高精度望远镜 (HPT)、带液晶可调滤波器的空间多光谱成像仪 (SMI w/ LCTF)、中场相机 (MFC)、广角相机 (WFC)、增强分辨率相机 (ERC)、业余无线电装置 (ARU)、天顶太阳传感器模块 (SAS-Z) 和扩展姿态控制单元 (ACU-Ex)
R. Sedona、C. Paris、G. Cavallaro、L. Bruzzone 和 M. Riedel,“一种用于协调 Landsat-8 和 Sentinel-2 图像密集时间序列的高性能多光谱自适应 GAN”,IEEE 应用地球观测和遥感选定主题杂志 (JSTARS),第 14 卷,第 10134–10146 页,2021 年,https://doi.org/10.1109/JSTARS.2021.3115604
摘要:Palimpsests是已被刮擦或洗涤以重复使用的手稿,通常是另一个文档。恢复这些工具的不足文字对人文学者的学者具有重大兴趣。因此,学者经常采用多光谱成像(MSI)技术来渲染可见的无斑点。尽管如此,在许多情况下,这种方法可能不够,因为所得图像中的不足仍然被过度文字所掩盖。生成人工智能领域的最新进展为识别高度复杂的视觉数据中的模式并相应地重建它们的前所未有的机会。因此,我们提出将这一挑战作为计算机视觉中的一项介绍任务,旨在通过生成图像插入来增强未底文本的可读性。为了实现这一目标,我们设计了一种新的方法来生成合成的多光谱图像数据集,从而提供了大量的培训示例而无需手动注释。此外,我们还采用了该数据集来微调生成涂层模型,以提高palimpsest Undertext的可读性。使用来自西奈山的高加索阿尔巴尼亚底部文字的格鲁吉亚紫菜的彩色和MSI图像证明了这种方法的功效。
近年来,光学遥感系统和方法已成为控制地球表面物体状态和事件的基本工具。为了监测自然现象后果和地球表面状态,需要使用高空间分辨率的卫星:Pleiades-1A、Pleiades-1B、TripleSat Constellation (DMC-3)、DubaiSat-2、Jilin-1、WorldView-1、2、3、RapidEye、Cartosat -3 等。这些卫星可以以数字方式获取目标局部区域的数百幅图像。这种多通道数据的分析是一项非常困难的任务,归结为强调特定物体、获取其特征和相对位置。安装在卫星上的遥感设备的典型数据集包括:多光谱(多通道)图像和全色图像(PAN)。全色图像的空间分辨率通常高于多光谱图像,这大大增加了物体识别的复杂性并对所使用的处理方法施加了限制。对于原始数据的信息内容改进,现有的图像处理方法存在一系列缺点,其中最主要的是颜色失真 [1-4]。这项工作的目的是提高原始多通道图像的空间分辨率,尽量减少颜色失真。从 WorldView-2 卫星拍摄的图像被用作输入数据。为了确定所提出的信息技术的有效性
摘要 - 目的:这项工作的目的是开发一种多光谱成像方法,该方法结合了快速高分辨率3D磁共振光谱成像(MRSI)和快速定量t 2映射,以捕获中风病变中的多因素生物化学变化,并评估Stroke Onterk Onters Opter Onter Onter oblet opet opet opet opet opet opt oblet opet opt opet opet opet oble。方法:结合快速轨迹和稀疏采样的特殊成像序列用于获得两种神经代谢物(2.0×3.0×3.0 mm 3)和定量t 2值(1.9×1.9×1.9×1.9×3.0 mm 3)的全脑图。在超急性(0-24h,n = 23)或急性(24h – 7d,n = 33)阶段的参与者在这项研究中被招募。病变N-乙酰天冬氨酸(NAA),乳酸,胆碱,肌酸和T 2信号在组之间进行了比较,并与患者有症状的持续时间相关。使用贝叶斯回归分析来比较使用多光谱信号的症状持续时间的预测模型。结果:在两组中,T 2和乳酸水平升高,以及在病变中检测到NAA和胆碱水平降低(所有P <0.001)。T 2,NAA,胆碱和肌酸信号的变化与所有患者的症状持续时间相关(均为p <0.005)。中风开始时间的预测模型结合了MRSI和T 2映射的信号的最佳性能(HyperAcute:R 2 = 0.438; ALL:R 2 = 0.548)。结论:拟议的多光谱成像方法提供了生物标志物的组合,这些生物标志物在临床上临床时间内索引了早期病理变化,并改善了对脑梗塞持续时间的评估。显着性:开发准确有效的神经成像技术为预测中风发作时间的敏感生物标志物,对于最大程度地提高有资格接受治疗干预的患者比例非常重要。提出的方法提供了临床上可行的
图4:a)MDA-MB-231细胞被绿色 - 肾上腺胶体易感病毒感染,并使用紫霉素选择了稳定的转导细胞。每周一次通过IVIS系统确定生物发光信号的强度六周。b)用红色葡萄糖和GFP标记的双重标记的MDA-MB-231细胞。可以通过两个FACS分析检测GFP报告基因表达。c)使用Nuance多光谱成像系统测量HT1080细胞中的GFP表达。
摘要:无人机视觉技术在野外救援中的重要性日益凸显。针对野外网络状况不佳、天气恶劣的状况,本文提出了一种从无人机多光谱相机实时拍摄的视频或预先下载的卫星多光谱图像中提取道路并检测路况的技术,为人类提供最优的路线规划。此外,根据无人机的飞行高度,人类可以通过动态手势识别与无人机进行交互,以识别紧急情况和潜在危险,以便进行紧急救援或重新规划路线。这项研究的目的是检测路况并识别紧急情况,以便为野外的人类提供必要和及时的援助。通过获取归一化植被指数(NDVI),无人机可以有效区分裸土路和碎石路,从而完善我们之前的路线规划数据的结果。在低空人机交互部分,我们基于媒体管道手势标志,结合机器学习方法构建了四种基本手势的数据集,用于求救动态手势识别。我们在不同的分类器上测试了该数据集,最好的结果表明该模型在测试集上可以达到 99.99% 的准确率。在这篇概念验证论文中,上述实验结果证实了我们提出的方案可以实现我们预期的无人机救援和路线规划任务。