达德博士纪念奖杯的获得者，以表彰詹姆斯韦伯太空望远镜的突破性成就和成功，它是最大、最强大的太空望远镜。该奖项是国家太空俱乐部和基金会的最高荣誉，每年颁发给为美国在航天或火箭领域的领导地位做出重大贡献的个人或团体。该奖项将于 2023 年 3 月 10 日在华盛顿希尔顿酒店举行的第 66 届罗伯特 H. 戈达德纪念晚宴上颁发。美国宇航局韦伯望远镜的成功研制是美国航空航天和工程史上的历史性里程碑。经过 20 年的研发，NASA 和诺斯罗普·格鲁曼工业团队率先采用了多项突破性技术，包括可展开的遮阳板（用于阻挡太阳、地球和月球发出的热量和光线）和能够探测早期宇宙光的金块镜。韦伯的革命性技术使天体物理学家能够研究宇宙历史的每一个阶段，并以前所未有的方式观察最早的恒星和星系。该天文台已经拍摄了遥远星系最深、最清晰的红外图像，探测了以前从未见过的太空区域，并在系外行星的大气层中发现了二氧化碳。这些成就仅仅是个开始，韦伯将继续履行其使命，以扩大人类对宇宙的理解。“韦伯是美国在太空领域领导地位的胜利，也是公私合作伙伴关系突破技术和人类智慧极限的证明，”韦伯博士说。
多光谱图像的迭代多尺度融合与夜视彩色化
1.引言多光谱图像通常提供互补信息，如可见光波段图像和红外图像（近红外或长波红外）。有强有力的证据表明，融合的多光谱图像提高了解释的可靠性（Rogers & Wood，1990；Essock 等人，2001）；而彩色多光谱图像则提高了观察者的表现和反应时间（Toet 等人，1997；Varga，1999；Waxman 等人，1996）。计算机可以自动分析灰度融合图像（用于目标识别）；而彩色图像则易于人类用户解释（用于视觉分析）。想象一下，夜间导航任务可以由配备多传感器成像系统的飞机执行。分析组合或合成的多传感器数据将比同时监测多光谱图像（如可见光波段图像（例如，图像增强，ll）、近红外（NlR）图像和红外（lR）图像）更方便、更有效。在本章中，我们将讨论如何使用图像融合和夜视彩色化技术合成多传感器数据，以提高多传感器图像的有效性和实用性。预计这种图像合成方法的成功应用将提高遥感、夜间导航、目标检测和态势感知的性能。这种图像合成方法涉及两种主要技术，即图像融合和夜视彩色化，分别在下面进行回顾。图像融合通过整合互补数据来组合多源图像，以增强各个源图像中明显的信息，并提高解释的可靠性。这样可以得到更准确的数据（Keys et al.，1990）并提高实用性（Rogers & Wood，1990；Essock et al.，1999）。此外，据报道，融合数据提供了更为稳健的操作性能，例如增加了置信度、减少了歧义性、提高了可靠性和改进了分类（Rogers & Wood，1990；Essock et al.，2001）。图像融合的一般框架可以在参考文献（Pohl & Genderen，1998）中找到。在本章中，我们的讨论重点是像素级图像融合。对融合图像质量的定量评估对于客观比较各个融合算法非常重要，它可以测量有用信息的数量和融合图像中引入的伪影数量。
JWST观测马头光子主导区域-I。首先是由多波段近红外成像
上下文。詹姆斯·韦伯（James Webb）太空望远镜（JWST）捕获了有史以来最清晰的红外图像，这是一个原型中等辐照的光子主导区域（PDR），它完全代表了大多数UV-rumumination-the Milecular Soleculin ass the Milecular速度和星星形成的星座。目标。我们研究了一个巨大的恒星在分子云边缘发出的远 - 硫酸酯（FUV）辐射的影响，就光蒸发，电离，解离，H 2激发和粉尘加热而言。我们还旨在限制PDR边缘的结构及其照明条件。方法。我们使用Nircam和Miri获得了17个宽带和6个窄带地图，在宽光谱范围为0.7至28 µm。我们绘制了灰尘发射，包括芳香和脂肪族红外（IR）带，散射光和几个气相线（例如，Paα，Brα，H 2 1-0 S（1）在2.12 µm时）。为了进行分析，我们还将1.1和1.6 µm的两个HST-WFC3图与HS-Stis光谱观测到Hα线相关联。结果。我们以0.1至1''的角度分辨率探测了马头边缘的结构，并解决了其空间复杂性（相当于2×10-4至2×10 - 3 PC或40至400 au，在400 pc的距离处）。我们检测到一个微弱的横纹特征网络，该网络垂直于PDR前面延伸至Nircam的H II区域，Miri和Miri对纳米谷物发射敏感的过滤器以及1.1 µm的HST滤波器中的敏感，从而散布于较大的晶粒散布的光线。这确实可能是第一次检测到蒸发流中灰尘颗粒的夹带。在PDR的照明边缘，H 2的1-0 s（1）线的丝状结构在尺度上呈现出众多尖锐的子结构。与尘埃发射相比，沿边缘沿狭窄的层（宽度约为1''，对应于2×10 - 3 pc或400 au），与灰尘发射相比，H 2发射过量。电离正面和解离前在PDR的外边缘后面出现在距离1-2''，并且似乎在空间上重合，表明中性原子层的厚度很小（低于100 au）。所有宽带图都呈现出照明边缘和内部区域之间的颜色变化。在与天空平面相比，照亮的星σ-orionis略有倾斜的情况下，这可以通过灰尘衰减来解释，从而使马头以倾斜的角度从后面照亮。与Hα，PAα和BRα线中测得的排放的预测偏差也表明灰尘衰减。使用非常简单的模型，我们使用数据来得出灭绝曲线的主要光谱特征。在3 µm处的灭绝少量可能归因于在密集区域形成的晶粒上冰冷的H 2 O层。我们还将衰减曲线从PDR衍生为0.7至25 µm。在跨越马头内部区域的所有视线中，尤其是在IR峰位置周围，在JWST的整个光谱范围内，灰尘衰减似乎不可忽略。