排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
近年来,超材料和超表面因为一些不同于传统材料的新奇性质一直被广泛研究,而基于超材料或者是超表面的波前控制也是其中的一个热门研究领域.迄今为止,已经提出了很多不同的结构来对反射光和透射光的波前进行调控,在已知的结构中,反射光的波前调控效率已经可以达到较高数值,但是很少有报道能够使用超材料简单高效地调制透射光的波前.本文提出了一种由相同几何结构的左旋和右旋结构复合而成的螺旋超材料.通过使用时域有限差分方法进行仿真,发现这种螺旋结构将会在入射光和透射光之间引入一个可控的相位变化,从而可直接对透射光波前进行调控.仿真结果还表明,该复合结构螺旋超材料在较宽的波长范围内可以达到近64%的透射率.最后通过将该螺旋材料沿着X轴排布成有着连续相位变化的阵列,可以在近红外区域(1.0—1.4μm)观察到反常折射现象,仿真结果与理论计算得出的反常折射角十分符合. 相似文献
2.
【目的】提出一种色调-饱和度-明度(HSV)阈值划分方法,提高变色松树的调查效率,为疫木的砍伐提供数据支撑。【方法】基于变色松树与其他地类在“H-V空间”上的差异建立变色松树阈值提取规则; 对比分析HSV阈值法和红-绿-蓝(RGB)阈值法在不同情景下提取得到的变色松树识别结果,并对识别结果的精度进行评价。【结果】① 变色松树样本在“H-V空间”散点云图中有明显的聚类现象,而在“G-R空间”散点云图中呈条带状分布。② RGB色彩空间中的R和G之间存在较强的相关性,直接采用阈值法提取变色松树时漏分误差较大。HSV阈值法由于在色彩变换过程中能够分离出色调值H和亮度值V,便于进行阈值划分,对基于无人机数据的变色松树识别的总体精度要优于RGB阈值法。③ HSV阈值法对变色松树的识别适合于病死松树发展的后期监测,在对借助高分辨率影像提取的发病前松树分布进行掩膜后,可实现60%~65%的变色松树提取精度。【结论】HSV阈值法对于基于无人机影像的变色松树监测具有一定的优势,能提高人工判读的效率,可为基于无人机影像的变色松树监测提供理论和方法支撑。 相似文献
3.
1