采用二值化作为脑正常和异常组织MRI检测的中间步骤。MRI二值化的主要问题之一是由于MRI中广泛的黑色背景或背景与前景的对比度差异较大，导致大脑部分的许多像素无法正确二值化。本文利用均值、方差、标准差和熵确定一个阈值，然后进行非色域增强以克服二值化问题。提出的二值化技术在各种MRI上得到了广泛的测试，并产生了良好的二值化，提高了精度。

核磁共振,二值化;熵;标准差。

采用二值化作为脑正常和异常组织MRI检测的中间步骤。MRI二值化的主要问题之一是由于MRI中广泛的黑色背景或背景与前景的对比度差异较大，导致大脑部分的许多像素无法正确二值化。本文利用均值、方差、标准差和熵确定一个阈值，然后进行非色域增强以克服二值化问题。提出的二值化技术在各种MRI上得到了广泛的测试，并产生了良好的二值化，提高了精度。

核磁共振,二值化;熵;标准差。

对图像信息的极端理解是必不可少的，医学图像分割，主要是二值化，发挥着重要作用。分割图像通常用于多种不同的应用，如诊断、治疗计划、病理定位、学习解剖组织和计算机联合手术。特别是二值化是一项复杂的工作，因为物体形状的不可预测性，不同部分的空间强度变化和图像质量的变化。大多数基于强度的白质、灰质和脑脊液分割都需要二值化作为预处理。如果我们处理二值化的图像，也很容易发现大脑异常。因此，准确的异常选择和特征提取都高度依赖于二值化。近年来，图像二值化技术在医学领域得到了广泛的应用。特别是在肺癌、乳腺癌、脑肿瘤等多种肿瘤中，时间因素对于发现靶图像异常问题非常重要。二值化过程的阈值选择可分为全局阈值和局部阈值。全局阈值方法利用单个强度阈值，该阈值是根据一些启发式或综合图像特征确定的，用于将图像像素划分为图像的前景像素或背景像素。 The paper proposed a method to convert MRI of brain images in a bi-level form in such way that the foreground information brain part is represented by white pixels and the background of brain part by black pixels.

二值化过程的阈值选择可分为全局阈值和局部阈值。全局阈值方法利用单个强度阈值，该阈值是根据一些启发式或综合图像特征确定的，用于将图像像素划分为图像的前景像素或背景像素。局部阈值法可以为图像中的每个像素计算一个阈值，该阈值位于物质的起源位置[1]。与全局阈值法相比，局部方法在磁共振图像二值化中通常表现不佳，这是由于脑组织强度的动态特性。Otsu通过最小化类内方差的加权和[2]来选择阈值。一些研究人员使用了一种适用于滑动窗口内增量更新的不同阈值准则，与各种公开可用的自适应阈值例程[3]相比，该算法在困难的门户图像上提供了更好的结果。阈值被选择为碎片的平均亮度给出非常平均的结果。还有一些研究者从信息论中提出了一种基于互信息的[4]方法，该方法没有潜在的自由参数，也不需要对[4]进行训练或校准。该方法是通过最大化阈值以上的互信息，最小化阈值以下的互信息，为每幅图像找到一组最优的全局阈值。在合成图像和临床医学图像上进行了测试，并与其他三种阈值方法进行了比较:Conaire方法、流行的Otsu阈值方法和基于2D熵的二值化[5]。 Their result suggests that the method is less sensitive to such irregularities as it does not make assumptions about the distribution of intensities in the images [4].

在第一阶段前景图像对比度增强技术中，涉及到缩放和移位操作;对图像进行这些操作的最终结果是，相对于该特定图像，其高于某一参考值的所有像素值被推到一个更高的值，而低于该点的所有像素值被推到更低的灰度值。只对RGB分量最大值与最小值差小于128的像素进行对比度增强。在第二阶段，利用灰度MR图像的熵和标准差计算二值化的最终阈值。

本文讨论了该技术在由T1加权、T2加权和质子密度(PD) MRI组成的大脑数据集“全脑图谱”(Whole brain Atlas)上的结果。所提方法的结果如图1(c)所示，输入MRI的前景图像增强步骤如图1(b)所示(图1(a))。从图1(c)中可以很明显的看出，大脑部分的前景被划分为白色，大脑部分的背景被划分为黑色，这一结果被用来提取和检测不同类型的大脑异常。大多数二值化算法并不将背景(黑色区域)作为大脑图像的一部分。值得注意的是，由于标准偏差和熵的结合，其次是色域少增强方法正确的二值化的大脑部分，目标感兴趣。这一点可以从本次实验的二值化结果中得到验证，我们也可以观察到所提出的二值化技术能够得到适用于所有类型脑MR图像的结果。大津法的结果如图1(d)所示。它表明大脑部分的像素被设置为0的数量非常少，因此许多不必要的大脑部分区域像素被转换为1，这就造成了它的局限性。该方法得到的结果如图1所示。

磁共振图像二值化在脑异常检测和特征提取方面有多种应用。该技术分两步完成，证明了该方法能够适用于不同的脑磁共振图像及其应用领域。实验结果表明，该方法的图像二值化效果优于其他常用方法。磁共振图像二值化在脑异常检测和特征提取方面有多种应用。该技术分两步完成，证明了该方法能够适用于不同的脑磁共振图像及其应用领域。实验结果表明，该方法的图像二值化效果优于其他常用方法。

太空卫星的设计特征为典型的电信任务没有改变在过去的30年里,组件故障由蜂窝板,使丰富多彩S / S设备安装,组装围绕一个核心组成的坐在油箱在最后的轨道,轨道环化燃烧室及其喷嘴，以及在长方体结构的侧面，天线和太阳能电池板铰接在结构上。下面是其部件[1]的典型分解视图(图1)。

没有人认为这种典型的架构总线已经有效地工作了很长一段时间，并将继续工作下去。这种由不同的结构组组成的结构需要大量的分析、验证和紧密的公差制造，这就是为什么一个5吨质量的大型卫星[2]的成本可能超过1.5亿美元(图2)。

因为在过去的30年里几乎没有什么变化，所以合乎逻辑的认为，没有理由在未来的事情会发生很大的变化。考虑到大型卫星制造商在未来多年试图捍卫的亿万富翁的经济利益，这一观点得到了强化:为什么在业务运行成功的情况下还要冒险?

虽然从最客观的角度来看，我对卫星设计制造的设计改变的看法并不令人鼓舞，我还认为，考虑到机器人智能系统的快速发展，以及在轨道上使用3D/4D打印以更低的劳动力成本制造组件的潜力，这种情况注定会发生改变。未来十年，当这些技术在地面上达到高度成熟时，它们可能会扩展到地面以外的应用，卫星oem将更加确信在轨制造和组装将提供的优势。

当新的发射器将可用于卫星oem时，完美风暴将产生，发射器将提出一个有效载荷容纳系统与目前使用的专用适配器[3]有很大不同。

当它被演示时，从微型和微型卫星类别开始，精致和复杂的卫星可以被容纳到整流罩中，使用气囊或软聚合物而不是刚性适配器，一个新时代将诞生，并将改变一切。

由于气囊或其他以软泡沫部件为基础的解耦系统应允许以1/10的价格有效地存储和多样化尺寸的部件，因为不需要机械I/ f，卫星制造商应该意识到，发射卫星部件而不是5吨重的卫星，将会更便宜和有效，让部件通过机器人系统在轨道上组装。

新的卫星系统应该基于一个基本的构建块作为标准，就像个人计算机基于不同的PCB构建块的组装一样。

这个基本构建块可以基于以下配置(图3)。

一种能自然抵抗压缩力的卵形物体，其质量比能被离子推进器[5]有效推进的卫星要低得多。这种卵形智能单元(OIU应使用)作为构建模块，用于装备部分由3D打印构建的大型平台，并提供卫星的特定功能。外壳可以变成法拉第笼，最大限度地保护电子免受宇宙辐射。

大型项目，如天线和平台本身，可以在同一货运任务中分别发送，这要归功于气囊保持有效载荷系统的高灵活性。

通过使用气囊或轻质聚合物泡沫的解耦结构，可以开发一种有效载荷保持系统，在该系统中，OIUs占据许多层，一个接一个地放在直径为7米的整流罩内，考虑到猎鹰重型发射器类别。每层可以容纳62个OIU，假设OIU直径为500毫米，质量为50公斤，使用智能电子设备和超薄pv充气式阵列[6]。因此，任何楼层都可以承载3100公斤的有效载荷。

在下面的图片中，从其压缩打包配置中弹出62个iou的楼层(图4)。

OIU的基本几何形状可以很容易地设计成抵抗1吨的压力，这样许多楼层就可以相互重叠。这种“鸡蛋容器”系统的优势在于它的简单性，从经济角度来说，它提供了在发射器中使用过的最便宜的保存系统。任何地板的分离都可以通过烧断整流罩的一部分来实现，如果使用泡沫材料，则可以通过嵌入在支架中的气囊或预压缩弹簧来释放能量。

在分离后，任何OIU都能够自主地执行其任务，从部署PV阵列开始，使用现有的技术，使其在膨胀后保持刚性，但在未来10年仍可以在尺寸和质量方面进行改进。在离子推进器的推动下，任何OIU都能够完全自主地到达最终目的地。这大大降低了该任务的业务成本(图5)。

OIU相当低的质量允许在很短的时间内到达最终目标，即使是遥远的目标，如小行星或行星使用0.5N离子推进器级。

到达目的地后，应使用车载跟踪系统和/或通过机器人协助将OIU设置在插座位置。

降低卫星的复杂性，避免在其最精密的S/S部件中挑战高应急负载因素，是大大减少开发时间和成本的关键因素。卫星必须停止设计作为一个独特的定制单位，就像PC设计已经开发了标准尺寸的pcb，可以适合任何PC插槽。

使用同样大小和形状的物体作为复杂卫星的构件，以轻松挑战发射装置的加速度，这是一种增加在轨有效载荷部件输出而大大降低成本的方式。

每个模块化OIU从离开生产设施到在发射器上设置时只需要进行基本检查。每个单元将代表一个可能的故障事件，但不是故障安全系统哲学中的总体任务风险。

将积聚的卫星从地面上——轨道允许显著增加生产力和操作地面从成千上万的操作通常串行制造的大型卫星产业化计划OIUs可以使用高标准化和操作广泛了parallel as in car manufacturing.

对于大件物品的运输，可以使用一些oiu来达到如图所示的目的(图6)。

我们已经熟悉关于使用机器人可能在我们的社会中有潜在危害的讨论，人们突然失去他们的工作，因为机器人取代了他/她的位置。我同意那些警告风险是真实存在的人的观点。

这就是为什么我更愿意认为机器人可以成为财富的来源，如果它们主要在太空运行，而不是在地面上做人类几乎做不了的工作。太空中的机器人可以为生活在地球上的人们创造巨大的回报和财富，而不必冒着他们找到工作的风险。

OIU除了覆盖卫星的一项基本功能外，基本上是一种机器人，一旦在轨道上交付，它将提供自主任务，而不需要地面来源。它将是太空机器人中的一个，并将为地面组织创造服务和经济回报做出贡献。

使用大型发射装置，如SHIPinSPACE月球基地发射装置[3]，能够发送240吨到近地轨道，在一次任务中可能发送4800个OIUs。如果任何OIU能产生20kW的电力，96MW将在轨道上产生，这意味着大约12次发射，以建立一个GW规模的太阳能卫星，包括(智能)支持结构和天线。通过地面智能操作系统，有可能在3个月内完成12次发射。预计每次发射的成本为3000万美元，与10亿美元的太阳能发电厂相比，它的总收益为3.6亿美元。如果把这种能量传输到月球(或地球)，它可以让殖民地的基础设施建设比任何现有的商业计划都要快得多，成本也低得多。想想。

空间碎片的凯斯勒综合症[7]将不可避免地创建碰撞到一个无法控制的螺旋的碎片数量将进一步建立和进一步碰撞是一个“达摩克利斯剑”仍然等待未来的任何使用从狮子座GEO轨道,可能影响商业新空间。

在未来几十年里，预计将有成千上万的微型和微型卫星被送入轨道，这肯定会进一步提高未来碰撞的风险，并达到凯斯勒综合症可能流行的程度。专家们认为，由于人类的典型特征是等待损害发生，而不是在它发生之前分析、预测并采取行动解决它，不可逆的空间碰撞的场景可能不远了。

最近成功清除太空垃圾[8]通过使用特定卫星(而不是机器人远程控制)证明了政府和机构认可的问题,但它不回答或解释成千上万的潜在的有害垃圾可以删除,因为它是明确的,可以提供在使用的技术the order of few units per year (control Centres on-ground cannot operate more than 2-3 spacecraft in the same time) whereas we would need some tens of thousands per year to sort out the problem seriously.

我们的“LBL发射器”能够以大大降低的成本将240吨发射到近地轨道，并采用基于解耦结构的有效载荷保持技术和OIU机器人卫星的使用可能是具有技术和经济数字的技术，能够挑战这一问题。通过开发基于拟议的oiudesign配置的机器人，将有可能在一次任务中发送4800个OIUrobots到近地轨道，其中任何一个都可以通过编程来清除主要的太空垃圾。这是彻底解决这个问题所需的技术规模。