60年代北半球夏季气候跃变——Ⅰ.降水和温度变化

本文引用气候跃变概念,结合主相关型和EOF(经验正交函数)的分析,揭示了北半球夏季气候状况在60年代发生的大规模交化的主要时空分布特征。第Ⅰ部分介绍1951-1980年全球夏季降水、气温和海表水温的变化特征。降水变化在空间上呈带状分布型,自北非到日本一带在60年代出现突发性降水减少,而其南北两侧则各有一条降水增多的地带。北半球温度的主要变化为60年代前期中高纬温度普遍突降,较低纬则有部分增温区,从而形成南北温差的突增。不同地区和不同要素的气候跃变在时间上可能有不同,其间的动力学联系值得进一步研究。     

建立在群对称轨道(SMO)及特征组态(CD)基础上的CI方法与程序发展

ISMO－CDCI方法点群理论，特别是不可约张量方法，在量子化学理论方法发展以及简化概念与计算方面，发挥了重要作用．但在国外的量子化学计算程序（如G94）中，在后自洽场（opt－SCF）计算方面，很少用到对称约化．在文献中，只见有关hbeltah群（DZh与它的子群）对称约化用于组态相关计算的报导．由于多重耦合系数的计算复杂，蜕化不可约表示多体问题的对称约化难于得到解决．我们提出了一个统一与普遍的方法，它能解决所有分子体系多体相关的点群对称约化问题［‘－6］，这个方法的核心是群对称轨道（SMO）概念的提出．SMO的基本特…     

青海柴达木地区植物白刺叶中微量元素特征

青海柴达木地区分布有丰富的白刺植物资源。利用220FS原子吸收光谱仪分析了该地区三种白刺叶片的Cu,Zn,Fe,Mn,Cr,Ni,Cd等微量元素。结果表明，铬、 锰含量显著提高是青海柴达木地区植物白刺叶资源微量元素特征。这为柴达木地区白刺叶资源的开发利用提供科学依据。     

基于域自适应的红外图像去噪算法

在红外图像去噪任务中,由于真实的红外噪声图像难以大量获取,而使深度学习算法高度依赖于人工合成噪声,无法很好地去除真实的红外噪声。本文提出一种基于域自适应的红外图像去噪算法,包括一个图像转换模块和两个图像去噪模块。首先利用图像转换模块将合成红外噪声图像和真实红外噪声图像相互转换,然后将转换后的图像和原图像作为去噪模块的训练数据,采用一致性损失函数使两个图像去噪模块产生一致的结果,最后将训练后的去噪网络框架用于红外图像去噪任务。实验表明,本文提出的算法与BM3D、DnCNN和ADNet算法相比在合成红外噪声数据集上有更高的指标数值和更好的视觉效果,在真实红外噪声数据集上有同样优秀的去噪效果。证明了该算法具有良好的泛化能力,能够在真实噪声下恢复清晰的红外图像。     

工件特征在机测量的关键误差分析与补偿研究

针对激光在机测量工件特征时的测量精度问题,对测量系统的关键误差影响因素及补偿应用进行了研究。使用激光位移传感器作为测量工具对工件特征进行在机测量时,测量结果受激光位移传感器倾斜误差和数控机床几何误差影响。为了校正激光位移传感器在物面倾斜时引起的测量误差,设计了倾斜误差试验,利用勒让德多项式对倾斜误差进行了建模和补偿,补偿后倾斜误差可减小至±0.025 mm以内。针对不动式激光在机测量时数控机床线性轴几何误差对测量结果的影响,设计了球杆仪倾斜安装试验,利用参数化建模的方式对X轴和Y轴的几何误差进行了解耦。最后根据建立的倾斜误差与几何误差模型,对工件特征的在机测量结果进行了补偿。结果表明,对工件特征在机测量结果进行误差补偿后,线性尺寸测量误差小于0.05 mm,角度测量误差小于0.08°,相较于补偿前在机测量精度明显提高。     

基于SURF-HOG与显著性特征的红外可见光图像配准融合北大核心CSCD

针对现有红外与可见光图像配准不精确,边缘及细节纹理缺失,融合时间较长,不能突出重点目标等不足,提出一种基于SURF-HOG描述符与红外显著性特征的红外与可见光图像融合方法。首先,在红外与可见光图像配准阶段,在SURF(Speed-Up Robust Features,SURF)框架内构建基于HOG(Histogram of Oriented Gradient,HOG)的特征点描述符,并通过NNDR(Nearest Neighbor Distance Ratio,NNDR)进行红外与可见光图像的特征点匹配;其次,在显著特征提取阶段,先通过四叉树算法对源红外图像分解,然后通过贝塞尔插值法重建红外图像背景,接着分别对红外图像中的背景及目标进行自适应抑制以提取目标红外显著性特征;最后,结合已配准的可见光图像与重建后的红外图像以获取最终融合结果。实验结果表明,所提方法对不同场景下的红外与可见光图像具有较高的配准精度,不同场景下的融合结果不但主观视觉上具有显著的目标特征,同时背景纹理和边缘细节清晰,整体对比度适宜,运行时间最短,并且在客观评价指标上也取得了较好的效果。     

融合曲率信息的点云配准方法

针对点云配准时受原始位姿局限及配准效率、鲁棒性低的问题,提出一种融合曲率信息的点云配准方法。首先,将海量点云进行重心邻近点体素下采样,采用融合曲率信息的提取算法提取特征点;其次,通过三维形状上下描述符进行特征描述并利用改进的随机抽样一致性算法进行粗配准;最后,在具有较好位姿的情况下采用Symm-ICP进行精配准。试验结果表明,该算法对于不同位姿的点云数据均保持较高的配准精度。本文提出的算法配准效率优于其他算法,并具有较好的鲁棒性。     

基于深度学习的激光干扰成像评估方法

可见光主动成像系统被广泛应用于成像侦察领域,激光压制干扰是一种可以利用的反制手段。合理地对激光干扰效果进行评估,对于干扰一方具有重要意义。为了更客观地评价激光干扰对成像侦察的影响,从可见光成像侦察的特点出发,对激光干扰可见光成像效果进行划分,确定了干扰效果评估需求。建立了可见光图像的激光干扰效果评估模型,结合基于YOLOv4的目标检测置信度及WFSIM算法的三个图像特征表征指标,形成了对应的评估体系。构建了一套参数可调的激光干扰图像采集及评估分析实验系统,对人体目标进行图像采集,验证了提出的评估体系及方法。     

结合局部增强与反向残差的点云语义分割网络北大核心CSCD

激光点云是3D传感器的输出,且对它的语义分割任务是理解真实世界的基础。基于图卷积的点云分割网络在许多场景下都展现了优异的性能。然而,现有的图卷积方法存在部分问题:点云局部表示的能力未得到加强,忽略了全局几何信息,并且聚合操作只保留局部最大响应值信息,而次最大值信息丢失。为了处理这些问题,本文提出GRes-Net网络。利用局部几何加强(Local Geometry Augment,LGA)模块,使网络对Z轴具有旋转不变性,以便加强点云局部信息表示;采用全局几何特征(Global Geometry Feature,GGF)模块,计算局部与全局的球体体积比,将其与坐标特征X进行连接,使全局几何信息特征得以保留;通过多个对称聚合操作将局部信息多方面地保留;网络中每层都使用残差操作,将上一层信息传递到下一层,以及利用反向残差模块(Reversed Residual MLP,RevResMLP)挖掘更深层次的语义信息。本文在S3DIS数据集上进行语义场景分割实验,验证网络分割的性能。实验结果表明该方法在分割精度上达到61%,相比于基准网络DGCNN提高14%,有效地提高了模型性能。     

基于WHI及ICP的点云配准算法

针对两步点云配准中精度差、计算效率低、易受噪声干扰的问题,提出一种基于WHI特征描述符结合改进的ICP点云配准算法。首先,对大数据量的点云通过ISS算法提取特征点集作为配准点云;然后,计算特征点云的WHI特征描述符,利用随机采样一致性算法完成粗配准;最后,基于安德森加速迭代ICP算法对粗配准点云进行精确配准。通过多组点云数据集对所提算法进行验证,实验表明,该算法配准精度高、速度快,在含有噪声数据集的优势更明显。在不同的点云模型下,所提算法的配准效率提高2倍以上,在噪声环境下具有一定的鲁棒性。