有关宇宙微波背景辐射的最新报告

2006年3月15日在普林斯顿大学的一个记者招待会上，WMAP^＊（威尔金森宇宙微波各向异性探测卫星）小组发布了他们关于宇宙大爆炸后辐射残留的最新报告．报告提供了首张偏振宇宙微波辐射图谱，其内容有助于了解字宙诞生10埘秒之后的情况，也使标准宇宙模型通过了目前最严格的数据检验．他们还宣称我们生活在一个扁平状的宇宙中，这个宇宙仅含有4％的常规物质，但有22％的暗物质和74％的暗能量，这些结果与宇宙标准模型相吻合．WMAP成员Lyman Page说：     

函数f(x)=3/(cosx)+2/(sinx)最小值问题的三个解析几何背景

求函数y=3/cosx+2/sinx(0背景,以飨读者。     

运用函数模型证不等式

很多不等式题目都是伴随着某些特殊函数的性质而产生的,特别是在近些年的高考题中尤为突出,通过挖掘不等式的函数背景,结合函数的性质可简化不等式的证明过程,降低证明的技巧性,下面就一些常见的函数模型加以说明.……     

一道高考试题的背景探究与推广

问题（2007年广东卷第21题）已知函数f（x）=x^2＋x-1，α，β是方程f（x）=0的两个根（α〉β），f＇（x）是f（x）的导数；设。α1=1，αn＋1=αn-f（αn）/f＇（αn）（n=1，2，…）     

云层背景目标识别的匹配滤波器设计

提出一种利用最大平均相关高度(MACH)算法识别复杂云层背景目标的改进滤波器设计方法。在MACH滤波器设计中,通过对云层背景功率谱的统计特性分析,数据拟合得到云层背景功率谱的分布函数,用以代替传统的白噪声模型;提取飞行目标的姿态变化图像,并作阈值化处理,得到训练样本。对不同云层背景和姿态变化目标的相关识别结果表明:改进滤波器的平均峰值相关能量比为0.71%,峰值鉴别率为0.92,可以有效抑制云层背景的干扰,对姿态变化目标识别的鲁棒性较好。     

低对比度小目标检测

对强杂波背景下的远距离目标探测,提出基于序列图像的局部自适应背景预测,获得图像背景的最佳估计。对残差图像采用能量累积及中值滤波消除背景杂波。为提高信噪比,采用带缓冲窗口的双窗滤波法使目标和背景的差别更加显著,有利于低对比度下的目标分割。最后采用改进的高阶相关方法,在不影响检测性能的情况下加快了真实目标识别的运算收敛速度,并最终实现了算法工程化,在图像局部信噪比大于0.3时,采用三阶相关时检测概率达到98%。     

快速无参数背景建模的红外目标检测方法研究

针对复杂背景红外图像序列目标检测的难题,给出了一种用于红外监控系统中入侵目标检测的背景建模方法。应用特征样本集为每一个像素建立统计无参数样本集模型,根据核函数估计计算每一个像素值对模型的符合概率。使用双阈值进行目标检测和模型更新,将图像分为三类:可靠背景、感兴趣区域和不可靠背景。通过不可靠背景类提供的信息进一步将感兴趣区域细分为入侵目标和错误检测。对几种红外图像序列仿真实验表明,该算法不仅可以比较精确的检测显著入侵目标,对于容易淹没在噪声中的弱小入侵目标也可以实现准确地检测。     

基于混合高斯模型的运动目标检测方法研究

为了能够及时检测到图像场景中的运动目标,提出一种基于混合高斯模型的运动目标检测方法。借助把图像的像素值看成是前景高斯分布和背景高斯分布的组合,进行了背景估计和自适应背景更新;通过对背景差分后的图像进行多目标分割,进行了多个运动目标的检测。实验发现:随着图像序列的背景不断变化,基于混合高斯模型算法能够准确估计出变化的背景,通过将场景图像和背景图像进行差分,检测到感兴趣的运动目标。     

Employing a Cerenkov detector for the thickness measurement of X-rays in a scattering background

The variation in environmental scattering background is a major source of systematic errors in X- ray inspection and measurement systems. As the energy of these photons consisting of environmental scattering background is much lower generally, the Cerenkov detectors having the detection threshold are likely insensitive to them and able to exclude their influence. A thickness measurement experiment is designed to verify the idea by employing a Cerenkov detector and an ionizing chamber for comparison. Furthermore, it is also found that the application of the Cerenkov detectors is helpful to exclude another systematic error from the variation of low energy components in the spectrum incident on the detector volume.     

拉曼光谱的荧光背景扣除及其用于药物聚类分析

拉曼光谱分析中,由于有机分子或样品中污染物的荧光影响,常会使拉曼光谱产生高背景信号,以致其拉曼光谱吸收信号被淹没。利用自行开发的软件包baselineWavelet,本文对醋酸泼尼松片和格列本脲片的拉曼光谱进行了荧光背景扣除研究,采用主成分分析和随机森林算法对它们进行聚类分析,得到了较好的结果。通过这2种药物的拉曼光谱聚类分析结果,检验了该背景扣除算法的有效性和准确性,并讨论了荧光背景对拉曼光谱聚类分析的影响。结果说明,荧光背景对拉曼光谱聚类分析影响很大,在分析前必须预先扣除。