时间分辨红外光谱对丝蛋白膜构象转变动力学的研究──再生蚕丝蛋白膜在高浓度醇溶液中的构象转变

运用时间分辨红外光谱研究再生蚕丝蛋白膜在高浓度醇溶液中 (醇含量≥ 90 % )的构象转变过程 .研究结果表明 ,丝蛋白膜在纯甲醇中可以发生构象转变 ,但是在纯乙醇和纯异丙醇中却几乎不能发生构象转变 .进一步研究发现 ,当乙醇和异丙醇溶液中的水含量达到 7%～ 8%时 ,丝蛋白开始发生构象转变 .在研究的醇溶液浓度范围中 ,丝蛋白发生构象转变的速率随醇溶液中水含量的增加而增大 .根据实验结果 ,认为丝蛋白膜在溶液体系中 (无论是有机溶剂溶液还是离子溶液 )发生构象转变 ,膜的溶胀是一个前提因素 ,其原因在于溶胀可使分子链获得运动的空间 ,从而通过氢键重组而发生构象转变 .

焦平面编码高分辨率红外成像方法

红外成像系统由于探测器加工工艺的限制,很难通过减小像元尺寸或增加阵元数量的方式实现高分辨率成像。压缩感知理论提供了一种新的提高成像分辨率的方法,在光学系统的焦平面处放置编码掩膜,使得红外探测器得到的图像是被观测场景的压缩采样,再通过稀疏优化算法重构出原始图像。决定图像分辨率的不是探测器的像素尺寸,而是编码掩膜的孔径大小。在此框架下,设计了合适的光学编码掩膜子阵,利用多路技术实现了对同一场景的多次压缩采样,采用了线性Bregman迭代思想进行重构算法的设计,解决了二维成像大规模重构算法的求解速度和精度问题。数值仿真表明,该方法在保证图像重构质量的前提下可显著提高红外成像的分辨率。

高分辨折反式红外探测系统光学设计

在红外探测中,传统红外焦平面阵列以及单像元扫描式探测器的像元难以分辨更精细的红外光强分布,为了提高红外探测的分辨能力,采用灵敏度高且可以将红外光分布转化为可见光分布的碳纳米管薄膜作为红外激光的接收器,把红外光探测转化为可见光探测,并以此为基础设计了一个折返式的光学成像系统进行红外光高分辨探测。优化并使用柯克式镜组降低了因球面反射镜曲率半径引起的大场曲,从而提高了系统成像质量和分辨率。通过光学设计优化得到了具有高传递函数值(MTF)、低场曲的折反式系统,从而使高分辨率的红外探测系统成为可能。

像素有效形状对微扫描红外超分辨成像的影响(英文)

超分辨成像是基于过采样来降低频率混叠、提高图像分辨率的技术,而像素有效形状是超分辨相关研究的重要对象。基于实际的红外焦平面阵型提出了"Z"形有效形状模型,并分析了常用的方形模型和"Z"形模型分别得到调制传递函数(MTF)的差别。还提出了形状边界到中心点的差值越小,其得到的MTF越大的假设,通过对不同形状模型的MTF推导分析和数值模拟,其结果证实了这一假设。数值模拟结果还表明圆形模型具有最大的MTF值。上述结论对未来的红外焦平面阵型设计与生产具有参考意义。

Ir/SiO_2上甲烷部分氧化制合成气反应的原位时间分辨红外和原位Raman光谱表征

采用原位时间分辨红外光谱和原位显微Raman光谱技术对Ir/SiO2 上甲烷部分氧化 (POM)制合成气反应的初级产物和反应条件下催化剂表面物种进行了跟踪考察 ,实验结果表明 ,在H2 预还原的新鲜Ir/SiO2 表面 ,CO是V(CH4)∶V(O2 )∶V(Ar) =2∶1∶45混合气反应的初级产物 ,因而甲烷的直接氧化过程是CO生成的主要途径 ;而在稳态反应条件下 ,CO生成的途径可能主要来自CO2 和H2 O与催化剂表面积碳物种 (CHx)和 /或CH4的反应 .催化剂上生成的积碳可能是导致稳态条件下Ir/SiO2 上POM反应机理不同于H2 预还原的新鲜催化剂的主要原因 .

碳载PtSn催化剂上乙醇电氧化的原位时间分辨红外光谱研究

采用调变的多元醇法制备了高分散碳载PtSn催化剂(PtSn/C),XRD测试结果表明金属粒子的平均粒径为2.2nm,略小于Pt/C催化剂,而晶格参数相对增大。通过电化学原位时间分辨红外光谱研究了乙醇在PtSn/C催化剂上的吸附和氧化过程,表明线性吸附态CO(COL)是主要的乙醇解离吸附物种,导致催化剂中毒,阻止反应继续进行;当电位增大到0.3V时,出现了乙醛和乙酸的红外吸收峰,作为乙醇解离吸附的竞争反应,乙醛和乙酸的生成有效抑制了催化剂中毒,随着电位的增大和时间的延长,生成乙酸的选择性增大;电位进一步增大至0.4V时有微弱CO2吸收峰出现,是乙醇电氧化的最终产物,主要来自于COL的氧化消耗。根据实验结果讨论了PtSn/C催化剂上乙醇的电催化氧化机理。

时间分辨红外光谱对丝蛋白膜构象转变动力学的研究:不同碱金属离子对蜘蛛丝蛋白膜构象转变的影响

运用时间分辨红外光谱对碱金属盐溶液诱导发生的蜘蛛丝蛋白膜的构象转变过程进行跟踪研究.结果表明虽然构象转变速率为NaCl>KCl>LiCl,但是在最终完成构象转变的丝蛋白膜中 β 折叠结构的比例却是KCl>LiCl>NaCl.综合膜的构象转变速率和程度,可以认为在三种碱金属盐中,KCl最有利于丝蛋白的构象转变,这与钾在蜘蛛吐丝过程中起重要作用的观点(即发现在丝腺体中的丝蛋白胶状物,越靠近吐丝口,钾离子含量越高)相吻合.同时根据对构象转变动力学数据的分析,认为蜘蛛丝蛋白膜的构象转变由快慢两相组成,其中较快相(相应时间常数为5min左右)对应于链段运动引起的构象转变,而较慢相(相应时间常数为 5 0min左右)

超高分辨红外光谱仪器最高分辨率的测定实验

在超高分辨红外光谱仪器最高分辨率的测定实验中,采用20cm光程的CO2气体池,控制气体压力为180Pa,基于MIR光源,采用LN-MCT探测器,切趾函数选矩形函数,通过720～720.8cm-1波数的实验测定,得到红外光谱仪器BrukerIFS125HR的最高分辨率为0.001cm-1.

高分辨率红外图像的分层自适应阈值Curvelet系数萎缩去噪方法

高分辨率红外图像在基于小波系数阈值萎缩的去噪过程中,容易导致边缘模糊或丢失等失真。文中首次引入基于wrapping的第二代快速Curvelet变换,对图像边缘信息进行有效的稀疏保存,并采用分层自适应阈值算法独立估计每个尺度、方向上的Curvelet系数噪声阈值,并针对红外图像的Curvelet系数能量高度集中于低尺度系数的特点,采用尺度相关的硬阈值对染噪图像的Curvelet系数进行处理。实验结果表明:在不同噪声条件下,与基于小波系数的Visu Shrink,Penalized,sparsity-norm阈值等去噪算法相比,文中提出的去噪算法取得了较好的去噪效果,在噪声方差σ=30时,使用该方法的峰值信噪比(PSNR)可高达31.77 dB,去噪后的图像边缘保持良好,具有较好的视觉效果;同时,文中建议算法的计算量比传统Curvelet降低了70%以上,适合在DSP等嵌入式系统应用。

基于多任务卷积神经网络的红外与可见光多分辨率图像融合

红外与可见光图像融合一直是图像领域研究的热点,融合技术能弥补单一传感器的不足,为图像理解与分析提供良好的成像基础。因生产工艺以及成本的限制,红外探测器的分辨率远低于可见光探测器,并在一定程度上因源图像分辨率的差异阻碍了实际应用。针对红外与可见光图像分辨率不一致的问题,提出了用于红外图像超分辨率重建与融合的多任务卷积网络框架,应用于多分辨率图像融合。在网络结构方面,首先设计了双通道网络分别提取红外与可见光特征,使算法不受源图像分辨率的限制;其次提出了特征上采样模块,先用双线性插值方法增加像素个数,再通过多层感知器精细化拟合像素平滑空间与高频空间的映射关系,无需重新训练模型即可实现任意尺度的红外图像上采样;接着将线性注意力引入网络,学习特征空间位置间的非线性关系,抑制无关信息并增强网络对全局信息的表达。在损失函数方面,提出了梯度损失,保留红外与可见光图像中绝对值较大的滤波器响应值,并计算该值与重建的融合图像响应值的Frobenius范数,无需理想的融合图像作为真值监督网络学习就能生成融合图像;此外,在梯度损失、像素损失的共同作用下对多任务模型进行优化,可以同时重建融合图像和高分辨率红外图像。算法在RoadScene数据集上进行训练,与其他4种相关算法在TNO数据集上进行对比,主观性能上该方法可以输入任意分辨率的源图像,融合图像红外目标突出、可见光细节纹理丰富,在源图像分辨率相差较大时能重建特征清晰的高分辨率红外图像,模型泛化性能强;客观性能上在信息熵、差异相关性总量、空间频率等多个评价指标上表现优异,结果表明重建的融合图像信息丰富、信息转化率高、清晰度高,验证了算法的有效性。

一种基于低分辨红外传感器的动作识别方法

如今,世界各国人口老龄化问题日益严重,为了避免独居老人发生意外,老人日常动作监测和识别算法成为了研究热点。本文设计了一种基于低分辨红外传感器的动作识别方法,通过红外传感器采集探测区的温度分布数据,对温度分布数据进行处理,从时间、温度、形变和轨迹4个方面提取多个特征,最后通过K近邻算法对"行走"、"弯腰"、"坐下"、"站起"和"摔倒"5种动作进行分类。实验结果表明平均识别准确率可达到97%,其中摔倒动作的识别准确率为100%。

机载大气红外高分辨率光谱的信息量分析

机载红外高分辨率干涉光谱仪(HIS)是遥感大气信息的大气红外背景辐射测量装置。基于HIS红外高光谱大气数据,对大气温度和主要大气吸收气体进行了敏感性分析;并通过引入信息容量的概念,利用一维变分方法,对HIS测量装置遥感探测大气参数的能力进行评估,定量描述了HIS测量的红外光谱反演大气温度和水汽的信息容量、自由度和垂直分辨率等信息,其中温度、水汽的信息容量分别为49.5、25.2;自由度分别为10.5、5.6,温度的平均垂直分辨率为2.2 km,水汽的垂直分辨率为2 km;讨论了HIS的反演精度与仪器测量误差之间的关系,获取了大气温湿廓线的最小可探测精度。

时间分辨傅立叶变换红外发射光谱技术研究叔丁基亚硝酸酯的光解动力学

利用时间分辨傅立叶变换红外(TR-FTIR)发射光谱技术对叔丁基亚硝酸酯355nm激光光解动力学进行研究.通过对实验观测到的光解产物NO的时间分辨红外发射谱进行分析,获得了NO的转动温度和相对振动布居,并发现了振动布居的反转现象.结合前人的工作,我们确认了光解产物NO的最大振动布居量子数υ与光解光激发的母体分子N=O伸缩振动的泛频跃迁所涉及的振动量子数υ*之间的关系为υ=υ*-1.

基于低分辨率红外传感器的深度学习动作识别方法

近年来动作识别成为计算机视觉领域的研究热点,不同于针对视频图像进行的研究,本文针对低分辨率红外传感器采集到的温度数据,提出了一种基于此类红外传感器的双流卷积神经网络动作识别方法。空间和时间数据分别以原始温度值的形式同时输入改进的双流卷积神经网络中,最终将空间流网络和时间流网络的概率矢量进行加权融合,得到最终的动作类别。实验结果表明,在手动采集的数据集上,平均识别准确率可达到98.2%,其中弯腰、摔倒和行走动作的识别准确率均达99%,可以有效地对其进行识别。

基于低分辨率红外阵列传感器的人体身份和动作识别

本文针对人体身份及动作识别的问题,提出一种基于低分辨率红外阵列传感器并使用卷积神经网络进行分类识别的方法,这种方法可以识别出人的身份和跌倒、坐下以及行走动作。本文使用的卷积神经网络是基于VGGNet搭建的,由输入层、5层卷积层、3层池化层、1层全连接层和输出层构成,自动提取红外热图像中的信息特征,对身份及动作进行分类,在良好的隐私保护下避免了繁琐的人工提取特征。经过实验测试,卷积神经网络算法识别动作平均准确率为93.3%,其中行走识别准确率达到100%,坐下识别准确率为90%,跌倒识别准确率为90%,身份识别准确率为96.7%。

红外图像超分辨率重建技术研究

利用图像超分辨率重建技术可以在不改进硬件的情况下提升现有成像系统的图像分辨率。为提升红外图像质量,提出了一种基于NSCT变换与自适应正则化重建相结合的图像超分辨率重建算法。算法充分考虑了实际红外图像中噪声特点,利用NSCT变换特点在尽可能减少图像信息损失的条件下,对加性噪声与乘性噪声采用不同策略进行了抑制,并对预处理后的红外图像序列进行自适应正则化重建。实验结果表明本算法处理后的红外图像在主观视觉效果与客观指标上较传统图像处理方法均有改善。

基于改进总广义变分的单幅红外图像超分辨率算法

针对传统总广义变分(TGV)算法在红外图像超分辨率重建过程中难以有效抑制噪声的问题,提出了一种基于改进TGV的单幅红外图像超分辨率算法.该算法首先将二阶TGV模型与一阶梯度锐化算子相结合,在算法实现的梯度上升阶段加上一阶梯度锐化算子,在梯度下降阶段的系数中加上一阶梯度锐化算子的系数,得到一种新的红外图像超分辨率正则化模型;然后采用一阶主-对偶优化算法求得高分辨率红外图像.实验结果表明,该算法的主观视觉效果和客观评价指标均优于其他传统算法,可获得质量较高的高分辨率红外图像,能有效抑制噪声,降低硬件实现的复杂度,有较强的实用性.

多传感器NCSR红外图像超分辨率算法

提出一种新的多传感器红外图像超分辨率算法。算法将一种非局部集中稀疏表示模型与红外图像的高频估计图像相结合:首先根据相位一致算法提取可见光图像和红外图像的边缘;然后将提取的图像边缘按照相关和非相关边缘分类,分类后依据可见光图像与红外图像的二次仿射变换关系模型,得出相关边缘红外图像块的高频估计;最后将高频估计与非局部集中稀疏表示模型的字典训练过程结合起来,得到新的正则化模型,由此模型重建高分辨率红外图像。实验结果证明本文算法在主观视觉效果和客观评价指标方面均优于传统算法。

变电设备红外图像致热型缺陷超分辨率识别方法

变电设备的致热型缺陷是影响变电设备安全、稳定运行的主要因素,会影响整个的温度控制工作。致热型缺陷识别过程中,受感光元件精度的影响,导致采集的红外图像存在空间分辨率低、清晰度差等问题。为解决这一问题,提出变电设备红外图像致热型缺陷超分辨率识别方法。构建图像降质模型,采用近似稀疏函数正则化方法,重建红外图像的超分辨率,提高其整体质量。通过中值直方图非均匀算法,消除红外图像中存在的“鬼影”,完成图像校正处理。并将处理后的图像输入到改进的残差网络中,获取变电设备过热区域的温度,以此实现变电设备致热型缺陷的识别。实验结果表明,所提方法的图像采集质量高、缺陷识别率在95%以上、缺陷误报率保持在20%以内。

基于结构稀疏化的红外图像超分辨率重建算法

本文在稀疏编码的基础上,对红外图像特性进行分析,提出了一种基于结构稀疏化的红外图像超分辨率重建算法。该算法将稀疏作为先验知识,通过对稀疏进行结构化编组,学习字典中高能量的区域,通过纹理代价函数和结构代价函数来实现图像的超分辨率重建。实验结果表明,本文算法较传统的稀疏编码方法在PSNR方面提高4-5dB,重建后的图像更加清晰,背景层次感更强。