CN106651793B - 一种pst杂散光测试数据处理方法 - Google Patents
一种pst杂散光测试数据处理方法 Download PDFInfo
- Publication number
- CN106651793B CN106651793B CN201611073975.2A CN201611073975A CN106651793B CN 106651793 B CN106651793 B CN 106651793B CN 201611073975 A CN201611073975 A CN 201611073975A CN 106651793 B CN106651793 B CN 106651793B
- Authority
- CN
- China
- Prior art keywords
- pst
- ccd
- stray light
- energy
- test
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 77
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 238000009826 distribution Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 35
- 238000000034 method Methods 0.000 claims description 29
- 230000002068 genetic effect Effects 0.000 claims description 8
- 201000009310 astigmatism Diseases 0.000 claims 1
- 230000005611 electricity Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 20
- 238000004364 calculation method Methods 0.000 abstract description 6
- 230000005540 biological transmission Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 8
- 238000000605 extraction Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000002427 irreversible effect Effects 0.000 description 2
- KBPHJBAIARWVSC-RGZFRNHPSA-N lutein Chemical compound C([C@H](O)CC=1C)C(C)(C)C=1\C=C\C(\C)=C\C=C\C(\C)=C\C=C\C=C(/C)\C=C\C=C(/C)\C=C\[C@H]1C(C)=C[C@H](O)CC1(C)C KBPHJBAIARWVSC-RGZFRNHPSA-N 0.000 description 2
- 229960005375 lutein Drugs 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- KBPHJBAIARWVSC-XQIHNALSSA-N trans-lutein Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1=C(C)CC(O)CC1(C)C)C=CC=C(/C)C=CC2C(=CC(O)CC2(C)C)C KBPHJBAIARWVSC-XQIHNALSSA-N 0.000 description 2
- FJHBOVDFOQMZRV-XQIHNALSSA-N xanthophyll Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1=C(C)CC(O)CC1(C)C)C=CC=C(/C)C=CC2C=C(C)C(O)CC2(C)C FJHBOVDFOQMZRV-XQIHNALSSA-N 0.000 description 2
- 235000008210 xanthophylls Nutrition 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001429 visible spectrum Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
一种PST杂散光测试数据处理方法如下:(1)基于遥感相机PST特性以及CCD探测器性能的综合评估,反演出对于测环境杂散光的要求;(2)通过对不同状态下杂散光测试图像进行差分计算,分离、提取各类测试噪声在CCD探测器上的分布,从而完成测试噪声的剥离;(3)对剥离测试噪声后的测试图像进行数理分析,解析出图像数据的规模和数值的分布特点;(4)根据解析所得的数据规模和数值分布特点确定稳定、高效、准确的后续处理算法,完成CCD探测器各列杂散能量传递能力的测试。本发明主要用于PST杂散光测试数据处理,能够降低测试***对于仪器设备的技术要求,具有较高的可移植性和通用性,可以满足各类杂散光测试数据处理的需求。
Description
技术领域
本发明涉及一种PST杂散光测试数据处理方法,适用于各种类型、各种谱段航天遥感器成像***高精度PST杂散光测试的数据处理和分析,属于航天遥感技术领域。
背景技术
PST杂散光测试数据处理的准确性和精度主要受制于测试噪声剥离以及数据处理算法两个方面。前者主要是通过图像处理的方法对CCD暗电流噪声、测试环境杂散光噪声(由测试光源、暗室等引入)等进行分离和提取,实现对各类噪声的定量和定位分析,从而达到剥离的目的;后者是在完成噪声的分离、提取和剔除后,针对有效数据进行的分析和处理,考虑到PST杂散光测试产生的数据量巨大,其处理算法必须兼具稳定性好、准确性高、收敛速度快的特点,并且要具备良好的可移植性和通用性,可满足各类光学***在不同环境下PST杂散光测试数据处理的需求。本发明解决了PST杂散光测试数据处理过程中,测试噪声定位和剥离不准确或者无法剥离、大规模数据处理稳定性和准确性无法保证、算法可移植性和通用性较差等问题。
发明内容
本发明的技术解决问题是:克服现有技术不足,提出一种PST杂散光测试数据处理方法,解决了PST杂散光测试数据处理过程中各类测试噪声的分离、提取和剔除,并基于成像***PST特性以及CCD探测器性能的综合评估,能够反演出对于测环境杂散光的要求;同时,运用最小二乘法、遗传算法等数值分析和运算方法自动进行大规模图像和数据的处理,直接输出PST结果,提高了可移植性和通用性。
本发明的技术解决方案为:一种PST杂散光测试数据处理方法,步骤如下:
(1)根据遥感相机的点源透过率PST,以及CCD探测器电学性能,包括光子效率,确定环境杂散光能量EEnv,根据环境杂散光能量EEnv,确定照射在遥感相机入口的光源能量;
(2)在光源输出不同能量状态下,对遥感相机CCD图像进行采集,再对CCD图像进行差分计算,以分离、提取各类测试噪声在CCD探测器上的分布,从而完成测试噪声的剥离,得到剥离了噪声的CCD图像;
(3)对步骤(2)中剥离了噪声的CCD图像进行数理分析,解析出表示剥离了噪声的CCD图像的矩阵是否存在逆矩阵;
(4)若存在逆矩阵,则直接对剥离了噪声的CCD图像的矩阵进行求解,若不存在逆矩阵,则选用最小二乘法或遗传算法或二分法对剥离了噪声的CCD图像的矩阵进行求解,得到遥感相机CCD各列杂散能量传递系数,即CCD每行中各个像元对于该行总的杂散光的贡献能力,以用于后期的图像校正。
所述的步骤(1)根据遥感相机的点源透过率PST,以及CCD探测器电学性能,包括光子效率,确定环境杂散光能量EEnv的方法为:分别计算出遥感相机所能接受的杂散光能量下限EPST和CCD最小电噪声能量ECCD,则测环境杂散光能量EEnv要求EEnv<(EPST+ECCD)。
所述的步骤(2)中,点源透过率为PST,CCD的像元规模为rows行和cols列,在第i个能量状态下,光源输入杂散光能量为E0i(i=1,2,…,n+1),CCD探测器的第l行、第k列像元接收到的杂散能量为E'(i)(l,k)(l=1,2,…rows;k=1,2,…cols)。
那么,第j+1和第j相邻两次的输入能量差值ΔE0j=E0(j+1)-E0j(j=1,2,…,n);而两次第l行、第k列像元接收到的杂散能量差值为ΔE'(j)(l,k)=E'(j+1)(l,k)-E'(j)(l,k),则两次该像元的差分为Diff(Ej)(l,k)=ΔE0iPST-ΔE'(j)(l.k),对该项像元的差分取平均值其中δi为差分的权重,同理可求得其他像元的差分平均值,而各个像元的差分平均值构成了rows×cols阶矩阵,并对应于CCD的rows×cols阶像元,即为测试噪声。CCD探测器在第1个能量状态下每个像元接收的总能量减去该像元的差分平均值即实现测了测试噪声的剥离。
所述的步骤(3)中的数据病态性是指CCD的rows×cols阶像素矩阵的求解难易程度。
所述的步骤(4)根据解析出表示剥离了噪声的CCD图像的矩阵是否存在逆矩阵,选择最小二乘法或广义逆最小二乘法、遗传算法、二分法,能够确保运算过程的稳定性和运算结果的准确性,并保证运算有较高的收敛速度,满足各类杂散光测试数据处理的需求。
本发明与现有技术相比的优点在于:
(1)本发明综合运用了图像处理、差分算法、最小二乘法、遗传算法、非托管代码技术等多种技术手段,解决了PST杂散光测试数据处理过程中,测试噪声定位和剥离不准确或者无法剥离、大规模数据处理稳定性和准确性无法保证、算法可移植性和通用性较差等问题,具有较强的实用性和通用性,是PST测试过程中的关键技术,
(2)本发明能够降低测试***对于测试仪器设备的技术要求,同时保证测试精度。本发明可以满足各类杂散光测试数据处理的需求,并降低此类测试***的前期投入。
附图说明
图1为本发明PST杂散光测试数据处理方法流程图;
图2为在测试过程中采集的一系列待处理图像。
具体实施方式
本发明一种PST杂散光测试数据处理方法如下:(1)基于遥感相机PST特性以及CCD探测器性能的综合评估,反演出对于测环境杂散光的要求;(2)通过对不同状态下杂散光测试图像进行差分计算,分离、提取各类测试噪声在CCD焦面上的分布,从而完成测试噪声的剥离;(3)对剥离测试噪声后的测试图像进行数理分析,解析出图像数据的规模和数值的分布特点;(4)根据解析所得的数据规模和数值分布特点确定稳定、高效、准确的后续处理算法,完成PST曲线的绘制以及杂散光抑制角度的判定。本发明主要用于PST杂散光测试数据处理,能够降低测试***对于仪器设备的技术要求,具有较高的可移植性和通用性,可以满足各类杂散光测试数据处理的需求。
本发明的一种PST杂散光测试数据处理方法,包括前期的测试噪声剥离和后续的大规模数据自动处理,涉及图像处理、算法开发、***集成等技术手段。首先,对测试过程中采集的图像进行差分算法处理,得到CCD像元阵列在不同杂散光条件下的D/N值分布变化,并结合CCD暗电流噪声、测试环境杂散光噪声等的分布特点,从而分离、提取各类测试噪声在CCD探测器上的分布;其次,PST杂散光测试的数据量巨大,必须保证处理算法具有强大的稳定性和可靠的准确性,避免奇点的干扰从而造成计算结果无法收敛;最后,为了提高可移植性和通用性,采用了非托管代码技术,实现了快速部署,避免了由于接口通讯、注册表注册等带来的程序稳定性差的问题。本发明作为一种新颖的PST杂散光测试数据处理技术,不仅能够满足各类航天遥感器在不同环境下的PST杂散光测试的数据处理需求,而且能够在保证测试精度的同时,降低测试***对于仪器设备的要求,节约成本。
实施例1
对可见光谱段,焦距值为40mm,相对口径为0.5,CCD像元阵列为矩形阵列的遥感相机杂散光测试图像数据进行处理。
如图1所示,本发明的具体步骤如下:
(1)测试环境能量的确定
应用Fred、LightTools等杂散光分析软件对遥感相机的点源透过率PST进行计算,得到遥感相机的点源透过率PST。
根据下面两个公式分别计算出杂散光能量下限EPST和CCD最小电噪声能量ECCD:
上两式中,S/N为相机的信噪比,N′e为相机CCD的成像电子数,N′ei(i=1,…,n)为相机CCD的各类噪声产生的电子数,如暗电流噪声等。d2为像元面积;t为积分时间;λ为光子波长;η为光子效率;h为普朗克常数;c为真空中的光速。
则对测环境杂散光能量EEnv有如下要求:
EEnv<(EPST+ECCD)
(2)光源能量的确定
根据测环境杂散光能量EEnv以及相机外表面的反射率γ计算出照射在遥感相机入口光源能量的最大值E0(n+1):
E0(n+1)=EENV/γ
(3)图像采集
由E0(n+1)开始分n次逐渐降低光源的输出能量直到E01,即满足E0(n+1)>E0n>…>E0i>…E01(1<i<n),并在每个能量输出下,采集相机生成的图像,得到CCD像元阵列在不同杂散光条件下的D/N值。本实例中共采集6个图像,如图2所示,即n=5;
(4)剥离测试噪声
图2中各幅图像的像元数相同,并且都是按照50×1000的矩阵进行排列的,即rows=50,cols=1000。记第i(i=1,2,…,6)幅图中,第l(l=1,2,…,50)行、第k(k=1,2,…,1000)列像元接收到的杂散能量为E(i)(l,k),其计算方法如下:
其中,DN(i)(l,k)为第i幅图中,第l行、第k列像元的DN值,k为CCD由电子到DN值的转换系数。
则第j+1幅图像的第l行、第k列像元接收到的杂散能量与第j幅图像的第l行、第k列像元接收到的杂散能量之差ΔE(j)(l,k)(j=1,2,…,5)可由下式计算:
ΔE'(j)(l,k)=E'(j+1)(l,k)-E'(j)(l,k)
图2中由上到下的6幅图像分别对应着光源输入杂散光能量为E01、E02、E03、E04、E05、E06,则第j+1幅图像与第j幅图像的输入能量之差ΔE0j为:
ΔE0j=E0(j+1)-E0(j)
那么,第j+1幅图像与第j幅图像的第l行、第k列像元差分Diff(Ej)(l,k)可由下式计算:
Diff(E'j)(l,k)=ΔE0iPST-ΔE'(j)(l,k)
则这6幅图像第l行、第k列像元的差分平均值计算方法如下:
其中,δj为差分的权重,可由下式计算求得:
对其他各个像元做上述相同计算,即可得到由各个像元的差分平均值构成的rows×cols阶矩阵并记由第1幅图像各个像元的杂散能量构成的rows×cols阶矩阵为E(1),则剥离测试噪声后的矩阵E′0为:
(5)解析E′0是否存在逆矩阵
将剥离测试噪声的大规模数据按照数据规模和数值分布进行处理,分析处理算法会根据输入数据的规模和分布特点采用不同的策略,从而达到快速收敛的目的。若E′0不为方阵,则E′0不可逆,不存在逆矩阵;若E′0为方阵,但是行列式|E'0|=0,则E'0不可逆,不存在逆矩阵;若E'0为方阵,而且行列式|E'0|≠0,则E'0可逆,存在逆矩阵;本实例中由于像元列数远远大于行数,所以E′0不为方阵,不存在逆矩阵;
(6)杂散传递系数的求解
E'0存在逆矩阵,直接进行求解;
E'0不存在逆矩阵,使用最小二乘法、遗传算法等进行求解;
由于本例中E'0不存在逆矩阵,故采用最小二乘法进行求解,结果如下:
X=((E'0)TE'0)-1(E'0)TB
上式中,X为待求的各列的杂散传递系数是一个1×cols阶的向量,从各列的杂散传递系数可以解读出杂散光抑制角度、异常入射角度等信息。,(E'0)T为矩阵E′0的转置,B是一个rows×1阶的向量表征了CCD各行的杂散光总和。
实施例2
对其他相机PST测试过程中产生的图像进行处理时,分析过程同上,可得出相似结果。只是在处理方形CCD图像,并且矩阵E′0存在逆矩阵时,X的求解如下:
X=(E'0)-1B
本发明综合运用了图像处理、差分算法、最小二乘法、遗传算法、非托管代码技术等多种技术手段,解决了PST杂散光测试数据处理过程中,测试噪声定位和剥离不准确或者无法剥离、大规模数据处理稳定性和准确性无法保证、算法可移植性和通用性较差等问题,具有较强的实用性和通用性,是PST测试过程中的关键技术,能够降低测试***对于测试仪器设备的技术要求,同时保证测试精度。
经测试及实验本发明可以满足各类杂散光测试数据处理的需求,并降低此类测试***的前期投入。
本发明中未详细说明的内容属于本领域的公知常识。
Claims (5)
1.一种PST杂散光测试数据处理方法,其特征在于步骤如下:
(1)根据遥感相机的点源透过率PST,以及CCD探测器电学性能,包括光子效率,确定环境杂散光能量EEnv,根据环境杂散光能量EEnv,确定照射在遥感相机入口的光源能量;
(2)在光源输出不同能量状态下,对遥感相机CCD图像进行采集,再对CCD图像进行差分计算,以分离、提取各类测试噪声在CCD探测器上的分布,从而完成测试噪声的剥离,得到剥离了噪声的CCD图像;
(3)对步骤(2)中剥离了噪声的CCD图像进行数理分析,解析出表示剥离了噪声的CCD图像的矩阵是否存在逆矩阵;
(4)若存在逆矩阵,则直接对剥离了噪声的CCD图像的矩阵进行求解,若不存在逆矩阵,则选用最小二乘法或遗传算法或二分法对剥离了噪声的CCD图像的矩阵进行求解,得到遥感相机CCD各列杂散能量传递系数,即CCD每行中各个像元对于该行总的杂散光的贡献能力,以用于后期的图像校正。
2.根据权利要求1所述的一种PST杂散光测试数据处理方法,其特征在于:所述的步骤(1)根据遥感相机的点源透过率PST,以及CCD探测器电学性能,包括光子效率,确定环境杂散光能量EEnv的方法为:分别计算出遥感相机所能接受的杂散光能量下限EPST和CCD最小电噪声能量ECCD,则环境杂散光能量EEnv,要求EEnv<(EPST+ECCD)。
3.根据权利要求1所述的一种PST杂散光测试数据处理方法,其特征在于:所述的步骤(2)中,点源透过率为PST,CCD的像元规模为rows行和cols列,在第i个能量状态下,光源输入杂散光能量为E0i(i=1,2,…,n+1),CCD探测器的第l行、第k列像元接收到的杂散能量为E'(i)(l,k)(l=1,2,…rows;k=1,2,…cols);
那么,第j+1和第j相邻两次的输入能量差值ΔE0j=E0(j+1)-E0j(j=1,2,…,n);而两次第l行、第k列像元接收到的杂散能量差值为ΔE'(j)(l,k)=E'(j+1)(l,k)-E'(j)(l,k),则两次该像元的差分为Diff(Ej)(l,k)=ΔE0iPST-ΔE'(j)(l.k),对该项像元的差分取平均值其中δi为差分的权重,同理可求得其他像元的差分平均值,而各个像元的差分平均值构成了rows×cols阶矩阵,并对应于CCD的rows×cols阶像元,即为测试噪声;CCD探测器在第1个能量状态下每个像元接收的总能量减去该像元的差分平均值即实现测了测试噪声的剥离。
4.根据权利要求3所述的一种PST杂散光测试数据处理方法,其特征在于:CCD的rows×cols阶矩阵的求解难易程度用以衡量数据的病态性。
5.根据权利要求1所述的一种PST杂散光测试数据处理方法,其特征在于:所述的步骤(4)根据解析出表示剥离了噪声的CCD图像的矩阵是否存在逆矩阵,可选择最小二乘法或广义逆最小二乘法、遗传算法、二分法进行相应的计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611073975.2A CN106651793B (zh) | 2016-11-29 | 2016-11-29 | 一种pst杂散光测试数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611073975.2A CN106651793B (zh) | 2016-11-29 | 2016-11-29 | 一种pst杂散光测试数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106651793A CN106651793A (zh) | 2017-05-10 |
CN106651793B true CN106651793B (zh) | 2019-05-24 |
Family
ID=58814967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611073975.2A Active CN106651793B (zh) | 2016-11-29 | 2016-11-29 | 一种pst杂散光测试数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106651793B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108036928B (zh) * | 2017-12-15 | 2023-09-01 | 中国科学院西安光学精密机械研究所 | Pst测试中入瞳电压值标定方法、***及pst测试*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1369743A2 (en) * | 2002-06-07 | 2003-12-10 | Brion Technologies, Inc. | Characterisation of lithography apparatus |
CN102111532A (zh) * | 2010-05-27 | 2011-06-29 | 周渝斌 | 相机镜头遮挡检测***及方法 |
CN103149016A (zh) * | 2013-02-27 | 2013-06-12 | 中国科学院西安光学精密机械研究所 | 待测光学***杂散光检测方法及杂散光检测*** |
CN104966278A (zh) * | 2015-07-17 | 2015-10-07 | 电子科技大学 | 一种去除高光谱图像的噪声的方法及装置 |
CN106154761A (zh) * | 2015-04-15 | 2016-11-23 | 上海微电子装备有限公司 | 一种杂散光测量装置及测量方法 |
-
2016
- 2016-11-29 CN CN201611073975.2A patent/CN106651793B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1369743A2 (en) * | 2002-06-07 | 2003-12-10 | Brion Technologies, Inc. | Characterisation of lithography apparatus |
CN102111532A (zh) * | 2010-05-27 | 2011-06-29 | 周渝斌 | 相机镜头遮挡检测***及方法 |
CN103149016A (zh) * | 2013-02-27 | 2013-06-12 | 中国科学院西安光学精密机械研究所 | 待测光学***杂散光检测方法及杂散光检测*** |
CN106154761A (zh) * | 2015-04-15 | 2016-11-23 | 上海微电子装备有限公司 | 一种杂散光测量装置及测量方法 |
CN104966278A (zh) * | 2015-07-17 | 2015-10-07 | 电子科技大学 | 一种去除高光谱图像的噪声的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106651793A (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Galicher et al. | Astrometric and photometric accuracies in high contrast imaging: The SPHERE speckle calibration tool (SpeCal) | |
US10267729B2 (en) | Systems and methods for detecting gas leaks | |
Stritzinger et al. | The Carnegie Supernova Project I-Photometry data release of low-redshift stripped-envelope supernovae | |
Kim et al. | New modules for the SEDMachine to remove contaminations from cosmic rays and non-target light: BYECR and CONTSEP | |
CN106289532A (zh) | 一种红外热图像的温度提取方法及装置 | |
Duchesne et al. | The remnant radio galaxy associated with NGC 1534 | |
CN106651793B (zh) | 一种pst杂散光测试数据处理方法 | |
CN113639881A (zh) | 色温测试方法及装置、计算机可读介质和电子设备 | |
Covey et al. | The ChaMP Extended Stellar Survey (ChESS): Photometric and Spectroscopic Properties of Serendipitously Detected Stellar X-Ray Sources | |
CN113256733A (zh) | 基于置信度投票卷积神经网络的相机光谱灵敏度重建方法 | |
CN111147742B (zh) | 360度拍照方法、装置、计算机设备和存储介质 | |
CN109141636B (zh) | 一种傅里叶式红外光谱仪等效噪声辐亮度测量方法 | |
CN115830318A (zh) | 基于改进Mask-RCNN网络的重叠烟丝图像分割方法及装置 | |
CN108154478B (zh) | 一种遥感图像处理方法 | |
CN112017180B (zh) | 一种基于大数据的建筑物沉降测量方法、***及存储介质 | |
Forte et al. | The MOTH II Doppler-magnetographs and data calibration pipeline | |
CN114755226A (zh) | 一种锂电池负极的检测方法、装置和介质,一种检测*** | |
CN109141634B (zh) | 红外探测器暗背景值计算方法、装置、设备、***及介质 | |
Lin et al. | A feature domain space transfer method for improving identification of maize haploid seed based on near-infrared spectroscopy | |
TWI494549B (zh) | 利用多核心支援向量迴歸之背光模組輝度檢測方法及檢測器 | |
CN113095368B (zh) | 一种光谱颜色代表性样本选择方法和*** | |
CN109100359A (zh) | 一种基于机器视觉的产品缺陷识别方法 | |
EP3847622B1 (fr) | Mesure d'albédo d'une surface de terrain, sans nécessité d'un albédomètre conventionnel | |
US11798188B2 (en) | Apparatus and method of remotely measuring size of pupil | |
Peipe et al. | Photogrammetric camera calibration software-a comparison |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |