【摘 要】
：
脉冲序列图像传感器将场景信息编码成时域连续的脉冲信号,同时进行高速的帧扫描输出,保留了完备的场景信息且较传统高速图像传感器减少了数据量,在高速目标识别、目标追踪和姿势识别等领域具有很好的应用前景。然而,该传感器的工作机制下存在时间误差,导致了重构的图像存在像素闪烁的问题。闪烁问题不仅降低了图像的质量,还会影响追踪定位等应用的精度,制约了脉冲序列图像传感器的进一步发展。本文详细分析了脉冲序列图像传感
论文部分内容阅读
脉冲序列图像传感器将场景信息编码成时域连续的脉冲信号,同时进行高速的帧扫描输出,保留了完备的场景信息且较传统高速图像传感器减少了数据量,在高速目标识别、目标追踪和姿势识别等领域具有很好的应用前景。然而,该传感器的工作机制下存在时间误差,导致了重构的图像存在像素闪烁的问题。闪烁问题不仅降低了图像的质量,还会影响追踪定位等应用的精度,制约了脉冲序列图像传感器的进一步发展。本文详细分析了脉冲序列图像传感器的闪烁问题,研究了误差对脉冲数据的影响,提出了一种基于脉冲间隔波动特性消除闪烁的方法。本文首先分析了脉冲序列图像传感器的工作原理并搭建了传感器行为模型,然后研究了图像的重构方法,接着分析并处理了重构图像中的闪烁问题:传感器异步复位同步读出的工作机制使得获取的脉冲间隔数据存在波动,引起了图像的闪烁;为了抑制闪烁,本文研究了不同误差下脉冲间隔数据波动的特征,依据这些特征将脉冲间隔序列划分成脉冲间隔序列单元,依据时域上场景的时间相关性对场景变化进行识别,然后采用三种均衡策略处理不同场景光下脉冲间隔序列单元的波动;随后基于仿真行为模型验证了闪烁消除方法的效果,并搭建了脉冲图像传感器的成像系统,基于该系统进一步验证了闪烁的处理效果。基于建立的像素行为模型对闪烁处理效果进行验证,分别输入0到255的灰度值获取脉冲数据,进行灰度还原,闪烁处理后的结果表明,脉冲还原的灰度偏差最大由55降到了2以内,偏差的均值从13.66降到0.34,标准差从15.10降到0.57。基于传感器行为模型的闪烁处理实验结果表明,像素灰度曲线中光强的变化和相邻帧的差值图中的运动部分得到了保留,图像灰度直方图中缺失的灰度得到了补充;静态场景中图像的结构相似性（Structural Similarity,SSIM）从0.75增大到0.99、PSNR从24.34增大到57.33;动态场景中图像的SSIM从0.77增大到0.97、PSNR从22.04增大到了38.41。本文搭建了传感器的成像系统,传输速率达到了1.2GB/s,满足传感器的传输需求,基于相机数据的闪烁处理实验结果证明了模型仿真结果的有效性。综上所述,本文提出的闪烁消除方法在保留场景变化的同时有效降低了闪烁,提高了重构图像的质量。
其他文献
分子的性质预测任务,即根据分子的结构和组成预测出它的诸如水溶性、毒性等各项自身理化性质的任务,被广泛运用于药物发现、新材料研发等领域。近年来,机器学习方法越来越多地被用于分子性质预测任务,大大降低后期工艺失败的负荷,节省大量的资源和时间。然而现有模型一方面忽略了分子子结构的空间位置信息,难以区分结构很相似的子结构,另一方面,由于现实的分子无论空间上如何旋转,分子本身构象如何不同但若是原子间作用不发
目的：通过整理漳州市某院门急诊处方，对点评结果进行分析，提出改进方法，促进合理用药，保障用药安全。方法：回顾性分析2021年1-12月抽样处方点评结果。结果：共抽样点评2021年1-12月门急诊处方15399分，不合理处方共449份，平均合理率为97.08%。其中不规范处方（临床诊断书写不全）275份；不适宜处方共173份（适应证不适宜15份，用法用量不适宜96份，遴选药品不适宜49份，联合用药不
目的：分析西药门诊中应用处方点评的干预价值。方法：选取本院2019年1月至2022年2月门诊应用西药处方治疗的220例患者为研究对象，按照随机数表法将患者分为对照组与观察组，各110例。对照组采用常规处方管理方法，观察组采用处方点评管理方法，比较两组处方用药不合理情况。结果：观察组联合用药不合理、药物剂量与用法不当、药物重复使用、药物与诊断严重不符、抗菌药物等级过高发生率均高于对照组，组间比较，差
随着智能手机的普及,微博、推特等社交媒体的用户量迅速增长,社交媒体中每天都会产生大量结构化与非结构化数据。然而,这些数据具有高度异质性并且包含了大量噪声,用户很难直接从中获取有价值的内容,所以协助用户在海量社交媒体数据中寻找有价值的信息有重要意义,本文基于社交媒体数据本身存在的大图结构提出一种社交媒体图可视分析方法,帮助用户在大规模社交媒体数据中获得一些关键信息。本文主要研究内容如下:首先,本文提
随着大数据、移动互联网和社交媒体等技术的发展,网络空间中所蕴含的文本数据量呈指数级增长。因此,如何对这些文本数据进行分析并挖掘出有价值的内容（例如术语、实体、关系等）成为当前备受关注的研究领域。其中,从文本集合中抽取出描述某一特定领域（例如生物学、社交等领域）的术语是文本挖掘和信息抽取等领域的关键基础问题和研究热点。本文主要研究内容如下:首先,设计了一个自动术语识别框架,其可以动态扩展现有的自动术
随着医学影像种类和数量大幅增加,对于医学图像自动识别辅助诊断的需求也急剧上升。本文将生成对抗网络GAN（Generative Adversarial Networks）应用于医学图像融合和检测,提出了适于医学图像融合和检测的GAN神经网络。主要工作和成果包括:（1）提出了一种基于GAN的医学图像融合方法。将传统的GAN模型改造成双输入单输出的模型。生成器采用六层卷积神经网络架构,删除下采样层以保证
在大范围的海上搜寻过程中,海上人体目标存在尺度小、特征弱的特点,导致海上搜寻存在难度大、效率低等问题。本文将基于深度学习的目标检测技术应用在海上搜寻领域,选择以既能保证较高检测精度,又能满足实时性的YOLOv3算法为基础,通过对小目标检测的研究对该算法进行改进,提出一种海上人体目标检测技术。本文主要工作如下:1.提出一种基于YOLOv3算法改进的小目标检测算法。使用Efficient Net网络中
随着信息时代的到来与科技的快速发展,数据成为一种重要的生产资料而越来越得到研究人员的关注和重视。具有时空特征的数据（例如交通时空数据、人员迁徙、天气记录等）因为其本身具有的时间和空间依赖性而在现实的预测研究中对缓解交通压力、预防化解重大安全风险等具有积极意义。基于上述问题,本文针对时空序列预测展开了具有创新性的研究,并进行了实证工作,具体工作如下:首先,本文设计了一个基于神经网络的时空序列预测框架
近年来,得益于深度学习技术的快速发展,破损图像的修复取得了卓越的成就。然而已有方法在重构图像缺失区域的内容时,仍然存在较为明显的视觉伪影和模糊。从语义信息的角度分析,这个问题主要是由于编码器的卷积层提取到的特征存在短缺或者冗余,使得解码器对图像缺失区域的纹理内容重构效果较差。目前仍存在较大的改进空间。为了解决图像修复结果存在的视觉伪影和模糊,本文分别从以下两方面对存在的问题进行改进。（1）针对输入
目的 分析本院2020年1月～2021年6月门急诊不合理用药处方情况,促进医院提升医疗质量。方法 随机抽取本院2020年1月～2021年6月门急诊处方17781张,对处方合理性进行评价,统计不合理处方,分析用药不合理原因。结果 17781张门急诊处方中有105张不合理处方,占比0.59%。其中,不规范处方31张,占比29.52%；用药不适宜处方74张,占比70.48%；超常处方0张,占比0。结论