一、照相机曝光时间的计算（论文文献综述）
袁云龙[1]（2020）在《基于宏孔硅的X射线闪烁屏性能研究》文中研究指明传统的薄膜晶柱状X射线闪烁屏存在光串扰的问题,导致其分辨率不高,虽然降低其厚度可以提高分辨率,但同时也降低了其探测效率。而基于宏孔硅的X射线闪烁屏不仅能解决光串扰的问题,还能保证其厚度,进一步提高闪烁性能,目前此类X射线闪烁屏已经成为研究主流,因此本文开展了基于宏孔硅的X射线闪烁屏性能方面的技术研究。通过光刻、ICP刻蚀、硅光电化学腐蚀、整形、氧化等工艺制备出宏孔硅基体,采用真空熔化填充法来实现Cs I（Tl）深孔阵列的填充,对其进行抛光,制备出闪烁屏。观察闪烁屏剖面SEM图,发现闪烁屏填充情况良好,即便填充的Cs I（Tl）闪烁晶柱深度达到200μm,只有填充底部有少量气体。研究了抛光垫材料对闪烁屏的影响,对比研究了正置和倒置两种抛光方法,结果表明正置抛光方法可以提高闪烁屏表面光洁度和通道内晶柱结构完整性。对不同掺Tl+浓度的闪烁屏进行XRD表征,分析闪烁屏的X射线衍射图,发现随着掺Tl+浓度的增加,闪烁屏X射线衍射图的峰位会有所移动。搭建了X射线成像系统,使用相机并增加曝光时间来提高闪烁屏的X射线成像图的亮度,得到了不同掺Tl+浓度闪烁屏的X射线成像图,使用Matlab软件对成像图进行处理分析,发现当掺Tl+浓度为0.09 mol%时,亮度最高,并且随着掺Tl+浓度的增加,亮度呈先向上升后下降状态。分析闪烁屏的X射线激发发射光谱,当掺Tl+浓度为0.09 mol%时,相对发光强度最高,这与X射线成像图的结果一致,并且发现,随着掺Tl+浓度的增加,X射线激发发射光谱的发光峰稍微向右移动。利用搭建的X射线成像测试系统,通过改变X射线的能量和成像时间,得到不同厚度的基于宏孔硅的闪烁屏的X射线成像图,用Matlab软件对图片进行分析,发现随着闪烁屏厚度的增加,图片亮度也在增加。
宋孝忠[2]（2020）在《烟煤显微组分组图像自动识别技术研究及应用》文中指出煤化程度和显微组分组成决定着煤的物理化学性质和工艺性质及工业用途。煤的镜质体反射率和煤岩显微组分的自动化测定,不仅能够解决人工检测存在的劳动强度大、工作效率低、数据可对比性差的实际问题,而且可以大力推进煤岩参数指标在煤炭分类和炼焦配煤等工业中的应用。国内外在煤岩自动化测定方面开展过大量研究工作,但是由于受煤岩显微组成及变化的复杂性影响,煤岩显微组分自动化测定仍然面临诸多技术难题没有解决。本文应用煤田地质学、煤岩学、机械制造与自动控制、数字图像处理、计算机软件开发等理论、方法和技术,开展了基于反光显微镜的自动扫描与聚焦装置研制,进行了煤岩显微图像质量影响因素及关键采集参数优选、煤岩显微图像预处理、显微组分组图像自动识别等方法和技术研究及软件开发,并应用研究成果对我国不同成煤时代系列煤化程度代表性煤样进行了测定验证,取得了以下主要研究成果:（1）设计研制出基于反光显微镜的自动扫描与聚焦装置,开发了基于多窗口聚焦评价和搜索的煤岩显微图像自动聚焦技术,形成了煤岩显微图像自动采集硬件平台,实现了煤岩显微图像的自动快速高效采集和存储。（2）揭示了影响煤岩显微图像采集质量的主控因素,提出了不同煤化程度煤的煤岩显微图像采集使用的光源强度和曝光时间最佳参数优选方法和数学模型。（3）提出了基于多尺度混合特征提取的黏结剂显微图像区域有效剔除方法;发现了煤岩显微图像中显微成分彼此之间存在的灰度异常边界,揭示了其形成原因,构建了基于Prewitt算子边缘检测的显微成分灰度异常边界剔除方法,开发出煤岩显微图像预处理技术。（4）首次开发出GKMC煤岩显微组分组自动图像分割识别算法,即基于高斯改进K-means聚类的煤岩显微组分组自动图像分割识别算法,并基于Matlab数学软件工具编写了算法程序。（5）创新形成了具有自主知识产权的GKMC煤岩显微组分组图像法自动化测定技术及装备系统。应用该套技术装备系统对我国不同成煤时代系列煤化程度的45个代表性煤样进行了煤岩显微图像自动采集和显微组分组自动测定,并将测定结果与国内公认的权威煤岩专家人工鉴定的标准结果进行了比对。结果表明,两种方法测定的45个样品镜质组、惰质组、壳质组的极差平均值分别为2.3%、2.3%、1.5%。按照国家标准GB/T18510-2001给出的准确度分析方法获得的三种显微组分组统计量（tc）都小于（n-1）自由度下临界值（tt）,显示该方法与人工鉴定方法没有偏倚。由此表明,本文开发出的这套技术装备系统能够实现煤岩显微组分组的自动化高效快速测定,测定结果重复性好、准确性高。
钟苏华[3]（2020）在《可见光成像通信中的解调算法研究》文中提出可见光成像通信（Optical Camera Communications,OCC）因其通信设备的高普及率及其与物联网、车联网等新兴技术的天然融合性而逐渐发展成为具有前景的无线光通信技术之一,它的发展将会拓展可见光通信（Visible Light Communications,VLC）的应用市场,提升VLC的商业价值。IEEE 802.15.7r1作为OCC的官方标准,进一步推动了OCC标准化的发展。OCC未来有望成为一些低速通信服务中使用的VLC的候选技术。目前OCC通信系统的接收器使用的大多数是带有透镜的照相机,而相机中内置的光学组件极大的增加了移动设备的厚度,从而限制了新型超薄型相机的发展。而且已有大量学者对无透镜成像器用于摄影进行了深入研究,受此启发,本文提出了一种新颖的无透镜成像通信系统模型。同时,考虑到当前OCC的相关研究均在静态通信场景下展开,即要求通信的发送端与接收端同时处于静止状态。究其原因在于现存的解调方法无法支持终端的移动性。因此,本文针对我们提出的系统模型中接收端的解调算法进行了研究,旨在提出一种具有移动鲁棒性的解调方法以促进我们系统在移动通信场景中的应用。此外,OCC的发送器除了LED外,还可以是LCD（Liquid Crystal Display）显示屏,数字标牌或投影仪等,信息以不可见水印的方式嵌入到电视、监视器、广告牌甚至投影仪的屏幕中进行传输,从而在不影响视频播放的同时实现数据通信,这种系统称为不可见水印屏幕—照相机通信。而现存的大部分不可见水印屏幕—照相机通信系统中提出的解调方案都是在水印嵌入阶段采用分块嵌入,然后在接收端再进行感兴趣区域（Region of Interest,ROI）提取和分块处理之后再恢复数据。由于拍摄角度和拍摄距离等因素的变化,会导致捕获的图像会发生形变和分辨率的变化,这样就会导致图像处理比较复杂,进一步影响ROI提取和分块的正确执行,最终导致数据恢复有误。因此,选择合适的水印嵌入方式和设计一种有效的水印解调算法是水印通信系统研究中的关键所在。针对这两个问题,本文提出了一种新的不可见水印屏幕—照相机通信解调方案。本论文的主要研究内容如下:（1）本文提出了一种无透镜成像通信系统模型,该模型使用无透镜成像器作为接收器,而目前光学照相机通信（OCC）系统中使用的带透镜的照相机接收器中的光学组件通常会限制设备的整体厚度。另外,由于我们系统中使用的无透镜成像器捕获的图像是模糊的,这也是我们的优势,我们不需要特别清晰的图像以在图像上定位光源,无需复杂的图像处理算法就可以实现解调。考虑到普通图像解调算法的解调性能在时变环境中变化很大。为了解决这个问题,我们提出了一种基于反向传播（Back Propagation,BP）神经网络的图像解调算法,该算法可以抵抗外界的干扰（环境光,恶劣天气）,而且还具有移动鲁棒性。为了使我们的解调算法能够自适应时变的环境,我们还设计了一种自适应训练序列调整机制。仿真结果表明,本文提出的图像解调算法可以为我们的系统提供良好的误码率（Bit Error Rate,BER）性能。（2）本文提出了一种新的不可见水印屏幕—照相机通信解调方案。该方案在发送端以全局的方式嵌入水印以替代分块嵌入,这样在接收端就避免了ROI提取和分块处理,简化了图像处理算法的复杂度,提高了提取出的水印的有效性。水印提取完之后,再使用我们提出的基于卷积神经网络的解调算法进行数据信息恢复。卷积神经网络具有强大的特征提取能力和自适应性。在时变的环境中,卷积神经网络能够识别出我们提取出的各类水印之间的细微差别,以保证我们数据恢复的准确性。本文还搭建了不可见水印屏幕—照相机通信实验平台,用于评估我们这个算法的误码率性能。本文研究了两种OCC系统的通信解调算法,研究成果可以为OCC的进一步研究和未来应用提供新思路。
忻秀珍[4]（2020）在《专家坐堂》文中指出Q老师,您好!向您咨询些关于胶片曝光与冲洗的技术问题。我买过即拍得相机和LOMO相机,拍出的照片没法与数码照片比,还不如手机拍的清楚呢。但即拍得相片和LOMO相机拍的照片效果往往也出人意料,挺有意思的。我最近在网上买到台木制的针孔照相机,是装120胶卷的,我买了富士120彩色负片胶卷。我从书中看到胶片曝光时间长会产生倒易律失效,得再增加些曝光
黄绿娥[5]（2019）在《基于记忆学习的高速运动感知图像的去模糊及目标识别研究》文中提出视觉是人类获取信息的主要手段,机器视觉检测模拟人类视觉对感兴趣目标进行感知识别。随着基于深度学习的视觉感知研究进入新的智能阶段,模拟人类脑智能的视觉识别是研究新方向。记忆学习是人类认知的高级功能,本文将研究模拟人类记忆学习的视觉感知模型完成运动的目标识别。动态目标图像的识别一直是研究的难点,本文将针对感知器高速运动时采集的图像及目标识别进行研究。研究表明图像的清晰是确保深度学习方法进行目标识别成功的关键,因此,图像尤其是动态图像在目标识别前进行去模糊很重要。本文首先从光学感知和图像生成的原理出发,分析运动感知模糊成因,构建高速运动成像模型;接着研究带记忆的深度学习方法识别复杂因素导致的图像模糊类型;再针对实际高速采集的图像进行去模糊;最后研究融合记忆的深度学习模型进行目标识别。具体研究工作依次从以下几个方面展开:1、分析高速成像模糊机理,构建图像感知器的运动成像模型及仿真系统。由于拍摄特定轨迹运动过程中,在曝光时间内感光传感器与被测物影像发生相对运动将导致图像模糊,尤其是在感知器高速运动采集时,这种运动模糊更为明显。因此在图像去模糊前分析模糊的成因是非常有必要的,通过模拟目标运动和相机运动成像轨迹的分析,将相机运动分解为平行于像平面和沿相机主光轴两个方向的运动,由此构建运动成像模型及运动图像仿真系统。2、提出一种带记忆的深度卷积网络（Deep Convolutional Neural Network,DCNN）模型进行图像模糊类型和参数的识别。CNN网络能提取空间特征信息,但存在梯度消失的问题;长短期记忆网络（Long Short Term Memory,LSTM）能解决递归网络训练过程中梯度消失问题,建模出感兴趣区域的上下文依赖关系,即时序信息。实验表明,DCNN的空间信息融合LSTM时序下的不同信息,比单纯采用其中一种网络的模糊类型识别准确率高。由此模拟人类带记忆学习的功能,构建出融合DCNN+LSTM的模糊类型及参数识别模型。3、提出一种基于图像列灰度概率一致性（Column Grayscale Probability Consistency,CGPC）的高速运动图像去模糊方法。首先通过两次傅立叶变换及信号累积变换求得准确的运动模糊核函数,然后进行反卷积运算,由于反卷积的病态问题,因此根据自然图像相邻列灰度具有概率一致性的特征,引入?置信目标优化对反卷积后的图像进行优化复原,最后针对图像边界信息导致的振铃现象提出预测边界块的方法。实验表明本方法处理高速运动图像的去模糊问题比现有方法的图像复原效果更佳。4、提出一种通过无参图像质量评价（Blind Image Spatial Quality Evaluator,BRISQUE）和优化去模糊图像的方法。现有图像去模糊方法的复原质量的评价大都基于有参考图像的质量评价指标,而实际的模糊图像是没有清晰的原图像,因此本文将基于无参考的图像质量评价指标再进行复原图像的优化,直到图像复原质量指标最优,则停止迭代,最后通过BRISQUE指标评价并优化获得最优复原图像。5、改进Faster R-CNN的方法进行高速运动目标图像的检测。实验表明,在针对高速运动目标检测时,Faster R-CNN的方法由于评分阈值单一会漏检一些小的目标,因此本文改进评分阈值标准,通过LSTM记忆网络对识别重复或漏检的目标进行再次的筛选,以获得准确的目标检测结果。实验结果表明,通过融合记忆网络的运动目标检测结果比现有目标检测方法较好的Faster R-CNN方法识别率更高。最后将理论研究结果应用到实际的图像目标识别中,分别应用在高速轨道缺陷检测系统及无人机巡检系统,评估结果表明即使在高速的运动下本算法也能识别出目标。本文构建的模型与提出的方法具有通用性,对未来更大范围的运动图像清晰化及运动目标识别研究具有积极的指导意义。
张旭[6]（2019）在《面向MOOC的摄影课程虚拟实验系统设计开发与应用研究》文中提出开放式大型在线课程MOOC（Massive Open Online Course）以其公开、免费、在线的特征,受到了广大学习者的青睐,同时对传统教育带来了巨大冲击,对推动教育改革和创新发挥了重要的作用。虽然MOOC在国内外已得到了广泛的应用,并深受学习者们的喜爱,但是目前国内外的MOOC平台向学习者提供的学习资源更多的是理论知识的学习资源,对于需要进行实践操作的课程来说缺少实验模块,导致理论与实践不能并重,课程的完整性缺失。摄影技术课程是一门具有较强艺术性、实践性的课程,摄影技术课程主要开设在高校中的新闻传播、艺术设计、教育技术学、旅游等专业中。因为摄影课程是一门需要大量实践操作的课程,因此在摄影课程的学习过程中,学习者需要通过反复的实践演练将理论应用于实践,掌握摄影技能,拍摄出优秀的作品。但在传统的摄影课程教学中,存在摄影环境不能满足实验需求、数码照相机数量匮乏、实验时长较短等问题,严重影响摄影实验的开展。当前,虚拟现实技术已逐渐渗透到各行各业中,在各行各业中的应用也日趋成熟,将虚拟现实技术引入摄影课程的建设中,建设面向MOOC的摄影虚拟实验系统能够较好地解决以上两个问题。本课题基于现代教育理念,重点研究如何构建摄影虚拟实验场景,如何将MOOC平台与虚拟实验系统有机结合,解决MOOC与摄影技术课程存在的难题。本文分七章来论述面向MOOC的摄影课程虚拟实验系统的设计与应用,第一章从MOOC、摄影技术课程发展、虚拟现实技术三个方面对研究背景进行陈述,提出了研究目标和意义,分析了虚拟实验、MOOC发展、MOOC平台中摄影课程开设国内外现状,确定了研究思路、方法、内容与框架。第二章分析了设计与开发面向MOOC的摄影虚拟实验系统采用的情境认知学习理论、建构主义学习理论、活动理论,确定了摄影虚拟实验系统开发的虚拟建模技术与Unity交互技术。第三章对MOOC教学模式的优点与不足进行了详细的分析,对已有的摄影虚拟实验系统进行了对比分析,对MOOC环境下构建的虚拟实验系统进行了对比分析。第四章在分析了摄影技术课程与学习者特征后,对系统进行了需求分析,设计了系统的总体框架与功能模块。第五章建立了摄影虚拟实验环境,实现了摄影虚拟实验系统的交互功能。第六章构建了MOOC环境下摄影虚拟实验系统的教学应用模式,并应用该教学模式进行教学,最后对摄影虚拟实验系统的应用效果进行分析。第七章是总结、展望和不足。
宫浩然[7]（2019）在《探索影棚静物拍摄中影响光线塑造的因素》文中研究表明探索影棚图片拍摄中影响光线塑造的因素大致可分为两个方面,一个是主观因素,一个是客观因素。主观因素所指的就是摄影师的主观意愿,其主要体现在摄影师本身对于被摄物的审美、对于光线造型的理解、想要表现被摄物的哪些特性以及对于光源的如何使用。众所周知人类意识的形成的大都来源于对于物质的认识,而这个“认识”的过程往往是通过视觉得到的。视觉影像在人脑被形成需要这几个方面,首先客观存在的物质,其次是光线对其照射所行形成的造型,最后是人的眼球对整个画面的视觉摄取;进而在大脑中形成图像。当然这个图像的形成过程会以为人与人之间的差异而最终导致结果千差万别。既然如此,那么在影棚可控光源条件下,掌握了光线和视觉摄取（也就是照相机）的摄影师在进行创作时,不可不说其变成了新的“造物上帝”。本文对于这方面的探讨主要集中在影棚拍摄环境中使用人造光源的背景下,摄影师是如何理解光线、造型以及如何操作人造光源来表达其视觉语言的。在视觉艺术当中,视觉语言被当作是最能体现摄影师独特性的一方面,在影棚摄影中,视觉语言的表现尤为模糊又尤为关键,既想体现出被摄物的原本属性,又要具有外乎于他人的特点,这就需要摄影师要对各种光源及其辅助器材熟练运用,对于光位和光线特性的基本理解,进而在此基础上有所变化才能做到基于基本审美的同时又有摄影师的独特语言。另一个客观因素就是光源器材以及相关附件。随着科学技术的不断革新,摄影的相关器材也逐渐变得智能化、模块化和多元化。尤其是摄影光源的革新使其在影棚拍摄中占着举足轻重的位置,最后通过两个实例在进行综合分析。
吕军,胡醒[8]（2015）在《数码相机曝光时间及测试方法分析》文中研究表明数码相机是一种利用电子传感器把光学影像转换成电子数据的照相机,被称为数字相机。而曝光时间则是影像相机成像质量的重要参数之一。由于方法和设备缺失,数码照相机曝光时间没有统一的测试方法。本文通过分析数码相机曝光时间的相关概念,提出数码相机曝光时间测试方法,以期能给企业产品研发、质量控制提供参考。
王潇潇,谭山,黄锋[9]（2014）在《数码照相机曝光时间及测试方法浅析》文中指出在阐述相机曝光时间相关概念的基础上,提出数码照相机曝光时间动态目标拍摄法。该方法适用于生产企业和质量检测部门日常测试。
陈洪博,白向飞,李振涛,张宇宏[10]（2014）在《图像法测定煤岩组分反射率工作曲线的建立与应用》文中提出基于图像分析的煤岩自动测试系统测定煤岩组分反射率的理论依据是物质的反射率值与图像的灰度值呈正比关系,工作曲线的建立是测定显微组分反射率的前提。系统分析了图像法测定反射率的原理、测试流程、原理公式,并利用煤岩自动测试系统进行建立工作曲线的试验研究和验证,分析工作曲线的最大量程和反射率的分辨能力,提出在实际测试中工作曲线的选择原则。工作曲线的斜率、最大量程、分辨能力均可通过改变显微镜照明强度和显微数码照相机曝光时间两种方式调整。256级灰度值的显微数码照相机满足图像法测定反射率的精度要求。反射率自动测试系统与传统的光度计法的测试结果的平均值和直方图对比性强。
二、照相机曝光时间的计算（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、照相机曝光时间的计算（论文提纲范文）
（1）基于宏孔硅的X射线闪烁屏性能研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究的目的和意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究目的 |
| 1.1.3 研究意义 |
| 1.2 CsI(Tl)闪烁屏国内外研究现状 |
| 1.2.1 闪烁屏制备方法的研究进展 |
| 1.2.2 CsI(Tl)晶体中掺杂物质的研究进展 |
| 1.3 论文的主要内容 |
| 第2章 CsI(Tl)闪烁屏发光的基础理论 |
| 2.1 CsI(Tl)晶体的光转换机理 |
| 2.1.1 光电效应 |
| 2.1.2 康普顿效应 |
| 2.2 CsI(Tl)晶体掺Tl~+发光机理 |
| 2.3 基于宏孔硅的CsI(Tl)闪烁屏工作原理 |
| 2.4 本章小结 |
| 第3章 基于宏孔硅的X射线闪烁屏制备工艺研究 |
| 3.1 宏孔硅基体制备技术研究 |
| 3.1.1 诱导坑制备工艺 |
| 3.1.2 宏孔硅阵列光电化学腐蚀 |
| 3.1.3 宏孔硅基体后整形工序 |
| 3.2 宏孔硅基体CsI(Tl)填充技术研究 |
| 3.3 闪烁屏抛光技术研究 |
| 3.3.1 聚氨酯倒置抛光技术研究 |
| 3.3.2 合成革倒置抛光技术研究 |
| 3.3.3 鹿皮正置抛光技术研究 |
| 3.4 本章小结 |
| 第4章 基于宏孔硅的X射线闪烁屏掺Tl~+浓度与发光性能关系 |
| 4.1 不同掺Tl~+浓度闪烁屏制备 |
| 4.2 闪烁屏X射线衍射分析 |
| 4.3 Tl~+浓度对闪烁屏X射线成像亮度的影响 |
| 4.4 闪烁屏X射线激发发射光谱分析 |
| 4.5 本章小结 |
| 第5章 基于宏孔硅的X射线闪烁屏厚度与闪烁性能关系 |
| 5.1 不同厚度闪烁屏制备 |
| 5.2 闪烁屏X射线成像亮度分析 |
| 5.2.1 厚180μm闪烁屏X射线成像亮度分析 |
| 5.2.2 厚230μm闪烁屏X射线成像亮度分析 |
| 5.2.3 厚310μm闪烁屏X射线成像亮度分析 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论及创新点 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
| 致谢 |
（2）烟煤显微组分组图像自动识别技术研究及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题意义 |
| 1.2 国内外研究现状 |
| 1.2.1 显微镜自动扫描台发展现状 |
| 1.2.2 显微镜自动聚焦技术发展现状 |
| 1.2.3 显微组分自动识别技术发展现状 |
| 1.3 存在的主要问题 |
| 1.4 论文研究内容及方法 |
| 1.4.1 研究目标 |
| 1.4.2 主要研究内容 |
| 1.4.3 关键技术 |
| 1.5 研究方法及技术路线 |
| 2 煤岩显微图像自动采集硬件平台集成研制 |
| 2.1 煤岩显微图像自动采集硬件平台总体设计 |
| 2.2 自动扫描与聚焦装置的机械结构设计 |
| 2.2.1 机械结构设计 |
| 2.2.2 关键结构运动机构设计 |
| 2.2.3 自动扫描台结构受力分析 |
| 2.3 自动扫描与聚焦装置的驱动控制系统设计 |
| 2.3.1 驱动控制系统总体设计 |
| 2.3.2 电机驱动系统组件主要参数计算分析 |
| 2.3.3 驱动控制系统的硬件组成及运行过程 |
| 2.3.4 控制系统电路设计 |
| 2.3.5 控制模式设计 |
| 2.4 基于图像处理的自动聚焦算法开发 |
| 2.4.1 煤岩粉煤光片灰度图像特征分析 |
| 2.4.2 基于灰度方差函数的煤岩图像清晰度评价算法 |
| 2.4.3 自动聚焦搜索算法开发 |
| 2.5 加工试制 |
| 2.6 煤岩显微图像自动采集硬件平台集成及软件开发 |
| 2.6.1 煤岩显微图像自动采集硬件平台集成 |
| 2.6.2 煤岩显微图像自动采集硬件平台的软件开发 |
| 2.7 图像自动采集硬件平台性能测试 |
| 2.7.1 试验方法步骤 |
| 2.7.2 硬件平台试验 |
| 本章小结 |
| 3 煤岩显微图像质量影响因素分析及关键采集参数优选 |
| 3.1 试验煤岩样品与图像采集 |
| 3.1.1 煤岩样品制备 |
| 3.1.2 样品图像采集 |
| 3.2 煤岩显微图像采集影响因素分析 |
| 3.2.1 显微镜不同光源强度下显微图像灰度特征 |
| 3.2.2 相机不同曝光时间下显微图像灰度特征 |
| 3.2.3 不同煤化程度煤的图像采集关键参数优选 |
| 3.2.4 图像尺寸对显微组分灰度分布的影响分析 |
| 本章小结 |
| 4 煤岩显微图像预处理与样品图像灰度曲线特征 |
| 4.1 煤岩显微图像中黏结剂特征及剔除技术 |
| 4.1.1 正常灰度黏结剂的图像特征 |
| 4.1.2 异常灰度-模糊亮斑状黏结剂的图像特征 |
| 4.1.3 黏结剂图像剔除预处理技术开发 |
| 4.1.4 效果验证 |
| 4.2 煤岩图像显微成分间灰度异常边界特征及其处理技术 |
| 4.2.1 煤岩显微图像灰度异常边界特征及成因分析 |
| 4.2.2 灰度异常边界的剔除技术开发 |
| 4.2.3 煤岩显微图像灰度异常边界剔除结果分析 |
| 4.2.4 灰度异常边界对显微组分组自动识别准确性影响 |
| 4.3 煤岩图像显微组分组合特征及其典型灰度曲线类型 |
| 本章小结 |
| 5 GKMC煤岩显微组分组图像自动识别算法开发 |
| 5.1 几类典型图像分割算法适用性测试分析 |
| 5.1.1 基于像素信息的分割算法测试分析 |
| 5.1.2 阈值分割类法测试分析 |
| 5.1.3 基于显微组分灰度直方图的分割方法测试分析 |
| 5.1.4 基于模式识别的分割方法测试分析 |
| 5.2 GKMC煤岩显微组分组图像分割算法开发 |
| 5.2.1 两种典型聚类分割算法特征分析 |
| 5.2.2 GKMC煤岩显微组分组图像分割算法开发 |
| 本章小结 |
| 6 煤岩显微组分组图像法自动化测定软件系统开发 |
| 6.1 煤岩显微组分组图像法自动化测定软件系统总体设计 |
| 6.2 煤岩显微组分组图像预处理模块 |
| 6.3 显微组分组图像自动识别模块 |
| 6.4 显微组分组体积含量统计模块 |
| 6.5 测定结果报告输出模块 |
| 本章小结 |
| 7 GKMC煤岩显微组分组图像法自动测定技术应用 |
| 7.1 煤岩分析测定样品选取 |
| 7.2 图像法显微组分组测定的有效测点确定 |
| 7.3 显微组分组含量自动识别测定系统的重复性分析 |
| 7.4 显微组分组含量自动识别测定结果的准确性分析 |
| 7.4.1 自动测定与人工鉴定结果的一致性分析比对 |
| 7.4.2 偏倚性分析 |
| 7.5 不同图像法测定结果对比分析 |
| 本章小结 |
| 8 结论及展望 |
| 8.1 结论 |
| 8.2 论文创新性 |
| 8.3 展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
| 学位论文数据集 |
（3）可见光成像通信中的解调算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 课题国内外研究现状 |
| 1.2.1 可见光成像通信研究现状 |
| 1.3 论文主要内容及结构 |
| 第2章 理论基础概述 |
| 2.1 可见光成像通信概述 |
| 2.2 BP神经网络概述 |
| 2.2.1 前向传播 |
| 2.2.2 反向传播 |
| 2.3 卷积神经网络概述 |
| 2.3.1 卷积神经网络的网络结构 |
| 2.3.2 卷积神经网络学习框架Caffe简介 |
| 2.4 水印技术概述 |
| 2.4.1 数字水印的特征 |
| 2.4.2 数字水印的分类 |
| 2.4.3 数字水印的经典算法 |
| 2.5 本章小结 |
| 第3章 无透镜成像通信系统研究 |
| 3.1 无透镜成像通信系统模型 |
| 3.1.1 无透镜成像通信系统 |
| 3.1.2 无透镜成像通信信道模型 |
| 3.2 基于BP神经网络的解调算法 |
| 3.2.1 图像预处理 |
| 3.2.2 神经网络训练 |
| 3.3 自适应训练序列调整机制 |
| 3.3.1 帧结构设计 |
| 3.3.2 训练序列调整过程 |
| 3.4 实验平台及结果分析 |
| 3.4.1 无透镜成像器通信系统实验平台 |
| 3.4.2 实验结果分析 |
| 3.5 本章小结 |
| 第4章 不可见水印屏幕—照相机通信解调算法研究 |
| 4.1 不可见水印屏幕—照相机通信系统模型 |
| 4.1.1 不可见水印屏幕—照相机通信系统架构 |
| 4.1.2 不可见水印原则 |
| 4.2 不可见水印屏幕—照相机通信解调方案 |
| 4.2.1 基于卷积神经网络的水印分类器实现 |
| 4.2.2 不可见水印屏幕—照相机通信主体流程 |
| 4.3 仿真实验与结果分析 |
| 4.3.1 仿真实验 |
| 4.3.2 仿真结果与分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 参考文献 |
| 作者简介及科研成果 |
| 致谢 |
（5）基于记忆学习的高速运动感知图像的去模糊及目标识别研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 国内外研究现状及其主要难点 |
| 1.2.1 图像退化原因 |
| 1.2.2 图像模糊类型及参数识别 |
| 1.2.3 运动图像去模糊方法 |
| 1.2.4 图像质量评价的研究及在本文中的创新应用 |
| 1.2.5 深度学习的研究现状及在目标识别的应用 |
| 1.3 本文的研究路线及算法框架 |
| 1.4 论文章节安排 |
| 第2章 感知器成像原理及其高速运动模糊过程的建模 |
| 2.1 成像技术及发展历程 |
| 2.2 成像工作原理及静态物体成像模型 |
| 2.3 物体运动成像模型 |
| 2.3.1 物体运动在平行于透镜平面的运动成像 |
| 2.3.2 物体运动沿透镜主光轴径向运动的成像 |
| 2.3.3 物体运动为平面运动和径向运动复合成像 |
| 2.3.4 物体运动的成像轨迹模拟分析 |
| 2.4 相机高速运动对物体成像的建模 |
| 2.4.1 相机平行于像平面运动 |
| 2.4.2 相机沿主光轴运动 |
| 2.5 本章小结 |
| 第3章 基于记忆学习的模型及图像模糊类型识别 |
| 3.1 图像的模糊特征及类型 |
| 3.1.1 相机平行于像平面的运动模糊分析 |
| 3.1.2 沿主光轴方向的运动模糊分析 |
| 3.2 CNN网络架构及其模糊类型识别 |
| 3.2.1 几种典型的CNN网络 |
| 3.2.2 MATLAB平台下常用CNN网络的构建 |
| 3.2.3 基于CNN网络的模糊类型识别 |
| 3.3 LSTM网络及其在模糊类型识别中的应用 |
| 3.3.1 基于MATLAB平台的LSTM网络构建 |
| 3.3.2 LSTM网络在模糊类型识别中的应用 |
| 3.4 一种融合记忆学习的图像模糊类型识别方法 |
| 3.4.1 DCNN网络及记忆网络总体构建 |
| 3.4.2 LSTM记忆网络的构建 |
| 3.4.3 输出网络的构建 |
| 3.4.4 网络参数设置与训练 |
| 3.4.5 本文融合记忆的DCNN网络的模糊类型识别 |
| 3.5 本章小结 |
| 第4章 感知器高速运动的模糊参数识别及图像去模糊 |
| 4.1 相机平面运动模糊参数特征分析及其求解 |
| 4.1.1 运动模糊方向的特征建模及求解 |
| 4.1.2 运动模糊长度的特征建模及求解 |
| 4.2 两种经典的运动图像去模糊方法 |
| 4.2.1 贝叶斯方法去模糊 |
| 4.2.2 全变分图像去模糊 |
| 4.3 基于CGPC的运动图像去模糊的方法 |
| 4.3.1 高速运动图像退化模型及空间变换 |
| 4.3.2 图像列灰度概率一致性建模及其算法设计 |
| 4.3.3 实验结果 |
| 4.4 基于自然图像统计的高速运动图像去模糊方法 |
| 4.4.1 图像反卷积及图像自然统计分布规律 |
| 4.4.2 图像反卷积后优化建模及算法设计 |
| 4.4.3 实验结果 |
| 4.5 本章小结 |
| 第5章 基于记忆学习的运动目标识别 |
| 5.1 图像目标识别方法简介 |
| 5.1.1 目标特征提取方法 |
| 5.1.2 模板匹配方法 |
| 5.1.3 CNN网络学习方法 |
| 5.2 Faster R-CNN网络及其构建 |
| 5.3 基于Faster R-CNN的目标识别 |
| 5.3.1 网络训练准备 |
| 5.3.2 训练网络 |
| 5.3.3 测试网络 |
| 5.4 Faster R-CNN网络与LSTM记忆网络融合 |
| 5.5 改进Faster R-CNN在轨道目标检测中的应用 |
| 5.5.1 图像目标标定 |
| 5.5.2 基于Faster R-CNN方法的轨道扣件检测 |
| 5.5.3 改进Faster R-CNN方法的轨道扣件检测 |
| 5.6 改进Faster R-CNN方法在鸟巢目标检测中的应用 |
| 5.7 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文总结 |
| 6.2 本文主要创新点 |
| 6.3 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间的研究成果 |
（6）面向MOOC的摄影课程虚拟实验系统设计开发与应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 MOOC大环境的浪潮 |
| 1.1.2 虚拟现实技术的兴起 |
| 1.1.3 摄影技术课程发展的需求 |
| 1.2 研究目标和意义 |
| 1.2.1 研究目标 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 MOOC研究现状 |
| 1.3.2 虚拟实验研究现状 |
| 1.3.3 摄影课程MOOC现状 |
| 1.4 研究思路与方法 |
| 1.4.1 研究思路 |
| 1.4.2 研究方法 |
| 1.5 研究内容与框架 |
| 1.5.1 研究内容 |
| 1.5.2 研究框架 |
| 2 相关理论与开发技术 |
| 2.1 相关理论 |
| 2.1.1 情境认知学习理论 |
| 2.1.2 建构主义学习理论 |
| 2.1.3 活动理论 |
| 2.2 开发技术 |
| 2.2.1 虚拟建模技术 |
| 2.2.2 Unity交互技术 |
| 3 MOOC与虚拟实验系统分析 |
| 3.1 MOOC分析 |
| 3.1.1 MOOC优点 |
| 3.1.2 MOOC不足 |
| 3.1.3 MOOC规范 |
| 3.2 摄影虚拟实验系统对比分析 |
| 3.3 MOOC环境下虚拟系统对比分析 |
| 4 MOOC环境下摄影虚拟实验系统框架分析与设计 |
| 4.1 摄影课程分析 |
| 4.2 系统用户特征分析 |
| 4.3 系统需求分析 |
| 4.3.1 用户需求分析 |
| 4.3.2 系统开发需求 |
| 4.4 系统前期规划 |
| 4.5 系统总体架构设计 |
| 4.5.1 系统架构设计 |
| 4.5.2 工作流程设计 |
| 4.6 系统模块设计 |
| 4.7 摄影虚拟实验系统开发流程 |
| 5 MOOC环境下摄影虚拟实验系统开发与实现 |
| 5.1 摄影虚拟实验系统开发环境与工具 |
| 5.2 摄影虚拟实验系统建模及场景搭建 |
| 5.3 摄影虚拟实验系统关键功能模块的实现 |
| 5.3.1 系统主界面 |
| 5.3.2 MOOC学习资源模块 |
| 5.3.3 文本学习资源模块 |
| 5.3.4 优秀作品赏析模块 |
| 5.3.5 理论知识测试模块 |
| 5.3.6 实验要求模块 |
| 5.3.7 实验操作模块 |
| 5.3.8 巩固提高 |
| 5.4 摄影技术虚拟实验系统测试与发布 |
| 5.4.1 功能测试 |
| 5.4.2 性能测试 |
| 5.4.3 系统发布 |
| 6 MOOC环境下摄影虚拟实验系统应用及评价 |
| 6.1 教学应用模式构建 |
| 6.2 教学案例设计 |
| 6.3 教学应用 |
| 6.4 应用效果评价 |
| 6.4.1 数据的统计和分析 |
| 6.4.2 课堂教学应用模式评估结论 |
| 7 总结与展望 |
| 7.1 研究总结 |
| 7.2 研究不足与展望 |
| 7.2.1 研究不足 |
| 7.2.2 展望 |
| 参考文献 |
| 附录 |
| 附录一 摄影技术课程现状调查问卷 |
| 附录二 初识相机学习情况调查问卷 |
| 附录三 摄影技术虚拟实验系统接受度调查问卷 |
| 附录四 访谈提纲 |
| 致谢 |
| 在校期间的科研成果 |
（7）探索影棚静物拍摄中影响光线塑造的因素（论文提纲范文）
| 摘要 |
| Abstract |
| 绪论 |
| 第一节 研究背景 |
| 第二节 研究目的与意义 |
| 第三节 国内外研究现状 |
| 第一章 摄影师对于光线的理解和运用 |
| 第一节 摄影师对于线条和面积的理解 |
| 一、光的特性 |
| 二、光的吸收 |
| 三、摄影师的线条语言 |
| 四、摄影师的面积语言 |
| 第二节 摄影师如何操作来影响线条和面积 |
| 一、控制光源的大小 |
| 二、控制光源的距离 |
| 三、控制光线的颜色 |
| 四、控制打光比 |
| 五、控制光位 |
| 第二章 摄影师对被摄物的审美理解和利用 |
| 第一节 光的反射 |
| 一、漫反射 |
| 二、直接反射 |
| 三、偏振反射 |
| 四、反射的利用 |
| 第二节 体积变化 |
| 一、透视 |
| 二、影调 |
| 三、色块独特表现 |
| 第三节 背景的影响 |
| 一、被摄体与背景的区分 |
| 二、背景的材质 |
| 第三章 摄影师对于灯具的理解和使用 |
| 第一节 连续光源 |
| 一、钨灯照明 |
| 二、卤素石英灯 |
| 三、碘化汞中弧灯 |
| 第二节 电子闪光灯 |
| 一、电子闪光灯的工作原理 |
| 二、电子闪光灯头及控制装置 |
| 三、特殊灯具 |
| 第四章 独特的视觉表现 |
| 第一节 完整展现---以金属拍摄为例 |
| 一、确定拍摄角度 |
| 二、金属物体的用光 |
| 第二节 特点加强---以透明玻璃器皿拍摄为例 |
| 一、亮视场用光 |
| 二、暗视场用光 |
| 结语 |
| 参考文献 |
| 致谢 |
（8）数码相机曝光时间及测试方法分析（论文提纲范文）
| 一、数码相机曝光时间概述 |
| 二、如何测试数码照相机曝光时间 |
| (一) 辅助快门法 |
| (二) 动态目标拍摄法 |
（9）数码照相机曝光时间及测试方法浅析（论文提纲范文）
| 0 引言 |
| 1 曝光时间相关概念 |
| 2 曝光时间测试方法 |
| 2.1 辅助快门法 |
| 2.2 动态目标拍摄法 |
| 3 结语 |
（10）图像法测定煤岩组分反射率工作曲线的建立与应用（论文提纲范文）
| 1 图像法测定反射率的系统组成 |
| 2 图像法测定反射率的原理 |
| 2. 1 测试原理的理论依据 |
| 2. 2 原理与流程 |
| 2. 3 原理公式 |
| 3 图像测定反射率原理的试验验证 |
| 3. 1 照明强度的改变 |
| 3. 2 曝光时间的改变 |
| 4 工作曲线的相关分析 |
| 4. 1 工作曲线的最大量程 |
| 4. 2 灰度值对反射率的分辨能力 |
| 4. 3 工作曲线的截距 |
| 5 工作曲线的选择 |
| 6 图像法测定反射率的应用 |
| 7 结论 |
四、照相机曝光时间的计算（论文参考文献）
- [1]基于宏孔硅的X射线闪烁屏性能研究[D]. 袁云龙. 长春理工大学, 2020(01)
- [2]烟煤显微组分组图像自动识别技术研究及应用[D]. 宋孝忠. 煤炭科学研究总院, 2020(03)
- [3]可见光成像通信中的解调算法研究[D]. 钟苏华. 吉林大学, 2020(08)
- [4]专家坐堂[J]. 忻秀珍. 照相机, 2020(01)
- [5]基于记忆学习的高速运动感知图像的去模糊及目标识别研究[D]. 黄绿娥. 南昌大学, 2019(01)
- [6]面向MOOC的摄影课程虚拟实验系统设计开发与应用研究[D]. 张旭. 四川师范大学, 2019(02)
- [7]探索影棚静物拍摄中影响光线塑造的因素[D]. 宫浩然. 南京师范大学, 2019(02)
- [8]数码相机曝光时间及测试方法分析[J]. 吕军,胡醒. 旅游纵览(下半月), 2015(18)
- [9]数码照相机曝光时间及测试方法浅析[J]. 王潇潇,谭山,黄锋. 自动化与信息工程, 2014(05)
- [10]图像法测定煤岩组分反射率工作曲线的建立与应用[J]. 陈洪博,白向飞,李振涛,张宇宏. 煤炭学报, 2014(03)