根據(jù)人眼對顏色識別的三色光原理發(fā)現(xiàn),人眼對光線存在三種不同的彩色感知單元,不同的色彩感知單元分別對應(yīng)不同波段的光線,而在遙感影像地物人工解譯的過程中,人眼對地物分類時因顏色響應(yīng)差異易造成分類結(jié)果的偶然性,而這種偶然性通俗來講,可以通過RGB三基色模型來合成和分解。
理論上,人眼和傳感器對光譜的色光同時響應(yīng),對三色光相互之間的響應(yīng)不會存在交叉效應(yīng)。但實際情況并非如此,人眼對三色光即RGB的響應(yīng)并不是完全獨立的關(guān)系 。
在利用圖像地物提取的過程中,利用計算機模仿人眼識別色彩,計算機可以直接獲取圖像的RGB信息,但在人機交互的過程中,人眼無法直接定量分析RGB所占比例情況。所以HIS和HSV色彩空間變換引入圖像的地物識別和提取。HIS彩色空間和HSV彩色空間分別是利用色調(diào)、亮度及飽和度等信息來量化RGB色彩。這在圖像地物識別與分類的過程中,大大的提高了人眼對地物色彩的感知,這兩種色彩變換被廣泛應(yīng)用于圖像地物識別與分類過程中。研究者通過大量的試驗,在針對圖像識別及分類的過程中,提出了新的色彩變換模型LBV色彩變換模型,進一步的提高了人機交互的地物識別及分類 。
圖像處理中常應(yīng)用的彩色坐標系統(tǒng)有兩種:一種是由三原色紅、綠、藍組成的彩色空間,即RGB彩色空間;另一種則是由色調(diào)(H)、飽和度(S)、亮度(I)(又稱明度、強度)三個變量組成的彩色空間即HIS彩色空間。兩種色彩空間可以相互轉(zhuǎn)換,通常把RGB由空間向HSI空間變換成為HSI變換。
RGB彩色空間是圖像處理中最常見和最常用的彩色空間,主要是因為它相對比較簡單有效,但它的一些缺點有:
(1)對RGB空間的顏色理論是用來定義的顏色混合不同顏色的比例,不同的顏色是難以表達的準確值,難以進行定量分析。
(2) RGB彩色空間中,因為彩色合成圖像各通道之間的相關(guān)性很高,使成像圖像的色調(diào)變換的程度不大,飽和度也偏低,導(dǎo)致圖像的視覺感官效果不理想。然而在對相關(guān)度高的合成圖像做對比度擴展時,通常只能通過增強了圖像的明暗對比度來區(qū)別類似地物,對增強色調(diào)差異的作用很小。
(3)人眼識別物體色彩時,只能感知到圖像色調(diào)、飽和度及亮度的差異來區(qū)別判讀物體,而不能夠直接感觀紅綠藍三原色的比例,但是因為色調(diào)、亮度以及飽和度與紅、綠和藍之間的關(guān)系模型是非線性的,所以,RGB空間中對圖像進行增強和拉伸程度是難以控制的。
HSI顏色空間RGB比顏色空間更接近于人們的經(jīng)驗、對彩色的感知,且在對圖像增強時,可直接增強色調(diào)和飽和度的差異,提高圖像的飽和度,單獨對工強度進行增強,再做逆變換,可以獲得其它方法不能達到的效果,如對云霧的、去除。因此,在遙感圖像的數(shù)字處理過程中,將RGB顏色空間轉(zhuǎn)換到HSI空間獲取更多的遙感信息 。
所謂灰度級一彩色變換法就是將圖像的灰度值通過紅、綠和藍映射函數(shù)生成RGB色彩空間的三個分量,從而合成彩色圖像。這樣的話,只要保證映射函數(shù)是連續(xù)的,則的調(diào)色板彩色編碼就是連續(xù)的。因而,灰度級一彩色變換法的關(guān)鍵在于映射函數(shù)的構(gòu)造?;叶燃壱徊噬儞Q法實質(zhì)上是建立圖像的灰度級與顏色的一種映射關(guān)系,該方法適用于256級以下的灰度圖像,對高于256級灰度的高分辨率圖像來說,只能先將灰度級壓縮為256級灰度,然后再進行偽彩色編碼 。
能賣到那么遠,市場占有率那么廣的白電沒有幾個,惠而浦算是一個,質(zhì)量沒問題。
電子巡更系統(tǒng)不管是作為安防產(chǎn)品還是作為辦公產(chǎn)品都是邊緣化的產(chǎn)品,不是很主流,但同時又是缺一不可的。大家可能在自己的小區(qū)家里見過,一個保安員手持巡更器,在小區(qū)里巡視,這是很貼近大家的生活,給使用單位很貼...
釬焊是人類最早使用的材料連接方法之一,在人類尚未開始使用鐵器時,就已經(jīng)發(fā)明用釬焊來鏈接金屬。在埃及出土的古文物中,就有用銀銅釬料釬焊的管子,用金釬料連接的護符盒,據(jù)考證分別是5000年前和近4000年...
格式:pdf
大小:426KB
頁數(shù): 7頁
評分: 4.3
鋼結(jié)構(gòu)的發(fā)展歷程 改革開放以來,隨著科學(xué)技術(shù)的發(fā)展,我國建筑鋼結(jié)構(gòu)得到迅 猛發(fā)展。其生產(chǎn)的鋼材品種、規(guī)格越來越齊全,鋼材質(zhì)量有了很大 的提高,鋼結(jié)構(gòu)形式越來越新穎,鋼結(jié)構(gòu)設(shè)計與施工技術(shù)越來越發(fā) 達。如“鳥巢”、“水立方”、 CCTV新址大樓、廣州新電視塔、上 海環(huán)球金融中心、杭州灣跨海大橋等具有代表性的鋼結(jié)構(gòu)建筑在世 界上達到了領(lǐng)先水平,表現(xiàn)為高、大、奇、新等特點。 早期鋼結(jié)構(gòu)發(fā)展鋼鐵用于建筑結(jié)構(gòu)最早的應(yīng)該是鐵索橋,據(jù)歷 史記載,中國最早的鐵索橋是陜西漢中攀河鐵索橋,建于公元前 206 年西漢時期,距今約 2200年歷史。該橋經(jīng)過了多次修復(fù),于 1951年 毀壞。另外,云南神州鐵索橋建于隋唐時期,于唐貞元十年 (794年) 戰(zhàn)亂時毀壞,距今約 1200多年。英國 1779 年建造了一座鐵索橋, 俄國 1824年開始建鐵索橋,美國 1851年開始建鐵索橋,比中國晚 2000年左右。我國現(xiàn)存
離散余弦變換(DCT for Discrete Cosine Transform)是與傅里葉變換相關(guān)的一種變換,它類似于離散傅里葉變換(DFT for Discrete Fourier Transform),但是只使用實數(shù)。離散余弦變換相當(dāng)于一個長度大概是它兩倍的離散傅里葉變換,這個離散傅里葉變換是對一個實偶函數(shù)進行的(因為一個實偶函數(shù)的傅里葉變換仍然是一個實偶函數(shù)),在有些變形里面需要將輸入或者輸出的位置移動半個單位(DCT有8種標準類型,其中4種是常見的)。
最常用的一種離散余弦變換的類型是下面給出的第二種類型,通常我們所說的離散余弦變換指的就是這種。它的逆,也就是下面給出的第三種類型,通常相應(yīng)的被稱為"反離散余弦變換","逆離散余弦變換"或者"IDCT"。
有兩個相關(guān)的變換,一個是離散正弦變換(DST for Discrete Sine Transform),它相當(dāng)于一個長度大概是它兩倍的實奇函數(shù)的離散傅里葉變換;另一個是改進的離散余弦變換(MDCT for Modified Discrete Cosine Transform),它相當(dāng)于對交疊的數(shù)據(jù)進行離散余弦變換。
離散余弦變換,尤其是它的第二種類型,經(jīng)常被信號處理和圖像處理使用,用于對信號和圖像(包括靜止圖像和運動圖像)進行有損數(shù)據(jù)壓縮。這是由于離散余弦變換具有很強的"能量集中"特性:大多數(shù)的自然信號(包括聲音和圖像)的能量都集中在離散余弦變換后的低頻部分,而且當(dāng)信號具有接近馬爾科夫過程(Markov processes)的統(tǒng)計特性時,離散余弦變換的去相關(guān)性接近于K-L變換(Karhunen-Loève 變換--它具有最優(yōu)的去相關(guān)性)的性能。
例如,在靜止圖像編碼標準JPEG中,在運動圖像編碼標準MJPEG和MPEG的各個標準中都使用了離散余弦變換。在這些標準制中都使用了二維的第二種類型離散余弦變換,并將結(jié)果進行量化之后進行熵編碼。這時對應(yīng)第二種類型離散余弦變換中的n通常是8,并用該公式對每個8x8塊的每行進行變換,然后每列進行變換。得到的是一個8x8的變換系數(shù)矩陣。其中(0,0)位置的元素就是直流分量,矩陣中的其他元素根據(jù)其位置表示不同頻率的交流分量。
一個類似的變換, 改進的離散余弦變換被用在高級音頻編碼(AAC for Advanced Audio Coding),Vorbis 和 MP3 音頻壓縮當(dāng)中。
離散余弦變換也經(jīng)常被用來使用譜方法來解偏微分方程,這時候離散余弦變換的不同的變量對應(yīng)著數(shù)組兩端不同的奇/偶邊界條件。
離散余弦變換被廣泛的應(yīng)用,像是資料壓縮、特征萃取、影像重建等等。多維度離散余弦變換為:
其中一個常用的多維度變換就是傅立葉變換,是將一個訊號的表示式從時域/空域轉(zhuǎn)換到頻域。 離散域的多維度傅立葉變換可表示成下列式子:
快速傅立葉變換(FFT)是一種用來計算離散傅立葉變換(DFT)和其逆變換的快速算法,快速傅立葉變換所得到的結(jié)果跟按照定義去算離散傅立葉變換的結(jié)果是一樣的,但唯一的差別是快速傅立葉變換的速度快很多。(在舍入誤差的存在下,很多快速傅立葉變換還比直接照定義算還更精準。)有很多種快速傅立葉變換,他們包含很廣泛的數(shù)學(xué)運算,從簡單的復(fù)數(shù)運算到數(shù)論和群論,詳情可以看快速傅立葉變換。
多維度的離散傅立葉變換是離散域傅立葉變換的簡單版本,其方法是在均勻間隔下的樣本頻率去估計其值 .
逆多維DFT方程是: