在大学物理教学中使用Matlab制作图像和动画的几个实例

从一些典型实例出发,介绍Matlab在大学物理中的具体应用．指出在大学物理课程中适当地加入Matlab图像和动画,可进一步推动基础课程教学方法的现代化进程,使教学内容更加形象、生动而同时兼具科学性．     

一种新型陀螺动态漂移检测系统的设计

在分析传统陀螺动态漂移测量方法的基础上,介绍了一种新的高、低温陀螺动态漂移测量系统的原理和结构设计。该系统由计算机软件控制其检测全过程,系统的中心部件由CCD摄像机、图像采集卡和处理软件等构成。处理软件用VC开发而成,利用一种快速的目标跟踪算法,它能实时的跟踪目标并能画出其运动轨迹,计算出陀螺的动态漂移。实验证明了该系统的简单性和实用性,其分辨最小动态漂移角度的能力不低于1.8′。     

基于边缘软判决的小波域自适应图像去噪

提出了一个新的图像去噪方法。该方法基于非抽样小波变换的多分辨分解,在各尺度下对小波系数进行了边缘和非边缘分类,并根据它们的不同统计特性运用了不同的估计技术。鉴于边缘分类的不确定性,提出了依概率的软分类技术,通过计算边缘发生的概率,判决当前系数应该采用哪一种估计。仿真结果表明:该方法在滤除图像噪声的同时,边缘得到了保持,较目前存在的一些方法更具有优越性。     

基于图像处理的人眼注视方向检测研究

提出了一种基于图像处理技术以实现人眼注视方向的实时检测方法。研究了人眼瞳孔、眼眶的位置、形状及其与视线方向的关系。以人眼注视不同方向时,眼睛瞳孔位置和眼眶形状产生的差异为基础,通过对所拍摄的眼部图片进行实时处理与分析,实现了对人眼注视方向的实时检测。实验结果表明了该方法的可行性及有效性。     

利用DIP技术测定荷质比

将数字图像处理(DIP)技术用于汞546.1nm谱线塞曼分裂横效应π谱线、σ谱线的图像处理,建立了CCD实时测量系统。通过多图像平均,图像细化,取样分析,快速方便地测量计算了电子的荷质比。结果表明,直接测量无法分辨的σ谱线可以通过数字图像处理测量;测量π谱线引起的相对误差小于1%,比直接测量法降低了近一个数量级。     

基于算术-几何均值距离的多模态图像配准

根据图像灰度联合概率分布函数与图像相似程度之间的关系,提出了一种基于算术 几何均值距离的多模态图像配准新测度。与基于信息论的测度不同,新测度不再要求概率分布必须满足连续性的要求。实验结果表明,所提出的新测度比基于信息论的测度具有更强的噪声鲁棒性和计算量更小。     

航空图像高分辨率放大的小波方法研究

航空图像由于航空CCD相机距景物较远,所以图像分辨率较低。为了获得较高分辨率的数字图像,传统的方法就是要对原数字图像进行插值放大。提出了一种基于二维离散小波的图像放大方法,与传统插值方法相比,此方法既放大了图像、提高了分辨率,同时又保持了原始图像的细节特征。从实验结果来看,此方法是一种较好的提高航空图像分辨率的方法。     

用图像数字化处理技术测试LED的光参数

由于LED的光比较微弱、体积小,所以在用常规的方法进行测试和使用较大的传感器时,容易产生较大的误差。为此,利用图像数字化处理技术及相应的装置对LED的配光曲线和光通量进行了测试,并介绍了它的基本原理和方法。     

基于随机相位实值编码的光学图像加密

提出了一种用于图像加密的随机相位实值编码方法,待编码的纯相位图像与一个随机相位掩膜一起作傅里叶变换,取其实部作为编码图像.已编码的图像和随机相位掩膜的傅里叶变换相加作傅里叶反变换,反变换的光强可以准确地重建原图像.该编译码方法简单,编码图像是一个实值图像,便于计算机打印或显示输出.     

Maize kernel hardness classification by near infrared (NIR) hyperspectral imaging and multivariate data analysis

The use of near infrared (NIR) hyperspectral imaging and hyperspectral image analysis for distinguishing between hard, intermediate and soft maize kernels from inbred lines was evaluated. NIR hyperspectral images of two sets (12 and 24 kernels) of whole maize kernels were acquired using a Spectral Dimensions MatrixNIR camera with a spectral range of 960-1662 nm and a sisuChema SWIR (short wave infrared) hyperspectral pushbroom imaging system with a spectral range of 1000-2498 nm. Exploratory principal component analysis (PCA) was used on absorbance images to remove background, bad pixels and shading. On the cleaned images, PCA could be used effectively to find histological classes including glassy (hard) and floury (soft) endosperm. PCA illustrated a distinct difference between glassy and floury endosperm along principal component (PC) three on the MatrixNIR and PC two on the sisuChema with two distinguishable clusters. Subsequently partial least squares discriminant analysis (PLS-DA) was applied to build a classification model. The PLS-DA model from the MatrixNIR image (12 kernels) resulted in root mean square error of prediction (RMSEP) value of 0.18. This was repeated on the MatrixNIR image of the 24 kernels which resulted in RMSEP of 0.18. The sisuChema image yielded RMSEP value of 0.29. The reproducible results obtained with the different data sets indicate that the method proposed in this paper has a real potential for future classification uses.