大气湍流模型_.pdf
激光(Laser:Light Amplification by Stimulated Emission of Radiation)是光受激辐射放大的简称。原子受光子照射时不仅发生受激辐射同时还发生受激吸收。这两种过程是矛盾的。通常情况下吸收过程是主要的,受激辐射过程是次要的. 如果能够通过某种方法破坏粒子数的热平衡分布,受激辐射能量将大于吸收能量,受激过程将胜于吸收过程。这里E[v2]是单位为(m/s)2的速度平方平均值,离开地面高度h的单位为km,h的范围5~20km。近期实验证实了这个模型的近似合理性,并指出在儿百米以卜的近地面范围内,在白天Cn(h)≈C2()h43,在仅晚C2(h)≈C2()h23,另外Hal!发现8在草地覆盖面上空,Cn(h)≈C2()h3, Davidson发现海面上空C(h)≈C2()h23,1m≤h≤10m。一般m言,在近地面处C2的典型值从102m23(对于强湍流)到108m23(对于弱湍流)的范围内折射率功率谱密度折射率的随机起伏n1(r)主要是由温度空间分布中的随机微观结构而引起的,这种微观结构的起源则在于地球表面不同区域被太阳不同加热而引起的极大尺度的温度非均匀性,这种大尺度的温度非均匀性进而又引起大尺度的折射率非均匀性,它们最后被湍流风和对流冲碎,使非均匀性的尺度变得越来越小。湍流的大小范围通常从几毫米到几米,分别用内长度l和外长度L表示通常把大气折射率的非均匀性称为湍流“旋涡”,可以把他们想像成一些空气包,每个空气包鄞有一个特征的折射率。均匀湍流的功率谱密度Φ,(K)可以看成是尺度为L=2x/k,L=2x/和L,=2x/k的旋涡的相对丰度的一种量度。在各向同性湍流的情况下,Φ(K)仪是波数k的函数,k通过L=2x/k与旋涡大小L相联系。在 Kolmogorov关于湍流理论的终典工作的基础,普遍认为功率谱密度Φn(K)包括三个不同的区。对于很小的k=2n/L0(很大规模的尺寸)的区域叫输入区,在这个区域内谱的形状取决于特定的湍流是如何发生的,而且它通常是各向异性的。在这个区域被理论不能预言Φ(K)的数学形式。但当k大于某一临界波数λ时,Φ(K)的形状由制约着大湍流旋涡破碎为小旋涡的物理定律来决定。当k大于k0时,k0≈2x/,就进入了谱的惯性子区间。这里的Φn的形式可以由已确立的制约湍流的物理定律描述。由Kσ oImogoro湍流理论,Φ,为D(K)=0033C2k-1/32.5)当k达到了另一个临界值k的形式再次改变,这个区域叫耗散区,在这个区域里能量的耗散超过了动能。因此能量很小。所以,当k>k时,Φ很快下降。这里kn≈2π/l。 Tatarski川如下模型来概括k>k时Φn的快速下降:29C1994-2010ChinaAcademicJournalElcctronicPublishinghOusc.Allrightsrescrved.http://www.cnki.ncton(k)=0.033C, exp(k/km)(2.6)若选取kn=5.92/l,并且k>kn,上式是一个合理的近似。由式(25)和(2.6)所表示的谱在原点均偶不可积的极点,为了克服这种模型的缺点,常采用一种称为Ⅴ on karman谱的形式。这时谱近似地表示为0.033CΦ(k)≈(k2+k2)16 exp(- /km)Andrews提出了一个的近似谱8Φ(0.033 CR exp(-k2/k2)7/61+aQ2((k2+k2)16(28)k1k1其屮,a1=1.802,a2=0.254,k,-3.3/。注意,在a1=a2=0和作k=kn代换后Andrews模式简化为 Von karman谱;当k=l=0时,上式退化为(25)式。激光在大气中的传输方程假定大气的磁导率为常数,介电常量是随空间变化的。对于单色电磁波在地球大气中的传播,这时 Maxwell方程取以下形式l9V·H=0V×E=jboH(2.9)EOoEV·(EE)=0式(2.9)中,E是电场;H是磁场;a是角频率;而V矢量的分量为(O/ax,0/Cy,O/az)。把V×运算应用于式(29)的第二个方程,并将第二方程代入第三个方程,并考虑第四个方程,我们得到V·E+AHEE+V(E·Vlns)=0(2.10)这里代表以e为底的对数。波传播的局域速度即某点上的速度是(e)12,它也等于ch,式中,c是自由空间中的光速,而n是同一点上的局部折射率,因此u8=n/(2.11)由于和c是常数,有VIne=2vIn n(2.12)将式(2.11)和(2.12)代入式(210),得到C1994-2010ChinaAcademicJournalElcctronicPublishinghOusc.Allrightsrescrved.http://www.cnki.nct
- 2020-12-04下载
- 积分:1
SIFT算法详解及应用(讲的非常好很详细)
SIFT算法特点• SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性。• 独特性(Distinctiveness)好,信息量丰富,适用于在海量特征数据库中进行快速、准确的匹配。• 多量性,即使少数的几个物体也可以产生大量SIFT特征向量。• 经过优化的SIFT算法可满足一定的速度需求。• 可扩展性,可以很方便的与其他形式的特征向量进行联合。SIFT简介SIFTScale Invariant Feature Transform传统的特征提取方法成像匹配的核心问题是将同一目标在不同时间、不同分辨率、不同光照、不同位姿情况下所成的像相对应。传统的匹配算法往往是直接提取角点或边缘,对环境的适应能力较差,急需提出一种鲁棒性强、能够适应不同光照、不同位姿等情况下能够有效识别目标的方法。己0]/3/己7彐SIFT简介SIFTScale Invariant Feature TransformSIFT提出的目的和意义分1999年 British columbia大学大卫.劳伊( David g.Lowe)教授总结了现有的基于不变量技术的特征检测方法,并正式提出了一种基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子一SIFT(尺度不变特征变换),这种算法在2004年被加以完善己0]/3/己7SIFT简介SIFTScale Invariant Feature Transform将一幅图像映射(变换)为一个局部特征向量集;特征向量具有平移、缩放、旋转不变性,同时对光照变化、仿射及投影变换也有一定不变性。己0]/3/己7SIFT简介SIFTScale Invariant Feature TransformSIFT算法特点SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性。独特性( Distinctiveness)好,信息量丰富,适用于在海量特征数据库中进行快速、准确的匹配。多量性,即使少数的几个物体也可以产生大量SIFT特征向量。经过优化的SIFT算法可满足一定的速度需求。可扩展性,可以很方便的与其他形式的特征向量进行联合。己0]/3/己7SIFT简介SIFTScale Invariant Feature TransformSIFT算法可以解决的问题目标的自身状态、场景所处的环境和成像器材的成像特性等因素影响图像配准/目标识别跟踪的性能。而SIFT算法在一定程度上可解决:目标的旋转、缩放、平移(RsT)图像仿射/投影变换(视点 viewpoint)光照影响(111 amination)目标遮挡( occlusion)杂物场景(c1 utter)噪声己0]/3/己7SIFT算法实现细节SIFTScale Invariant Feature TransformSIFT算法实现步骤简述SIFT算法的实质可以归为在不同尺度空间上查找特征点(关键点)的问题。原图像特征点特征点目标的特检测描述征点集特征点匹匹配点矫配正目标图像特征点特征点目标的特检测描述征点集SIFT算法实现物体识别主要有三大工序,1、提取关键点;2、对关键点附加详细的信息(局部特征)也就是所谓的描述器;3、通过两方特征点(附带上特征向量的关键点)的两两比较找出相互匹配的若干对特征点,也就建立了景物间的对应关系。SIFT算法实现细节SIFTScale Invariant Feature TransformSIFT算法实现步骤关键点检测己。关键点描述彐·关键点匹配4·消除错配点己0]/3/己7关键点检测的相关概念SFTiant Feature Transfor1.哪些点是SIFT中要查找的关键点(特征点)?这些点是一些十分突出的点不会因光照条件的改变而消失,比如角点边缘点、暗区域的亮点以及亮区域的暗点,既然两幅图像中有相同的景物,那么使用某种方法分别提取各自的稳定点,这些点之间会有相互对应的匹配点。所谓关键点,就是在不同尺度空间的图像下检测出的具有方向信息的局部极值点。根据归纳,我们可以看出特征点具有的三个特征:尺度方向大小己0]/3/己7
- 2020-06-29下载
- 积分:1