生物正交反应在我国的研究进展

生物正交反应是指能够在生物体系中进行、且不会与天然生物化学过程相互干扰的一类化学反应.这类反应的出现为科学家对生命进程的原位研究带来了革命性的技术,已经成为化学生物学这一新兴交叉领域的核心方向之一.自这一概念提出的近二十年里,生物正交化学经历了反应类型由单一的"偶联反应"向成键偶联、断键剪切反应并重,应用场景由简单的活细胞体系向更为复杂的生物活体升级的一系列发展历程.同时,在生命科学研究、医药研发、临床诊疗等多个领域展示出了广阔的应用前景.我国化学生物学领域的学者们积极参与并推动了生物正交反应的快速发展,在反应开发、体系优化和实际应用等方面开展了一系列原创工作,取得了瞩目的成绩;尤其是在"生物正交剪切反应"概念的提出与开发应用等方面产生了重要的国际影响.本综述中,分别按照金属介导、光介导和化学小分子介导的生物正交偶联反应以及生物正交剪切反应,对近五年来我国学者在该领域的代表性成果进行系统介绍.最后对生物正交反应的进一步发展与应用加以展望.我们期待更多高效、兼容的生物正交反应得以发展,并提出"遥控生物正交化学"的未来发展目标,期待更多的化学家能够加入生物正交反应的开发拓展与应用探索当中.     

AP Shadow Net: A Remote Sensing Shadow Removal Network Based on Atmospheric Transport and Poisson’s Equation

Shadow is one of the fundamental indicators of remote sensing image which could cause loss or interference of the target data. As a result, the detection and removal of shadow has already been the hotspot of current study because of the complicated background information. In the following passage, a model combining the Atmospheric Transport Model (hereinafter abbreviated as ATM) with the Poisson Equation, AP ShadowNet, is proposed for the shadow detection and removal of remote sensing images by unsupervised learning. This network based on a preprocessing network based on ATM, A Net, and a network based on the Poisson Equation, P Net. Firstly, corresponding mapping between shadow and unshaded area is generated by the ATM. The brightened image will then enter the Confrontation identification in the P Net. Lastly, the reconstructed image is optimized on color consistency and edge transition by Poisson Equation. At present, most shadow removal models based on neural networks are significantly data-driven. Fortunately, by the model in this passage, the unsupervised shadow detection and removal could be released from the data source restrictions from the remote sensing images themselves. By verifying the shadow removal on our model, the result shows a satisfying effect from a both qualitative and quantitative angle. From a qualitative point of view, our results have a prominent effect on tone consistency and removal of detailed shadows. From the quantitative point of view, we adopt the non-reference evaluation indicators: gradient structure similarity (NRSS) and Natural Image Quality Evaluator (NIQE). Combining various evaluation factors such as reasoning speed and memory occupation, it shows that it is outstanding among other current algorithms.     

一种基于整数小波变换的遥感影像融合算法

提出了一种IHS变换和整数小波变换相结合的遥感影像融合算法(IHS-IWT),并根据待融合图像的特点,选取了有效的融合策略.首先对中巴卫星多光谱影像进行IHS变换,然后对得到的亮度分量和Landsat ETM 高分辨率全色影像进行整数小波融合,最后通过整数小波逆变换得到融合的图像.实验结果表明,与IHS变换等方法比较,该方法在较好的保留光谱信息的同时,空间细节信息也得到了增强,并且具有较快的处理速度.     

基于光谱曲线形态的高光谱影像检索方法研究

随着传感器技术、数据通讯技术的飞速发展,利用各种机载和星载传感器,己经获取到各种不同的海量遥感影像数据。巨大的数据量带来了数据存储和管理的问题,如何实现从海量影像数据中检索出我们所需要的信息显得十分迫切。影像检索最早由Chang于1980年提出,是对传统信息检索的扩展。针对海量遥感影像高效检索的需求和高光谱遥感影像波段数目多的特点,分析了影像检索中的影像距离函数和相似性度量问题,基于经典的曲线简化Douglas-Peucke算法(简称DP算法)提取光谱曲线的形态特征,利用“提取特征”的思想,提出了基于DP算法的光谱曲线和影像检索(简称DPSR)方法,将光谱形态特征应用于影像检索当中。DPSR利用光谱曲线上的特征点,减小了计算量,实现了有效地匹配和检索,适合高光谱遥感影像的光谱检索。文章选择了OMISI高光谱数据的四种易混分地类进行了相似性度量的对比实验。通过与常规的分析方法光谱角匹配(SAM)、光谱信息散度(SID)的对比可以看到,DPSR在较少计算量的情况下能保持较高的计算精度,提供了一种新的影像光谱高效检索方法。此外,文章还提出了尚待进一步研究的问题。     

基于似圆阴影的光学遥感图像油罐检测

针对光学遥感图像中受阴影干扰的油罐目标识别率低的问题,该文提出一种将改进的视觉显著模型与似圆阴影区域特征检测相结合的由粗到精的油罐目标检测方法。首先建立改进的视觉显著模型,将油罐从复杂背景中粗分离。然后对分离结果中由油罐产生的似圆阴影区域进行精检测,得到疑似油罐目标。再去除阴影,获得油罐目标的初步检测结果。最后基于图搜索策略及先验知识,确定油罐目标并定位油库区域。实验结果表明,该方法对检测光学遥感图像中存在似圆阴影的油罐目标具有较高的鲁棒性和准确率。同时,在不同环境的光学遥感图像中使用该方法可快速准确地定位油库区域。     

基于空间语义模型的高分辨率遥感图像目标检测方法

该文提出一种基于空间语义模型的方法,用于高分辨率遥感图像复杂场景中典型地物目标的自动检测。该方法通过分割获取图像对象,引入主题模型统计对象的多维特征,提高了对象特性描述的精度。在此基础上,对图像中有意义的地物目标及它们之间的空间关系建模表达和定量计算,通过获取场景的语义解析树,辅助实现对复杂地物目标的准确提取和定位。在测试数据集上的实验结果表明,该文方法具有较高的智能化程度和较强的稳定性。     

相干激光雷达中最大似然离散谱峰值估计及Monte Carlo仿真

相干测风激光雷达中一个核心的问题是从微弱的气溶胶后向散射信号中估计出风速。基于零均值复高斯随机过程协方差矩阵统计模型的后向散射信号,首先讨论了最大似然（ML）离散谱峰值（DSP）风速估计算法的克拉美-罗下界（CRLB）与由Fisher信息矩阵论得到的精确CRLB之间的关系。其次,对于ML DSP估计应用于相干测风激光雷达中协方差矩阵统计模型的后向散射信号时,使用计算机Monte Carlo仿真的方法研究了风速估计的概率密度函数。分别讨论了信噪比、激光脉冲累积发数和发射激光脉冲宽度对ML DSP风速估计性能的影响。计算仿真结果表明：ML DSP风速估计的CRLB低于精确的CRLB;在信噪比为－20 dB,100发激光脉冲累积和信噪比为－30 dB,10 000发激光脉冲累积条件下,ML DSP风速估计中坏的估计值所占的比例都为0,好的估计值的标准差分别为0.62 m/s和0.50 m/s。     

自适应双树复小波遥感图像复原

由于遥感图像先验知识难以获取,提出了一种自适应的双树复小波迭代收缩复原算法。该算法根据模糊程度和噪声程度估计正则化参数,并利用经验公式计算收缩阈值。在实际应用中,算法能有效解决两步迭代算法使用固定参数的缺点,从而达到提高图像复原质量的目的。实验表明：相对于两步迭代算法,该算法复原图像的峰值信噪比提高0.64~12.23 dB,收敛速度提高1.4~16倍;同时,算法在提高图像复原质量、抑制噪声干扰及减少计算时间方面优势明显。     

基于稀疏表示的高光谱数据压缩算法

如何降低高光谱图像大规模数据的存储和传输代价一直是学者们关心的问题。该文提出一种基于稀疏表示的高光谱数据压缩算法,通过一种波段选择算法构造训练样本集合,利用训练得到的基函数字典对高光谱数据所有波段进行稀疏编码,并对表示结果中非零元素的位置和数值进行量化和熵编码,从而实现高光谱图像压缩。实验结果表明该文算法与3维小波相比具有更好的非线性逼近性能,其率失真性能明显优于3D-SPIHT,并且在光谱信息保留上具有巨大的优势。     

移动源排放遥测主要影响因素分析及预测

由于移动源污染遥感监测受到复杂外部环境影响,难以通过传统统计方法建立车辆行驶工况与污染排放之间的相关性模型,为此开展了基于移动源遥感监测的影响因素分析及排放预测的研究。首先利用Spearman相关性分析排除与移动源污染物主要排放气体CO、HC、NO气体浓度无相关性的因素;其次使用Lasso算法确定各成分的关键影响因子,并采用神经网络构建污染物排放预测模型;最后在测试集上验证该模型用于移动源污染排放主要成分预测的有效性。模型预测的结果表明,基于特征筛选的移动源污染排放数据预测神经网络模型具有较高的预测精度,可以降低城市移动源污染排放检测成本并为相关部门制定相关政策提供数据支持。