XiaoMi-AI文件搜索系统
World File Search SystemImagery
倾斜航空影像 - 回顾 - 摄影测量周
由于机载数字多相机系统的发展，倾斜影像的使用几乎成为许多民用和测绘应用的标准（图1）。大多数国家测绘和制图机构 (NMCA) 仍然依赖基于垂直摄影的传统工作流程，但生产层面也在慢慢发生变化。倾斜摄影无可争议的优点在于其解释和理解的简单性，以及它们可以揭示建筑物立面和足迹的事实。因此，非专业用户更容易解释数据，因为它与从地面看到的内容更具关联性。这样便可将倾斜影像用于各种不同的应用：道路土地更新 (Mishra 等人，2008 年)、建筑物登记和初步地块边界确定 (Lemmens 等人，2008 年)、城市分类和 3D 城市建模 (Gerke 和 Xiao，2013 年；Nex 等人，2013 年)、未登记建筑物识别 (Fritsch 和 Rothermel，2013 年)、群体性事件监测 (Grenzdoerfer 等人，2008 年)、损害评估 (Gerke 和 Kerle，2011 年；Murtiyoso 等人，2014 年) 等。为了能够大规模使用倾斜影像块，必须调整现有的处理工作流程，而商业工具目前正在加紧提供可靠的处理链。图像尺度变化（图像倾斜、传感器尺寸、焦距和飞行高度的函数）、离底视图中的大位移以及图像块中的辐射测量变化是处理大块空中倾斜图像时实际困难的一些原因。到目前为止，以自动方式执行包括所有相机参数的组合光束调整是一项相当困难的任务（如果不是未解决的） （Wiedemann 和 More，2012；Rupnik 等人，2013）。在本文中，在回顾了最常见的商用倾斜多相机系统之后，回顾了整个摄影测量流程，并在本文的结论中提出了一些未解决的研究问题。
地球遥感图像的多传感器配准
假设系统校正系统在几个像素内给出近似配准，我们开发了用于多传感器数据的自动图像配准方法，目标是实现亚像素精度。自动图像配准通常由三个步骤定义：特征提取、特征匹配和数据重采样或融合。我们之前的工作重点是基于使用不同特征的图像相关方法。在本文中，我们研究了不同的特征匹配技术，并提出了五种算法，其中特征是原始灰度或小波类特征，特征匹配基于梯度下降优化、统计稳健匹配和互信息。这些算法在多个多传感器数据集上进行了测试和比较，这些数据集覆盖了 EOS 核心站点之一，即堪萨斯州的 Konza Prairie，来自四个不同的传感器：IKONOS（4m）、Landsat-7/ETM+（30m）、MODIS（500m）和 SeaWIFS（1 000m）。
机载多光谱图像在害虫管理中的应用...
机载多光谱图像在害虫管理系统中的应用 Y. Huang、Y. Lan 和 W.C. Hoffmann USDA-ARS，APMRU 2771 F&B Road College Station，TX，77845 电子邮件：yhuang@sparc.usda.gov 摘要 开发并测试了一种用于农业飞机的多光谱成像系统，以提供田地图像并帮助农民和作物顾问管理农业用地。这项研究的结果表明，机载 MS4100 多光谱成像系统在区域性害虫管理系统中具有巨大应用潜力，例如杂草控制或昆虫危害检测。多光谱图像处理可产生 NIR、红色、绿色、NR、NG、NDVI 和 NDNG 指数或图像，可用于评估农田中的生物量、作物健康、生物型和害虫侵染。分类后的图像通过区分图像中光谱特征的变化来识别地面覆盖簇。图像分类的结果可以提供关键输入，以生成用于精准应用作物生产和保护材料的处方数据。
改善运动图像EEG模型的概括...
摘要 - 运动成像脑图是非线性，非平稳性和高维本质上的。由于其中，跨多个主题的现有分类模型的预测是有限的。为了提高跨多个主题的现有分类模型的性能，本文提出了一种新的预处理方法。引入了一种混合特征选择方法，以选择最佳的通道数，然后选择聚类。聚类有助于通过检测不同受试者之间的类似簇来探索共享的大脑活动模式及其与外部因素的关系。在这项研究中，使用四个不同的分类器来对运动成像脑电图数据进行分类。使用集成技术的拟议方法的精度为99.6％。在逻辑回归中可以看到显着改善。这项研究的结果表明，使用我们提出的方法可以跨多个受试者进行运动成像脑电图的概括。
以及基于脑电图的运动想象脑的个体内变异性......
在脑电图 (EEG) 记录中，不同受试者之间和同一受试者内随时间推移都存在普遍且难以捉摸的受试者间和受试者内变异性 ( Saha and Baumert ， 2020 )。受试者间变异性可归因于年龄、性别和生活习惯等因素，这些因素与大脑地形和电生理有关 ( Seghier et al. ， 2004 ； Herzfeld and Shadmehr ， 2014 ； Wu et al. ， 2014 ； Seghier and Price ， 2018 ； Antonakakis et al. ， 2020 )。受试者内部的变异性可以解释为心理和生理的变化，例如疲劳、放松和注意力（Smith 等人，2005 年；Meyer 等人，2013 年；Nishimoto 等人，2020 年；Trinh 等人，2021 年；Hu 等人，2022 年）。受试者间和受试者内部的变异性对基于 EEG 的脑机接口 (BCI) 领域构成了重大挑战（Ray 等人，2015 年；Saha 等人，2017 年；Lee 等人，2019 年；Chikara 和 Ko，2020 年；Wei 等人，2021 年；Huang 等人，2022 年）。通过检测感觉运动节律 (SMR) 中的事件相关去同步/同步 (ERD/ERS)，基于运动想象的 BCI (MI-BCI) 已被提出用于神经康复应用，范围从运动障碍、严重肌肉疾病和瘫痪患者到肢体运动恢复 (Wolpaw and Wolpaw, 2012; Mane et al., 2020)。然而，来自某个受试者的训练有素的 BCI 模型不能直接应用于另一个受试者。此外，先前的研究表明 BCI 效率低下的问题，有 10% 到 50% 的用户无法操作 MI-BCI 系统 (Vidaurre and Blankertz, 2010; Liu et al., 2020)。即使是对同一受试者，BCI 系统的性能也会随着时间的推移而下降。受试者间和受试者内变异性的存在导致传统机器学习泛化能力的下降，从而限制了MI-BCI的实用化应用（Ahn and Jun，2015；Saha等，2017）。在传统机器学习框架下，训练集和测试集需要独立同分布（IID）（Duda and Hart，2006）。然而，受试者间和受试者内的变异性使得IID条件假设不再成立。通过放宽IID假设的限制要求，迁移学习被认为是一种有效的方法，可以提高模型对受试者间和受试者内变异性的可重用性和泛化能力（Jayaram等，2016；Pan，2020）。已经提出了一系列方法将知识从源域迁移到目标域。不变表示的目的是寻找跨不同会话或主题的不变学习模型，例如正则化公共空间模式 (CSP) 和不变 CSP (Blankertz 等，2007；Cheng 等，2017；Xu 等，2019)。随着深度学习技术的发展，领域自适应方法已经提出并几乎完全主导了 BCI 应用领域（Li 等人，2010 年；Liu 等人，2012 年；Samek 等人，2013 年；Fukunaga，2013 年；Dagaev 等人，2017 年；Azab 等人，2019 年；Hong 等人，2021 年）。一些端到端优势和更强的特征学习能力受到了越来越多的关注（Autthasan 等人，2021 年）。虽然受试者间和受试者内的变异性对实际应用的挑战已逐渐被注意到，并且迁移学习可以在一定程度上弥补性能下降，但对受试者间和受试者内变异性的理解仍然有限。大多数研究人员将受试者间和受试者内的变异性视为类似类型的问题（ Jayaram 等人，2016 年）。虽然受试者间和受试者内的变异性都会导致
运动想象是患者康复的有前景的技术
穆罕默德·卡什夫博士 里法康复与相关健康科学学院教授 里法国际大学，巴基斯坦费萨拉巴德校区 联系电话：+92 333 3125303 通讯地址：kashif.shaffi@gmail.com doi：10.22442/jlumhs.2023.01014 摘要 最近的研究表明，运动意象可能有助于帕金森病 (PD) 患者的康复。使用 MI，可以在不激活肌肉的情况下想象运动。MI 可诱发运动皮层的可塑性变化，从而提高运动表现。本系统评价旨在研究 MI 对帕金森病患者身体康复的影响。使用五个数据库，使用选定的关键字来识别类似的研究。本综述使用 11 分制物理治疗证据数据库量表评估了“每项随机对照试验研究的方法学质量”，该量表广泛用于评估物理治疗“文献”。本综述确定了使用 MI 治疗 PD 患者的益处。共确定了七项研究；其中 6 项研究报告了运动功能，两项研究研究了运动迟缓，两项研究研究了平衡，两项研究报告了使用 MI 治疗 PD 的步态障碍。纳入的研究样本量小，方法方法各异，质量从良好到一般不等。根据目前的综述，与单独的传统物理疗法相比，MI 与其他治疗方法一起使用时，可为帕金森病患者提供更显著的益处，以改善运动功能和平衡。关键词：康复、帕金森病、运动意象、系统评价、
独立于受试者的运动想象脑电图分类...
背景：脑机接口（BCI）系统帮助运动功能障碍患者与外界环境进行交互。随着技术的进步，BCI系统已在实践中得到应用，但其实用性和可用性仍然受到很大挑战。使用BCI系统前往往需要大量的校准时间，这会消耗患者的精力和耐心，并容易导致焦虑。针对这一问题，我们提出了一种与受试者无关的零校准方法。方法：提出一种双分支多尺度自编码网络（MSAENet）实现与受试者无关的运动想象分类，旨在实现BCI的即插即用。首先，该网络由一个多尺度分支和一个自动编码器（AE）组成，用于从不同角度进行特征学习。其次，以EEG信号与8-30 Hz频段内常见空间模式之间的协方差作为空谱特征，并将特征预提取信息作为MSAENet的输入。最后，网络引入中心损失函数提升分类能力。在三个公开数据集BCIV2a，SMR-BCI，OpenBMI上测试网络泛化能力。结果：结果表明，所提网络在三个数据集上均表现出良好的效果，在受试者独立的情况下，MSAENet在BCIV2a和SMR-BCI数据集上优于其他四种比较方法，而在OpenBMI数据集上F1得分值高达69.34%；分类性能最好的受试者相关结果明显优于其他四种先进的比较方法。我们的方法在保证较少的参数量和较短的预测时间的同时，能够保持较好的分类精度。结论：MSAENet验证了以下三点：（1）空间频域特征可以从原始EEG信号中提取有效信息。（2）双分支多尺度特征融合可以更全面地提取特征。 (3)中心损失函数的引入弥补了Softmax分类器只考虑类间距而忽略类内距离的缺陷，实现了零校准，有效解决了BCI应用中需要大量校准时间的问题。
使用...的焦点和运动想象脑机接口
脑机接口是一种无需肌肉和声音，直接通过处理过的电信号从大脑操作设备的技术。该技术的工作原理是捕获大脑的电信号或磁信号，然后对其进行处理以获取其中包含的信息。通常，BCI 使用基于各种变量的脑电图 (EEG) 信号中的信息。这项研究提出了基于 EEG 信号信息的 BCI 来移动外部设备，例如无人机模拟器。从 EEG 信号中提取运动想象 (MI) 和焦点变量，使用小波。然后，通过循环神经网络 (RNN) 对它们进行分类。为了克服 RNN 记忆消失的问题，使用了长短期记忆 (LSTM)。结果表明，BCI 使用小波，而 RNN 可以驱动非训练数据的外部设备，准确率为 79.6%。实验表明，AdaDelta 模型在准确性和价值损失方面优于 Adam 模型。而在计算学习时间方面，Adam 模型比 AdaDelta 模型更快。
具有运动想象和...的混合脑机接口
摘要 目的 . 脑机接口 (BCI) 系统直接从大脑读取和解释大脑活动。它们可以为患有神经退行性疾病或中风的患者提供一种交流或运动的方式。然而，大脑活动的非平稳性限制了在校准会话期间训练的算法向实时 BCI 控制的可靠转移。非平稳性的一个来源是用户大脑对 BCI 输出 (反馈) 的反应，例如，用户是否将 BCI 反馈视为错误。通过考虑这些非平稳性来源，可以提高 BCI 的可靠性。方法 . 在这项工作中，我们展示了一种混合运动想象 BCI 的实时实现，它同时结合了来自运动想象信号和与错误相关的大脑活动的信息，从而从两个来源中受益。主要结果 . 与传统的运动想象 BCI 相比，我们在 12 名参与者的实时 BCI 控制中表现出显着的提高。分类准确度、目标命中率、控制主观感知和信息传输率等方面都有显著改善。此外，我们对记录的 EEG 数据的离线分析表明，与运动想象信号相比，与错误相关的大脑活动提供了更可靠的信息来源。意义。这项工作首次表明，与运动想象分类器相比，与错误相关的大脑活动分类器在使用校准数据进行训练并在在线控制期间进行测试时更加一致。这可能解释了为什么所提出的混合 BCI 可以为有需要的患者提供更可靠的交流或康复方式。