金士顿十二生肖闪存盘之“爆马仔”

爆竹声中一岁除,春风送暖入屠苏。在2013年的新年,金士顿就为金粉们带来了新春佳礼——十二生肖限量版乖乖蛇闪存盘。这款喜气洋洋的闪存盘,红黄颜色搭配,呈现金士顿一贯的大气风范。小蛇"端坐"的姿势、尖尖的小牙、俏皮可爱的翘尾巴,非常讨喜。     

通过颜色变化获得红外线效果

通过强烈的颜色变换,明亮的绿色地带,灰暗的蓝色,可以让彩色照片变成几乎有红外效果的照片。对于红外射线,我们人类的肉眼是看不到的,但是却可以用相应的红外滤镜来帮助我们看到。这一点很重要,因为数码相机的传感器对光线中的红外线区域很敏感。但是传感器前面的阻隔滤镜限制了它对红外线的感应范围。在拍摄风景的时候,通过透镜前面的红外线滤镜和比较长的曝光时间,草地和树木更引人注目,因为叶绿素强烈反射红外线。相反,天空就呈现深蓝色。     

后期 答疑

Q：打印输出时通常使用的RGB模式是Adobe RGB还是sRGB？在后期制作时是否应该与之匹配？A：如今绝大部分的彩色喷墨打印机都采用六色以上的彩色墨水,因此其所能呈现的色域一般都与Adobe RGB颜色空间更加匹配。因此,在明确所拍摄照片要进行打印输出时可以采用Adobe RGB颜色空间拍摄,同时后期制作时也应该在Adobe RGB颜色空间下进行相关调整直至输出。     

改进干法腈纶纤维颜色的研究

国产干法腈纶纤维“b”颜色值与进口样品有较大差距,根据原料工艺路线、化学反应机理,对影响腈纶纤维尊色变化的原因进行了分析,找出了主要影响纤维颜色的因素,对纤维颜色增深产生在纺丝原液制备过程的若干因素,进行定性和定量分析,解决了干法腈纶纤维“b”颜色值高的问题,提出进一步增加腈纶纤维白度的实用性生产方法。     

互信息在图像检索中的应用

介绍了一种用互信息来衡量相似性图像检索方法.该方法首先生成一种在统计上有代表性的视觉模式,使用这种模式的分布作为图像内容的描述符;基于该内容描述,设计了其互信息的计算方法以衡量图像的相似性.实验结果表明,在图像检索中,相对于其它如KL散度和L2规范等方法,互信息是一种更为有效的衡量相似性的方法.     

CIE 1976(L*a*b*)色空间在PVC-U型材颜色测量中的应用

通过对GB 11186-1989《涂膜颜色的测量方法》标准中关于CIE 1964补充标准色度系统、CIE 1976(L*a*b*)色空间的色坐标及色差公式和光与颜色的相关理论的分析,解析了GB/T 8814-2004《门、窗用未增塑聚氯乙烯(PVC-U)型材》中有关型材颜色测量要求,并给出了灰卡级数与总色差的换算关系。     

基于边缘检测和颜色纹理直方图的车牌定位方法

针对已有车牌定位算法在分辨率高、背景复杂图像上存在准确率下降的问题,提出了一种基于边缘检测和颜色纹理直方图的车牌定位算法。该定位算法分为两个阶段：首先利用结合了Canny和Sobel算法的改进边缘检测算法提取图像的垂直边缘,并结合滤波、投影等方法进行车牌粗定位;然后提取候选区域的颜色纹理直方图,与训练好的分类器进行匹配,实现车牌的精确定位。实验表明,该方法对于背景复杂、光照不均等情况均有良好的鲁棒性,在白天和晚上都能取得较好的定位效果。     

基于霍夫圆检测的标志物多图像特征定位方法

针对霍夫圆变换对圆检测的不稳定、正确率低、准确度不高的缺点,提出一种基于霍夫圆检测的标志物多图像特征精确定位方法,实现对标志物空间位置地精确获取.用霍夫圆变换对图像初步检测,获取包含标志物的候选区域;利用颜色特征对候选区域筛选,去除虚假霍夫圆区域;再利用圆的自相似性和对称性,计算轮廓形心获取标志物中心位置;最后通过深度图像与彩色图像匹配的方法获取标志物的空间坐标.实验结果表明,上述方法不仅提高了获取标志物位置的精度,还降低了标志物倾斜变形对位置提取的影响.获取的标志物空间坐标可用于控制执行机构运动,为之后功能扩展奠定了基础.     

基于多特征和尺度估计的KCF_MTSA算法

多模板尺度自适应核相关滤波器（KCF_MTSA）跟踪算法在目标移动模糊、旋转和尺度变化时跟踪距离精度与成功率较低。针对该问题,提出一种结合多特征和尺度估计的改进KCF_MTSA目标跟踪算法。采用方向梯度直方图和颜色名两种特征对目标进行表征,在训练阶段分别使用多模板核相关滤波器对上述特征进行训练,同时在检测阶段将两个滤波器的响应以权重形式进行自适应融合获取响应图实现目标定位,并使用一维相关滤波器进行目标尺度估计。实验结果表明,该算法的跟踪距离精度和准确率较改进前KCF_MTSA算法有明显提升,其距离精度和准确率分别提高15.8%和28.5%。     

基于多特征与DCNN的红外SF6泄漏检测方法研究

传统SF6泄漏检测耗费大量人力物力.针对该问题,提出一种基于红外成像技术的自动检漏方法.使用混合高斯模型确认泄漏视频中的疑似泄漏区域;通过HSV颜色空间分析SF6泄漏的颜色特征;分析泄漏SF6在红外技术下的动态特性,提取其不规则运动特征;使用膨胀卷积神经网络(DCNN)作为分类器,并在视频帧上完成对泄漏区域的标注.实验结果表明,该方法通过检测不同设备、不同部位的SF6泄漏视频能够准确标记出SF6泄漏区域,检测准确率可以达到82.71％.