【摘 要】
：
像素非均匀性是CCD成像性能评价中的一个重要指标,反映的是像素结构本身的差异。传统的以灰度值为基础计算DSNU和PRNU的方法未能考虑读出电路引入的时域噪声,且计算时未剔除不同像素曝光时间不同带来的误差,计算结果也只适用于某个具体曝光量。在分析CCD信号流的基础上,厘清灰度值不均匀的影响因素。参考DSNU和PRNU的计算方法,再结合帧转移型CCD的工作方式,提出了设置多档曝光时间,每档曝光时间下采
论文部分内容阅读
像素非均匀性是CCD成像性能评价中的一个重要指标,反映的是像素结构本身的差异。传统的以灰度值为基础计算DSNU和PRNU的方法未能考虑读出电路引入的时域噪声,且计算时未剔除不同像素曝光时间不同带来的误差,计算结果也只适用于某个具体曝光量。在分析CCD信号流的基础上,厘清灰度值不均匀的影响因素。参考DSNU和PRNU的计算方法,再结合帧转移型CCD的工作方式,提出了设置多档曝光时间,每档曝光时间下采集多帧暗(亮)图像,再通过拟合求得暗电流("暗电流+光电流")后并以之为基础计算暗电流非均匀性DCNU和
其他文献
为解决现有依赖具体链路探测包的物联网路由方案易遭受干扰的问题,给出了一种基于虚拟网络估计的物联网路由方案。所给方案首先利用网络状态矢量和活动共享估计每条链路的成功传输数据率,然后根据节点局部产生流量、邻居节点的流入流量和重传流量估计节点流量,最后选择能够增加网关流量的节点作为下一跳节点,并按照这一原则建立物联网路由。仿真分析结果表明,所给路由方案估计的传输数据包数与仿真实验结果一致,并且所给路由方
目前图像三维重建得到了广泛应用。摄像机成像仪上的光条纹中心是实现三维重建的重要信息源。针对光条纹中心提取方法中的Steger算法计算量大、运算时间较长的缺陷,本文将GPU多网格(grid)多块(block)多线程(thread)的并行运算优势,与Steger算法每个像素点卷积运算相互独立的特点相结合,设计了一种利用GPU加速的改进的Steger算法,以减少运算耗时。实验结果表明:GPU下的光条纹提
在三楼3KG展区里面,我们可以看到一些与音响器材不一样的东西,这就是北京智滔伟业体育用品有限公司带来的高尔夫产品,不仅可以看到,还能亲身上阵体验一把,挥杆一试,其乐融融,受到了大批观众的喜爱。北京智滔伟业体育用品有限公司是一家专门销售与安装室内高尔夫模拟器的专业公司,公司代理韩国最先进的模拟器设备及输入其最新技
分析了不同温度、降水和沙埋深度对冬型一年生植物砂蓝刺头种子萌发及幼苗出土的影响.结果表明:在光暗交替(12 h/12 h)条件下,砂蓝刺头种子萌发的最适温度是30℃/20℃,萌发率达到95.2%;其次是25℃/15℃,萌发率为57.78%.种子出苗的最适沙埋深度为1 cm, 1～5 cm埋深种子萌发及出苗率随沙埋深度增加而减小;在幼苗能够出土的沙埋深度(0～4 cm),幼苗首次出土所需的时间随着沙
Many state-of-the-art climate models project that the tropical Pacific sea surface temperature (SST) response to the greenhouse gas (GHG) forcing would be an ‘El Nio-like’ pattern,meaning that the ea
为了在显著性目标检测中保持高的召回率的同时提高准确率,本文提出了3点改进思路.第一,从超像素中提取简单的视觉特征,如颜色、方向和空间信息;第二,为了克服经典的基于图的流形排序(MR)的显著性目标检测算法中背景先验假设的缺点,使用仿射传导聚类算法(APC)自动聚合超像素为不同的特征类别.根据目标与背景(改进的)边缘连通度的不同,图像边缘的超像素会得到较大的权重即较大的背景概率值,这样边缘上真正的背景
在计算机视觉领域,行人检测是一项艰巨的任务。利用TOF(time-of-flight)相机提供的深度信息进行俯视行人的高精度检测。当TOF相机处于俯视角度时,作为人体的一部分,人的头部具有非常丰富的特征信息,并且能在很长的时间里不被遮挡。鉴于此,提出了一种头部检测与注水算法相结合的俯视行人检测方法。该方法首先利用混合高斯背景模型来寻找图像中的感兴趣区域;然后采用注水算法对候选头部区域进行过滤;最后
为了解决射频识别系统中电子标签的低功耗问题,提出并设计了基于STM32的半主动式电子标签低功耗性能评估系统,采用时分复用的方法,通过一个节点管控多个电子标签,同时将各个电子标签接收到的信号通过CAN总线传输给系统软件架构,实现系统总体设计,充分考虑系统主要功耗来源,对系统硬件部分进行设计时选取具有超低功耗优点的STM32单片机和nRF24LE1芯片,系统硬件部分主要包括微控制器单元、电源转换电路单
针对尺度不变特征变换(SIFT)算法在特征提取过程中运算量过大、非主要特征数据冗余、匹配率低等问题,提出一种基于SIFT稀疏深度信念网络算法模型。首先使用SIFT算法提取人脸特征,然后利用局部方差相似性优化稀疏编码,对提取的特征向量进行稀疏表示,最后采用无监督逐层训练,并用有监督的BP网络进行微调,深度信念网络进行分类,识别人脸图像,实现网络的自学习和自优化。将该算法应用到FERET人脸库上,实验
针对当前卷积神经网络算法在近红外光人脸检测时,普遍存在着检测时间过长、检测性能较低等问题。提出一种基于粒子优化群算法和卷积神经网络的人脸检测方法。通过对近红外光人脸进行分析,在人脸图像预处理中对人脸进行近红外光光照强度补偿,利用小波变换方法提取人脸图像低频子带,引入主特征分析法提取出近红外光人脸图像特征分量,将神经网络参数进行初始化,确定其拓扑结构。将提取的特征向量输入神经网络中,引入粒子群优化算