排序方式: 共有10条查询结果,搜索用时 0 毫秒
1
1.
铝板的偏振反射Mueller矩阵实验研究 总被引:2,自引:1,他引:2
物质材料例如涂层、金属、电介质等有其各自的偏振特性。Stokes参量或是Mueller矩阵表示了偏振量化信息与材料性质的关系。介绍了Mueller矩阵测量方法,使用He-Ne(入=632.8 nm)激光器经过起偏器产生的偏振光照射在铝样品上,并经偏振分析光学系统,获取样品Mueller矩阵元素测量图像数据。在给出延迟器校正结果的前提下,使用64个偏振测量图像,并采用最小二乘法减小误差,给出了铝板样品的偏振反射Mueller矩阵,比较分析了水平/垂直、 / 和左旋/右旋圆偏振分量随样品转角变化时的退偏特性曲线。结果表明,铝板的圆偏光与线偏光的退偏度显著,为使用圆偏振实现探测提供可能性。 相似文献
2.
考虑到中波红外偏振遥感受大气干扰影响较弱,将其应用于土壤含水量监测具有独特的优势和重要意义。采用中波红外光谱偏振探测手段,对不同含水量的土壤表面进行了观测,结果表明,含水土壤表面自身热辐射的偏振特性很弱,其偏振特性主要是由太阳光反射所引起,并在太阳光较强的波段上,土壤表面的偏振度与土壤含水量存在单调递增关系,为土壤含水量的航空和卫星中波红外偏振遥感技术发展提供了科学依据。 相似文献
3.
不同含水量的土壤会产生不同的偏振态,其与波长、土壤表面的结构、内部的构成、以及入射的角度密切相关。根据Kodis粗糙表面的散射理论,推导了不同湿度土壤表面的偏振度与入射天顶角和观测天顶角以及等效折射率的关系,并用野外地物偏振辐射计和地面多波段CCD相机实测了红壤的偏振反射数据,并将其与理论计算结果相对照,初步总结出不同含水量红壤的偏振特性变化规律。研究土壤偏振度与含水量以及入射天顶角、观测天顶角的关系,对于卫星农业遥感有重要的意义。 相似文献
4.
5.
基于四分之一波片-复合双折射光楔-偏振片的空间偏振调制结构,提出了四光束校正方法,对四分之一波片延迟量误差进行校正,从而达到提高线偏振测量精度的目的;利用计算机仿真手段,研究了待测目标圆偏振参量变化时,线偏振参量测量结果的变化情况以及相应的测量精度水平。仿真结果表明:当待测目标的线偏振度、圆偏振度分别在0.1~0.2、0~0.2随机波动时,延迟校正后的斯托克斯参量Qi、Ui以及线偏振度的测量精度优于10-3,Ui以及线偏振度的测量精度比延迟校正前提高了约14倍。 相似文献
6.
油罐是用于储存油品的工业设施,常用在炼油厂等工业园中,通过卫星或航空遥感图像实现油罐目标的快速检测,可以实现对侵占生态保护红线的疑似工业园区的快速查找,为自然资源监管和生态环境保护提供科学技术支持。探讨了基于深度卷积神经网络在高分辨率遥感影像目标检测中的有效性,基于深度学习目标检测算法中具有代表性的Faster R-CNN(Convolutional Neural Network)和R-FCN(Region-based Fully Convolutional Network)框架,通过对ZF、VGG16、ResNet-50 3种网络模型进行训练和测试,实现了遥感影像上油罐目标的快速检测;通过修改锚点尺度和数量,丰富了候选框类型和数量,提升了油罐的目标检测精度,最优召回率接近80%。研究表明:深度卷积神经网络能够实现对高分辨率遥感影像中油罐目标的快速检测,为深度学习技术在遥感小目标的快速检测提供了实例和新的思路。 相似文献
7.
8.
油罐是用于储存油品的工业设施,常用在炼油厂等工业园中,通过卫星或航空遥感图像实现油罐目标的快速检测,可以实现对侵占生态保护红线的疑似工业园区的快速查找,为自然资源监管和生态环境保护提供科学技术支持。探讨了基于深度卷积神经网络在高分辨率遥感影像目标检测中的有效性,基于深度学习目标检测算法中具有代表性的Faster R-CNN(Convolutional Neural Network)和R-FCN(Region-based Fully Convolutional Network)框架,通过对ZF、VGG16、ResNet-50 3种网络模型进行训练和测试,实现了遥感影像上油罐目标的快速检测;通过修改锚点尺度和数量,丰富了候选框类型和数量,提升了油罐的目标检测精度,最优召回率接近80%。研究表明:深度卷积神经网络能够实现对高分辨率遥感影像中油罐目标的快速检测,为深度学习技术在遥感小目标的快速检测提供了实例和新的思路。 相似文献
9.
全国服装职业院校技能大赛背景下,本文根据对高职院校服装类技能大赛内容的分析,通过总结以往参赛经验,拟在对课程设置、创立竞赛课、课程对接、等三个方面进行教学改革,实现"以赛促教"的良性互动。 相似文献
10.
油罐是用于储存油品的工业设施,常用在炼油厂等工业园中,通过卫星或航空遥感图像实现油罐目标的快速检测,可以实现对侵占生态保护红线的疑似工业园区的快速查找,为自然资源监管和生态环境保护提供科学技术支持。探讨了基于深度卷积神经网络在高分辨率遥感影像目标检测中的有效性,基于深度学习目标检测算法中具有代表性的Faster R-CNN(Convolutional Neural Network)和R-FCN(Region-based Fully Convolutional Network)框架,通过对ZF、VGG16、ResNet-50 3种网络模型进行训练和测试,实现了遥感影像上油罐目标的快速检测;通过修改锚点尺度和数量,丰富了候选框类型和数量,提升了油罐的目标检测精度,最优召回率接近80%。研究表明:深度卷积神经网络能够实现对高分辨率遥感影像中油罐目标的快速检测,为深度学习技术在遥感小目标的快速检测提供了实例和新的思路。 相似文献
1