物理实验CAI

本文介绍了CAI软件的开发及应用，并阐述了CAI对物理理论和物理实验教学所起的作用。     

CAI用于波函数

波函数是量子力学中的一个重要概念，在教与学的过程中存在着一定的困难，因波函数涉及的数学较深，它又不易在课堂或实验室中作示教演示．应用ＣＡＩ（Ｃｏｍｐｕｔｅｒ　　ＡｓｓｉｓｔｅｄＩｎｓｔｒｕｃｔｉｏｎ）——计算机辅助教学，可避免作繁杂的偏微分求解，同时利用计算机的仿真模拟功能，使难理解的理论浅显化，抽象内容形象化，从而得到良好的教学效果．     

CAI技术及其发展

 自从１９４６年第一台计算机研制成功以来,人类的科技知识就呈现出了爆炸性发展的局面．根据联合国教科文组织统计,人类有史以来,１００万年积累的科学知识仅占知识总量１０％,而近３０年来积累的却占９０％．另有某些专家测算出人类知识在１９世纪是每５０年增加一倍,２０世纪每１０年增加一倍,７０年代每５年增加一倍,而目前大约每３年增加一倍．而７０年代后正是计算机由中小规模集成电路作逻辑元件发展到由大规模及超大规模集成电路作逻辑元件时期,这个时期的集成电路技术的发展遵循著名的摩尔定律,即集成电路的复杂性（性能）每１８个月就提高一倍．现在估计这个定律仍将适用２０年左右．     

关于CAI的思考

 随着计算机的不断普及,计算机辅助教学在教育教学过程中已得到了广泛的应用,这无疑是教育史上的一次新的革命,但在计算机辅助教学过程及CAI软件开发中也暴露出了一些新的值得注意的问题,本文中试将这些问题作一些分析,以供借鉴。在CAI教学过程,下列不良倾向值得注意:彻底否定传统教学形式认为传统的教学方法都是失败的、落后的,都不如计算机辅助教学;而计算机辅助教学则是无所不能,无论什么教学内容、任何课型,只要应用了计算机辅助教学,教学中的任何问题都可迎刃而解,甚至认为一节课不应用计算机辅助教学,就不是一节好课。     

大学物理实验CAI结构设计

本文分析了网页式CAI课件的优点 ,并给出了网页式《大学物理实验》CAI的结构。     

一种课堂教学CAI新模式——仓储式多媒体CAI系统

近年来，各种CAI课件、软件或资料大量涌现，关于CAI的论文或报导更是花样翻新、层出不穷，传统的课堂教学模式正面临着严峻的挑战，看来在课堂中使用CAI已是时代的要求，势在必行。     

改进的CIELAB均匀颜色空间

颜色学的发展依赖于感知现象和实验数据。随着视觉色差实验数据的增加,人们试图探索研发与CIELAB颜色空间一样简单,但更加均匀的颜色空间。分析了CIELAB颜色空间的特性,并基于这些特性提出了包含4个参数的颜色空间,称之为MLAB颜色空间。新颜色空间参数的确定是非线性约束优化问题,可保证优化后的空间能很好地预测由国际照明委员会专家组收集的视觉色差数据集COM-corrected。基于COM-corrected数据集的比较表明,MLAB颜色空间显著优于CIELAB颜色空间。基于色调线性数据集和椭圆数据集的测试表明,MLAB颜色空间较CIELAB颜色空间也有一定程度的进步。     

天然植物花卉的反射光谱在显示器中的颜色复制特征

基于sRGB颜色空间作为显示器的色彩显示的重要颜色空间,首次对天然植物花卉反射光谱在sRGB颜色空间的复制特征进行了研究。针对天然植物花卉颜色由CIE1931XYZ向sRGB颜色空间转换过程中在sRGB空间中的“剪切”现象,分析了九种典型光源下218种天然植物花卉的反射光谱在sRGB颜色空间的颜色复制误差。考虑到D65光源的特殊性,对D65下的复制做了重点研究。研究结果表明,天然植物花卉颜色由CIE1931颜色空间向sRGB颜色空间转换时,“剪切现象”是造成空间转换误差的主要原因,存在剪切现象时,如果颜色分量剪切程度较小,同样可以不会带来大的色差,仍可能得到较好的颜色复制效果;D65光源下,218个天然植物花卉光谱中有8个“橙黄色”光谱的颜色在sRGB颜色空间中存在“剪切现象”,占总光谱数目的3.7%;D65下天然植物花卉颜色在sRGB中颜色复制效果最好,而在A光源下最差。     

基于色块和服装色的颜色协调模型评测和优化EI北大核心CSCD

为了对现有颜色协调模型进行评测,选择了CIELAB颜色空间中均匀分布的24个颜色,分别以色块和服装为应用场景,组织观察者进行了颜色协调度评判实验.通过心理物理实验采集到了不同观察者的颜色协调度评判结果,分别对颜色协调原则和现有的颜色协调模型进行验证,发现以色块和服装为应用场景的颜色协调度呈现弱相关性(R2<0.126),现有颜色协调模型的预测结果与实验数据呈现弱相关性(R2<0.5).对Ou模型(基于匀色色块建立)和Luo&Ou模型(基于服装色建立)进行优化后,预测不同场景的颜色协调度性能有较大地改善,研究成果可为颜色协调度的预测提供一种研究方法和参考依据.     

TCS230颜色传感器模糊识别算法

针对TCS230颜色传感器对颜色的RGB频率值采集速度快、精度高而难以精确判断具体颜色的问题,提出了融入模糊算法进行颜色识别的方法。采用可编程的TCS230颜色传感器搭建的非接触式的RGB频率值的采集电路,对采集到的RGB频率值进行模糊化,根据由离线的样本数据确定出的模糊关系进行计算,得出模糊输出,最终解模糊并清晰化后就可以得出物体的颜色。通过智能小车的颜色识别实验表明,采用该方法在颜色识别方面准确度高,计算量少,能较为理想的进行颜色的识别分类。     

利用颜色主成分估计物体表面反射特性参数及照明光颜色的方法

彩色图像内物体的颜色是物体本体颜色和环境光照颜色叠加的结果。因此拍摄环境的照明变化会导致图像内目标颜色的变化,影响图像识别分析的结果。为了克服这个问题,采用了分离照明颜色和目标本体颜色的方法。首先对物体颜色分布直方图进行主成分分析,在此基础上把颜色直方图投影到这两个较大主成分向量所定义的平面上,并对其进行哈夫变换得到物体表面扩散反射向量与镜面反射向量。实验表明,这种方法对单色物体得到比较准确的结果。     

编码光系统的颜色耦合与颜色失衡校正

为了减小编码光系统中的颜色耦合与颜色失衡的干扰,提高形状与颜色重建的准确度,建立了彩色编码光系统,并对其所采用的编解码方法、颜色重建的两个相关环节及颜色校正方法进行了研究。首先,给出了系统的彩色梯形相移强度比编解码法,分析了编解码过程中存在的RGB基色相互耦合现象,设计了应用Caspi模型硬件标定的颜色耦合校正方案;然后,给出了系统的逐点颜色重建法,分析了颜色重建过程中由表面曲率导致的颜色失衡现象,设计了利用表面几何信息校正颜色失衡的方案。实验结果表明：校正后单一绿色图像中的红色分量值约为校正前的1/10;单色表面色差约为0.1,趋近于人眼颜色分辨率,远低于校正前的0.4;重建的单色复杂被测表面颜色均匀、视觉效果良好,符合实际情况。提出的方法符合编码光系统抗干扰能力强的要求,有助于提高形状与颜色重建的准确度。     

物体的颜色与光色的互补分析

关于物体的颜色,常有两种描述：其一“物体是什么颜色就反射（或透射）什么颜色的光”;其二“物体所以呈现某种颜色,是因为它把其他颜色的光都吸收了的缘故”．我们认为这两种描述其一不妥,其二错误．     

固体物理学CAI课件简介

复旦大学开发的固体物理ＣＡＩ课件是根据都是多年来的教学实践经验，充分发挥计算机多媒体技术方面的特长，用动态的画面直观地演示课程涉及的晶体微观结构和有关的物理规律，为固体物理教学提供了一个十分有关的教学手段，本文将简要介绍该课件的制作目的，措施，主要特点和基本内容。     

基于有序NPsim矩阵的颜色近邻搜索

基于光谱表示法颜色近邻搜索的核心是高维向量近邻搜索,相似性度量和索引树构建是影响其性能的关键,前者存在等距性问题,后者存在构建困难、查询效率低、不易动态调整等问题,从而严重影响颜色近邻搜索算法的性能。使用NPsim函数计算颜色相似性,结合有序矩阵组织颜色空间数据,提出一种基于有序NPsim矩阵的颜色近邻搜索算法。首先,计算颜色空间中所有颜色之间的NPsim值,构建反映所有颜色相似性关系的NPsim矩阵;然后,按照每种颜色与其他颜色的相似性,对NPsim矩阵的每行元素降序排列,从而得到反映每种颜色与其他颜色相似性大小关系的有序NPsim矩阵;最后,对于颜色空间中任意给定的颜色,根据它在有序NPsim矩阵中的行号,就能够直接找到该颜色的所有近邻。采用蒙赛尔全光泽色系光谱构建有序NPsim矩阵,同时建立KD树和SR树,分别进行K近邻搜索,并从精度和速度两方面比较。在精度方面,本算法得到的颜色近邻与查询颜色距离最近、相似性最好,存在逆序现象的近邻个数最少;在速度方面,构建有序NPsim矩阵的时间比构建KD树和SR树的时间要长,但近邻搜索速度是KD树/SR树的1万倍左右,而且与K值无关;此外,构建有序NPsim矩阵易于并行化,而构建KD树和SR树不易并行化,并行化后构建有序NPsim矩阵的速度会超过构建KD树和SR树的速度。实验结果表明该方法适用于颜色近邻搜索。     

用不同光泽和色差等级的彩色印刷样品检验均匀颜色空间

用不同光泽纸张和不同色差等级彩色印刷样品的目视评价色差数据拟合色度椭圆,研究各均匀颜色空间在评价不同光泽度和色差样本时的表现,检验基于CIELAB,DIN99,OSA和CIECAM02共7个颜色空间的均匀性。用局部均匀性和全局均匀性因子分别检验不同颜色空间色度椭圆的椭圆度和空间中不同位置椭圆尺寸的一致性。结果表明,其他所有颜色空间的表现均优于CIELAB和OSA颜色空间,OSA-Gp-Eu和DIN99d颜色空间在评价印刷品颜色差异的表现上较为接近,同时优于其他的颜色空间。     

基于视觉感知的光谱评估尺度

光谱颜色复现和色度精度是评价光谱重建算法准确的基础。简单而直观的评价指标对颜色复现控制是必不可少。该指标需要同时表征复现颜色的光谱差和色度差。在研究光谱匹配评估的方法基础上,提出基于颜色视觉感知的三种光谱评估指标,通过加权人眼视觉匹配函数,实现颜色光谱差与色度的评估。通过孟塞尔颜色系统的光谱数据,该论文分析与验证三种视觉加权的评估指标的有效性。通过孟塞尔颜色系统数据,这些指标在CIELab均匀色空间中分布均匀而稳定,从而证明加权算法的评估指标是既表征到颜色感知又反映出颜色的光谱相似度。实证结果表明,加权的指标可以实现同时表征实际人眼的颜色感知和颜色光谱差异。基于人眼视觉感知的评估指标解决了颜色的原始光谱和重建光谱的光谱匹配精度的定量评价问题。所提出评价指标通过一个简单而直观的数值实现对复现颜色光谱与色度评估。     

LCD液晶显示器的颜色特性研究

定量描述了液晶显示器的颜色特性以及对显示彩色图像的影响。在实验测量的基础上,得到了LCD液晶显示器的颜色特性数据。以3D LUT方法建立了设备颜色空间RGB与标准颜色空间L a b 之间的近似转换模型。通过分析比较它们的色域边界特性,了解了与CRT显示器颜色色域的差异以及影响显示彩色图像时颜色失真的特点。     

基于色域界定的多基色亮度均衡颜色转换算法

为实现多基色显示设备多通道亮度均衡程度最优的颜色转换,提出了一种基于凸包算法的多基色显示设备色域的界定方法,并提出了一种通过对亮度均衡程度评价函数进行非线性优化以求解出最优亮度均衡驱动值的颜色转换算法.在XYZ颜色空间均匀取样颜色坐标,通过凸包算法判断得到位于设备色域内的颜色坐标;计算出设备色域内颜色坐标对应的亮度均衡...     

模拟电子衍射的CAI课件

 如何理解微观粒子的波粒二象性,如何将经典观念上对立、排斥的波和粒子两个概念统一于一体,是大学物理教学中的一个难点。电子衍射实验说明电子具有波动性,它是证明德布罗意波存在的重要实验之一,一般的教材都对此作了介绍,并给出了相应的照片。但是,同学们在学习过程中却感到很抽象,对其衍射条纹的形成过程以及电子的波动性和粒子性的统一很难理解。