基于单像素相机的层流火焰成像方法研究

来源 :上海交通大学 | 被引量 : 0次 | 上传用户:zhou414663000
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
燃烧是能量转换的一种重要形式,目前被广泛应用于电站锅炉、内燃机等场景中,对于人类社会的正常运转具有战略意义,因此进行燃烧诊断,研究燃烧机理从而提高燃烧效率具有重要价值。然而燃烧过程中会产生大量中间产物,它们种类繁多且在燃烧区域内空间分布不均匀,导致燃烧过程非常复杂,这对燃烧诊断工作提出了巨大的挑战。在众多的燃烧诊断方法中,以平面激光诱导荧光、火焰自发光成像为代表的成像类燃烧诊断技术能够充分利用不同波段的自由基中蕴含的大量有用信息,有利于研究人员加深对于燃烧机理的理解。成像类燃烧诊断技术通常需要借助阵列传感器,但是在非可见光波段,其价格相对高昂,甚至没有成熟的产品;当待测物体波长接近传感器像素尺寸时,严重的衍射现象将导致成像质量大幅下降;此外,在燃烧诊断的实际工作场景中,信号强度通常比较弱,因此要求传感器有较高的灵敏度和信噪比。单像素探测器由于具有成本低、可使用波长范围广、灵敏度高等优点,有望解决燃烧诊断中阵列传感器所面临的诸多问题。为探究单像素成像技术用于燃烧诊断的可能性,本文首先基于压缩感知原理搭建了紫外波段的单像素相机,并利用数值仿真确定了采样率、测量矩阵、重建算法等重要参数的最优组合。在验证实验中,通过对比单像素相机成像结果与CMOS相机的成像结果,发现两者具有极高的相似性,证明单像素相机用于紫外波段成像的可行性。对于时间分辨率不够高的问题,本文基于不完整投影数据和计算层析重建对搭建的单像素相机进行改进,仿真结果显示,该方法相比于基于压缩感知原理的单像素相机,能够进一步降低实验过程中需要的采样率,因此可以提高其时间分辨率。验证实验结果也显示该方法成像效果优于传统方法,证明本文提出的方法在保证成像质量的同时,能够提高其时间分辨率,能够初步应用在燃烧诊断中。
其他文献
显著性检测是指通过模拟人的视觉特征提取图像中的显著区域,是计算机进一步理解和处理图像的重要预处理方式。关于显著性检测的研究已经有很多,但是关于人类视觉系统是如何捕捉到显著性区域尚未有明确的的解释。同时因为大量图像也蕴含着丰富的前后景信息,显著性检测仍然有很大的进步空间。特别是当图像包含一个复杂的场景,如何高效准确地将显著性物体提取出来仍然是一个待解决的问题。随着卷积神经网络的快速发展,显著性检测已
随着移动终端和定位技术的发展,服务端存储能力提升,越来越多的时空数据可以被精确地采集和存储,为基于时空数据的应用发展提供了坚实的基础。其中,轨迹数据是由移动物体产生的一系列时空数据,对于轨迹数据的分析和挖掘能够给人们日常的出行带来一系列便利,比如导航、路径推荐、智能交通等等。其中,对于轨迹数据的异常检测能够从海量的数据当中发现可能存在的异常行为,对于规范轨迹数据产生方的行为具有积极意义。目前,关于
在计算机视觉领域的诸多研究方向中,视觉目标检测与跟踪是最基础也是最重要的研究方向之一,同时也具有广泛的工业应用场景。视觉目标检测与跟踪是计算机对环境物体进行感知理解最基础也是最重要的步骤,为进一步的高层级的理解任务奠定了基础。而在众多的目标检测与跟踪的算法中,对目标的定位准确度是其算法整体性能的关键所在。针对视觉目标检测任务,本文着眼于目标定位准确度,通过分析检测结果,发现了当前的视觉目标检测算法
红外图像凭借其被动探测成像和全天候不间断工作的特性,在以科技对抗为主导的现代军事对抗中发挥着重要的作用。由于红外图像的广泛使用,一系列军事方面的红外图像目标检测问题成为科研人员们研究的热点之一。其中远方舰船、导弹、鱼雷等军事设备因为目标距离远、信号弱、小范围等固有属性,在红外成像系统中呈现出弱小目标的特性,该类目标的检测问题成为学者们在该领域长期关注的难题。高辐射的海杂波信号使得目标若隐若现,由于
随着人工智能技术的发展,表情识别的研究取得了突飞猛进的进展。大多数算法的良好表现依赖于训练集和测试集的分布一致性条件,但是诸如图像采集条件、个体属性等因素的不同会使得数据间存在较大的分布差异。因此当把模型应用到新的未知分布的数据上时,其识别精度会有一定程度的下降。跨数据集的表情识别问题具有重要的学术价值,该问题的解决有利于推动表情识别的广泛应用。现有的跨数据集的表情识别方法缺乏对干扰信息的有效排除
需求工程是设计和编写工业软件的关键步骤。以人工为主的需求建模方式非常耗时且容易出错,现有的需求建模方法大多需要人工来完成,或者根据完整的形式化或半形式化需求规范文本进行建模,仍然需要项目工程师事先花费大量的时间和精力,将系统需求完全理解并编辑成规范化的需求文本。因此需要一种自动化的方式可以在极短的时间内建立精确的需求模型。为了实现快速、准确的需求建模,且适用于智能制造领域的功能性与非功能性需求,本
高精度建图和定位是自主代客泊车系统的关键技术之一。在室内停车场环境下,车辆变动频繁,且存在行人干扰,这会导致据其生成的三维场景特征地图频繁更新,对计算资源要求较高。而且,全球导航卫星信号也因遮挡不可使用,这进一步增加了室内停车场低成本、高精度定位的实现难度。基于以上考虑,本文融合低成本的环视鱼眼相机信息、惯性测量单元和轮速编码器测量信息,设计了一种基于地面标志语义类别信息的高精度建图与定位方法,可
随着大数据和人工智能技术的发展,数据的重要性变得越来越凸显,并被经济学人杂志称为数字时代的石油。然而大数据在其产生巨大的价值的同时,也带来了数据隐私泄露的风险。为了实现在数据发布过程中,既保护数据的隐私,又保持数据的可用性,引入随机化的扰动是一种很常见的方法。基于随机加噪的数据发布一方面能够提供严格的隐私量化标准,另一方面通过合理的设计噪声能够保持数据的可用性,也因此成为数据发布领域的研究热点。然
三维激光扫描得到的点云数据是真实世界中的场景在计算机中的三维数据集合,包含了大量的语义信息。场景的三维点云语义分割研究受到了广泛的关注,在众多领域发挥出了重要作用。室外场景中的物体种类较多,分布不均匀,背景环境高度复杂,扫描得到的点云分布不均匀,存在近密远疏的问题,得到的扫描场景还会存在噪声与遮挡等情况。上述种种因素使得室外场景的三维点云语义分割成为了极具难度的挑战。真实世界中经常包含大量干扰因素
核定位信号(NLS)是与载体蛋白结合的蛋白质肽,是蛋白质序列中的一段连续的氨基酸序列片段,用于将核蛋白运输到细胞核中。作为核定位的重要信息,核定位信号的鉴定可以帮助阐明蛋白质功能,进一步的成为对众多疾病的研究和治疗的一种主要研究方法。然而,这种信号的实验鉴定是昂贵的,目前只有有限数量的核定位信号被确定,因此开发用于核定位信号的预测算法是重要的。尽管目前已经提出了几种核定位信号预测算法,但它们通常对