XiaoMi-AI文件搜索系统
World File Search System图像平面
消失的点，分析绘画的计算机愿景...
单点透视：当图像平面平行于两个世界坐标轴时，与该图像平面切割的轴平行的线将具有在单个消失点相遇的图像。线平行于其他两个轴线不会形成消失点，因为它们是平行于图像平面的。
GeoTrack：由网络生物启发的全球视频跟踪...
使用 Toyon 的 IPVT 算法处理来自 UAS 传感器的视频数据（第 4.1 节）。图像平面中的目标检测和/或目标轨迹被发送到融合和跟踪数据库，我们将其称为全球融合和跟踪中心 (GFTC)，因为它将处理来自多个 UAS 的视频数据并在地球坐标系中对该数据进行地理参考（第 4.2 节）。GFTC 还从自动驾驶仪接收有关 UAS 平台和传感器的状态遥测。此信息与视频数据同步，以在纬度/经度坐标中对图像平面检测/轨迹进行地理定位。UAS 运动控制算法将使用这些轨迹位置来协助操作员规划 UAS 平台路线并瞄准 UAS 传感器，以优化跟踪性能（第 4.4、4.5 和 4.6 节）。该 UAS 的轨迹位置和未来路线/任务计划被发送到 UAS 自动驾驶仪执行，并且还传送给其他 GeoTrack UAS，以促进合作跟踪并提高目标估计准确性（第 4.3 节）。
全息不连贯的轻源定量相成像，远程
LED源产生的照明灯分为两个单独的臂。放置样品的对象臂以及设置参考样品（空白）的参考臂。每个手臂中的梁通过插入的样品，并在显微镜的图像平面上组合，在那里它们会干扰并创建全息图。然后通过检测器记录全息图，并通过计算机实时从全息图中提取定量相位图像。最终输出是相位图像，其中样品的每个部分的光延迟（相位移位）被存储为相应图像像素中的定量值。
单光子敏感相机、传感器和模块
虽然共聚焦显微镜是生物医学成像实验室的主力，为图像对比度和质量树立了黄金标准，但逐点获取图像的速度本来就很慢。为了突破这一速度障碍，Photon Force 客户使用 PF32 构建了开创性的多光束共聚焦显微镜架构：用光束阵列取代典型共聚焦显微镜的单光束和针孔，以快速扫描图像平面。返回点与 SPAD 阵列的感光区域对齐，这些区域充当虚拟针孔，可阻挡失焦光。由于每个光束和 SPAD 阵列像素对都完全独立且并行运行，因此最终的系统可以将共聚焦荧光寿命显微镜的速度提高几个数量级。
通过高分辨率 SAR 估算建筑物高度...
摘要 — 雷达遥感高度提取是建筑物检测与识别中一个备受关注的问题。根据对SAR图像中建筑物几何特性的分析，提出了一种基于模型的几何结构预测与匹配策略的高度估计算法。引入距离多普勒方程并对其进行简化，用于倾斜图像平面中建筑物二维几何结构预测。还建立了一个基于指数加权平均值比（ROEWA）的评估函数，用于预测结构与观测到的SAR图像之间的匹配。通过结合遗传算法（GA），最大化评估函数以获得最佳高度参数。使用模拟和真实的机载和星载SAR图像的实验结果表明，所提出的方法可以有效地从单个SAR图像估计建筑物高度，并且在部分遮挡情况下比两种流行的算法取得更好的性能。
9的立体视觉和结构
上一章在场景中的一个点P的位置（在世界框架坐标p w）与像素坐标中的相应点P之间建立了数学关系，该点坐标被投影到相机的图像平面上。这种关系是基于针孔摄像机模型得出的，并且需要有关相机内在和外在参数的知识。尽管如此，即使在所有这些相机参数都知道的情况下，仍然不可能用单个图像重建P的深度（没有其他信息）。但是，在机器人技术的背景下，通过计算机视觉进行有关机器人环境结构的3 d信息通常是一项非常重要的任务（例如，避免障碍物）。因此，本章介绍了使用相机收集3 D信息的两种方法，即Motion 1，2的立体视觉和结构。1 R. Siegwart，I。R。Nourbakhsh和D. Scaramuzza。自动移动机器人简介。麻省理工学院出版社，2011
一种基于光的热塑性塑料打印方法 - NSF-PAR
图 3：PAN IPP 的平面内分辨率评估。(a) 定制 USAF-1951 光掩模的投影聚焦在液-液界面。(b) 使用 0.6 wt.% V-50 从 IPP 获得的目标 PAN 薄膜图像。黄色箭头表示 (c,d) 中表示的强度分布的线和方向。(cd) 第 3 组在 0.5、1.0 和 1.5 wt.% (c) V-50 和 (d) VA-044 的强度分布。分辨率极限对应于第一组，其中线条不再能从强度分布中分辨出来，黑线表示在光掩模的图像平面中获得的强度分布。(e) 分辨率极限定义为已识别组中的单个线宽和 (f) 印刷 PAN 薄膜的每个图像中的气泡数与光引发剂浓度和类型。标记和误差线表示在相同条件下获得的五种 PAN 薄膜的平均值和标准偏差。所有照片的曝光时间为 30 秒。
多元图像分析（MIA）简介
图像在科学领域已有很长的使用历史，而且使用越来越广泛。代表复杂系统的大量数据只能通过图像可视化来表示。多元图像的来源多种多样。有些是传统意义上的图像（例如卫星数据），而有些则不是（二次离子质谱，SIMS）。几乎所有物理单位都可用于制作图像和多元图像：温度、重力场、阻抗、磁场、电场、质量、波长、超声波长、极化、电子能量等。科学成像领域的一个粗略但实用的细分是卫星成像、医学（临床）成像和显微镜。最简单但有意义的多元图像有两个像素索引（例如图像平面中的宽度和高度）和一个变量索引，组成一个三向数组。从模拟场景或物体到数字图像的一个重要方面是分辨率。多元图像具有空间、强度、光谱和时间（时间）分辨率。典型的旧卫星图像有 512x512 像素，7 个波长带，强度分辨率为 256 级灰度。高空间和强度分辨率是理想的，这使得阵列相当大，计算速度很慢。
多元图像分析（MIA）简介
图像在科学领域已有很长的使用历史，而且使用越来越广泛。代表复杂系统的大量数据只能通过图像可视化来表示。多元图像的来源多种多样。有些是传统意义上的图像（例如卫星数据），而有些则不是（二次离子质谱，SIMS）。几乎所有物理单位都可用于制作图像和多元图像：温度、重力场、阻抗、磁场、电场、质量、波长、超声波长、极化、电子能量等。科学成像领域的一个粗略但实用的细分是卫星成像、医学（临床）成像和显微镜。最简单、有意义的多元图像有两个像素索引（例如图像平面中的宽度和高度）和一个变量索引，组成一个三向数组。从模拟场景或物体到数字图像的一个重要方面是分辨率。多元图像具有空间、强度、光谱和时间（时间）分辨率。典型的旧卫星图像有 512x512 像素，7 个波长带，强度分辨率为 256 级灰度。高空间和强度分辨率是理想的，这使得阵列相当大，计算速度很慢。