【摘 要】
:
大气偏振模式是天空中的偏振光形成的具有特定规律的偏振态分布,其中蕴含着重要的方向信息,为偏振光导航提供方向基准。人类的肉眼是无法识别偏振光信息,需要通过相应的偏振成像系统。不同偏振成像系统在使用过程中都需要经过相应的标定,来提高偏振测量精度。针对偏振成像系统中还存在影响大气偏振模式测量的因素,本文从不同检偏角的选择、偏振片的初始方向、偏振成像系统测量原理等方面,研究偏振成像系统对大气偏振模式测量的
【基金项目】
:
合肥工业大学图像信息处理研究室承担的国家自然科学基金项目(编号:61571177);
论文部分内容阅读
大气偏振模式是天空中的偏振光形成的具有特定规律的偏振态分布,其中蕴含着重要的方向信息,为偏振光导航提供方向基准。人类的肉眼是无法识别偏振光信息,需要通过相应的偏振成像系统。不同偏振成像系统在使用过程中都需要经过相应的标定,来提高偏振测量精度。针对偏振成像系统中还存在影响大气偏振模式测量的因素,本文从不同检偏角的选择、偏振片的初始方向、偏振成像系统测量原理等方面,研究偏振成像系统对大气偏振模式测量的影响,来提高大气偏振模式的测量精度。本文的主要研究工作如下:(1)在大气偏振模式测量时,针对不同偏振角度对应的传输矩阵对偏振测量的影响,引入了矩阵的条件数来分析传输矩阵的稳定性。通过分析常用的三个偏振角度和四个偏振角度下求解斯托克斯(Stokes)矢量时传输矩阵的条件数,找出获取大气偏振模式的最优偏振角度。最后进行实测实验来验证不同偏振角度对大气偏振模式的影响并进行分析。(2)大气偏振模式中偏振角分布关于太阳子午线对称,针对偏振角分布中太阳子午线有时会出现弯曲的现象,通过大量实验,发现弯曲现象是由于偏振成像系统中偏振片的0度偏振方向和相机的0度偏振参考方向存在夹角(偏差角)造成的。为了解决这个问题,本章建立了偏差角的解析模型,分析了偏差角对大气偏振模式测量的影响。在此基础上,提出了利用大气偏振模式特征校正偏差角的方法,利用偏振度分布的不变性以及中性点特征,获取偏振角分布的最优对称轴,实现了对偏差角的校正。最后通过实测实验证明本章模型和校正方法的有效性和准确性。(3)针对不同的研究需求,需要选择合适的偏振成像系统,来提高大气偏振模式的测量精度。本文从不同成像原理方面,选择分时和分振幅两种偏振成像系统,并进行大气偏振模式的实验研究。首先分别调节相机的曝光时间和增益,研究分时和分振幅偏振成像系统在改变相机参数时对大气偏振模式测量的影响。然后在不同天气条件下,分析两种偏振成像系统获取大气偏振模式的瑞利点分布和对称性分布。
其他文献
随着煤矿业的发展,矿井深度逐年提高,热害逐渐成为矿井的主要灾害之一。热害的及时预警作为热害防治的第一步尤为重要。人体长期在高温环境中工作会降低人体热舒适度并对身心产生伤害。我国国家标准《煤矿井下热害防治设计规范》中规定采煤工作面的等效温度不应该超过28℃。等效温度是温度、湿度和风速的综合体现,能更科学、准确反映人体的热舒适度。作为评价矿井是否发生热害的标准,矿井中能否实时获取等效温度的数值在热害的
时序动作定位需要在未剪辑的视频中找到所有与人有关的动作,不仅要确定动作发生的精确时间还要确定其类别。弱监督时序动作定位使用视频级的类别标签作为监督信号,相比于全监督的方式标注成本低,其视频中只有少数同一类别的动作片段。现实生活中的视频动作实例更多,且同一时间会发生多种动作,弱监督的方法难以建模密集分布的动作实例之间的复杂时序关系。故本文对弱监督时序动作定位和多标签时序动作定位进行研究,具体工作如下
随着无线网络的飞速发展,移动互联网、物联网以及虚拟现实等各种新兴业务的出现对现有网络环境的时延和可靠性提出了挑战,同时,移动设备的大规模连接也带来了更高的资源需求,计算密集型应用程序和资源受限的移动设备之间的矛盾为获得令人满意的服务质量和服务体验带来了瓶颈。为了能够更好地满足这些新兴业务的需求和特性,推动移动通信网络的发展,设计有效的面向低时延需求的无线资源分配方案已经成为了非常重要的研究课题。本
近三十年来,相干斑抑制方法在合成孔径雷达(SAR:Synthetic Aperture Radar)图像中得到了广泛的应用。SAR图像中斑点噪声的存在严重降低了图像的可解释性,并对后续的目标检测、分类和识别等常见应用产生很大影响。因此,需要采用相干斑消除方法来提高SAR图像的质量。目前,国内外许多学者都致力于SAR图像斑点噪声的抑制,并提出了大量抑制图像斑点噪声的算法。大多数方法都是通过使用过滤窗
呼吸率是衡量人体健康状态的重要生理参数之一,呼吸率检测在医院健康监护、灾害现场伤情判定以及家庭健康监测等场景有着广泛应用。基于视频的呼吸率检测方法成本低廉、拓展性强,已成为人体呼吸率检测领域的研究热点。现有的呼吸率视觉检测方法在人体侧躺、平趴等多种姿态下,难以准确地提取出呼吸信号,不能实际应用于家庭健康监测等场景。因此,多种姿态下的人体呼吸率视觉检测方法具有重要研究价值。针对上述问题,本文具体工作
沉浸式多媒体,包括全景视频和虚拟/增强现实(Virtual Reality,VR/Augmented Reality,AR)视频,最近随着沉浸式应用需求的增加而变得越来越流行。视角(Field of view,FoV)预测作为新兴的VR和AR应用的一个重要组成部分,在全景视频自适应传输中至关重要。目前大多数结合了显著性检测和FoV信息的预测方法既没有考虑到全景视频投影后的失真会使传统卷积网络的权重
基于视频的振动检测技术具有非接触式、低成本以及支持全场测量等优势,在大型建筑的结构安全检测、机械设备的运行状态监测等领域有着广阔的应用前景。固定相机受到部署位置、测量视角等限制,难以实现针对大跨度及高层建筑的振动测量。随着无人机技术的发展,无人机载相机提供了一种更为灵活的视频振动检测手段。然而,在悬停拍摄的过程中,无人机受到环境气流影响会产生随机晃动,进而影响到所采集视频的质量以及最终的振动检测性
近年来,深度学习模型已经在图像分类和目标检测领域取得了丰硕的成果,但在一些特殊场景中受限于无法获得大规模的标注数据,导致算法模型的效果不能得到进一步的提升。因此,利用少量样本数据进行有效的学习,对于研究者们来说是一个非常有价值的研究课题。本文主要围绕小样本条件下的图像分类和目标检测问题,对现有的小样本分类和检测算法模型进行深入的研究。基于这样的思路,本文的主要工作和贡献如下:(1)目前的一些度量学
合成孔径雷达(Synthetic Aperture Radar,SAR)能够全天时、全天候地提供高分辨率的SAR图像,因此广泛用于军事、农业等领域。SAR图像分类是SAR图像的重要应用之一,随着深度学习方法的发展,图卷积网络(Graph Convolutional Network,GCN)促进了SAR图像分类性能的进一步提升,但是SAR图像中存在固有的相干斑噪声,难以获得具有强判别性的特征。论文在
随着互联网技术与移动设备的快速普及,除了传统的“口口相传”的线下教育方式外,在线教育平台因其丰富的教学资源与灵活的学习时间逐渐吸引了广泛的关注。研究者们致力于推动在线教育平台的发展,提出了智能教育系统的概念:智能教育系统能根据每个学生的具体情况及平台的教学资源为每位学生量身定制学习方案并提出学习建议。学生表现预测任务是智能教育系统中的基础任务之一。具体而言,该任务需要智能教育系统通过分析学生的历史