均匀背景中的动态小目标光谱数据获取方法研究

光谱是一种可以表征物质特性的光学信息,利用光谱成像仪可以获取处于视场范围内的物质的光谱图像,成熟的光谱成像技术均需要通过多次采集才能够获取完整的光谱图像数据立方体,相应系统的时间分辨率比较低,不适用于动态目标的光谱获取。快照式光谱成像在动态目标光谱成像方面具有较大的优势,其中编码孔径快照光谱成像技术是一种将压缩感知计算方法融入到光谱成像过程和图谱重构过程中的光谱成像技术,在采样过程中完成数据压缩,具有高通量优势,可以利用单次曝光的混叠数据,重构出目标光谱数据立方体,实现快照式成像,使得对动态的目标进行监测成为可能。实现监测需要目标的信息满足稀疏性的假设,实际目标很难满足这样的条件,重构误差比较大,不利于对动态的小目标进行监测和识别。针对均匀背景中动态小目标的光谱数据获取,提出一种双色散通道的编码孔径光谱成像方法,系统由两个通道组成,每个通道均包含一个光谱仪,其色散方向互相垂直,并共用一个前置望远镜系统和编码孔径。该系统可以实时观测均匀背景区域中的动态小目标。由于两个通道的色散方向互相垂直,可以从背景中分离出小目标的位置和相对应的编码。假设目标出现在视场中前后,背景的辐射特性变化很小,利用目标出现前的数据计算出背景光谱;目标出现后,通过帧间差分运算,消除背景辐射的影响,提取出目标位置对应色散区域中数据,利用约束最小二乘算法,重构运动小目标的光谱数据立方体。进行光谱数据重构,进行背景光谱补偿后,获得完整的动态小目标光谱数据。文章对成像过程建立了数学模型,并对重构方法进行了仿真验证,结合编码孔径的统计特征,使目标随机出现在不同的位置,统计重构光谱的峰值信噪比概率分布,并调整目标尺寸,分析目标尺寸对重构精度的影响,最后与编码孔径成像系统的两步软阈值迭代算法重构结果进行了对比。结果表明,这种方法在均匀背景中,采用随机编码矩阵进行编码,目标尺寸小于5×5个像元时,相对于编码孔径成像系统,提高了目标的信息重构精度和概率,并且极大的减小了运算量,可以实现对运动目标的实时监测。     

基于改进巴氏指标和模型更新的视觉跟踪算法

传统的Mean Shift算法采用巴氏系数度量模型与候选模型之间的统计特征相似性,但是由于背景特征的影响,有时应用巴氏指标进行匹配得到最优解的位置并不一定是目标的实际位置,在跟踪过程中可能导致目标定位出现偏差。该文提出一种改进的巴氏系数相似度指标,指标由于引入了前景/背景置信值,能够有效抑制待匹配区域中背景特征的影响,突出目标特征的权重,与原始的巴氏指标相比,明显提高了目标匹配的准确性。基于改进的巴氏指标,对目标与背景区域双模型相似度系数进行综合分析,合理地判断干扰目标匹配的原因,从而采取相应的模型更新策略。采用4段具有挑战性的视频序列对5种跟踪算法进行了测试,通过定量实验分析可知,文中算法处理1帧视频所需的平均时间为75.76 ms,实时性仅次于原始的Mean Shift跟踪算法,同时跟踪误差在5种跟踪算法中取得了最优结果。实验结果表明,该算法能够有效抑制背景干扰和避免模型漂移,在不同的复杂场景下都具有一定的鲁棒性。     

全息照相实验的探讨

本文简要介绍了全息照相的基本原理,分析了影响激光全息照相实验的诸因素,并对这些因素进行了深入的探讨。实验中采用有良好散射性能的硬币为被拍摄对象,以RSP-I型红敏光致聚合物全息干板为记录介质,使得学生实验成功率大大提高,取得非常好的实验教学效果。     

基于神经网络的电火花线切割工艺目标建模

利用BP神经网络技术建立了电火花线切割加工工况参数与工艺目标间的预测模型.以脉冲宽度、脉冲间隙、峰值电流、间隙电压及工件厚度等工况参数为网络输入,加工效率和表面粗糙度等工艺目标为网络输出,通过用样本数据对网络的训练,实现了对工艺目标的预测.试验结果表明:所建预测模型能较好地反映线切割机床的工艺规律,实现对指定切割条件下加工效率和表面粗糙度的预测,最大预测误差小于10%.     

地球表面水平运动物体偏转推演及判断

本依据科氏力原理,利用数学矢量公式推断地球表面水平运动物体的偏转方向,并依据其对地球表面出现的系列现象给予物理意义上的解释,使得传统的地表水平运动物体偏转方向的判断进一步规范化。     

CCD摄像机的误差及其检校

在利用面阵CCD摄像机进行摄影测量和检测的系统中,CCD摄像机所产生的误差是系统的主要误差,这种误差是在图像输入的过程中产生的。CCD摄像机的误差一般分光学误差、机械误差和电学误差。在摄像机光学镜头与CCD器件质量比较好的情况下,其主要表现是电学误差,重点讨论电学误差及其检测。     

The Orthogonal Subcategory Problem and the Small Object Argument

A classical result of P. Freyd and M. Kelly states that in “good” categories, the Orthogonal Subcategory Problem has a positive solution for all classes of morphisms whose members are, except possibly for a subset, epimorphisms. We prove that under the same assumptions on the base category and on , the generalization of the Small Object Argument of D. Quillen holds—that is, every object of the category has a cellular -injective weak reflection. In locally presentable categories, we prove a sharper result: a class of morphisms is called quasi-presentable if for some cardinal λ every member of the class is either λ-presentable or an epimorphism. Both the Orthogonal Subcategory Problem and the Small Object Argument are valid for quasi-presentable classes. Surprisingly, in locally ranked categories (used previously to generalize Quillen’s result), this is no longer true: we present a class of morphisms, all but one being epimorphisms, such that the orthogonality subcategory is not reflective and the injectivity subcategory Inj is not weakly reflective. We also prove that in locally presentable categories, the injectivity logic and the Orthogonality Logic are complete for all quasi-presentable classes. Financial support by Centre for Mathematics of University of Coimbra and by School of Technology of Viseu is acknowledged by the third author.     

群Yetter-Drinfel'd范畴中的Hopf代数

In this note we first show that if H is a finite-dimensional Hopf algebra in a group Yetter-Drinfel＇d category L^LyD（π） over a crossed Hopf group-coalgebra L, then its dual H^＊ is also a Hopf algebra in the category L^LyD（π）. Then we establish the fundamental theorem of Hopf modules for H in the category L^LyD（π）.     

基于改进的Heaviside核函数新的目标模型追踪算法

为更好地解决前景和背景相似程度较大或目标运动较为复杂的问题,提出了基于改进的Heaviside核函数新的目标模型追踪算法.在初始帧中,使用改进的Heaviside核函数来表示目标区域,然后分别计算目标区域前景和背景元素的颜色纹理直方图特征分布,并通过前景和背景特征分布差异建立新的目标模型,它可更好地代表目标.对于候选模型,结合传统Epanechnikov核对目标模型建模,通过Bhattacharyya系数进行迭代搜索,最终收敛的位置即为下一帧的目标中心.实验结果表明:提出的算法和传统的Mean-shift算法和基于颜色纹理直方图的Mean-shift算法相比较精确度高、速度快、鲁棒性强.     

基于椭圆对数极坐标变换的尺度变化目标跟踪算法

针对传统对数极坐标变换局限于跟踪圆形或类圆形尺度变化目标这一问题,提出一种基于椭圆对数极坐标变换域下目标匹配的尺度变化目标跟踪算法。算法利用Mean Shift进行空间定位,确定目标的形心,通过椭圆对数极坐标变换域中目标和候选的最大相关匹配系数来确定目标的尺度参数。实验结果表明:该文算法在目标小形变和光照变化条件下,跟踪误差较小,尺度跟踪准确率更高,具有较好的鲁棒性。