【摘 要】
：
针对低功耗CMOS传感器的工业相机在拍摄高速移动物体时所采用的曝光方式与清晰度的要求,该设计结合逐行曝光的曝光原理及特性,使用FPGA作为主控模块,通过对像素抓取做出的位置坐标进行补偿矫正,实现逐行曝光方式也能对高速运动液滴的精确拍摄效果,初步消除由曝光方式引起的失真,摆脱常用的全局曝光方式的桎梏,极大地提高了墨滴观测的真实性,根据仿真分析与实验结果,该方法可以有效消除因曝光条件引起的失真,解决了
论文部分内容阅读
针对低功耗CMOS传感器的工业相机在拍摄高速移动物体时所采用的曝光方式与清晰度的要求,该设计结合逐行曝光的曝光原理及特性,使用FPGA作为主控模块,通过对像素抓取做出的位置坐标进行补偿矫正,实现逐行曝光方式也能对高速运动液滴的精确拍摄效果,初步消除由曝光方式引起的失真,摆脱常用的全局曝光方式的桎梏,极大地提高了墨滴观测的真实性,根据仿真分析与实验结果,该方法可以有效消除因曝光条件引起的失真,解决了CMOS相机采用逐行曝光下墨滴图像的变形问题,提高了待测液滴各种物理属性真实度。
其他文献
近年来,我国各大城市纷纷出台地铁建设规划,不断扩大地铁建设规模,运营里程不断增加,这给地铁隧道的检测工作带来了很大的挑战。当前我国对地铁隧道断面病害检测仍以人工巡检为主,缺乏高效的自动化检测系统。本文介绍了地铁隧道断面的病害类型及成因,设计了一套基于CCD图像采集的病害检测系统,对系统各功能模块进行了详细分析。本系统的应用大大提高了检测效率和精度,改变了传统的人工巡检模式,具有广阔的应用前景。
现阶段,我国的科技发展日新月异,计算机技术的发展也达到了一个更高的水平,在各个行业中的应用程度也不断加大。在纸媒领域,应用计算机技术可以对图像进行处理,从而让信息在纸媒上的呈现越来越清晰、直观、突出重点,方面人们进行观看、阅读,进而能够留住更多的读者,提高纸媒的市场占有率。
为研究盱江流域径流对气候变化的响应,构建了基于SWAT的分布式水文模型。采用SUFI-2法对SWAT模型的参数进行率定和验证。率定期和验证期的决定性系数R2和纳什系数Ens均大于0.9,模型在该流域的适用性较好。在SWAT-CUP中引入参数标识符建立49种气候情景(温度升高或降低1～3℃,降水增加或减少10%～30%)并代入模型中模拟径流。结果表明,温度与径流呈弱负相关;降水与径流呈强正相关;温度
土壤全氮(Total Nitrogen,TN)是植物生长的重要营养来源,是衡量土壤质量的重要指标之一,快速准确地获取农田土壤氮素信息尤为重要。选取潍北平原为研究区域,系统测试111个土壤样本并采集原状土壤高光谱,测定土壤全氮值并建立基于随机森林算法(Random Forest,RF)及皮尔逊相关系数(Pearson’s Correlation Coefficient,PCC)特征提取的偏最小二乘法
高校食品安全是学校企业管理的重要组成部分,合理、健康是其稳步发展的基本要素。在物联网技术的背景下,在市场化、信息化的网络驱动下,校园餐饮的实体经营必须要做到既要保证师生饮食健康与安全,又要节约其运营成本。尤其是在物价快速上涨的现今,这对于校园企业的工作人员而言是值得深思的。
2018年以后,为提升加油体验+升级服务内容,加油站的经营理念从"我要卖什么"向"客户需要什么"转变,所提供的商品与服务不再局限于汽车,而是覆盖汽车和驾车人整个生命周期的全面需求。大部分城市,尤其是发达地区(市)的上下班高峰期,当油价促销时,加油站出现缴费难痛点,车辆通过率低,既影响油站销售量,又降低了客户满意度,也对交通形成了一定堵塞,造成社会影响。
针对使用传统度量算法会使重建后的图像产生过平滑,缺乏高频纹理的问题,采用卷积神经网络在准确性和速度方面取得了突破,但仍存在无法恢复图像更精细的纹理细节。因此提出了一种基于生成对抗网络的超分辨方法。为恢复图像内容和细节,提出一种基于视觉的损失函数来恢复图像大量内容和图像精细的纹理细节。在不同数据集上的实验结果表明,提出的超分辨方法重建结果更接近真实图像,在峰值信噪比和相似结构性结果上均有提高。
为实现宽视场角图像中目标物体的定位,提出了一种鱼眼图像的目标物体角点检测方法。首先对含有目标物体的鱼眼图像进行等面积切分,利用目标物体即网格图像灰度直方图的明显特征确定目标区域;然后根据实际应用对Harris算法进行改进,并将其应用至目标物体的角点检测中,确定目标物体位置。实验结果表明,能有效确定目标区域,视觉冗余度由90.3%下降到47.8%,目标物体角点检测准确率为83.8%,可以为实现宽视野
为了提高识别效率并减少人工成本,采用深度学习的方法对生产日期图像进行识别。首先对生产日期图像进行预处理,使用水平投影分割算法并提出一种区域最大值分割的方法将图像中的干扰字符去除,只留下数字、字母和汉字字符。然后创建一个由生产日期图像中常包含的数字、英文、汉字字符所组成的可扩展的数据集。最后构建一个卷积神经网络模型并将数据集送入训练以获得较高的识别准确率。经测试基于卷积神经网络的识别方法对生产日期识
为了提高动态手势的识别准确率,并避免动态手势的数据预分割和后输出处理过程,设计了一种融合卷积神经网络(CNN)和双向长短时记忆(BiLSTM),引入连接主义时间分类(CTC)作为损失函数的串联型网络模型。使用CTC训练网络来判断输入流中的类标签,以完成动态手势的识别工作。在公开视频手势数据集Jester和通过Kinect自建的包含9个动态手势的数据集上进行了实验验证,结果表明提出的串联型融合网络模