精华内容
下载资源
问答
  • 与其他生物特征识别技术相比,人脸识别...虽然人脸识别已经广泛地投入到了实际应 用中,但姿态、表情、遮挡物以及光照因素依旧影响着人脸系统的识别精度。 在这些影响因素当中,光照变化对识别精度的影响较为严重。
  • 在室温为(297±2) K的条件下,采用自制的烟雾箱研究了光照强度与反应物初始浓度比值对1,3-丁二烯与NOx共存的光照体系生成二次有机气溶胶(SOA)的影响。结果表明:SOA数浓度及1,3-丁二烯的分解率均随光照强度的增强...
  • 摘要:本文主要对人脸识别技术在复杂光照条件下进行了研究,对人脸识别的核心技术在Android平台下进行研究和分析。系统对人脸识别系统的预处理、特征提取、分类识别三个关键环做了详细的研究,系统性能经过每一阶段的...

    摘要:

    本文主要对人脸识别技术在复杂光照条件下进行了研究,对人脸识别的核心技术在Android平台下进行研究和分析。系统对人脸识别系统的预处理、特征提取、分类识别三个关键环做了详细的研究,系统性能经过每一阶段的处理后都会得到一定的提升。本设计系统主要进行了以下几个方面的研究:(1)在预处理阶段运用了Retinex算法,对Retinex理论的本质意义进行分析,得出了Retinex输出图像的本质,即相对反射率,而相对反射率对光照的敏感度很低,因而本文将其在研究情况复杂的人脸图像预处理时采用了这一算法。对Retinex输出图像进行灰度值采用均值方差归一化的方法进行线性拉伸。仿真结果表明,人脸人脸图像经过该算法处理后图像效果得到明显的提升,在非受控条件下得到的复杂光照人脸图像尤为突出。(2)对可变光照人脸识别算法研究主要涉及了局部二值模式(Local Binary Pattern,LBP)和线性回归两种算法,这两种算法同时涉及人脸识别系统的三个关键环节,光照等影响因素在每一个环节都会得到一定的处理,使得可变光照算法更加完整。对光照不变特征的提取采用的是具有光照鲁棒性的分块LBP,在分类识别阶段使用的是改进的线性回归模型,将受光照影响最大的主成分系数去除。所研究的方法可以有效的消除影响人脸识别的因素光照,人脸识别系统的鲁棒性和识别率也得到了提高。(3)探索一种基于开源计算机视觉库OpenCV(Open Source Computer Vision)的Android平台下人脸检测的方法。详细的阐述了利用Android下的JNI(Java Native Interface)并结合Android下的NDK(Native Development Kit)调用和编译OpenCV下的函数,生成共享函数库。运用JNI和OpenCV编写人脸识别算法,并在Android平台下对其进行研究。

    展开

    展开全文
  • 文章研究了温度、pH值、光照、抗氧化剂、氧化剂和离子强度等因素对肝素钠的稳定性影响。结果表明,肝素钠适宜低温条件下保存;最适pH为7-8;抗氧化剂Vc和光照对肝素钠稳定性均无显著影响;氧化剂H2O2和高离子强度对...
  • 在视频和图像的采集过程中,由于受到地物环境复杂、物品之间相互遮挡以及环境光照条件多变等因素影响,经常会导致场景的光照要表现为图像中亮的区域光线足够或者过强,而暗的区域照度不足,导致一些重要的细节信息...
  • 为了探讨不同温度和光照周期条件下,酰胺类除草剂对鱼类先天性免疫系统的影响.以斑马鱼胚胎为实验模型,将其急性暴露于致死浓度的甲草胺、乙草胺和丁草胺中72 h,测定它们的LC50值;进一步的,在不同温度和光照周期条件下...
  • 第一,当前的面部关键点检测和跟踪算法仍然存在问题,尤其在具有挑战性的条件下的面部图像,包括极端的头部姿势、面部遮挡,强烈的光照等。 现有算法的焦点解决一个或几个条件。 仍然缺乏一种面部关键点检测与跟踪...
    640?wx_fmt=gif

    人脸关键点检测今天正式告一段落,接下来我们会应关注同学的要求,分享一期人脸图像质量评估,有兴趣的可以一起来!

    注:如果您有啥需求,可以通过平台给我们留言,我们一定会满足大家需求,一起学习,共同进步!

    640?wx_fmt=gif

    640?wx_fmt=jpeg

    Head Poses 640?wx_fmt=gif

    显着的头部姿态(例如轮廓面)是人脸关键点检测算法失败的主要原因之一(下图),还是有一些困难。

    640?wx_fmt=png

    首先,三维刚性头部运动会影响二维人脸的外观和形状。不同的头部姿势会造成显着的面部外观和形状变化。传统的形状模型,如AAM和ASM中使用的基于PCA的形状模型,由于其本质上是线性的,而大部分的人脸姿态变化是非线性的,因此不能再对人脸形状变化进行建模。

    第二,大部分的头部姿势可能导致自我遮挡,由于人脸关键点的缺失,一些人脸关键点检测算法可能无法直接应用。

    第三,头部姿势训练数据有限,可能需要额外的努力来标注头部姿态标签来训练。

    ?怎么解决?

    为了处理大头部姿态,一个方向是训练姿态依赖模型,这些方法在检测过程中有所不同。

    • Dantone, M., Gall, J., Fanelli, G., Gool, L.V.: Realtime facial feature detection using conditional regression forests. In: IEEE Conference on Computer Vision and Pattern Recognition (2012)

    • Zhu, X., Ramanan, D.: Face detection, pose estimation, and landmark localization in the wild. In: IEEE Conference on Computer Vision and Pattern Recognition, pp. 2879–2886 (2012)

    他们要么选择最好的模型,要么从所有模型中合并结果。选择模型有两种方法。第一种方法是利用现有的头部姿态估计方法对头部姿态进行估计。例如,在早期的工作中,在训练中建立了多姿态相关的AAM模型,并在测试过程中从多视角人脸检测器中选择该模型。

    • Yu, X., Huang, J., Zhang, S., Yan, W., Metaxas, D.:  Pose free facial landmark fitting via optimized part mixtures and cascaded deformable shape model. In: IEEE International Conference on Computer Vision (2013)

    首先根据几个面部关键点的检测来估计头部姿态。然后,应用头部姿态相关拟合算法,利用所选择的姿态模型进一步细化关键点检测结果。根据不同姿态相关模型的置信度,可以选择头部姿态。例如,在早期的工作中,三个AAM模型是建立在训练期间不同的头部姿势(如左轮廓,正面和右轮廓)。在检测过程中,将拟合误差最小的结果作为最终输出。其中,为每个离散的头部姿态建立了多个模型,并输出测试过程中的最佳匹配值作为最终结果。

    如果模型没有正确选择,那么选择最佳头部姿态相关模型的算法就会失败。因此,可以更好地将不同姿态依赖模型的结果合并起来。最近,有一些算法可以建立一个统一的模型来处理所有的头部姿势。

    总之,处理头部姿态的方法包括姿态相关模型、统一姿态模型和姿态不变特征。他们都有自己的长处和弱点。这取决于应用程序选择后续的应用程序。另外,对于某些应用程序,最好将不同类型的方法组合在一起。

    Occlusion 640?wx_fmt=gif

    人脸遮挡是人脸关键点检测算法失败的另一个原因。面部遮挡可能是由物体引起的,也可能是由于头部姿势过大而造成的。下图显示了具有对象遮挡的面部图像。

    640?wx_fmt=png

    图中的一些图像就包含了面部遮挡。有一些困难以处理面部遮挡的。

    首先,算法应该更多地依赖于没有遮挡的面部部位,而不是有遮挡的部分。然而,很难预测哪个面部部位或哪个面部关键点被遮挡。第二,由于任意面部部分可能被任意形状和形状的物体所遮挡,面部关键点检测算法应具有足够的灵活性来处理不同的情况(例如,口罩遮住嘴巴,或者手遮住了鼻子等)。第三,遮挡区域通常是局部一致的(例如,其他每个点都不可能被遮挡),但是很难将这一特性作为遮挡预测和里程碑检测的约束。

    怎么解决?

    由于这些困难,可以处理遮挡的工作有限。现有的算法大多通过假设人脸的某些部分被遮挡而建立遮挡相关模型,并将这些模型合并起来进行检测。例如,人脸被分成九个部分,并且假定只有一个部分不被遮挡。因此,利用来自某一特定部分的面部外观信息来预测面部关键点位置和所有面部遮挡的部位。根据预测的面部遮挡概率,将所有九个部分的预测合并在一起。

    上述的遮挡相关模型可能是次优的,因为它们假设少数预定义的区域被遮挡,而面部遮挡可能是任意的。因此,这些算法可能不适用于现实场景中的所有丰富和复杂的遮挡情况。

    具体的操作,我们会在“计算机视觉协会”知识星球详细为大家讲解!

    Facial expression

    面部表情会导致非刚性的面部运动,影响面部关键点的检测和跟踪。

    640?wx_fmt=png

    例如,上图所示,六种基本的面部表情,包括高兴、惊讶、悲伤、愤怒、恐惧和厌恶,都会导致面部外观和形状的变化。在更自然的情况下,除了六种基本表情外,面部图像还会经历更多自发的面部表情。一般来说,现有的人脸关键点检测算法能够在一定程度上处理人脸表情。

    640?wx_fmt=jpeg

    尽管大多数算法都是隐式地处理面部表情,但也有一些算法被明确地设计来处理重要的面部表情变化。例如,(Tong, Y., Wang, Y., Zhu, Z., Ji, Q.: Robust facial feature
    tracking under varying face pose and facial expression. Pattern Recogn 40(11), 3195–3208 (2007)
    )中,提出了一种分层动态概率模型,该模型能在不同表情引起的面部成分的特定状态之间自动切换。由于人脸表情和面部形状之间的相关性,一些算法还进行了人脸表情的联合检测和人脸关键点检测。

    • Li, Y., Wang, S., Zhao, Y., Ji, Q.: Simultaneous facial feature tracking and facial expression recognition. IEEE Transactions on Image Processing 22(7), 2559–2573 (2013)

    上文提出了一种动态贝叶斯网络模型,用于建模面部动作单元、面部表情和面部形状之间的依赖关系,用于联合面部行为分析和面部关键点跟踪。研究表明,利用联合关系和相互作用可以提高人脸表情识别和人脸关键点检测的性能。

    总 结

    S u m m a r y


    最近“计算机视觉战队”平台推送的连续三期人脸检测,关键点检测三种主要类别的算法:整体方法、约束局部方法和基于再回归的方法。此外,我们特别讨论了在不同的变化下尝试处理面部关键点检测的几种最新算法由头部姿势、面部表情、面部遮挡、强光照、低分辨率等引起。

    此外,我们还讨论了一些关于面部的问题具有里程碑意义的检测。第一,当前的面部关键点检测和跟踪算法仍然存在问题,尤其在具有挑战性的条件下的面部图像,包括极端的头部姿势、面部遮挡,强烈的光照等。

    现有算法的焦点解决一个或几个条件。仍然缺乏一种面部关键点检测与跟踪算法可以处理所有这些情况。

    有几个未来的研究方向。

    首先,由于在三种主要的方法中存在相似性以及关于方法的独特性质,具有混合所有三种方法的混合方法将是有益的。例如,要了解外观和形状模型怎样用在整体方法和CLM中,是否可以帮助基于回归的方法。

    其次,动态信息是用在有限的意义上。面部运动信息应当与面部外观相结合,用于面部关键点跟踪。例如,很有趣的是,看看动态特征是否将有助于面部关键点追踪。具有面部结构信息的关键点跟踪也是一个有趣的方向。

    第三,由于面部关键点检测和其它之间存在关系,面部表情分析任务,包括头部姿势估计和面部表情识别,它们的交互应该被用于关节分析。通过利用它们的依赖关系,可以融入计算机视觉投影模型并提高性能。

    最后,不同的条件下充分挖掘深度学习的力量,需要学习大量的带注释的数据库。这种大图像的注释需要有混合注释方法,包括人类注释、在线人群来源补充和自动注释算法。

    640?wx_fmt=gif

    如果想加入我们“计算机视觉战队”,请扫二维码加入学习群。计算机视觉战队主要涉及机器学习、深度学习等领域,由来自于各校的硕博研究生组成的团队,主要致力于人脸检测、人脸识别,多目标检测、目标跟踪、图像分割等研究方向。

    640?wx_fmt=jpeg

    微信学习讨论群也可以加入,我们会第一时间在该些群里预告!

    640?wx_fmt=jpeg

    展开全文
  • 现实中的光照是极其复杂的,而且会受到诸多因素影响,有限的计算能力无法完全模拟 光照模型发展图 局部光照模型 定义:局部光照模型只关心直接光照部分,即直接从光源发出并照射到物体表面并反射至摄像头的光线 ...

    光照模型

    也成为明暗模型,用于计算物体表面某处的光强(颜色值)

    光照模型分为两类:

    • 基于物理理论的光照模型:偏重于使用物理的度量和统计方法,遵守能量守恒。例如:PBR
    • 经验模型:通过前人的总结的经验对光照的一种模拟,例如:Lambert,Phong,Billing-Phong

    为什么需要光照模型?
    现实中的光照是极其复杂的,而且会受到诸多因素的影响,有限的计算能力无法完全模拟

    光照模型发展图

    局部光照模型

    定义:局部光照模型只关心直接光照部分,即直接从光源发出并照射到物体表面并反射至摄像头的光线

    例如:漫反射、高光反射、环境光和自发光

    漫反射

    定义:当光线照射到模型表面时,光被均匀的被反射到各个方向。在漫反射过程中,光线发生了吸收和散射,而因此改变颜色和方向
    在这里插入图片描述

    计算:Lambert定律:反射光的强度与法线和光线的夹角余弦值成正比
    公司:Dot(N,L)
    在这里插入图片描述
    注:漫反射效果与观察者位置无关,与光源位置有关

    高光反射

    定义:

    • 光线没有被物体表面吸收直接发生的反射,光强不变,方向改变
    • 高光的反射率根据菲涅尔效应的物理现象决定
      在这里插入图片描述

    计算:反射光的强度与视线和反射光的夹角余弦值成正比
    公式:Dot(V,R)^Gloss
    在这里插入图片描述
    注:光泽度影响了物体表面发生高光反射的面积
    在这里插入图片描述

    环境光

    定义:一个物体没有被直接光照照射,但是会被间接光照影响,为了处理这种间接光照,光照模型引入了环境光

    计算:
    在这里插入图片描述

    自发光

    定义:顾名思义,物体自身发出的光线
    在这里插入图片描述

    局部光照模型的整体效果

    在这里插入图片描述


    经典光照模型

    Lambert模型

    在这里插入图片描述
    定义:只计算了漫反射部分的光照

    计算:Diffuse = 光线颜色 x 漫反射颜色 x Dot(N·L)

    //=======计算漫发射======
    float3 normalDir = normalize(i.worldNormal);
    float3 lightDir = normalize(UnityWorldSpaceLightDir(_WorldSpaceLightPos0.xyz));
    float3 Diffuse =  _DiffuseColor.rgb * _LightColor0.rgb * saturate(dot(lightDir, normalDir));
    

    注:通过这样的计算方式,模型的暗面会非常的黑,这是我们不希望达到的效果
    因此我们用环境光和贴图颜色来作为暗部颜色与亮部进行插值运算

    float3 Diffuse2 = lerp(Ambient.rgb *  _DiffuseColor.rgb, _LightColor0.rgb * _DiffuseColor.rgb, saturate(dot(lightDir, normalDir)));
    

    下图为效果对比
    修改前
    修改后


    Phong模型

    在这里插入图片描述
    定义:是第一个有影响力的光照模型,考虑了环境光、漫反射和高光反射3个类型
    公式: Color = Ambient + Diffuse + Specular
    在这里插入图片描述
    如何获取环境光(Ambient)
    通过宏来获取,并乘上漫反射颜色或者贴图颜色

    //=======计算环境光======
    float3 Ambient = UNITY_LIGHTMODEL_AMBIENT.xyz * _DiffuseColor.rgb;
    

    漫反射我们已经在上面Lambert模型中计算完成

    来看看如何实现高光反射

    计算出反射光和视线方向后进行点乘,再使用了一个Pow来计算高光范围约束

    //=======Phong模型=======
    float3 reflectDir = normalize(reflect(-lightDir, normalDir));
    float3 viewDir = normalize(_WorldSpaceCameraPos.xyz - i.worldPos.xyz);
    float3 Specular =  _LightColor0.rgb * pow(saturate(dot(reflectDir, viewDir)), _Gloss);
    

    注:POW因为消耗较大实际使用的比较少,可以用step代替


    Blinn-Phong模型

    在这里插入图片描述
    定义:是对phong模型的改进,不再依赖反射向量,采用半角向量来计算高光反射

    高光反射强度与半角向量和法线的夹角余弦值成正比

    计算公式:Color = Ambient + Diffuse + Specular(半角计算)

    //=======Blinn-Phong模型=====
    float3 halfDir = normalize(lightDir + viewDir);
    float3 Specular2 = _LightColor0.rgb * pow(saturate(dot(halfDir, normalDir)), _Gloss);
    

    其他计算与Phong模型一致
    注:使用Blinn-Phong模型比Phong模型的消耗少了3分之一左右

    Phong模型和Blinn-Phong模型的区别

    1. 半角向量比反射向量的计算更加简洁
    2. 如果材质反光度很低,被光线照射的大部分区域都会发生高光反射,一部分高光的反射向量和视线夹角超过90°,就会产生高光缺失、断层的效果
      在这里插入图片描述

    gourand模型

    以顶点为单元计算光量,再通过插值得到每个像素点的光亮度,高光效果较差
    在这里插入图片描述

    Flat模型

    只计算面法线的光照,适用与lowpoly风格的场景
    在这里插入图片描述

    补充与展示

    在这里插入图片描述

    法线贴图的计算

    需要给模型传递一张法线纹理贴图:NormalMap

    在Unity中,当把纹理类型设置成Normal Map时候,被会自动把法线进行压缩转换
    在这里插入图片描述
    因此在shader中采样法线纹理后需要进行一个UnpackNormal操作来得到正确的法线方向。
    在这里插入图片描述
    UnpackNormal的原理:就是针对不同平台Unity3d的压缩格式来进行解码

    	inline fixed3 UnpackNormalDXT5nm(fixed4 packednormal){
    		fixed3 normal;
    		normal.xy = packednormal.wy * 2 - 1;
    		normal.z = sqrt(1 - saturate(dot(normal.xy, normal.xy)));
    		return normal;
    	}
    	inline fixed UnpackNormal(fixed4 packednormal){
    		#if defined(UNITY_NO_DXT5nm)
    			return packednormal.xyz * 2 - 1;
    		#else
    			return UnpackNormalDXT5nm(packednormal);
    		#endif
    	}
    

    此时拿到的法线数据只是切线空间下的,需要转换到世界空间下使用,因此我们需要一个切线空间转世界空间的转换矩阵

    该变换矩阵的计算可以由顶点的切线、副切线和法线在世界空间下的表示来得到。

    什么是切线空间
    之后另起笔记再整理,这里只先大概介绍一下:

    • 法线向量为Z轴以顶点为原点定义的坐标系,另外两个坐标轴就是和该点相切的两条切线。
    • NormalMap的纹理值是切空间的方向(R,G,B)=>(x,y,z)
    • [-1,1]映射到[0,255],法线值(0, 0, 1)实际上对应了法线纹理中RGB的值为(0.5, 0.5, 1) ,所以法线纹理贴图大部分显示是蓝色

    因此我们要把法线、切线和副切线转换到世界空间下,并传入片元着色器

    这里的法线(Normal)和切线(tangent)都是可以直接获取到的,然后我们用叉乘来计算出副切线(BTangent)。

    在这里插入图片描述
    之后我们在片元着色器中就能拿到转换矩阵,并把法线贴图的数据从切线空间转换到世界空间中
    在这里插入图片描述
    获取到了世界空间法线,可以通过一个lerp进行法线强度的缩放
    在这里插入图片描述
    得到最终法线后,将其代入其他的计算公式中,就能获得带有法线贴图的效果在这里插入图片描述

    CubeMap环境贴图

    采样函数:在这里插入图片描述
    反射值:通过视线和模型法线进行一个反射操作取到

    用TexCubeLod采样是为了控制需要对应的粗糙度,第一个参数是cubeMap值。
    因为用了lod,所以第二个参数是float4值,而float4的最后一位就是用来控制mipmap的。
    在这里插入图片描述
    采样后的值是一个比较完美的反射,最终与结果相加即可

    IBL

    定义:基于图像的光照,把一张图当成它的光源 加入它的高光计算里面

    在计算IBL时 通常就会用TEXLOD来计算PBR的粗糙度部分

    金属度

    在物体金属度很高的情况下, 物体的高光效果很少受漫反射效果影响

    所以在计算完高光后可以进行一个插值计算来模拟金属的效果:
    在这里插入图片描述
    计算完环境反射后也同理:
    在这里插入图片描述

    最终效果:

    在这里插入图片描述

    作业

    1. 回顾先行版基础渲染光照介绍,并说出能量守恒的理念在基础光照模型中的作用

      光照模型中能量守恒的理念是什么?

      即照射到物体的光线 一部分进入物体形成漫反射,一部分变成镜面反射 还有一部分转换成物体的热能或者电能 因此出射光的能量不可能大于入射光

      这里顺便记录一下PBR模型的另外3个理论:

      微表面理论:物体表粗糙度越高,镜面反射越模糊,越分散;表面越光滑,镜面反射越集中越清晰;

      金属度:物体金属度越高,漫反射越弱,(镜面)反射越强;反之漫反射越强,(镜面)反射越弱

      菲涅尔反射:主要参数F0,根据不同的材质值不同,一般金属的F0值都比较高。镜面反射的强度与F0的值成正比,漫反射强度反之

      基础光照模型是没有遵守能量守恒理念的,只考虑了局部光照的并让它们相加。

      但是,基础光照模型可以通过一些插值的方式来模拟近似的PBR模型,例如上文中用来模拟金属度的高光与漫反射光进行插值。

      可以说能量守恒的理念就是为了发现基础光照模型的不足,从而引出PBR的概念

    2. 基于能量守恒的理念,自己写一套完整的光照模型,需要包含环境光照

      取到环境光照后,代入了菲涅尔公式中计算,并进行插值获得结果。
      比起PBR还缺少了金属度和粗糙度的计算,但是现在还不太会,之后学会了再修改吧

    fixed4 frag (v2f i) : SV_Target
    			{
    			    float4 MainTex = tex2D(_MainTex, i.uv);
    
    				//=======计算环境光======
    				//float3 Ambient = UNITY_LIGHTMODEL_AMBIENT.xyz * _DiffuseColor.rgb;
    				//=======计算漫发射======
    				float3 normalDir = normalize(i.worldNormal);
    				float3 lightDir = normalize(UnityWorldSpaceLightDir(_WorldSpaceLightPos0.xyz));
                    //float3 Diffuse =  _DiffuseColor.rgb * _LightColor0.rgb * saturate(dot(lightDir, normalDir));
    				float3 Diffuse = lerp(Ambient.rgb *  _DiffuseColor.rgb, _LightColor0.rgb * _DiffuseColor.rgb, saturate(dot(lightDir, normalDir)));
    				//=======Phong模型=======
    				//float3 reflectDir = normalize(reflect(-lightDir, normalDir));
    				float3 viewDir = normalize(_WorldSpaceCameraPos.xyz - i.worldPos.xyz);
    				//float3 Specular =  _LightColor0.rgb * pow(saturate(dot(reflectDir, viewDir)), _Gloss);
    				//=======Blinn-Phong模型======消耗比phong模型小了3分之一
    				float3 halfDir = normalize(lightDir + viewDir);
    				float3 Specular = _LightColor0.rgb * pow(saturate(dot(halfDir, normalDir)), _Gloss);
    
    				//=====CubeMap环境贴图====
    				float3 worldRef = normalize(reflect(-viewDir, normalDir));
    				float4 reflcol = texCUBElod(_Cubemap, fixed4(worldRef.rgb, (255-_Gloss) * 8/(255))) * _EnvScale;
    				//float4 reflcol = texCUBE(_Cubemap, worldRef.rgb);
    				reflcol.rgb = lerp(reflcol * Diffuse , reflcol, _Gloss/255);
    				
                    float4 col = 0;
                    col.rgb = Diffuse  + Specular;
    				//菲涅尔公式
    				float fresnel = _fresnelScale + (1 - _fresnelScale) * pow(1 - dot(normalDir, viewDir), 5);
    				col.rgb += lerp(col.rgb, reflcol.rgb, fresnel);
                    col.a = 1;
                    return col;
    			}
    

    在这里插入图片描述


    百人计划学习视频连接:传统经验光照模型详解
    基础渲染光照介绍
    参考文档:《GPU编程与CG语言之阳春白雪下里巴人》,《Unity+shader入门精要》

    展开全文
  • 以水温、光照条件等环境因素对桡足类的摄食行为和作用关系进行研究.结果表明,10~30℃时,桡足类浮游动物的清滤率和滤食率均保持在较高的水平,宽广的摄食温度范围有利于其在活性炭池中滋生繁殖;在全黑暗和光照...
  • 特别是在自然光照条件下,图像质量随着光源条件的变化会有明显的不同。对诸如“增益”和“曝光时间”等摄像头设置作出相应调解可对不稳定的环境光情况作出补偿,从而提高图像质量。影响图像质量的因素包括: 1、...

    机器视觉:系统中影响图像质量的因素有哪些?

        对于机器视觉系统来说,图像质量是直接影响最终图像处理结果的关键因素。特别是在自然光照条件下,图像质量随着光源条件的变化会有明显的不同。对诸如“增益”和“曝光时间”等摄像头设置作出相应调解可对不稳定的环境光情况作出补偿,从而提高图像质量。

    影响图像质量的因素包括:
      1、光照强度
      2、光照方向
      3、目标距离
      4、焦距
      5、采样率
      6、曝光时间和增益
      7、暗漏电流
      8、分辨率(像素数量)

        为了保障图像质量,根据最终应用的情况和感应器与扫描对象的距离,光源可由单独的设备提供,也可以是摄像头透镜周边的一部分。如果光源在摄像头周边,那么摄像头可与光源一起移动。

        而对于透镜的选择也有一定的要求,高质量透镜与感应器质量同等重要。摄像头是一种电子光学系统,需要光学元件和电子元件协作生成图像。图像模糊问题通常是由透镜选择不当造成的。最佳透镜尺寸和形状取决于焦距,不过对较小的对象距离来说,一般使用C、座透镜。如果摄像头需要在高反射环境条件下工作,那么最好选用抗反射膜透镜。整体摄像头的视野覆盖面取决于所需视野的区域、工作距离和透镜。

        作为机器视觉系统的重要组成部分之一的图像处理的应用,相当于人的大脑对系统获取的图像,做出正确判断。是实现工业的智能化、自动化的核心部件,对于系统的处理分析能力有着重要作用。


    展开全文
  • 以花园土壤中富集分离出来的光合细菌混合菌群为研究对象,分别考察碳源、氮源、初始pH值...在12 h光照―12 h黑暗交替光照条件下,产氢量高于连续光照;当接种量为10%、培养温度为30℃时最易形成优势菌种,产氢量最高.
  • 影响稻粒黑粉病菌(Neovossia horrida)孢子萌发的主要因素进行了试验研究,结果表明:厚垣孢子在室内干燥条件下贮存3年左右即丧失活力;度过休眠期的厚垣孢子在吸湿、感光、适宜的温度及充足的氧气条件下即可萌发;...
  • 自然地理条件下,云南松边界木偏冠方向和方位可能有关,树冠偏向南方的边界木近80%,与地形和光照等非生物环境有关。云南松边界木偏冠程度受云南松自身特征的影响,偏冠率1和胸径、年龄、侧树间距、后树间距存在显著...
  • 视频采集过程受诸多因素影响,如夜间或者暗光拍摄条件下表现为光照不足、亮度偏低;光线遮挡使得形成的图像一部分明亮另一部分较暗,造成光照不均;反光或强光源使得获取的图像亮度分布不均勾,高亮区域细节模糊。...
  • (8分)为探究环境因素对光合作用强度的影响,多个兴趣小组设计实验进行研究。实验材料和用具:100 mL量筒、20~500 W的台灯、冷开水、NaHCO3、黑藻等。实验步骤:①准备6套如图所示的装置,编号为1~6。在可乐瓶中各...
  • 研究了过氧化氢对甲胺磷、毒死蜱及久效磷等3种有机磷农药的降解性能及影响因素.结果表明过氧化氢对有机磷农药有明显降解作用,平均比不加过氧化氢的处理降解率提高了5~13倍.紫外光照下,H2O2降解农药比普通光下的...
  • 结果表明,外植体类型、碳源种类、光照条件以及BA浓度对大岩桐试管块茎形成具有明显影响。以叶为外植体比顶芽更有利于块茎的形成;食用白糖可代替蔗糖促进块茎的形成,从而可以大大降低生产成本;全光照条件更有利于...
  • 第29卷第12期农业工程学报V ol.29 No.12170 ... 2013 基于Retinex图像增强的不同光照条件下的成熟荔枝识别熊俊涛1,2,邹湘军2※,王红军2,彭红星2,朱梦思2,林桂潮2(1. 华南农业大学信息学院,广州 510642;2. ...
  • 报道了一种在不需光照条件下制备三角形银纳米片的新方法。在表面活性剂BRIJ35存在下,将硝酸银用硼氢化钠和柠檬酸钠还原,在不同温度范围内反应形成各种尺度的三角形银纳米片,探讨了硼氢化钠浓度、BRIJ35浓度和...
  • 通过室内实验研究不同贮藏条件对薜荔榕小蜂雌蜂存活寿命的影响,结果表明,小蜂存活的最佳 条件是温度为10℃,相对湿度为98%,无光照并添加适量体积分数2%蜂蜜液。在此条件下,寿命最长的 小蜂可存活15 d,湿度和温度对小...
  • 结 果表明,基本培养基、外源激素、外植体类型和光照培养条件对愈伤组织的诱导都有显著影响. 茎段在 MS+BA(2.0 mg/L)+2,4-D(0.2 mg/L)培养基中愈伤组织诱导率最高,达到 100%,叶片在 1/2MS+BA(2.0 mg/L)+2,4-D(0.2mg/...
  • 红豆杉造林移栽成活影响因素的研究,张宗勤,董丽芬,通过不同时期、不同方法与不同密度移栽试验表明,苗木质量、移栽时期、光照强度与湿度条件对移栽成活率具有重要影响,而栽培密度
  • ​​在科学技术的进步下,对人脸识别技术以及算法的研究也会不断的进步,但在实际应用中会受到光照、遮挡、面部表情等因素影响人脸识别的准确性,使识别的准确率会降低。由畅视智能与你分享在人脸识别中的人脸采集...
  • 探讨氮磷营养、水温和光照等环境条件对蓝藻水华生消的综合影响,可以为河湖蓝藻水华防治提供参考。[方法]构建物理模型,采用L9(34)正交试验,模拟研究氮磷营养、水温和光照因素复合作用下,单一铜绿微囊藻水华生消的...
  • 本研究采用绿色荧光蛋白基因(GFP)标记后的Escherichia coli K12(K12GFP)为受试菌株,利用REP-PCR方法,对大肠杆菌在不同温度、光照、盐度条件下其DNA指纹图谱的稳定性进行了研究。结果表明,绿色荧光蛋白基因的...
  • UE4 Lightmass 全局光照

    2018-12-15 15:36:00
    Unreal Engine 4.9 照亮环境 ...仅对固定光照起效的特性 ...仅对静态光照起效的特性 使用 Lightmass 来获得最佳质量 获得最佳的光照构建时间 Lightmass 设置 ...
  • 光照不均匀matlab 算法和代码放出

    万次阅读 多人点赞 2017-12-08 23:03:01
    在视频和图像的采集过程中,由于受到地物环境复杂、物品之间相互遮挡以及环境光照条件多变等因素影响,经常会导致场景的光照不均匀,主要表现为图像中亮的区域光线足够或者过强,而暗的区域照度不足,导致一些重要...
  • 光照条件: 室内光通常影响不大,但是诸如直射太阳光之类的强光或者室外情况下会有影响 材料属性: 反照率 :高反照率的材料有更好的信噪比,从而可以得到更好的扫描质量。深色物体需要更长事件的曝光,噪声水平更高...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 6,831
精华内容 2,732
关键字:

影响光照条件的因素

友情链接: modbus-english.rar