高速运动物体视觉形象的进一步探讨

扼要介绍了J．Terrell等人对高速运动物体(直尺、立方体等规则物体)视觉形象的讨论，并进一步探讨了任意形状的高速运动物体的总体视觉形象，给出简明、普适的结果且易于用计算机模拟。     

关于高速运动物体视觉形象的评论

讨论高速运动物体的固有形象、测量形象和视觉形象之间的区别与联系,并给出它们的数学描述.同时对有关Terrell转动和Lorentz收缩的不可见性的一些观点进行评述.     

矩形物体的相对论视觉形象

某些文献已经指出,洛仑兹收缩不是一种观察效应,而是一种测量效应。但国内大多数教学参考书并未注意到这一点,因而颇多谬误。本文通过极简单的推导,给出了矩形物体的相对论视觉形象。     

关于高速运动物体的视觉形象

静止物体的视觉形象不随时间改变,视网膜所感受的和照相底片所记录的相同。对于运动物体的视觉形象,由于视网膜对感受有持续性,它所感受的和照相底片所记录的会有不同。下面讨论物体的视觉形象时,指的是照相底片的记录而不是视网膜的感受。实际上照相机的曝光时间也会改变视觉形象,因此要假设使用理想的快速照相机。高速运动物体的视觉形     

关于高速运动物体的视觉形状讨论的疑点

高速运动物体的长度在运动方向上要有收缩，这是观测的结果．其中，有二个问题：一是它给人的视觉形状，随运动情况、观察者位置的不同而不同，可能会比观测结果长一些，也可能短一些；二是包括对物体观测存在的视觉扭转量．这是两个值得深入进行讨论的疑点．     

高速运动物体的表观形象

自1905年狭义相对论创立到六十年代初,人们一直认为高速结动物体的表观形象,即是它沿着运动的方向作了罗仑兹收缩后的形象,爱因斯坦本人和罗仑兹即持这种观点。虽然在实验上还没有直接观测到,但相信随着科学技术的进步,制造出愈益精密的仪器,将来总会实现的。直到1959年,J. Terrel发表了他的研究,才弄清楚了高速运动物体的表观形象是取决于物体的罗仑兹收缩和光速有限两种效应的综合作用;在小视角的情况下,这个表观形象相当于物体作了一个转动(Terrel转动)后的形象;他还指出;罗仑兹收缩是看不见的。不久前,国内有人认为罗仑兹收缩并非绝对看不到,并提出了小视角的例子为证。本文论析了罗仑兹收缩是看得见的概念,并提供了一个大视角的可以看得见罗仑兹收缩的例子。     

近光速运动物体视觉外形的确定

本文发展了两种确定近光速运动物体视觉外形的简法。一种是直接根据洛伦兹变换所得出的解析法;另一种是使用图解法。这些方法的特点是简单易行,不需要更多的数学和相对论方面的知识。     

高速旋转物体的相对论效应研究

讨论了狭义相对论关于测量的意义，进而研究了高速旋转物体周长测量问题，指出当一个圆盘高速旋转时，其周长测量结果不是２πＲ〗，而是小于２πＲ，收缩比例为一个洛仑兹收缩因子１－ｖ２／ｃ２。     

再论高速运动物体的视觉图像

研究了自左至右高速运动物体,左侧图象的极限位置及左侧图像的规律.     

再论高速运动物体的视觉图像

研究了自左至右高速运动物体，左侧图象的极限位置及左侧图像的规律。     

一种运动图像的检测与识别技术

提出了一套检测和识别视频序列图像中运动物体的算法．该方法在连续3帧视频图像中,分别在第1和第2帧之间、第2和第3帧之间作差分运算,根据未交化区域与运动交化区域服从不同的统计规律设计检测门限,对差分图像作运动变化检测和连通域的识别．将检测到的运动变化图像作去噪和空域分割后,再对得到的两幅差分图像作相与运算以确定运动图像的位置,最后再基于运动物体自身的灰度信患,恢复出完整的运动图像．该算法适于应用在实时视频监控场合,实验结果令人满意．     

智能视频监控中的一种快速运动目标检测方法

为解决现有视频监控系统中目标检测算法无法应付复杂的环境且计算量较大等问题,结合背景模型算法和帧间差分的优点,对混合高斯背景方法和帧间差分进行改进,提出一种基于混合高斯模型背景法和混合差分相结合的运动目标检测改进算法.利用分块思想进行高斯背景建模,利用多帧差分实现混合差分,既能得到较高的灵敏度又能进一步提高检测效果和速度.通过实验证明该算法的可靠性和实时性.     

对运动镜面上的光反射行为的研究

利用四维波矢量的洛伦兹变换,对光在运动镜面上的反射行为作了详细的分析,推导出此情形下入射角与反射角、入射光频率与反射光频率之间的关系.     

改进的混合高斯模型的运动对象分割算法

针对视频序列中运动对象分割问题,提出一种改进的混合高斯模型分割算法.该算法首先由混合高斯模型得到前景,之后用当前帧的前景区域与上一帧对应位置做差,区分出实际变化区域及误检区域并为误检区域赋予较大的更新速率,从而有效地改善了长时间静止物体转为运动后留下的"鬼影"及光线突变导致的大面积误检情况.采用阴影抑制和形态学滤波使得前景目标分割的性能得到有效的提高.实验表明,本算法能够迅速响应实际场景的变化,准确分割出运动对象.     

基于遥感影像的重要地物的变化检测和标注

破坏性灾害会造成巨大危害和损失,灾后一定时间内由于信息匮乏,使得对了解灾情和救灾都极为不利。为了及时获取灾区建筑物、道路、桥梁、水库等重要地物的倒塌和毁坏信息,给出了一种可自动识别和标注灾害前后遥感图像差异区域的方法。首先对时序遥感影像通过三维块匹配(block matching 3D,BM3D)方法去除高斯噪声,然后利用尺度不变特征变换(scale-invariant feature transform, SIFT)方法进行图像配准,通过对差分图像采用Wv＿Canny边缘检测方法获得差异区域重要地物的边缘信息,最后识别并标注出发生变化的重要地物,真实遥感图像实验结果按建筑物变化面积比较,正确率78%～79%,误检率21%～22%,无漏检率。仿真试验和实际遥感影像处理表明：所研究方法可有效识别和标注建筑物等重要地物的差异区,有利于灾后破坏性地物的及时了解和救助工作。     

直线感应电动机高速运动时的终端效应

为了深入了解直线感应电机的端部效应,以提高其性能,建立了直线感应电动机理想的一维数学模型,根据电磁场理论导出气隙方程的解,分析了模型的解及相关参数与磁场和推力的关系.分析表明:直线感应电动机高速运动时的端部效应主要由入端效应波引起,可采取增加电机极数,增大电机的次级电阻、气隙和电源频率,采用双层绕组或增加补偿绕组等措施,减轻端部效应的影响.     

一种基于轮廓特征的运动目标识别方法

针对视频图像中形状匹配的局限性,即当待检测物体出现平移、旋转变化时识别目标需要很长的计算时间,提出了一种基于轮廓特征的运动目标识别方法.首先获取能自动更新的背景图像,采用背景减法提取运动目标的轮廓,然后运用其轮廓的边界不变矩特征和形态学特征,构建一个轮廓特征向量的模型,再分析比较待测运动目标轮廓特征向量与每类标准样本之间的欧氏距离,实现对运动目标的识别分类. 试验结果表明,该方法具有识别精度高、计算量小、实时性好的特点.     

自适应背景下的运动目标检测

智能视频监视就是实时地观测被监视场景的运动目标,如人或车辆等,并且分析描述其行为。在数字视频监控系统中,从视频流里捕获出序列图像并进行实时运动检测是一项重要的功能。采用基于自适应背景相减法的运动目标检测,并结合数学形态学的方法来进行特征提取。该方法由于增强了边缘检测技术,所以有效地提高了检测水平。     

基于实时序列图像复杂背景下运动目标的提取

通过对实时序列图像中运动目标的运动规律的分析,提出一种在复杂背景下运动目标的提取方法,详细讨论了这种目标提取方法和原理,给出了具体的实现方法和该方法应用于实际工作的实验结果数据。通过实验证明,该方法对于克服复杂背景的干扰和有效地提取运动目标具有较好的效果。     

轮胎高速直线稳定性研究

针对不同型号的轮胎进行力学特性试验,建立轮胎模型和车辆动力学模型。实验结果显示,所建模型是正确的,可以进行车辆操纵稳定性仿真实验。通过中心区和回正性仿真试验,研究不同轮胎对车辆直线性的影响。在中立感实验中,轮胎的侧偏刚度越大,侧向加速度、横摆角速度和侧倾角越小。在回正实验中,轮胎的侧偏刚度越大,方向盘转角、横摆角速度和侧倾角的残余越小。仿真结果显示不同侧偏特性的轮胎表现出不同的直线稳定性。