【摘 要】
：
某些种类的植物的光合作用如何变得超级高效一直是一个迷。近期,刊发在《e Life》杂志上的由伦敦大学Lain Johnston博士及剑桥大学Ben Williams博士领导的项目论文阐述了一种新的数学模型,可以用来剖析导致高级光合作用的演化路径。在所有的植物中,大约有3%的植物可以利用一种高级的光合作用形式,使它们比利用低效形式的光合作用的植物效率高出50%。这项新的研究追溯了利用高级光合作用的所
论文部分内容阅读
某些种类的植物的光合作用如何变得超级高效一直是一个迷。近期,刊发在《e Life》杂志上的由伦敦大学Lain Johnston博士及剑桥大学Ben Williams博士领导的项目论文阐述了一种新的数学模型,可以用来剖析导致高级光合作用的演化路径。在所有的植物中,大约有3%的植物可以利用一种高级的光合作用形式,使它们比利用低效形式的光合作用的植物效率高出50%。这项新的研究追溯了利用高级光合作用的所有植物,包括玉米、甘蔗和粟的演化路径,以究其在无直接关联性的前提下,如何
其他文献
在分析IHS变换时发现,IHS变换中亮度分量的计算是从红绿蓝三种颜色中平均提取三分之一作为总亮度,而人眼对绿色最敏感(占60%)、其次是红色(占30%)、再者是蓝色(占10%),故本文对亮度分量的计算公式做了修改。在此基础上,提出了一种改进的IHS变换和小波变换相结合的图像融合方法。首先对多光谱图像进行改进的IHS变换,然后利用小波变换分别对I分量和全色高分辨率图像做小波分解,并对小波低频系数基于
近些年来,随着3D立体显示技术的快速发展,相关硬件设备的逐步普及,市场对3D视频的编辑需求也在逐步上升。3D立体图文编辑作为3D视频编辑的重要组成部分,从最初的简单图文叠加,到目前虚拟三维场景与实际视频场景的完美融合,3D立体图文渲染技术结合智能交互技术,在多媒体交互展示方面也有着广泛的应用。
人脸识别已成为模式识别、图像处理等领域的重要课题。本文对人脸识别技术的现状、应用进行了综述,重点介绍了人脸识别的方法,指出了目前存在的问题及今后的研究发展方向。
为解决场景模型在快速光照变化下失效的问题,提出了一种新的前景目标分割方法。该方法共包括三个步骤。首先,利用全局光照函数建立高斯混合模型;其次,提取当前帧中的纹理、ZNCC及轮廓特征;最后,将提取到的特征分两阶段与高斯混合模型进行融合(第一阶段:融合纹理及ZNCC特征;第二阶段:融合轮廓特征),得到最终的场景分割结果。实验结果表明:该算法具有较好的鲁棒性,并且相较于基于全局光照建模的方法具有更高的精
提出了基于空间虚拟墙的行人越界异常行为自动识别方法。基于人头刚体不变性及其个体类Haar特征的差异性,融合级联分类器与粒子滤波动态跟踪链,实现视频场景下的人头目标跟踪与定位。进而基于人体身高不变性,建立基于行人头顶的三维平面方程及其视频监控场景下的空间虚拟墙,从而将行人跨越二维场景警戒线问题,转化为行人穿越三维空间虚拟警戒墙,实现行人是否越界的有效判断。通过在不同视频场景的实验验证与对比,结果表明
针对低分辨率深度图像上采样容易导致边缘模糊问题,提出了一种基于图像边缘特征的深度上采样算法。一方面,利用相同低分辨率深度和彩色图像的相关性系数,自适应调节深度图像边缘上采样过程中深度和彩色的权重;另一方面,结合上采样值和低分辨率深度图像中邻近像素值,对低分辨率深度图像的不连续区域进行求精操作以进一步减少边缘模糊现象。实验结果表明,本文算法的性能优于近年文献中提出的算法。本算法上采样深度图像的平均坏
基于稀疏运动矢量场,提出一种动态背景下的运动目标区域检测方法。根据运动矢量场特性分析进行全局运动参数估计和全局运动补偿,实现动态场景中的背景校正;利用最大树数据结构,基于运动矢量补偿误差分级表示视频帧中运动基本一致的连通区域,进行运动区域初始分类;根据运动目标在空间上的连通性和运动一致性的特点,选择区域相似性度量准则,进行区域合并和滤波,将具有相似运动的连通区域合并,实现运动目标区域检测。将检测出
为实现强杂波背景下视频的鲁棒跟踪,在常用非线性系统模型的基础上引入柯西高斯混合噪声模型,充分考虑了非高斯噪声前后时刻的状态相关性,并以权重条件最小方差为标准,推导了非高斯相关噪声的最优建议分布函数,在粒子滤波框架内实现了非高斯相关噪声模型时系统状态的准确估计。在新算法的框架内采用多特征自适应融合的方法,实现了强噪声背景下视频目标的鲁棒跟踪。实验结果表明,本文方法扩展了粒子滤波的适用范围,有效提升了
对于某些目标跟踪算法而言,初始位置的选取是否精确是算法能否有效跟踪的关键点之一。从目标的灰度信息分布特点出发,提出一种基于加权信息熵的初始位置修正算法,首先,在搜索窗口中获取测试样本,然后,计算各个样本的加权信息熵,接着,通过先验信息对样本进行筛选,获得熵值最小区域,从而得到修正后的目标位置。从背景和目标的可区分性上来验证算法的有效性,实验结果表明,对于处在复杂背景下的目标,该算法能正确且可靠稳定
针对经典Mean Shift算法在目标跟踪过程中不能自适应目标的形状变化,提出了一种跟踪窗自适应的Mean Shift目标跟踪算法。该算法利用权值图像的矩特征推导出了一种目标真实面积的估计方法,同时利用估计出的目标真实面积校正可表达目标窗口内图像特征的协方差矩阵,从而计算出目标区域的主轴长度和方向。实验结果表明,该方法保留了Mean Shift算法简单、有效的特点,同时该算法的跟踪窗具备当目标发生