【摘 要】
：
为改善sCMOS读出电路工艺偏差导致的非均匀性问题,本文提出了自适应多点非均匀性校正方法。算法首先以搜寻最小范数点、阈值比较的方式分别确定最优分段点的位置以及最佳分段
【机 构】
：
中国科学院光电技术研究所,电子科技大学光电科学与工程学院,中国科学院云南天文台
【基金项目】
：
国家自然科学基金资助项目(11573066),云南省基础研究计划(2019FA001)。
论文部分内容阅读
为改善sCMOS读出电路工艺偏差导致的非均匀性问题,本文提出了自适应多点非均匀性校正方法。算法首先以搜寻最小范数点、阈值比较的方式分别确定最优分段点的位置以及最佳分段数量,然后再根据这些分段信息在各区间段分别进行两点校正。通过该自适应方法可有效改善传统多点法中由于分段参数选择不当导致的校正性能下降。同时,为实现实时的非均匀性校正,文中根据自适应多点法的算法特点,提出了一种与之匹配的嵌入式数据串流校正方案,可在不影响现有相机采集结构以及采集速率的情况下实现非均匀性的校正。
其他文献
食品科学与工程类专业是应用型新工科专业,对创新精神和实践能力的培养具有很高的要求。以往在人才培养方面存在重科学、轻工程的问题。河南科技大学通过积极探索人才培养模
“畜产品加工”课程在总结多年理论与实训教学基础上,依据国家相关专业教学标准、项目建设要求、畜产品加工行业企业对高素质技能人才的需求,以支撑学校农产品加工与质量检测
为了实现有效与可靠的视频传输,针对水下单光子通信系统,提出了一种基于字典学习和LT码级联LDPC码的视频联合编码方案。通过字典学习稀疏编码,极大地压缩了视频数据量。根据
针对自动驾驶场景中目标检测存在尺度变化、光照变化和缺少距离信息等问题,提出一种极具鲁棒性的多模态数据融合目标检测方法,其主要思想是利用激光雷达提供的深度信息作为附加的特征来训练卷积神经网络(CNN)。首先利用滑动窗对输入数据进行切分匹配网络输入,然后采用两个CNN特征提取器提取RGB图像和点云深度图的特征,将其级联得到融合后的特征图,送入目标检测网络进行候选框的位置回归与分类,最后进行非极大值抑制