Коэффициент неравномерности освещения: Определение коэффициент неравномерности

Содержание

Определение коэффициент неравномерности

Объективным люксметром определяется освещенность в различных местах рабочей поверхности по всему помещению.

Отношение минимальной освещенности к максимальной называется КОЭФФИЦИЕНТОМ НЕРАВНОМЕРНОСТИ. Он должен быть не менее 0,3

Вычисление минимальной освещенности на горизонтальной поверхности через удельную мощность (вт/м2 ). Для определения минимальной освещенности через удельную мощность пользуются формулой:

Е=Ет ∙ Р

где: Е — минимальная горизонтальная освещенность при данной мощности ламп на каждый кв. метр помещения;

Ет — минимальная горизонтальная освещенность, соответствующая удельной мощности 1 ватт на кв. метр помещения.

р — фактическая удельная мощность ламп для данного помещения, вычисляемая путем деления суммарной мощности всех ламп в данном помещении в ваттах на площадь данного помещения.

Ет — находится по прилагаемым таблицам (табл. 3,4) в соответствии с напряжением в сети, типом светильника и мощностью (не суммарной) прилагаемых ламп.

  1. Устный опрос

  2. Контроль итогового уровня знаний

1 Биологическое значение видимого света:

— обеспечивает возможность свето- и цветоощущения

  • обладает загарным эффектом

  • обладает антирахитическим эффектом

  • обладает обеззараживающим действием

  • обладает тепловым эффектом

2 Какой длиной волны характеризуется видимый спектр дневного света?

  • свыше 4 00 ммк

  • ниже 4 0 0 ммк

— 400 — 760 ммк

  • 760 — 1200 ммк

  • свыше 12 00 ммк

3 Что такое «коэффициент естественной освещенности»?

  • степень задержки света оконными стеклами

  • отношение застекленной поверхности окон к площади пола

— отношение горизонтальной освещенности рабочего места к одновременной горизонтальнойосвещенности под открытым небос­водом

  • отношение горизонтальной освещенности к вертикальной

  • угол между верхним и нижним краем окна из точки рабочего места

4 Что такое «коэффициент заглубления»?

— отношение высоты окна к глубине помещения

— отношение высоты верхнего края окна от пола к глубине помещения

— отношение площади застекленной поверхности окон к площади пола

— отношение горизонтальной освещенности рабочей поверхности к одновременной освещенности под открытым небосводом

5. Что такое «удельная мощность освещения»?

  • отношение силы света к площади рабочего места

  • отношение освещенности рабочего места к площади пола

  • отношение площади застекленной поверхности окон к площади пола

— отношение суммарной мощности ламп к площади пола (Вт/кв.м)

6. Нормативы удельной мощности люминесцентных ламп для учебных помещений:

-15-20 Вт/кв м

-20-23 Вт/кв м

-30-35 Вт/кв м

-42-48 Вт/кв м

-48-60 Вт/кв м

7. Нормативы освещенности для учебных помещений с повышенной нагрузкой на орган зрения:

  • 150 — 200 лк

  • 200 — 300 лк

  • 250 — 350 лк

— 400 — 500 лк

8 Чем измеряется освещенность рабочих поверхностей?

— люксметром

— бутирометром

9.

На чем основан принцип действия люксметра?

— на явлении фотоэффекта

10. Основной показатель для оценки освещенности рабочего места:

— коэффициент естественной освещенности

— световой коэффициент

11 Какой длиной волны характеризуется ультрафиолетовый спектр дневного света?

— ниже 400 ммк

  • 400 — 760 ммк

  • 760 — 1200 ммк

  • свыше 1200 ммк

12 Что такое «световой коэффициент»?

— степень задержки света оконными стеклами

— отношение застекленной поверхности окон к площади пола

— отношение горизонтальной освещенности к вертикальной

— отношение горизонтальной освещенности на рабочей по­верхности к одновременной горизонтальной освещенности под открытым небосводом

13 Что такое «угол падения»?

— угол между верхним и нижним краем окна от точки рабоче­го места

14 Что такое «угол отверстия»?

— угол между верхним и нижним краем окна от точки рабочего места

— угол между верхним краем окна и верхним краем затеняю­щего объекта от точки рабочего места

— угол между верхним и нижним краем форточки от точки рабочего места

15 Рекомендуемая величина СК в жилых помещениях:

-1:2-1:4

-1:4-1:6

-1:6-1:8

-1:8-1:10

-1:5-1:7

Неравномерность — освещенность — Большая Энциклопедия Нефти и Газа, статья, страница 1

Неравномерность — освещенность

Cтраница 1

Неравномерность освещенности допускается повышать до трех в тех случаях, когда по условиям технологии светильники общего освещения могут устанавливаться только на площадках, колоннах или стенах помещения.

 [1]

Неравномерность освещенности Етт / Ет — т в зоне размещения рабочих мест для работ I-III разрядов при люминесцентных лампах должна быть не более 1 3, при других источниках света — 1 5; для работ разрядов IV-VII — 1 5 и 2 0 соответственно.  [2]

Неравномерность освещенности рабочего объема счетчика в плоскости, перпендикулярной траектории полета частиц, приводит к тому, что частицам одинакового размера будут соответствовать различные сигналы. Частицы, пролетающие че рез периферийные, хуже освещенные области сечения, будут зарегистрированы как частицы меньшего размера.  [3]

Коэффициент неравномерности освещенности z численно равен отношению средней освещенности к минимальной. Он зависит прежде всего от светораспределения и размещения светильников по помещению. Обычно при расчетах значения z принимают равными 1 10 — 1 15, причем большее значение относится к случаям использования ламп накаливания и разрядных ламп высокого давления.  [4]

Коэффициент неравномерности освещенности на рабочих местах не должен превышать 2 при использовании ОП с ГЛВД и 1 5 — при ОП с ЛЛ.  [6]

При регламентации неравномерности освещенности по освещаемому помещению в зоне рабочих мест было установлено что при оптимальных по энергетическим показателям значениях отношения расстояния между светильниками / к высоте их подвеса h можно допустить Emax / Emin2 для светильников с косинусным све-торасиределением и Emax / Em n l 5 для светильников с глубоким светораспределением. Расчеты, проведенные в [ 8.241, подтверждают эти выводы.  [8]

Такие источники снижают неравномерность освещенности экрана

даже при использовании их совместно с апланатическими конденсорами.  [9]

Отметим, что неравномерность освещенности спекл-интерферограммы обусловлена неоднородностью фильтруемого поля, имеющего большую яркость вблизи оптической оси.  [11]

В действительности форма импульса близка к колоколообразной вследствие неравномерности освещенности рабочего объема счетчика по направлению движения частицы. При Тимп / 2 г э Тимп импульсы перекрываются.  [12]

Применение точечного метода целесообразно для расчета установок с повышенной неравномерностью освещенности ( локализованное освещение светильниками прямого света, наружное освещение, рассчитываемое на минимальную освещенность, местное освещение, аварийное освещение), а также для расчета освещения негоризонтальных поверхностей, выполненного светильниками прямого света.  [13]

Поэтому изображение светящегося объема смещается относительно щели или объектива коллиматора, что вызывает неравномерность освещенности спектральной линии.  [14]

Многочисленными исследованиями освещенности лестничных клеток жилых зданий различных типов и лет постройки, анализом неравномерности освещенности в пределах лестничных площадок и маршей показана целесообразность снижения нормы минимальной освещенности лестничных клеток с 50 до 10 лк ( при люминесцентном освещении) и соответствующее снижение нормы при установке ламп накаливания.  [15]

Страницы:      1    2    3

Расчет светодиодного освещения помещений — Светодиодные светильники

Расчет светодиодного освещения помещений основан на определенных нормах, поэтому для расчета необходимого количества светодиодных светильников используют один из двух способов:

Первый способ расчета основан на специальных программах расчетов освещения, таких как DiaLux и Calculux. Наши специалисты помогут Вам в кратчайшие сроки рассчитать необходимое количество светодиодных светильников для того или иного помещения учитывая все пожелания заказчика.

Расчет светодиодного освещения самостоятельно

Для желающих потренироваться в самостоятельном расчете мы предлагаем второй способ. При расчете необходимой мощности освещенности используют метод коэффициента использования.

Формулы расчета необходимой освещенности

S=a*b – получаем площадь помещения.

Индекс помещения определяется по формуле: i=S/(hp*(a+b))

hp=(h-(h2+h3)) – рсчетная высота , где h – высота помещения, h2 – высота подвеса светильника, h3 – определяющее расстояние от пола до необходимой рабочей поверхности например стола.

Необходимое количество светодиодных декоративных светильников или светодиодных ламп

N=(E*S*k*z*100)/(n*F*m), где:

E – требуемая освещенность в соответствии с СНиП

S – площадь пространства помещения

k – коэффициент запаса светодиодных светильников = 1,1

z – числовое соотношение неравномерности освещения = 1

n – количество светодиодных ламп

F – световой поток светодиодных источников света

m – коэффициент источника света = 1

На все вопросы Вам помогут ответить наши сотрудники.

Преимущества светодиодных светильников

Одним из направлений решения вопроса всеобщей экономии энергоресурсов является внедрение энергосберегающих технологий в освещение внутренних интерьеров домов и квартир. На смену энергозатратным лампам накаливания приходит современное, наиболее экономичное и надежное светодиодное освещение. На сегодняшний день светодиодные светильники обладают рядом преимуществ:

  • в светодиодных светильниках отсутствует мерцание, ультрафиолетовое и инфракрасное излучение, что делает их абсолютно безвредными для глаз.- светодиодные источники света не содержат в своей конструкции вредных веществ влияющих на здоровье человека.
  • Светоотдача светодиодных ламп 7-10 Вт соответствует параметрам ламп накаливания 75-100 Вт.
  • Конструкция светодиодных ламп соответствует стандартам в уже существующих светильниках декоративного освещения, люстр, бра и прожекторах уличного освещения.

Задача 1 — Безопасность жизнедеятельности

Во взрывоопасном производственном помещении класса В-Па требуется создать общее равномерное освещение светильниками с лампами накаливания. Длина помещения 96м, ширина 50 м, высота 6 м. Наибольший свес светильника hc=0,8м. Высота рабочей поверхности hп= 1 м. Коэффициент отражения: потолка – 70%, стен – 50%, рабочей поверхности – 10%. Коэффициент неравномерности освещения 1,15. Запыленность воздуха в помещении около12 мг/м светлой пыли. Выполняемые работы связаны с необходимостью четкого различия предметов размером более 5 мм. Напряжение осветительной сети 220В. Мощность ламп 150 Вт.

Произведите светотехнический расчет и определите тип светильников, их количество и общую установленную мощность для обеспечения нормированной освещенности.

Решение:

1. Выбор системы освещения

Согласно условию можно отнести категорию  выполняемых работ к работам малой точности с присвоением  разряда VI.

В соответствии с выбранным разрядом зрительных работ наименьшая освещенность рабочей поверхности Еmin  принимается  равной   50 лк.

2. Определение коэффициента запаса

       Коэффициент запаса k учитывает запыленность помещения, снижение светового потока ламп в процессе эксплуатации. Для проиизводственного помещения с лампами накаливания k  = 1, 7.

Внимание!

Если вам нужна помощь в написании работы, то рекомендуем обратиться к профессионалам. Более 70 000 авторов готовы помочь вам прямо сейчас. Бесплатные корректировки и доработки. Узнайте стоимость своей работы.

 3. Определение коэффициента минимальной освещенности Z

Коэффициент минимальной освещенности Z характеризует неравномерность освещения. Он является функцией многих переменных и в наибольшей степени зависит от отношения расстояния между светильниками к расчетной высоте (L / h).

При расположении светильников в линию (ряд), если выдержано наивыгоднейшее отношение L / h, для  ЛДЦ рекомендуется принимать  Z = 1,1.

4. Определение коэффициент использования светового потока h

Для определения коэффициента использования светового потока h находят индекс помещения i и предполагаемые коэффициенты отражения поверхностей помещения: потолка rп = 70, стен rс,=50, раб поверхности rр. =10

5. Расчет индекса помещения i

Индекс помещения определяется по следующему выражению:

                                                   ,

 где А, В, h – длина, ширина и расчетная высота (высота подвеса светильника над рабочей поверхностью) помещения, м .

                                                 ,                                                  

где H – геометрическая высота помещения;

      hсв – свес светильника. Принимаем hсв = 0,8 м;

      hp – высота рабочей поверхности. hp = 1, 0 м.

Тогда h = 4,2 м и  индекс помещения i = 7,8.

Коэффициент использования светового потока h есть сложная функция, зависящая от типа светильника, индекса помещения, коэффициента отражения потолка стен и пола.

По справочным таблицам методом интерполяции находим  h = 38,2 %.

Рассчитываем число светильников

N = S / (L·M),

где S – площадь помещения, S = 4800.

L – расстояние между опорами светильников, L = 1,7577·H = 1,7577·6 = 10.54 м.

М – расстояние между параллельными рядами, , M≥ 0.6*6 = 3.6 м

N = 4800 / (10.5*3.6) = 127 шт.

ФЛ =  50*4800*1,1*1,7/ 127*0,382= 9251 лм

Освещаемая площадь принимается равной площади цеха: S = AB = 4800 м2

Ф л. расч. =9251/3 = 3083,6 лм

Ф л. табл.. =1450

Выбранная лампа ЛДЦ 30.

Таким образом, при использовании ламп типа ЛДЦ  — 80 по 3 в каждом

светильнике необходимое для обеспечения  нормированной освещенности количество светильников N = 127.

Потребляемая мощность, Вт, осветительной установки

,

Р = 150*127*3=57150 Вт.

Эскиз системы общего освещения имеет вид:

Отметим, что наиболее оптимальный вариант расположения светильников будет при L1 = B/2, а L2 = B/4. Тогда принимаем в нашем случае  L1 = 25 м , L2 = 12,5 м.

Поможем написать любую работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту

Узнать стоимость

Расчет освещенности

     Рассмотрим три наиболее часто используемые осветительные системы с люминесцентными лампами.

1). Светильники с отражателями и экранирующей решеткой из анодированного алюминия. Оптическая схема светильника показана на Рис. 1. Световой поток нижней полусферы ламп непосредственно направлен на освещаемую поверхность, а для направления светового потока верхней полусферы ламп используется отражатель. Это наиболее распространенная конструкция светильников для офисных помещений, встраиваемых в подвесные потолки.

 Оптическая схема светильника с отражателем

Рис.1 Оптическая схема светильника с отражателем

    Графики зависимостей коэффициентов использования светового потока светильника от индекса помещения при разных коэффициентах отражения показаны на Рис.2.

 Коэффициенты использования светильника с отражателем

Рис. 2 Коэффициенты использования светильника с отражателем

2). Светильники отраженного света, в которых световой поток как нижней, так и верхней полусфер ламп попадает на освещаемую поверхность после отражения от отражателей светильника. Оптическая схема светильника показана на Рис. 3. Данный светильник так же предназначен для подвесных потолков. Они имеют низкие значения коэффициентов использования за счет потерь светового потока в конструктивных элементах светильника, но по показателям ослепленности они значительно превосходят другие типы осветительных приборов.

 Оптическая схема светильника отраженного света

Рис. 3 Оптическая схема светильника отраженного света

    Графики коэффициентов использования для таких светильников показаны на Рис. 4

 Коэффициенты использования светильника отраженного света

Рис. 4 Коэффициенты использования светильника отраженного света

3). Светильники прямого и отраженного света, в которых световой поток нижней полусферы ламп направлен на освещаемую поверхность, а верхней полусферы – на потолок. В таких светильниках можно добиться коэффициентов использования светового потока, близких к 1, при большой отражающей способности потолка. Оптическая схема светильника показана на Рис. 5. Данный осветительный прибор относится к классу подвесных светильников.

 Оптическая схема светильника прямого и отраженного света

Рис. 5 Оптическая схема светильника прямого и отраженного света

Графики коэффициентов использования представлены на Рис. 6.

Коэффициенты использования светильника прямого и отраженного света

Рис. 6 Коэффициенты использования светильника прямого и отраженного света

   

    Чаще задача заключается в нахождении количества светильников N, обеспечивающих требуемую освещенность. Для этого выражение (1) представим в виде:

N= Eср S k/U n Фл    (3),

    В выражении (3) использована средняя освещенность, но нормируется минимальная освещенность Eн в помещении, поэтому в выражение (3) добавим коэффициент z=Eср/Emin, который можно принять равным 1,1 при количестве светильников более 4 в помещениях с отношением длины к ширине менее 3; 1,2 при количестве светильников 2 – 4 и 1,4 при использовании одного светильника в помещении, либо в помещениях с большим отношением длины к ширине (в длинных коридорах).

N= Eн S k z/U n Фл       (4),

При проектировании освещения всегда необходимо контролировать суммарную мощность использованных источников света и удельную мощность, измеряемую как отношение суммы мощностей всех ламп к площади освещаемого помещения:

Рудсумм/S, Вт/м2        (5),

    Для однотипных помещений иногда расчет освещенности выполняют по величине удельной мощности, хотя точность такого расчета, как правило, не высока.

    При использовании светильников с пускорегулирующей аппаратурой (ПРА), мощность, потребляемая светильниками от электрической сети, всегда будет больше, чем суммарная мощность ламп вследствие потерь в ПРА.

    При проведении вычислений удобно пользоваться электронными таблицами Excel. Для расчетов необходимо использовать формулы 2, 4 и 5. Применение электронных таблиц позволяет оперативно выполнить расчеты при использовании различных светильников.

    В приложенном к статье файле «Примеры расчета освещенности» представлены результаты вычислений освещенности при использовании светильников, содержащих четыре люминесцентных лампы с улучшенной цветопередачей мощностью 18 Вт, которые имеют длину 600 мм, диаметр 26 мм, цоколь G13 и световой поток 1350 лм. Расчеты выполнены для помещений площадью 24 м2, 40 м2, 80 м2, 150 м2 и 300 м2. Рассмотрен вариант помещений со светлыми поверхностями (коэффициенты отражения потолка, стен и пола 80, 50 и 30 %) и темными (коэффициенты отражения потолка, стен и пола 30, 30 и 10 %). Результаты вычислений показаны на рисунках 7, 8 и 9. Данный файл можно скачать и пользоваться им для своих расчетов, вводя в его поля свои данные. Что бы файл случайно не «испортить», его желательно хранить в отдельной папке, а для выполнения расчетов копировать в другую папку.

 Результаты вычисления освещенности – светильники с отражателем

Рис. 7 Результаты вычисления освещенности – светильники с отражателем

 

 

Рис. 8 Результаты вычисления освещенности – светильники отраженного света

 

 

Рис. 9 Результаты вычисления освещенности – светильники прямого и отраженного света

 

    Как видно из представленных результатов вычислений, по энергоэффективности светильники прямого и отраженного света превосходят светильники с отражателями только в помещениях со светлыми поверхностями, имеющих площадь не менее 50 – 80 м2. Хотя их часто используют для освещения небольших кабинетов ввиду их оригинального дизайна.

    Светильники отраженного света чаще используют для освещения помещений с нормированной освещенностью не более 300 лк.

    При проектировании освещения иногда необходимо учитывать устанавливаемую в помещениях мебель, так как она коренным образом может повлиять на отражающую способность стен, и, как правило, снизить освещенность в помещении.

    В больших помещениях светильники необходимо располагать максимально равномерно по потолку, если нет необходимости осуществлять их привязку к проходам и оборудованию. В каждом конкретном случае индивидуально выбирают места установки осветительных приборов.

17 июля  2013 г.

    К ОГЛАВЛЕНИЮ (Все статьи сайта)

    К разделу  СВЕТИЛЬНИКИ 

Проектирование освещения

Определение площади помещения: S=a • b
Определение индекса помещения:

Определение требуемого количества светильников:

Офис подвесные потолки «Байкал», светло-зеленые обои, серый ковролин

ПомещениеОсвещенность (лк) по российским нормам (СНиП 23-05-95)Освещенность (лк) по международным нормам (МКО)
1 Рабочие кабинеты, офисы 300 500
2 Проектные и конструкторские бюро 500 750
3 Кабинеты для работы с ПЭВМ 400 500
4 Учебные аудитории и классы 300 300
5 Кабинеты в медицинских учреждениях 300 300-500
6 Конференц-залы 200 500
7 Помещения общественного питания 200 200-300
8 Торговые залы магазинов 200-500 300-500
9 Спортивные залы 200 500
10 Коридоры 75 100
ПоверхностьМатериалКоэффициент отражения, %
Потолок Бетон 40
Штукатурка 73
Плитка подвесного потолка белая 70
Плитка подвесного потолка светло-серая 50
Стены Пластик светлый 60
Гипсокартон белый 80
Обои (желтые, бежевые, розовые) 50
Обои (голубые, светло-зеленые) 30
Обои (красные, коричневые) 20
Пол Плитка однотонная светлая 30
Паркетная доска светлая 20
Паркетная доска темная 10
Ламинат светлый (ясень) 30
Линолеум светло-серый 20
Ковролин однотонный серый 10

Искусственное освещение 2 | Гигиена

Система искусственного освещения помещений может быть общей или комбинированной.

При общей системе освещения светильники размещают на потолке. Их располагают симметрично или локализованно. Симметричное расположение светильников применяется с целью создания более или менее равномерной освещенности по всему помещению и рекомендуется при равномерном размещении рабочих мест, локализованное — при неравномерном размещении рабочих мест и оборудования; в этом случае преследуется цель создания наиболее выгодного направления светового потока на рабочую поверхность, следовательно, размещение светильников будет зависеть от расположения рабочего места и характера оборудования (например, над ассистентским столом в аптеке).

При комбинированной системе освещения в помещении, кроме общего освещения, имеется местное освещение — непосредственно на рабочем месте. Эта система преследует цель создания высоких уровней освещенности на рабочей поверхности при малых экономических затратах.

При устройстве комбинированного освещения освещенность на рабочей поверхности от светильников общего освещения должна составлять не менее 10% освещенности, создаваемой на рабочей поверхности комбинированным освещением, чтобы не было резкого контраста между освещенностью рабочей поверхности и окружающего пространства. По этой же причине применение только местного освещения не допускается.

Одним из важных гигиенических требований, предъявляемых к искусственному освещению, является обеспечение достаточного уровня освещенности.

Работа в условиях недостаточного освещения вызывает резкое напряжение зрения, что может привести к быстрому утомлению глаз, появлению головной боли и ухудшению самочувствия работающего.

При недостаточном освещении приходится рассматривать предмет, чрезмерно приблизив его к глазам. Глаза при этом сильно конвергируют, глазное яблоко постепенно деформируется, удлиняется в передне-заднем направлении. Длительная работа в таких условиях может привести к постепенному развитию близорукости. Поэтому уровень искусственного освещения должен соответствовать существующим гигиеническим нормам. В таблице 11 приведены нормы освещенности (в люксах) для жилых помещений, предусмотренные санитарным законодательством (из СН 245-63).

Таблица 11. Нормы искусственной освещенности для жилых зданий
Наименование помещений Наименьшая освещенность в лк
при люминесцентных лампах при лампах накаливания
Жилые комнаты
Кухня
Коридор, передняя
Санитарный узел
Лестница
75
100
50
50
50
30
30
10
10
10

Интенсивность освещенности в люксах измеряется с помощью приборов — объективных люксметров (рис. 34). Объективные люксметры существуют различной конструкции, но все они состоят из фотоэлемента и электроизмерительного прибора (гальванометра). Свет, падающий на фотоэлемент, трансформируется в нем в электрическую энергию, возникает фототок, который регистрируется гальванометром. Сила тока пропорциональна интенсивности освещения. По отклонению стрелки гальванометра судят о величине освещенности.


Рис. 34. Объективный люксметр.
1 — фотоэлемент; 2 — гальванометр.

Минимальную величину освещенности в люксах при искусственном освещении помещения можно определить без прибора приближенным методом. Для этого находят удельную мощность ламп в ваттах на 1, м2 площади помещения и умножают ее на коэффициент «е», указанный в таблице 12.

Таблица 12. Значение коэффициента «е» (для помещения площадью не более 50 м2)
Мощность ламп При напряжении в сети
110 в 120 в. 127 в 220 в
До 100 Вт
100 Вт и выше
2,4
3,2
2,0
2,5

Важное значение имеет равномерность освещения. Она характеризуется коэффициентом неравномерности, под которым подразумевается отношение наименьшей освещенности к наибольшей в одной плоскости. При переводе взгляда с более освещенной поверхности на менее освещенную поверхность и наоборот глазам приходится адаптироваться, т. е. приспосабливаться к изменению яркости поверхности. Частый переход от одной яркости к другой вызывает утомление органа зрения за счет смены адаптации. Поэтому не допускается резкая разница в освещенности рабочего места и окружающих предметов (что наблюдается при одном местном освещении).

Коэффициент неравномерности должен быть не менее 1 : 3 в плоскости на протяжении 5 м и не менее 1:2 в плоскости на протяжении 0,75 м.

Необходимо также защищать орган зрения от вредного слепящего действия источника света. Это достигается помещением источника света в арматуру и регламентацией высоты подвеса светильников над полом. Чем выше подвешен светильник, тем меньше слепящее действие источника света. С этой точки зрения наиболее целесообразны светильники отраженного света, направляющие весь световой поток в верхнюю зону помещения и полностью защищающие глаза от действия слепящих яркостей. В светильниках рассеянного света защита от блескости осуществляется при помощи светорассеивающих колпаков.

В светильниках прямого света попадание в глаза светового потока лампы ограничивается арматурой с большим защитным углом. Защитный угол — это угол, образуемый горизонтальной линией, проходящей через нить накала лампы, и линией, идущей от нити накаливания к нижнему краю арматуры светильника (рис. 35). В пределах защитного угла глаз полностью защищен от прямых световых лучей лампы. Для местного освещения должны применяться светильники прямого света, имеющие арматуру с защитным углом не менее 30°. В качестве светильника местного освещения можно рекомендовать светильник типа «Альфа», в котором лампа заключена в глубокий металлический колпак, покрытый сверху темной, внутри белой эмалью. В светильниках с люминесцентными лампами ограничение слепящего действия источников достигается установкой экранирующих решеток.


Рис. 35. Защитный угол светильника (эмалированный глубокоизлучатель).


Страницы: 1 2

(PDF) Коррекция неравномерного освещения (виньетирования) на изображениях цифровой микроскопии

КРАТКИЙ ОТЧЕТ

Коррекция неравномерного освещения (виньетирование) на цифровых изображениях микроскопа

FJ WM Leong, M Brady, J O’D McGee

………………………………………….. ………………………………………….. …………………….

J Clin Pathol

2003; 56: 619–621

Предыстория: многие цифровые микроскопические изображения страдают от

плохая освещенность на периферии (виньетирование), часто

связано с факторами, связанными с световым путем между камерой

и микроскопом.Обычно используемый метод коррекции

заключался в использовании освещения пустого поля

в качестве корректирующего фильтра (коррекция затенения белого).

Цели: разработать альтернативный метод коррекции затенения

, который не требует этого дополнительного изображения.

Методы / результаты: В этом отчете описывается альтернативный метод коррекции shad-

ing, основанный на внутренних свойствах изображения

, которые проявляются с помощью сглаживания Gaus-

.Этот метод может быть реализован в

Adobe Photoshop или другом программном обеспечении для редактирования графики, а

хорошо работает как с гематоксилином, так и с эозином, а также с гистохимическими изображениями иммуно-

.

Выводы: Этот метод обеспечивает эффективное средство

оптимизации внешнего вида изображений цифровой микроскопии для печати

, анализа изображений или телепатологии.

Низкая стоимость цифровых изображений выросла в геометрической прогрессии по сравнению с

за последние несколько лет, и популярность цифровой микроскопии

соответственно возросла.Тем не менее,

теоретических и практических знаний по этому предмету среди практикующих патологоанатомов привели к

, не совпадающим с этим ростом, и многие пользователи разочарованы

их ранними результатами.

Камеры, такие как серия Nikon Coolpix и Olympus

C-3030/4030 — это домашние камеры среднего класса, которые

можно адаптировать к стандартным адаптерам крепления C и установить поверх

микроскопа. Те, кто не желает платить за эту опцию, могут получить разумные снимки

, поднеся камеру к линзе окуляра микроскопа

.1

Распространенной проблемой, независимо от типа камеры и способа крепления

микроскопа, является неравномерное освещение

краев изображения, иначе известное как виньетирование. Это

может быть отнесено к нескольким факторам, связанным с освещением

нити, конструкцией светового пути между камерой и

микроскопом или поведением устройства формирования изображения. 2. Обычные цифровые камеры — например, не предназначены для микроскопии

, и многие из их автоматических функций

могут мешать правильным настройкам диафрагмы и экспозиции.

«Обычной проблемой, независимо от типа камеры

и способа крепления микроскопа, является неравномерное

освещение по краям изображения, иначе известное

как виньетирование»

Более дорогие специализированные камеры для микроскопии, такие как

Nikon DXM1200 и ProgRes C14 имеют функцию в своем программном обеспечении для захвата изображений

, известную как «коррекция затенения белого

tion», чтобы уменьшить проблему виньетирования. Это работает следующим образом:

снимает фотографию пустого (белого) изображения и вычитает или

разделяет его пиксель за пикселем из изображения, которое необходимо исправить.Затем выполняется нормализация яркости

, чтобы улучшить внешний вид

. Это одно из преимуществ работы с цифровым носителем

по сравнению с традиционными химическими изображениями

. К сожалению, изображение с коррекцией затенения белого должно быть

, полученным для каждого увеличения объектива и пересчитанным, если

настройки освещенности микроскопа изменены.

Для тех, кто использует простые методы, такие как поднесение цифровой камеры

к окуляру, эта задача трудна и неточна, особенно с учетом различий в расположении камеры

относительно окуляра между фотографиями.

В других ситуациях виньетирование не является очевидным при получении изображений

и становится очевидным только тогда, когда микроскоп

регулирует контраст или яркость в своем программном обеспечении для редактирования изображений.

. К тому времени может быть слишком поздно делать белое эталонное изображение

. В отсутствие понимания, чтобы избежать этого,

обойти проблему, обрезая изображение, тем самым уменьшив

поля зрения изображения. Другие пытаются компенсировать

, приближая градиент затенения, но это ненадежно и

неточно, особенно когда неравномерное освещение

асимметрично.Ликар и его коллеги3 и Русс4 описали

различных подходов к коррекции затенения. Принцип

метода Ликара и др. Включал моделирование процесса создания изображения

двумя параметрическими компонентами и использовал энтропию как меру

глобальной однородности интенсивности. Их исправленное изображение

было изображением, в котором энтропия была минимизирована. Этот метод

хорошо адаптируется к неравномерности фона освещения, а

— также к неравномерности освещаемого объекта.Расс имеет

описанных значений интенсивности выборки изображения и использует метод наименьших квадратов

для определения полиномиальной функции B (x, y)

, которая аппроксимирует фон. Он также отдельно обсудил

, используя сравнение значений интенсивности соседства рангов

сыновей и преобразование Фурье для разделения фонового освещения на основе того, что это низкочастотный сигнал.4

Мы описываем метод коррекции затенения, который

не требует эталонного белого изображения.Вместо этого он извлекает базовый образец освещения

и использует его для коррекции изображения

. Его реализация проста и использует

относительно распространенного программного обеспечения.

МЕТОДЫ

Наш метод основан на предположении, что неравномерное освещение

является аддитивным низкочастотным сигналом. Следовательно, фильтр нижних частот

можно использовать для извлечения его из изображения. Эта фильтрация

может быть достигнута путем свертки изображения p (x) с гауссовым ядром

.Функция Гаусса G (x, y) определяется как:

, где σ определяет эффективный разброс функции. Эффект

этой функции заключается в ограничении пространственных частот в изображении

, что приводит к потере четкости границ и усреднению значений интенсивности

. 56 Чем больше значение σ, тем сильнее эффект сглаживания

. Аппроксимация затенения таким образом

619

www.jclinpath.com

(PDF) Алгоритм коррекции неравномерного освещения для изображений с оптическим дистанционным зондированием, покрытых тонкими облаками

Remote Sens.2015, 7 11862

14. Rahman, Z .; Джобсон, Д.Дж .; Вуделл, Г.А. Исследование взаимосвязи между улучшением изображения

и сжатием изображения в контексте многомасштабного ретинекса. J. Vis. Commun.

Изображение Представлено. 2011, 22, 237–250.

15. Ли, С. Эффективное улучшение изображения на основе содержимого в сжатой области с использованием теории retinex

. IEEE. Пер. Circuits Syst. Video Technol. 2007, 17, 199–213.

16. Ли, Х.F .; Zhang, L.P .; Шен, Х.Ф. Вдохновленный восприятием вариационный метод коррекции неравномерной интенсивности

изображений дистанционного зондирования. IEEE Trans. Geosci. Remote Sens. 2012, 50,

3053–3065.

17. Du, Y .; Guindon, B .; Cihlar, J. Обнаружение и удаление дымки на спутниковых изображениях высокого разрешения с помощью вейвлет-анализа

. IEEE Trans. Geosci. Дистанционный сенсор 2002, 40, 210–217.

18. Nnolim, U .; Ли П. Гомоморфная фильтрация цветных изображений с использованием ядра пространственного фильтра в цветовом пространстве

HSI.В материалах 25-й конференции IEEE Instrumentation and Measurement Technology

, Виктория, Канада, 12–15 мая 2008 г .; С. 1738–1743.

19. Liu, J .; Ван, X .; Chen, M .; Liu, S.G .; Shao, Z.F .; Чжоу, X.R .; Лю П. Освещение и контраст

балансировка для изображений дистанционного зондирования. Remote Sens. 2014, 6, 1102–1123.

20. Wang, M .; Pan, J .; Chen, S.Q .; Ли, Х. Способ устранения явления неравномерного освещения

для оптического изображения дистанционного зондирования.В материалах 25-го Международного симпозиума IEEE International Geoscience и

симпозиума по дистанционному зондированию (IGARSS 2005), Сеул, Корея, 25–29 июля 2005 г . ; С. 3243–3246.

21. Юань, X.X .; Han, Y.T .; Fang, Y. Улучшенный алгоритм уклонения маски для аэрофотоснимков. J. Remote

Sens. 2014, 18, 630–641.

22. Zhang, Z .; Zhu, B.S .; Zhu, S.L .; Цао, В. Улучшенный метод уклонения от маски на основе вейвлета.

J. Remote Sens. 2009, 13, 1074–1081.

23. Pratt, W.К. Цифровая обработка изображений, 3-е изд .; Wiley: New York, NY, USA, 2001.

24. Smith, A.R. Пары преобразования цветовой гаммы. ACM SIGGRAPH Comput. График. 1978, 12, 12–19.

25. Androutsos, D .; Plataniotis, K.N .; Венецанопулос, А. Новый векторный подход к поиску цветных изображений

с использованием векторной угловой меры расстояния. Comput. Vis. Image Underst. 1999,

75, 46–58.

26. Gonzalez, R.C .; Вудс, Р. Цифровая обработка изображений, 3-е изд.; Addison-Wesley: MA, USA, 2009.

27. Chu, H .; Чжу, W.L. Объединение спутниковых изображений Ikonos с использованием преобразования IHS и местных вариаций.

IEEE Geosci. Remote Sens. Lett. 2008, 5, 653–657.

28. Маллат, С.Г. Теория разложения сигналов с разным разрешением: вейвлет-представление. IEEE

Пер. Pattern Anal. Мах. Intell. 1989, 11, 674–693.

29. Маллат, С. Вейвлет-тур по обработке сигналов; Academic Press: Бостон, Массачусетс, США, 1998.

30.Джобсон, Д.Дж .; Rahman, Z.U .; Вуделл, Г.А. Статистика визуального представления. В Трудах

Конференции по обработке визуальной информации XI, Орландо, Флорида, США, 4 апреля 2002 г .;

с. 25–35.

31. Liu, J .; Shao, Z.F .; Ченг, К. Повышение постоянства цвета при плохом освещении. Опт. Lett.

2011, 36, 4821–4823.

© 2015 авторы; лицензиат MDPI, Базель, Швейцария. Эта статья является статьей

в открытом доступе и распространяется в соответствии с условиями лицензии Creative Commons Attribution

(http: // creativecommons.org / licenses / by / 4.0 /).

Дистанционное зондирование | Бесплатный полнотекстовый | Алгоритм коррекции неравномерной освещенности для изображений с оптическим дистанционным зондированием, покрытых тонкими облаками

1.

Введение Из-за условий освещения и других факторов (таких как облачный покров, большая тень и т. Д.) Во время процесса получения изображение оптического дистанционного зондирования может иметь разную яркость. Между тем, атмосферное воздействие повлияет на качество продуктов дистанционного зондирования, таких как карта индекса растительности, карта земного покрова и другие тематические карты [1,2].Чтобы исключить атмосферное воздействие, важно выполнить атмосферную коррекцию. Для изображений оптического дистанционного зондирования явление неравномерного освещения, вызванное тонкими облаками, является одним из атмосферных воздействий. Применение огромного количества изображений оптического дистанционного зондирования страдает от тонкой облачности. Поэтому важно устранить влияние и улучшить применимость и удобство использования изображений оптического дистанционного зондирования, на которые влияют тонкие облака. Чтобы исключить эффект неравномерной освещенности, необходимо выполнить коррекцию неравномерной освещенности для изображений оптического дистанционного зондирования [3]. В последнее время было предложено множество алгоритмов коррекции изображения с неравномерным освещением, чтобы удовлетворить требованиям к высококачественным изображениям дистанционного зондирования, например методы на основе моделей и методы на основе изображений. Методы, основанные на модели, представляют собой методы абсолютной атмосферной коррекции, которые могут устранить атмосферное ослабление, если данные о профиле датчика и атмосферных свойствах доступны и точны [4]. Однако свойства атмосферы обычно трудно получить, и методы, основанные на моделях, не могут полностью исключить локально сконцентрированные тонкие облака [5,6].Методы, основанные на изображениях, не зависят от модели и выполняют цветовую коррекцию для одиночных оптических изображений дистанционного зондирования. В настоящее время для решения проблемы неравномерного освещения широко используются методы на основе изображений. Эти методы, основанные на изображениях, можно разделить на три категории: методы, основанные на теории Retinex, методы, основанные на гомоморфной фильтрации (HF) и методы, основанные на MASK. Теория Retinex — это теория о постоянстве цвета, представленная моделью легкости и цветового восприятия человеческого зрения.Теория Retinex была предложена Лендом и Макканном в 1971 г. [7] и более подробно обсуждалась в 1997 г. [8]. После этого теория Retinex была применена в области обработки изображений. Джобсон предложил одноуровневый ретинекс (SSR) [9] для обработки цифровых изображений, а затем предложил многомасштабный ретинекс (MSR) [10] для устранения ореолов в SSR. Теперь теория Retinex стала горячей темой в области улучшения изображения [11,12,13,14,15] и используется для коррекции неравномерного освещения [16]. Суть теории Retinex заключается в том, что количество видимого света, воспринимаемого глазами, зависит от продукта отражения и освещения [7].Методы, основанные на теории Retinex, успешно устраняют неравномерное освещение, однако эти методы изменяют реальный оттенок наземных объектов на изображениях дистанционного зондирования [16]. Исходя из предположения, что в низкочастотной компоненте преобладает дымка [17], гомоморфный основанные на фильтрации методы были приняты для подавления низкочастотной информации с целью удаления тонких облаков на изображениях дистанционного зондирования [5,18]. Однако гомоморфная фильтрация может ухудшить качество изображения из-за процесса гауссовой фильтрации [19].Некоторые исследователи предложили методы устранения явления неравномерного освещения, вдохновленные техникой MASK, которая представляет собой традиционную технологию печати оптических изображений [20]. В алгоритме MASK изображение с неравномерным освещением может быть описано суммой фонового изображения и изображения с равномерным освещением [21]. Таким образом, явление неравномерного освещения изображения может быть устранено путем вычитания фонового изображения из исходного изображения. Важнейшим шагом этих методов является получение фоновых изображений.Wang et al. [20] и Юань и др. [21] получил фоновое изображение с помощью быстрого преобразования Фурье (БПФ). Zhang et al. [22] использовали вейвлет-преобразование вместо преобразования Фурье и предложили модифицированный алгоритм MASK, основанный на вейвлет-преобразовании (WT-MASK). Из-за вычитания фона обработанное изображение может потерять информацию об объектах фона.

В этой статье мы предлагаем алгоритм коррекции неравномерного освещения, основанный на преобразовании цветового пространства HSV и улучшении вейвлет-области. Для экспериментов мы используем два изображения с оптического дистанционного зондирования, снятые разными спутниками, и для сравнения тестируем три современных алгоритма.Предлагаемый алгоритм позволяет убрать тонкие облака и устранить явление неравномерного освещения. Улучшено качество изображения и восстановлен реальный цвет наземных объектов.

2. Модель визуализации изображений дистанционного зондирования, покрытых тонкими облаками

В то время как тонкие облака появляются в засушливые сезоны, модель визуализации изображений дистанционного зондирования, покрытых тонкими облаками, показана на рисунке 1. Изображение, полученное датчиками, может быть отнесено к части солнечного света, отраженного тонкими облаками, и части солнечного света, проникающего сквозь тонкие облака, но отраженного поверхностью. Процесс построения изображений изображений дистанционного зондирования показан в следующем уравнении:

S (x, y) = a⋅L⋅r (x, y) ⋅t2 (x, y) + a⋅L⋅ (1 − t (x, y))

(1)

где S (x, y) — изображение, полученное датчиком. r (x, y) обозначает отражательную способность поверхности. t (x, y) представляет коэффициент пропускания облачности. L обозначает интенсивность солнечного света, а обозначает коэффициент ослабления луча.

Рисунок 1. Визуальная модель изображений дистанционного зондирования, покрытых тонкими облаками.

Рисунок 1. Визуальная модель изображений дистанционного зондирования, покрытых тонкими облаками.

Проанализировав описанный выше процесс, мы можем сделать вывод о нескольких факторах влияния на отображение изображений дистанционного зондирования, покрытых тонкими облаками.

(a)

Затухание при пропускании формируемого света тонкими облаками. Этот тип света относится к эффективной визуализации, но облако снижает контрастность наземных объектов.

(b)

Отражение и рассеяние света, не создающего изображения, тонкими облаками.Этот тип света увеличивает яркость, но снижает насыщенность.

(c)

Рассеяние формирующего света тонкими облаками. Этот тип света вызывает размытие наземных объектов и снижение контрастности.

Все эти три аспекта в конечном итоге приводят к увеличению яркости областей, покрытых тонкими облаками, но уменьшению насыщенности и контрастности. В этой статье мы стремимся уменьшить яркость областей, покрытых тонкими облаками, и повысить насыщенность и контраст изображения в соответствии с этими характеристиками.

3. Принцип коррекции неравномерной освещенности изображения

3.1. Улучшенное преобразование цветового пространства HSV
Области, покрытые тонкими облаками, не имеют четких деталей в цветовом пространстве красный-зеленый-синий (RGB). Чтобы использовать такие характеристики, как высокая яркость, низкая насыщенность и контраст [23], обработка коррекции неравномерного освещения выполняется в цветовом пространстве HSV. Цветовое пространство HSV основано на механизме визуальной модели человека, которая использует оттенок, насыщенность и значение для представления цвета.Различные модели цветового пространства могут быть получены в разных системах координат, например, модель сферы, цилиндрическая модель, модель гексикона, модель конуса, модель двойного конуса и т. Д. [24,25,26]. В этой статье мы используем модель конуса HSV. Осевое направление модели конуса указывает на составляющую стоимости. Вертикальная ось указывает цвет от белого до черного. Радиальное направление любого горизонтального сечения круга указывает компонент насыщения. Угол окружности круга указывает компонент оттенка.Уравнения преобразования из цветового пространства RGB в цветовое пространство HSV следующие [27]:

{H = {θB≤G360 ° −θB> GS = max − minmaxV = max

(2)

где θ = arccos {12 [(R − G) + (R − B)] (R − G) 2+ (R − G) (G − B)}, max = max [R, G, B], min = min [R, G, B].

Оттенок — одна из наиболее важных характеристик изображений дистанционного зондирования, которая указывает цвет относительно длины волны света. При работе с тонкими облаками эффект рассеяния Ми на оттенок наземных объектов незначителен, мы считаем, что это не влияет на оттенок изображения.В результате предлагаются улучшенные уравнения обратного преобразования из цветового пространства HSV в цветовое пространство RGB, чтобы сделать оттенок инвариантным. Поскольку уравнения не включают компонент оттенка, мы улучшаем обратное преобразование HSV с нелинейного преобразования на линейное. Уравнения без параметра H могут сократить время работы и повысить эффективность алгоритма. Стоит отметить, что улучшенные уравнения обратного преобразования также могут быть применены к модели гексикона и модели двойного конуса.

Предположим, что цвет HSV P (H, S, V) пикселя P (R, G, B) становится P ‘(H’, S ‘, V’) после обработки коррекции неравномерного освещения, мы можем вычислить цвет P пикселя ‘(R’, G ‘, B’) в цветовом пространстве RGB следующим образом:

если R = max, {R ′ = V′VRG ′ = V′V [G− (R − G) (S′ − S) S] B ′ = V′V [B− (R − B) (S ′ −S) S], если G = max, {R ′ = V′V [R− (G − R) (S′ − S) S] G ′ = V′VGB ′ = V′V [B− (G− B) (S′ − S) S], если B = max, {R ′ = V′V [R− (B − R) (S′ − S) S] G ′ = V′V [G− (B− G) (S′-S) S] B ′ = V′VB

(3)

3.
2. Алгоритм коррекции неравномерной освещенности, основанный на расширении вейвлет-области Алгоритм MASK получает фоновое изображение с помощью гауссовой фильтрации нижних частот, и изображения преобразуются из пространственной области в частотную область с помощью преобразования Фурье.Применение преобразования Фурье ограничено, потому что преобразование Фурье не может извлекать пространственную и частотную информацию. Вейвлет-анализ имеет преимущества анализа с несколькими разрешениями и может выражать локальные характеристики сигнала как в пространственной, так и в частотной областях [28,29]. Изображение можно рассматривать как двумерную матрицу. Предположим, что размер изображения равен N × N (N = 2n). Двумерное вейвлет-преобразование разбивает изображение на четыре субблока, включая коэффициенты аппроксимации изображения (LL), коэффициенты детализации по горизонтали (LH), коэффициенты детализации по вертикали (HL) и коэффициенты детализации по диагонали (HH).При дальнейшем разложении изображения субблока LL с помощью двумерного вейвлет-преобразования строятся четыре субблока до тех пор, пока он не достигнет удовлетворительного уровня. На рисунке 2 показано распределение коэффициентов изображения с использованием двухуровневого вейвлет-преобразования.

Коэффициенты аппроксимации в вейвлет-области содержат фоновую информацию изображения (низкочастотную информацию), а детальные коэффициенты на разных уровнях содержат подробную информацию об изображении в различных масштабах (высокочастотная информация).Для изображений дистанционного зондирования, покрытых тонкими облаками, эффекты тонких облаков отражаются в фоновой информации, а наземные объекты отражаются в деталях. Вейвлет-анализ имеет характеристики многомасштабности и разрешения, что позволяет эффективно разделять низкочастотную и высокочастотную информацию изображения. В соответствии с характеристиками изображений, покрытых тонкими облаками, компоненты значения и насыщенности изображения в цветовом пространстве HSV улучшаются в области вейвлета по-разному.

Рисунок 2. Схема вейвлет-преобразования. ( a ) Исходное изображение; ( b ) одноуровневое вейвлет-преобразование; и (c ) двухуровневое вейвлет-преобразование.

Рисунок 2. Схема вейвлет-преобразования. ( a ) Исходное изображение; ( b ) одноуровневое вейвлет-преобразование; и (c ) двухуровневое вейвлет-преобразование.

Как описано в разделе 2, тонкий покров облаков в засушливые сезоны увеличивает яркость региона, снижает насыщенность и контраст на изображениях дистанционного зондирования из-за ослабления передачи, отражения и рассеяния тонкими облаками.Алгоритм усиливает высокочастотные компоненты, поддерживает субвысокочастотные компоненты и подавляет низкочастотные компоненты после вейвлет-преобразования. Тонкий облачный покров на изображениях дистанционного зондирования отражается в низкочастотной составляющей и имеет такие характеристики, как низкая насыщенность и высокая яркость. Таким образом, предлагаемый алгоритм для компонента насыщения и компонента значения обрабатывается по-разному. Коэффициент аппроксимации CS (m, n) для компонента насыщения после вейвлет-преобразования обрабатывается следующим образом:

CS ′ (m, n) = {среднее [CS], CS (m, n) <среднее [CS] CS (m, n), CS (m, n) ≥ среднее [CS]

(4)

где CS ′ (m, n) обозначает обработанный коэффициент аппроксимации, а mean [CS] обозначает среднее значение приближенного коэффициента. Коэффициент аппроксимации CV ′ (m, n) для компонента значения после вейвлет-преобразования обрабатывается следующим образом:

CV ′ (m, n) = {CV (m, n), CV (m, n) <среднее [CV] среднее [CV], CV (m, n) ≥ среднее [CV]

(5)

где CV ′ (m, n) обозначает обработанный коэффициент аппроксимации, а среднее [CV] обозначает среднее значение приближенного коэффициента. Для высокочастотных компонентов линейное усиление выполняется следующим образом:

f ′ (x, y) = k × (f (x, y) −μ) + μ

(6)

где f (x, y) и f ‘(x, y) обозначают высокочастотный коэффициент до и после улучшения, а μ обозначает среднее значение коэффициента, а k обозначает коэффициент усиления.Подробный алгоритм коррекции неравномерного освещения приведен ниже. Сначала входное изображение дистанционного зондирования преобразуется из цветового пространства RGB в цветовое пространство HSV. Во-вторых, компоненты насыщенности и значения разлагаются с помощью вейвлет-преобразования. В-третьих, выполняется улучшение вейвлет-области. Различные частотные составляющие обрабатываются соответственно на основе уравнений (4) — (6). Наконец, применяется обратное вейвлет-преобразование и выполняется улучшенное обратное преобразование HSV на основе уравнения (3).Таким образом, блок-схема алгоритма коррекции неравномерного освещения на основе преобразования HSV и улучшения вейвлет-области показана на рисунке 3. Блок-схема алгоритма улучшения вейвлет-области показана на рисунке 4.

Рисунок 3. Блок-схема предлагаемого алгоритма.

Рисунок 3. Блок-схема предлагаемого алгоритма.

Рисунок 4. Блок-схема улучшения вейвлет-домена.

Рисунок 4. Блок-схема улучшения вейвлет-домена.

4. Экспериментальные результаты и анализ

4.1. Эксперименты и оценка эффектов

Для тестирования предложенного алгоритма были выбраны два изображения дистанционного зондирования с высоким разрешением, покрытые тонкими облаками.

В эксперименте I спутниковое изображение QuickBird размером 1024 × 1024 пикселей показано на рисунке 5a, которое было снято над мегаполисом Ухань в 2006 году. На экспериментальном изображении очевидно влияние тонких облаков.Базовые функции вейвлета Добеши-8 используются для проведения вейвлет-разложения для компонента значения и компонента насыщения. Затем процесс улучшения выполняется для коэффициентов детализации на уровне 1–6. Чтобы получить максимальную ясность, мы используем коэффициент усиления k = 2,0, а результат процесса коррекции неравномерного освещения показан на рисунке 5e. Соответствующий коэффициент усиления получается в результате экспериментов, чтобы детали наземных объектов были достаточно ясными, а результаты экспериментов удовлетворительными.Для сравнительного анализа использовались три современных алгоритма коррекции неравномерной освещенности, то есть многомасштабный алгоритм Retinex в статье [10], алгоритм на основе гомоморфной фильтрации в статье [18] и алгоритм WT-MASK в статье [22] ] были протестированы. Их результаты представлены на рис. 5b – d соответственно. Увеличенные подсцены результатов показаны на рисунке 6, где увеличенные области, обведенные красным прямоугольником на рисунке 6a, улучшенные с помощью различных алгоритмов, перечислены на рисунке 6b-e. В эксперименте II изображение ZY-3 размером 5000 × 5000 пикселей с китайского спутника для получения изображений высокого разрешения показано на рисунке 7a, которое также было получено в районе Ухань в 2012 году.Во-первых, базисные функции вейвлета Добеши-8 используются для проведения вейвлет-разложения для компонента значения и компонента насыщения. Затем коэффициенты детализации на уровне 1-6 улучшаются с коэффициентом улучшения k = 2,0. Предлагаемый нами метод позволяет получить результат коррекции неравномерного освещения, показанный на рисунке 7e. На рис. 7b – d показаны результаты алгоритмов, описанных в статье [10], статье [18] и статье [22] соответственно. После анализа экспериментов I и II можно обнаружить видимые различия между исходными изображениями и результатами предложенного алгоритма. Изображения дистанционного зондирования, обработанные по предложенному алгоритму, значительно улучшаются за счет равномерного освещения, насыщенного цвета, четких наземных объектов и лучшего визуального впечатления. Влияние тонких облаков в двух экспериментах было в значительной степени устранено. В эксперименте I алгоритм WT-MASK показывает в целом обесцвеченный результат, тогда как алгоритм на основе гомоморфной фильтрации создает серое изображение. В эксперименте II алгоритм на основе гомоморфной фильтрации и алгоритм WT-MASK делают результирующее изображение темным и размытым.Объяснение заключается в том, что гомоморфная фильтрация и метод вычитания фона в алгоритме WT-MASK приводят к потере фоновой информации. В двух экспериментах наземные объекты, включая голую землю, растительность, воды и здания, были изменены по сравнению с их исходными цветовыми характеристиками с помощью алгоритма MSR. Искажение цвета наземных объектов может отрицательно сказаться на интерпретации изображения. На рисунке 6 показаны результаты увеличенной подсцены в эксперименте I. Из увеличенной области, обведенной красным прямоугольником на рисунке 6a, мы можем видеть, что цвета обнаженной земли в этой области меняются с землисто-желтого на серый с помощью MSR. алгоритм.Результаты алгоритма MSR могут запутать интерпретаторов между голыми и бетонными поверхностями. Предлагаемый алгоритм может сохранять цветовые характеристики фоновых объектов и не генерировать искажения цвета. По сравнению с традиционными алгоритмами, предлагаемый алгоритм может дать лучшие результаты в повышении четкости наземных объектов, таких как искусственные здания.

Рисунок 5. Коррекция неравномерного освещения в эксперименте I. ( a ) Исходное изображение; ( b ) алгоритм MSR; ( c ) Алгоритм на основе HF; ( d ) алгоритм WT-MASK; и ( e ) предлагаемый алгоритм.

Рисунок 5. Коррекция неравномерного освещения в эксперименте I. ( a ) Исходное изображение; ( b ) алгоритм MSR; ( c ) Алгоритм на основе HF; ( d ) алгоритм WT-MASK; и ( e ) предлагаемый алгоритм.

Рисунок 6. Результаты увеличенной области подсцены. ( a ) Увеличенная область, обведенная красным прямоугольником на исходном изображении; ( b ) результат MSR; ( c ) результат алгоритма на основе HF; ( d ) результат WT-MASK; и ( e ) результат предложенного алгоритма.

Рисунок 6. Результаты увеличенной области подсцены. ( a ) Увеличенная область, обведенная красным прямоугольником на исходном изображении; ( b ) результат MSR; ( c ) результат алгоритма на основе HF; ( d ) результат WT-MASK; и ( e ) результат предложенного алгоритма.

Рис. 7. Выполнение эксперимента по коррекции неравномерного освещения. II. ( a ) Исходное изображение; ( b ) алгоритм MSR; ( c ) Алгоритм на основе HF; ( d ) алгоритм WT-MASK; и ( e ) предлагаемый алгоритм.

Рисунок 7. Выполнение эксперимента по коррекции неравномерного освещения. II. ( a ) Исходное изображение; ( b ) алгоритм MSR; ( c ) Алгоритм на основе HF; ( d ) алгоритм WT-MASK; и ( e ) предлагаемый алгоритм.

4.2. Количественный анализ
Для количественной оценки воздействия четырех различных алгоритмов коррекции неравномерного освещения выбраны пять индикаторов. Пять индексов представляют собой среднее значение, стандартное отклонение, информационную энтропию, средний градиент и индекс отклонения оттенка соответственно [30,31].В следующих уравнениях M и N обозначают номер строки и номер столбца, а f (x, y) обозначает количество пикселей, расположенных в строке x и столбце y .
(a)
Среднее значение представляет собой среднюю яркость всех пикселей во всем изображении:

среднее = 1M × N∑x = 1M∑y = 1Nf (x, y)

(7)

(b)
Стандартное отклонение представляет собой степень отклонения всех пикселей во всем изображении и отражает полную контрастность всего изображения. Чем выше стандартное отклонение изображения, тем больше выделяется контрастная информация:

std = 1M × N∑x = 1M∑y = 1N [f (x, y) −mean] 2

(8)

(c)
Информационная энтропия означает богатство информации изображения. Чем выше информационная энтропия в изображении, тем более богатую информацию оно передает. Если значение пикселя изображения находится в диапазоне от 0 до 255, информационная энтропия рассчитывается следующим образом:

H = −i = 0255Pi × log2Pi

(9)

где P i обозначает вероятность цифрового числа i.
(d)
Средний градиент представляет различия между соседними пикселями и отражает контраст деталей изображения. Чем выше средний градиент изображения, тем больше контрастности деталей изображения вы увидите и тем больше будет выделено наземных объектов:

grad = 1 (M − 1) (N − 1) ∑x = 1M − 1∑y = 1N − 1 [f (x + 1, y) −f (x, y)] 2+ [f (x, y +1) −f (x, y)] 22

(10)

(e)
Индекс отклонения оттенка (HDI) обозначает вариации оттенка между исходным изображением и обработанным изображением. Более низкий индекс отклонения оттенка представляет меньшие вариации оттенка. HDI менее 1% означает, что процесс коррекции неравномерного освещения может очень хорошо сохранять оттенок, а обработанные изображения не имеют цветовых искажений:

HDI = ∑x = 1M∑y = 1Nmin [| HOri (x, y) −HRe (x, y) |, 1− | HOri (x, y) −HRe (x, y) |] M × N × 100 %

(11)

где H Ori (x, y) и H Re (x, y) обозначают оттенки пикселя, расположенного в строке x th и столбце y th в исходном изображении и обработанном изображении, соответственно. .
Сравнительные результаты четырех различных алгоритмов коррекции неравномерного освещения для экспериментальных изображений перечислены в Таблице 1 и Таблице 2, соответственно. Согласно статистике в двух таблицах, средняя яркость изображения, обработанного предложенным алгоритмом, снижается из-за удаления тонких облаков.

По информационной энтропии алгоритм MSR несколько лучше предложенного в эксперименте II, а предложенный алгоритм оптимален в эксперименте I. Метод вычитания фона в WT-MASK и гомоморфная фильтрация приводят к потере фоновой информации. Однако предлагаемый алгоритм улучшения вейвлет-области обогащает информацию деталями, что облегчает процесс визуальной интерпретации.

С точки зрения стандартного отклонения и среднего градиента, предложенный алгоритм и алгоритм MSR дают относительное улучшение по сравнению с исходным изображением, в то время как стандартное отклонение и средний градиент двух других алгоритмов уменьшаются до некоторой степени отдельно.Это говорит о том, что предложенный алгоритм может обеспечить богатые детали и четкие изображения.

Как указано в разделе 3.1, оттенок остается постоянным во время обработки. Из сравнения известно, что предложенный алгоритм и алгоритм на основе гомоморфной фильтрации имеют очевидные преимущества в сохранении оттенка. Алгоритм MSR имеет самый высокий HDI в двух экспериментах, что означает, что алгоритм MSR может приводить к искажению цвета наземных объектов. Предлагаемый алгоритм позволяет эффективно восстанавливать реальный цвет под тонкими облаками.

Таблица 1. Количественные результаты эксперимента I.

14095 905 905 905 905 9059 905 905 905
Таблица 1. Количественные результаты эксперимента I.
Индикатор Канал Исходное изображение Алгоритм MSR Алгоритм на основе HF Алгоритм WT-MASK Предлагаемый алгоритм
114.63 109,90 113,63
G 152,00 103,85 123,30 123,09 123,19
905 905 905 905 905 905 905 905 905 905 905 131,31
Стандартное отклонение R 39,12 59,26 25,77 35,16 56. 60
G 38,10 55,24 20,46 30,08 51,08
B 43,19 B 43,19 50,53 20545 905 905 905 905 905 905 905 905 905 905 энтропия R 7,31 7,54 6,68 7,15 7,72
G 7,25 7. 55 6,34 6,91 7,61
B 7,38 7,50 6,37 6,86 7,59 9095 9095 9059 9059 905 905 905 905 905 905 Средний градиент 9095. 5,89 8,34 14,34
G 6,72 16,63 5,51 7,82 13.95
B 6,68 15,47 5,48 7,77 14,04
HDI

Таблица 2. Количественные результаты эксперимента II.

9057 904 905 Среднее значение63 34,01
Таблица 2. Количественные результаты эксперимента II.
Индикатор Канал Исходное изображение Алгоритм MSR Алгоритм на основе HF Алгоритм WT-MASK Предлагаемый алгоритм
104,31 49,05 77,63 73,78
G 95,83 106,27 54,67 905 905 905 905 905 905 905 905 905 905 905 57,18 84,32 86,90
Стандартное отклонение R 28,72 46,74 13. 17 20,34 33,95
G 29,14 38,17 11,23 17,41 31,97
905 905 905 905 905 905 905 905 905 905 905 905 905 905 905 905 905 905 905 905 905 905 905
Информационная энтропия R 6,82 7,45 5,54 6,27 6,97
G 6. 89 7,18 5,39 6,06 6,95
B 7,17 7,11 5,42 6 7 905 905 905 905 905 905 905 905 905 7 905 905 905 905 905 905 905 905 905 905 905 905 16,67 3,68 5,89 10,97
G 5,59 15,20 3,59 5.71 10,88
B 5,61 14,96 3,60 5,74 11,04
905 905 905 905 905 905 905 905 905 905 905 0,43

В наших экспериментах предложенный алгоритм и алгоритм MSR оба дали значительное улучшение по сравнению с исходными изображениями по энтропии, стандартному отклонению и среднему градиенту, что означает, что два алгоритма могут обогатить информацию об изображении, выделить детали наземных объектов и улучшить качество изображения. Однако инвариантность оттенка также очень важна в процессе коррекции неравномерного освещения, а изображения дистанционного зондирования с искажением цвета могут серьезно повлиять на интерпретацию изображения. В наших экспериментах алгоритм MSR дал самый высокий HDI, т.е.самое серьезное искажение цвета. Из экспериментальных изображений видно, что результаты алгоритма MSR больше всего изменили цветовые характеристики всего изображения, что может отрицательно повлиять на интерпретацию изображения. HDI предложенного алгоритма и алгоритма на основе гомоморфной фильтрации составляет менее 1%, что означает, что алгоритмы могут очень хорошо сохранять оттенок и не будут генерировать никаких искажений цвета.

5. Выводы

В этой статье мы изучили модель цветового пространства HSV и теорию вейвлет-анализа, а также предложили алгоритм коррекции неравномерного освещения изображения дистанционного зондирования для коррекции явления неравномерного освещения, на которое влияют тонкие облака. Путем анализа влияния тонких облаков с использованием модели получения изображений дистанционного зондирования, покрытых тонкими облаками, предложенный алгоритм может эффективно исправить явление неравномерного освещения.

Мы использовали два разных спутниковых изображения для экспериментов, три современных алгоритма для сравнения и пять индикаторов для оценки.В первом эксперименте с изображениями QuickBird предложенный алгоритм увеличил стандартное отклонение на 32,09% от исходного изображения (среднее значение каналов RGB, далее аналогично) и увеличил средний градиент на 105,92%. Во втором эксперименте с изображениями ZY-3 предложенный алгоритм увеличил стандартное отклонение на 8,12% и увеличил средний градиент на 93,85%. Эти экспериментальные результаты показывают, что предложенный алгоритм может эффективно устранить влияние тонких облаков и улучшить качество всего изображения.С точки зрения стандартного отклонения и среднего градиента предложенный алгоритм имеет лучшие характеристики, чем алгоритм на основе HF и алгоритм WT-MASK, в то время как алгоритм MSR работает лучше всего. Что касается информационной энтропии, предложенный алгоритм имеет улучшение на 4,47% в эксперименте I и на 0,47% в эксперименте II. Предложенный алгоритм и алгоритм MSR увеличили информационную энтропию. Предлагаемый алгоритм лучше всего работает в эксперименте I, тогда как алгоритм MSR лучше всего работает в эксперименте II.Результаты показывают, что предложенный алгоритм может обогащать информацию деталями, что облегчает последующий процесс визуальной интерпретации. Что касается HDI, предложенный алгоритм имеет HDI менее 1% в двух экспериментах, а также алгоритм на основе HF, что означает, что предлагаемый алгоритм может очень хорошо сохранять оттенок и не вызывает искажений цвета в обработанные изображения.

В целом предложенный алгоритм коррекции неравномерной освещенности позволяет эффективно устранять влияние тонких облаков и восстанавливать реальный цвет наземных объектов под тонкими облаками.Однако алгоритм MSR может обеспечить более локальный контраст изображения и лучше выделить детали изображения. В нашей будущей работе мы будем изучать возможности улучшения деталей изображения, чтобы обеспечить более четкое отображение наземных объектов под тонкими облаками.

Благодарности

Эта работа совместно поддержана грантами Национального фонда естественных наук Китая (№ 61272050 и 41501370), Научного фонда провинции Гуандун (№ 2014A030313556), Программы финансирования научных исследований и разработок Шэньчжэня (№ZDSY201210146499 и JSGG20121026111056204), Специальное финансирование Стратегической программы развития новых отраслей в Шэньчжэне (№ JCYJ201210128765), Научный фонд города Шэньчжэнь (№ JCYJ2013032

  • 50231) и Управление по финансированию ключевой лаборатории геодезических исследований, Национальной лаборатории спутникового картографирования. Картографирование и геоинформация.

    Вклад авторов

    Линлин Шен является автором-корреспондентом, который разработал алгоритм и отредактировал статью.Сяоле Шэнь реализовал алгоритм и написал всю статью. Цинцюань Ли предложил схему эксперимента и отредактировал статью. Инцзе Тянь помогал реализовать алгоритм и провести сравнительные эксперименты.

    Конфликт интересов

    Авторы заявляют об отсутствии конфликта интересов.

    Ссылки

    1. Agapiou, A .; Hadjimitsis, D.G .; Papoutsa, C .; Alexakis, D.D .; Пападавид, Г. Важность учета атмосферных эффектов при применении NDVI и интерпретации спутниковых изображений, поддерживающих археологические исследования: тематические исследования памятников Палаепафос и Неа Пафос на Кипре.Remote Sens. 2011 , 3, 2605–2629. [Google Scholar] [CrossRef]
    2. Hadjimitsis, D.G .; Papadavid, G .; Agapiou, A .; Themistocleous, K .; Retalis, A .; Michaelides, S .; Chrysoulakis, N .; Toulios, L .; Клейтон, C.R.I. Атмосферная поправка для спутниковых данных дистанционного зондирования, предназначенных для приложений гидрологического цикла: влияние на индексы растительности. Nat. Опасности Earth Syst. Sci. 2010 , 10, 89–95. [Google Scholar] [CrossRef]
    3. Du, Y .; Cihlar, J .; Бобьен, Дж.; Латифович, Р. Радиометрическая нормализация, композитинг и контроль качества для мозаик спутниковых изображений высокого разрешения на больших площадях. IEEE Trans. Geosci. Remote Sens. 2001 , 39, 623–634. [Google Scholar]
    4. Дженсен, Дж. Р. Введение в цифровую обработку изображений: перспектива дистанционного зондирования, 3-е изд .; Prentice-Hall Inc.: Верхняя река Сэдл, Нью-Джерси, США, 1996. [Google Scholar]
    5. Shen, H.F .; Li, H.F .; Qian, Y .; Zhang, L.P .; Юань, Q.Q. Эффективная процедура удаления тонких облаков для видимых изображений дистанционного зондирования.ISPRS J. Photogramm. Дистанционный датчик 2014 , 96, 224–235. [Google Scholar] [CrossRef]
    6. Liang, S. Атмосферная коррекция изображений земной поверхности Landsat ETM + — часть I: методы. IEEE Trans. Geosci. Remote Sens. 2001 , 39, 2490–2498. [Google Scholar] [CrossRef]
    7. Land, E.H .; Макканн, Дж. Дж. Теория легкости и ретинекса. J. Opt. Soc. Амер. 1971 , 61, 1–11. [Google Scholar] [CrossRef]
    8. Land, E.H. Теория цветового зрения Retinex. Sci.Am. 1977 , 237, 108–128. [Google Scholar] [CrossRef] [PubMed]
    9. Jobson, D.J .; Rahman, Z.U .; Вуделл, Г.А. Свойства и характеристики ретинекса с центральным / объемным звучанием. IEEE Trans. Процесс изображения. 1997 , 6, 451–462. [Google Scholar] [CrossRef] [PubMed]
    10. Jobson, D.J .; Rahman, Z.U .; Вуделл, Г.А. Мультимасштабный Retinex для преодоления разрыва между цветными изображениями и человеческим наблюдением за сценами. IEEE Trans. Процесс изображения. 1997 , 6, 965–976. [Google Scholar] [CrossRef] [PubMed]
    11. Jang, J.ЧАС.; Bae, Y .; Ра, Дж.Б. Объединение мультисенсорных изображений с усилением контраста с использованием многомасштабного ретинекса с разложением по поддиапазонам. IEEE Trans. Процесс изображения. 2012 г. , 21, 3479–3490. [Google Scholar] [CrossRef] [PubMed]
    12. Jang, J.H .; Kim, S.D .; Ра, Дж.Б. Улучшение оптических изображений дистанционного зондирования с помощью разномасштабного ретинекса с разложением на поддиапазоны с гибридной функцией передачи интенсивности IEEE Geosci. Remote Sens. Lett. 2011 , 8, 983–987. [Google Scholar] [CrossRef]
    13. Jang, I.S .; Ли, Т.ЧАС.; Kyung, W.J. Локальное усиление контраста на основе адаптивного многомасштабного ретинекса с использованием распределения интенсивности входного изображения. J. Imaging Sci. Technol. 2011 , 55, 1–14. [Google Scholar] [CrossRef]
    14. Rahman, Z .; Джобсон, Д.Дж .; Вуделл, Г.А. Изучение взаимосвязи между улучшением изображения и сжатием изображения в контексте многомасштабного ретинекса. J. Vis. Commun. Изображение Представляю. 2011 , 22, 237–250. [Google Scholar] [CrossRef]
    15. Li, H.F .; Zhang, L.P .; Шен, Х.Ф. Вдохновленный восприятием вариационный метод коррекции неравномерной интенсивности изображений дистанционного зондирования. IEEE Trans. Geosci. Remote Sens. 2012 , 50, 3053–3065. [Google Scholar] [CrossRef]
    16. Du, Y .; Guindon, B .; Cihlar, J. Обнаружение и удаление дымки на спутниковых изображениях высокого разрешения с помощью вейвлет-анализа. IEEE Trans. Geosci.Remote Sens. 2002 , 40, 210–217. [Google Scholar]
    17. Nnolim, U .; Ли, П. Гомоморфная фильтрация цветных изображений с использованием ядра пространственного фильтра в цветовом пространстве HSI. В материалах 25-й конференции IEEE по приборостроению и измерительным технологиям, Виктория, Канада, 12–15 мая 2008 г . ; С. 1738–1743.
    18. Liu, J .; Ван, X .; Chen, M .; Liu, S.G .; Shao, Z.F .; Чжоу, X.R .; Лю П. Освещение и балансировка контраста для изображений дистанционного зондирования. Дистанционный датчик 2014 , 6, 1102–1123.[Google Scholar] [CrossRef]
    19. Wang, M .; Pan, J .; Chen, S.Q .; Ли, Х. Способ устранения явления неравномерного освещения для изображения с оптическим дистанционным зондированием. В материалах 25-го Международного симпозиума IEEE по геонаукам и дистанционному зондированию (IGARSS 2005), Сеул, Корея, 25–29 июля 2005 г .; С. 3243–3246.
    20. Юань, X.X .; Han, Y.T .; Fang, Y. Улучшенный алгоритм уклонения маски для аэрофотоснимков. J. Remote Sens. 2014 , 18, 630–641. [Google Scholar]
    21. Zhang, Z.; Zhu, B.S .; Zhu, S.L .; Цао, В. Улучшенный метод уклонения от маски на основе вейвлета. J. Remote Sens. 2009 , 13, 1074–1081. [Google Scholar]
    22. Smith, A.R. Пары преобразования цветовой гаммы. ACM SIGGRAPH Comput. График. 1978 , 12, 12–19. [Google Scholar] [CrossRef]
    23. Androutsos, D .; Plataniotis, K.N .; Венецанопулос, А. Новый векторный подход к поиску цветных изображений с использованием векторной угловой меры расстояния.Comput. Vis. Image Underst. 1999 , 75, 46–58. [Google Scholar] [CrossRef]
    24. Gonzalez, R.C .; Вудс, Р. Цифровая обработка изображений, 3-е изд .; Addison-Wesley: MA, USA, 2009. [Google Scholar]
    25. Chu, H .; Чжу, W.L. Объединение спутниковых изображений Ikonos с использованием преобразования IHS и местных вариаций. IEEE Geosci. Remote Sens. Lett. 2008 , 5, 653–657. [Google Scholar]
    26. Маллат С.Г. Теория разложения сигнала с разным разрешением: вейвлет-представление. IEEE Trans. Pattern Anal. Мах. Intell. 1989 , 11, 674–693. [Google Scholar] [CrossRef]
    27. Маллат, С. Вейвлет-тур по обработке сигналов; Academic Press: Boston, MA, USA, 1998. [Google Scholar]
    28. Jobson, D.J .; Rahman, Z.U .; Вуделл, Г.А. Статистика визуального представления. В материалах конференции по обработке визуальной информации XI, Орландо, Флорида, США, 4 апреля 2002 г .; С. 25–35.
    29. Liu, J .; Shao, Z.F .; Ченг, К. Повышение постоянства цвета при плохом освещении.Опт. Lett. 2011 , 36, 4821–4823. [Google Scholar] [CrossRef] [PubMed]

    © 2015 авторов; лицензиат MDPI, Базель, Швейцария. Эта статья находится в открытом доступе и распространяется в соответствии с условиями лицензии Creative Commons Attribution (http://creativecommons.org/licenses/by/4.0/).

    Интегральная корреляция для неравномерных и различных выборок данных и ее применение к климатической записи Law Dome в Антарктике

    Тестовые примеры

    Мы рассматриваем несколько тестовых примеров для оценки производительности алгоритма SLICK по сравнению с корреляцией ядра Гаусса. Мы исключаем корреляцию Пирсона из тестовых примеров, поскольку было показано, что корреляция ядра Гаусса превосходит ее 4 . Первый тестовый пример предназначен для кусочно-линейных функций, вдохновленный одним из авторов, у которого возникли трудности с корреляцией ядра Гаусса при анализе данных радара проникающего льда с сигналами этой общей формы. Второй пример — корреляция между тригонометрическими функциями, которые распространены во многих областях исследования. Чтобы позволить прямое сравнение между нашим новым методом и корреляцией ядра Гаусса, мы затем рассмотрим два примера из Rehfeld et al. 4 с использованием функциональных форм, общих для климатических исследований, двух случаев авторегрессии и синусоид со случайной фазой, где корреляция ядра Гаусса хорошо работает по сравнению с другими методами.

    Кусочно-линейная

    Рассмотрим кусочно-линейную функцию линейного нарастания с шагом, происходящим в области длиной 0,1, заданной следующим образом:

    $$ \ begin {align} f (x) = \ left \ {\ begin {array} {ll} 0 & {} \ hbox {if} 0 9 \\ 10 (x-4.9) & {} \ text {if} 4.9 \ le x \ le 5 \\ 1 & {} \ text {if} 5 .0 <х <10. \ end {array} \ right. \ end {align} $$

    (5)

    Мы генерируем временные ряды путем повторной выборки вышеуказанной функции с использованием равномерной случайной выборки, всего 11 точек, по крайней мере две из которых должны лежать в диапазоне [4.9,5.0]. Коэффициент корреляции для любых двух временных рядов должен быть 1. Чтобы собрать статистику о производительности SLICK, мы повторяем процесс для ансамбля из 100 членов и сравниваем результаты с корреляцией ядра Гаусса (рис.1а).

    Рис. 1

    Графики прямоугольных усов показывают крайние корреляции ансамбля и корреляции квартилей ансамбля. Теоретическая корреляция показана кружком. ( a ) Кусочно-линейный случай (обратите внимание, даже наихудшая корреляция SLICK лучше, чем более 75% результата ядра Гаусса). ( b ) Случай тригонометрических функций. ( c ) Случай авторегрессии для автокорреляции lag-1 0,7. ( d ) Случай авторегрессии для автокорреляции lag-1, равной 0.9.

    Тригонометрические функции

    Рассмотрим коэффициент корреляции Пирсона между двумя функциями \ (\ cos (x) \) и \ (\ sin (x) \) на интервале \ ((0, \ pi / 2) \ ). Ожидаемый коэффициент корреляции Пирсона между этими двумя рядами можно оценить с помощью дискретной выборки в предельном случае бесконечного числа дискретных выборок:

    $$ \ begin {align} \ frac {1 / 2-2 / \ pi} {\ left (\ pi / 4-2 / ​​\ pi \ right)} \ приблизительно -0,918. \ end {align} $$

    (6)

    Мы оцениваем точность двух различных алгоритмов для неравномерно и по-разному дискретизированных данных и сравниваем с классическим алгоритмом для равномерно и идентично дискретизированных данных на рис.1b. Чтобы гарантировать результаты, соответствующие уравнению. 6 мы явно включаем точки в крайних точках диапазона (т.е. 0 и \ (\ pi / 2 \)). Чтобы оценить надежность оценок, мы повторяем вычисления для 1000 членов ансамбля, используя равномерную случайную повторную выборку, и показываем среднее значение, стандартное отклонение и экстремальные значения для ансамблей (рис. 1b).

    Авторегрессия

    Рассмотрим функцию авторегрессии AR (1), типичную для многих климатических процессов, следующим образом:

    $$ \ begin {align} X (t_ {i + 1}) = \ exp \ left (- \ frac { t_ {i + 1} -t_i} {\ ln \ phi} \ right) X (t_i) + \ epsilon _i, \ end {align} $$

    (7)

    где \ (\ phi \) — коэффициент AR (1) и \ (\ epsilon _i \) некоррелированный гауссовский распределенный шум.

    Автокорреляция с опережением или запаздыванием на одну единицу времени должна равняться \ (\ phi \). Мы тестируем это, используя ансамбль из 100 членов, каждый из которых представляет собой временной ряд продолжительностью 1000 лет, выбранный по времени с интервалом 5 с гамма-распределением со средним значением один год и асимметрией 2,85.

    Результаты показаны на рис. 1c, d. Для меньшей автокорреляции лаг-1, равной 0,7, более 50% результатов SLICK находятся в пределах 0,026 от правильного результата, в то время как 50% результатов корреляции ядра Гаусса имеют ошибку более чем на 0.081. Для большей автокорреляции с лагом-1, равной 0,9, SLICK по-прежнему превосходит корреляцию ядра Гаусса, причем более 75% результатов SLICK лучше, чем лучшие 25% корреляции ядра Гаусса. Однако результаты SLICK не так хороши, как для автокорреляции с более низким лагом-1. В этом случае правильный результат находится в наивысшем квартиле результатов SLICK, но это лучше, чем корреляция ядра Гаусса, когда диапазон результатов не охватывает правильное значение. Мы также показываем результаты BINCOR 2 для этого тестового примера.BINCOR выполняет повторную выборку двух авторегрессионных серий на идентичную и равномерно выбранную основу, а затем применяет стандартные методы для однородно выбранных данных. BINCOR переоценивает корреляцию для обоих тестовых примеров авторегрессии, при этом диапазон оценок ансамбля не включает правильное значение.

    Синусоиды со случайной фазой

    Последний тестовый пример представляет собой сумму трех синусоид одинаковой амплитуды со случайной фазой и периодами 18, 21 и 41 года соответственно. Эпоха составляет 1000 лет, а средняя частота дискретизации — четыре года с различной степенью гамма-распределения.Снова мы используем ансамбль из 100 членов со случайной повторной выборкой, чтобы оценить эффективность корреляции SLICK.

    Рисунок 2

    Ошибка автокорреляции как функция запаздывания для случайного синусоидального случая фазы, показывающего SLICK (темные сплошные и пунктирные линии и затенение) и ядро ​​Гаусса (светлые сплошные и пунктирные линии и затемнение), медиана (сплошная линия ), межквартильный диапазон (штриховка) и крайний (пунктирные и штриховые линии) для ансамбля из 100 членов. Асимметрия составляет ( a ) 1,0, ( b ) 2.85 и ( c ) 5.0. ( d ) Более высокая средняя частота выборки в 1 год (по сравнению с 4 годами для a c и d ) и перекос 2,85. ( e ) Единый отбор проб. Обратите внимание на разные масштабы по оси Y.

    Низкочастотная структура (с периодом примерно 15–20 лет в лаге), наблюдаемая в медиане и межквартильном диапазоне SLICK (рис. 2), связана с недостаточной частотой дискретизации по сравнению с частотами биений синусоид. и в значительной степени устраняется более высокой частотой дискретизации (рис.2г).

    Поскольку SLICK использует более компактный шаблон, чем гауссово ядро, он лучше работает в случае однородной выборки. Примером этого является случай синусоиды со случайной фазой, рассмотренный выше, когда выборка имеет одинаковый интервал в четыре года. Хотя структура ошибки очевидна для SLICK (рис. 2e), связанная с недостаточной дискретизацией частоты биений, в целом ошибки намного меньше, чем для ядра Гаусса.

    Сводка

    Для всех тестовых случаев SLICK показал значительно меньшую изменчивость в оцененном коэффициенте корреляции и в целом более точный средний результат.Единственным исключением были некоторые задержки при вычислении автокорреляции для синусоид со случайной фазой. {18}) \) O) измерения по соседнему хорошо датированному ледяному керну Dome Summit South (DSS).Стабильные изотопы воды имеют четко определенную сезонность в Law Dome 6 , и в сочетании с другими сезонно меняющимися показателями позволяет нам достичь годового временного разрешения на обоих участках.

    Купол Лоу — небольшая независимая ледяная шапка в прибрежной части Восточной Антарктиды с сильным градиентом накопления снега, обусловленным орографией, и достаточным количеством снегопадов возле вершины купола для годового временного разрешения 7 . Поскольку для DE08 не существует долговременных записей о снегопадах независимо от данных ледяного керна, мы используем тот факт, что атмосферное моделирование и повторный анализ показывают, что снегопад через Ло-Доум сильно коррелирован в пространстве 7 , чтобы отобразить возрастную шкалу по основному льду DSS. керн 8 до ледяного керна DE08, пробуренного в 16 км восточнее (см.рис.3).

    Рис. {- 3} \)), и все глубины указываются как «глубины, эквивалентные ледяному эквиваленту» (IE).{18} \) O измерения до 25 мм по сравнению с глубиной соседних измерений. Чтобы оптимизировать линейную модель и мелкомасштабные поправки, мы систематически изменяем эти параметры, чтобы максимизировать коэффициент корреляции Пирсона (r = 0,827), рассчитанный с помощью SLICK. Поскольку SLICK не требует ни равной, ни одинаковой выборки между двумя сериями, применение линейной модели с мелкомасштабными поправками требует только пересчета глубины выборки, а не линейной интерполяции данных, которая может вызвать смещения 1 .{-1} \), основываясь на записи за 2000 год 7 , и оценил скорость деформации DE08 путем оптимизации точной коррекции масштаба. В частности, когда поправки для скоростей деформации DSS и DE08 неверны (или не применяются вообще), в мелкомасштабной поправке будет крупномасштабная структура, в то время как последовательная комбинация скоростей деформации приведет к небольшим поправкам с немного большим масштабная структура. Например, на рис. 4 отчетливо видно влияние поправки на скорость вертикальной деформации.{18} \) O) запись для DSS (серый) и переназначенная глубина DE08 (черный). Корреляция между этими двумя записями составляет r = 0,827.

    Отслеживание внутренних слоев в пределах Антарктического ледяного щита

    Чтобы убедиться, что предполагаемая скорость накопления снега на DE08 является разумной, мы используем метод корреляции SLICK для отслеживания внутренних слоев в данных радара проникновения льда в этом регионе. Известно, что внутренние слои ледникового покрова возникают из-за изменений химического состава льда, связанных с изменениями состава атмосферы (например, с изменениями содержания серы в атмосфере, связанными с извержениями вулканов), и поэтому могут представлять изохроны отложения снега на поверхности 10 .Последующая адвекция этих изохрон на глубину в первую очередь является функцией локальной скорости накопления снега и изменений в динамике ледникового покрова. {- 1} \) во льду и без учета эффектов фирна. .Чтобы учесть особенности радиолокационного сигнала с точки зрения химического состава ледяного ядра, мы преобразуем радиолокационный сигнал из временной области в глубинную. Поскольку SLICK не зависит от основы выборки (только относительное расстояние между выборками), это преобразование в область глубины не меняет корреляции.

    Сильный внутренний отражатель на глубине примерно 435 м в DSS отслеживается (рис. 6) путем оптимизации корреляции SLICK относительно эталонного отражателя для небольших вертикальных окон (размером примерно 54 м), центрированных вокруг отражателя, для отдельных вертикальных срезов через радарограмма.Допускается малый масштабный коэффициент (0,98–1,02) и вертикальное смещение (от 2,54 до 2,54 м на вертикальный срез). Локальная корреляция, превышающая порог (r = 0,85), приводит к «совпадению» и обновлению эталонного отражателя (обновляется до 95% текущего эталонного отражателя и 5% окна от текущего вертикального среза), в то время как локальная корреляция ниже этого приведет к пропуску этого вертикального среза и поиску по большему вертикальному смещению.

    Рисунок 6

    Профиль радара между DSS (слева от изображения) и DE08 (справа от изображения).Прослеженный внутренний слой соответствует серии извержений вулканов 1257 г. н.э. Профили радара от 4 разных полетов сшиваются вместе (полетные сегменты отмечены вверху изображения). Расстояние по горизонтали составляет примерно 33,75 км, а масштаб по вертикали увеличен в 10 раз.

    Слой, выбранный на глубине около 435 м на DSS, соответствует извержению вулкана Самалас в 1257 г. н.э. 8,15 , измеренному на глубине около 418 м в ледяном керне DSS относительно поверхности льда 1988 года.{-1} \) для DSS и DE08, соответственно, дает эффективный коэффициент линейного масштабирования 0,606. Из-за градиента накопления снега через Ло Доум и горизонтального движения льда от вершины купола, что приводит к более глубокому льду на DE08, берущему начало ближе к вершине купола (и, следовательно, в более низком месте скопления снега), мы могли бы ожидать накопления снега. соотношение будет больше, чем мы нашли, используя записи ледяных кернов.

    Для рассмотрения случая, когда внутренние слои трудно отследить на всем расстоянии между двумя интересующими участками (возможно, из-за катков самолета или особенностей поверхности снега), мы также оцениваем скорость накопления снега и скорость вертикальной деформации в DE08 с помощью оптимизация корреляции между профилями радаров на этих двух участках.{-1} \) на DE08. Расчетная скорость накопления снега немного меньше, чем оценка по записям ледяного керна, но включает более старый лед, который изначально был отложен ближе к DSS (и со временем продвигался вниз по течению), поэтому мы ожидаем более низкой расчетной скорости накопления снега. на глубине.

    Рисунок 7

    Профили отражения радара в DSS (черный) и DE08 (серый). Глубины были ограничены на обоих участках и масштабированы на DE08 с помощью обратного отношения скорости накопления снега (0.544).

    55: 148 Dig. Image Proc. Глава 4, Часть 1

    55: 148 Dig. Image Proc. Глава 4, Часть 1

    Дополнительная литература
    Разделы из главы 4 согласно WWW Syllabus.

    Глава 4.1 Обзор:


    • Предварительная обработка — это общее название операций с изображениями на самом низком уровне. уровень абстракции — и вход, и выход являются изображениями интенсивности.

    • Целью предварительной обработки является улучшение данных изображения, которое подавляет нежелательных искажений или улучшения некоторых функций изображения, важных для дальнейшего обработка.

    • Четыре категории методов предварительной обработки изображений в зависимости от размера окрестность пикселя, которая используется для вычисления нового пикселя яркость:
      • преобразования яркости пикселей,
      • геометрические преобразования,
      • методы предварительной обработки, использующие локальную окрестность обрабатываемого пикселя, и
      • восстановление изображения, требующее знания всего изображения.

    • Существуют и другие классификации методов предварительной обработки изображений.

    • Методы предварительной обработки изображений используют значительную избыточность изображений.

    • Соседние пиксели, соответствующие одному объекту на реальных изображениях, имеют существенно такое же или подобное значение яркости.
    • Таким образом, искаженный пиксель часто можно восстановить как среднее значение соседних пикселей.
      • Вы помните пример фильтрации импульсного шума?

    • Если предварительная обработка направлена ​​на исправление некоторого ухудшения качества изображения, природа априорной информации важна:
      • знание природы деградации; только очень общие свойства деградации предполагаются.
      • знание свойств устройства получения изображения и условий под которым было получено изображение.Характер шума (обычно его спектральный характеристики) иногда известно.
      • знания об объектах, которые ищут на изображении, что может упростить предварительная обработка очень значительно.

    • Если знания об объектах заранее недоступны, их можно оценить. во время обработки.

    Преобразования яркости пикселей

    • Преобразования яркости изменяют яркость пикселей — преобразование зависит от свойств самого пикселя.

    • Коррекция яркости
    • Преобразования шкалы серого.

    • Коррекция яркости
      • считает исходную яркость
      • положение пикселя в изображении.

    • Преобразования шкалы серого
      • изменять яркость независимо от положения на изображении.

    Яркость в зависимости от положения исправление

    • В идеале чувствительность устройств получения и оцифровки изображений не должно зависеть от положения на изображении, но это предположение не является справедливо во многих практических случаях.

    • Источники деградации.
      • Неравномерная чувствительность световых датчиков
      • Неравномерное освещение объекта

    • Систематическая деградация может быть подавлена ​​коррекцией яркости.

    • Пусть коэффициент мультипликативной ошибки e (i, j) описывает изменение от идеальная передаточная функция идентичности;
      • g (i, j) — исходное необработанное изображение (или желаемое изображение)
      • f (i, j) — изображение, содержащее ухудшение качества изображения.

    • Если известно эталонное изображение g (i, j) (например, постоянная яркость c), то
      • ухудшенный результат: f c (i, j)
      • систематические ошибки яркости могут быть подавлены:

    • Процесс деградации изображения должен быть стабильным,
      • прибор необходимо время от времени калибровать (найти коэффициенты ошибки e (i, j))

    • Этот метод неявно предполагает линейность преобразования, которая На самом деле это не так, поскольку шкала яркости ограничена каким-то интервалом.
      • возможно переполнение
        • лучшее эталонное изображение имеет яркость, значительно превышающую оба предела.

    • Если шкала серого имеет 256 уровней яркости, идеальное изображение имеет постоянную яркость. значение 128.
      • Большинство телекамер имеют автоматический контроль усиления, который позволяет им работают в меняющихся условиях освещения. Если систематические ошибки подавляется с помощью коэффициентов ошибок, автоматическая регулировка усиления должна быть выключенным первым.

    Практический эксперимент 4.A VIP-версия

    • Вы калибруете телекамеру, используя изображение с постоянным уровнем серого. из 128.
    • Вы можете исследовать выходные изображения с помощью нового узла, узла Live_Image. находится в Узлах-> Вывод-> В графическое окно. Этот узел позволяет взаимодействовать с изображением, в частности, возможность «захватывать» уровни серого из окно вывода.
    • Кроме того, вы получите более полное представление о проблеме, повернув Включение и отключение функции «Запретить масштабирование байтов» в окне Live_Image. (Чтобы для доступа к этой функции просто дважды щелкните отображаемое изображение) Эта функция либо масштабирует, либо не масштабирует изображение по дискретному набору значений серого для увеличения контраста (аналогично обсуждаемой методике выравнивания гистограммы ранее).
    • Изображение, полученное в результате получения изображения, демонстрирует серьезное ухудшение качества. вызвано неоднородным освещением (изображение можно найти в ~ dip / examples / images / DigitizedTestImage.tif)
    • Создайте идеальное изображение с помощью VIP и получите изображение коррекции, предполагают мультипликативный характер деградации.
    • (Подсказка: чтобы сгенерировать изображение 256×256 с постоянным уровнем серого, используйте Nodes-> Input-> Make_Data и установите output = Make_Array (256,256, VALUE = num) в поле «Свойства», где num — желаемый уровень серого)
    • Чтобы доказать, что ваша коррекция работает, другое изображение было получено с использованием та же камера и те же условия освещения, это изображение находится в ~ dip / examples / images / Corrupted.tif
    • С помощью корректирующего изображения исправьте деградацию и визуально оцените его производительность.
    • Теперь определите разницу между вашим исправленным изображением и идеальное изображение (необработанный оригинал, ~ dip / examples / images / sf.png).

    Практический эксперимент 4.A Хорос Версия

    • Вы калибруете телекамеру, используя изображение с постоянным уровнем серого. из 128.
    • Изображение, полученное в результате получения изображения, демонстрирует серьезное ухудшение качества. вызвано неоднородным освещением (изображение можно найти в ~ dip / examples / images / DigitizedTestImage.kdf)
    • Создайте идеальное изображение с помощью Хороса и получите изображение коррекции, предполагают мультипликативный характер деградации.
    • Чтобы доказать, что ваша коррекция работает, другое изображение было получено с использованием та же камера и те же условия освещения, это изображение находится в ~ dip / examples / images / Corrupted.kdf
    • С помощью корректирующего изображения исправьте деградацию и визуально оцените его производительность.
    • Теперь определите разницу между вашим исправленным изображением и идеальное изображение (необработанный оригинал, ~ dip / images / sf.pgm) … посмотрите на гистограмма разностного изображения.

    Преобразование шкалы серого

    • Преобразования шкалы серого не зависят от положения пикселя в Изображение.
    • Преобразование яркости:

    a — Отрицательное преобразование
    b — усиление контраста (между p1 и p2)
    c — Пороговое значение яркости

    • Преобразования серой шкалы можно выполнять с помощью справочных таблиц.

    • Преобразования шкалы серого в основном используются, если результат просматривается пользователем. человек.

    • Типичное преобразование уровня серого … Обычно наблюдается выравнивание гистограммы автоматически
    • Цель — изображение с равномерно распределенными уровнями яркости по всей площади. шкала яркости


    Ссылки на веб-сайты выравнивания гистограмм:
    http://www.generation5.org/content/2004/histogramEqualization.asp
    http://wwwcs.upb.de/cs/ag-domik/bildverarbeitung/bv-vl-ss00/histogram_equalization_example.htm


    Практический эксперимент 4.B VIP версия

    • Показать изображение ~ dip / examples / images / what_is_it.jpg
    • Можете ли вы узнать этого человека? Мужчина или женщина?
    • Используйте histogram.vip и выполните выравнивание гистограммы.
    • Можете ли вы узнать этого человека?
    • Отображение гистограмм до и после выравнивания

    Практический эксперимент 4.Б Хорос Вариант

    • Показать изображение ~ dip / examples / images.dir / what_is_it.kdf
    • Можете ли вы узнать этого человека? Мужчина или женщина?
    • Используйте histogram.wksp и выполните выравнивание гистограммы.
    • Можете ли вы узнать этого человека?
    • Отображение гистограмм до и после выравнивания

    • Гистограмму можно рассматривать как дискретную функцию плотности вероятности, подробности смотрите в книге.
    • Из монотонности преобразования T следует

    [Назад одна секция] [Таблица содержания] [Далее Раздел]

    Последнее изменение: 8 сентября 2003 г.

    Термическое расширение твердых тел и жидкостей

    Цели обучения

    К концу этого раздела вы сможете:

    • Определите и опишите тепловое расширение.
    • Рассчитайте линейное расширение объекта с учетом его начальной длины, изменения температуры и коэффициента линейного расширения.
    • Рассчитайте объемное расширение объекта с учетом его исходного объема, изменения температуры и коэффициента объемного расширения.
    • Рассчитайте термическое напряжение на объекте с учетом его исходного объема, изменения температуры, изменения объема и модуля объемной упругости.

    Рис. 1. Такие термические компенсаторы на мосту Окленд Харбор-Бридж в Новой Зеландии позволяют мостам изменять длину без потери устойчивости.(Источник: Ингольфсон, Wikimedia Commons)

    Расширение спирта в градуснике — один из многих часто встречающихся примеров теплового расширения , изменения размера или объема данной массы с температурой. Горячий воздух поднимается вверх, потому что его объем увеличивается, что приводит к тому, что плотность горячего воздуха меньше плотности окружающего воздуха, вызывая подъемную (восходящую) силу на горячий воздух. То же самое происходит со всеми жидкостями и газами, вызывая естественный теплоперенос вверх в домах, океанах и погодных системах.Твердые тела также подвергаются тепловому расширению. Например, железнодорожные пути и мосты имеют компенсаторы, позволяющие им свободно расширяться и сжиматься при изменении температуры.

    Каковы основные свойства теплового расширения? Во-первых, тепловое расширение явно связано с изменением температуры. Чем больше изменение температуры, тем больше будет гнуться биметаллическая полоса. Во-вторых, это зависит от материала. В термометре, например, расширение спирта намного больше, чем расширение содержащего его стекла.

    Что является основной причиной теплового расширения? Как обсуждается в «Кинетической теории: атомное и молекулярное объяснение давления и температуры», повышение температуры подразумевает увеличение кинетической энергии отдельных атомов. В твердом теле, в отличие от газа, атомы или молекулы плотно упакованы вместе, но их кинетическая энергия (в виде небольших быстрых колебаний) отталкивает соседние атомы или молекулы друг от друга. Это проталкивание от соседа к соседу приводит в среднем к немного большему расстоянию между соседями и в сумме увеличивает размер всего тела.Для большинства веществ в обычных условиях нет предпочтительного направления, и повышение температуры увеличит размер твердого вещества на определенную долю в каждом измерении.

    Линейное тепловое расширение — тепловое расширение в одном измерении

    Изменение длины Δ L пропорционально длине L . Зависимость теплового расширения от температуры, вещества и длины резюмируется в уравнении Δ L = αL Δ T , где Δ L — изменение длины L , Δ T — величина изменение температуры, и α — это коэффициент линейного расширения , который незначительно изменяется в зависимости от температуры.

    В таблице 1 приведены типичные значения коэффициента линейного расширения, которые могут иметь единицы 1 / ºC или 1 / K. Поскольку величина кельвина и градуса Цельсия одинакова, значения α и Δ T могут быть выражены в единицах кельвина или градусов Цельсия. Уравнение Δ L = αL Δ T является точным для небольших изменений температуры и может использоваться для больших изменений температуры, если используется среднее значение α .

    Таблица 1. Коэффициенты теплового расширения при 20ºC
    Материал Коэффициент линейного расширения α (1 / ºC) Коэффициент объемного расширения β (1 / ºC)
    Твердые вещества
    Алюминий 25 × 10 6 75 × 10 6
    Латунь 19 × 10 6 56 × 10 6
    Медь 17 × 10 6 51 × 10 6
    Золото 14 × 10 6 42 × 10 6
    Чугун или сталь 12 × 10 6 35 × 10 6
    Инвар (железо-никелевый сплав) 0.9 × 10 6 2,7 × 10 6
    Свинец 29 × 10 6 87 × 10 6
    Серебро 18 × 10 6 54 × 10 6
    Стекло (обычное) 9 × 10 6 27 × 10 6
    Стекло (Pyrex®) 3 × 10 6 9 × 10 6
    кварцевый 0.4 × 10 6 1 × 10 6
    Бетон, Кирпич ~ 12 × 10 6 ~ 36 × 10 6
    Мрамор (средний) 2,5 × 10 6 7,5 × 10 6
    Жидкости
    эфир 1650 × 10 6
    Этиловый спирт 1100 × 10 6
    Бензиновый 950 × 10 6
    Глицерин 500 × 10 6
    Меркурий 180 × 10 6
    Вода 210 × 10 6
    Газы
    Воздух и большинство других газов при атмосферном давлении 3400 × 10 6

    Пример 1.Расчет линейного теплового расширения: мост Золотые Ворота

    Главный пролет моста Золотые Ворота Сан-Франциско составляет 1275 м в самые холодные дни. Мост подвергается воздействию температур от до от 15ºC до 40ºC. Каково изменение его длины между этими температурами? Предположим, что мост полностью стальной.

    Стратегия

    Используйте уравнение линейного теплового расширения Δ L = α L Δ T , чтобы рассчитать изменение длины, Δ L .{\ circ} \ text {C} \ right) = 0,84 \ text {m} \\ [/ latex]

    Обсуждение

    Это изменение длины, хотя и невелико по сравнению с длиной моста, заметно. Обычно он распределяется по многим компенсаторам, так что расширение каждого стыка невелико.

    Тепловое расширение в двух и трех измерениях

    Объекты расширяются во всех измерениях, как показано на рисунке 2. То есть их площадь и объем, а также длина увеличиваются с температурой.Отверстия также увеличиваются с увеличением температуры. Если вы прорежете отверстие в металлической пластине, оставшийся материал расширится точно так же, как если бы пробка была на месте. Заглушка станет больше, а значит, и отверстие должно стать больше. (Представьте, что кольцо соседних атомов или молекул на стенке отверстия отталкивает друг друга все дальше друг от друга при повышении температуры. Очевидно, что кольцо соседей должно становиться немного больше, поэтому отверстие становится немного больше).

    Тепловое расширение в двух измерениях

    Для небольших изменений температуры изменение площади Δ A определяется как Δ A = 2αAΔ T , где Δ A — изменение площади A , Δ T — изменение температуры , а α — коэффициент линейного расширения, который незначительно меняется в зависимости от температуры.

    Рис. 2. В общем, объекты расширяются во всех направлениях при повышении температуры. На этих чертежах исходные границы объектов показаны сплошными линиями, а расширенные границы — пунктирными линиями. (а) Площадь увеличивается из-за увеличения длины и ширины. Увеличивается и площадь круглой пробки. (b) Если заглушку удалить, оставшееся отверстие становится больше с повышением температуры, как если бы расширяющаяся заглушка все еще была на месте. (c) Объем также увеличивается, потому что все три измерения увеличиваются.

    Тепловое расширение в трех измерениях

    Изменение объема Δ V очень близко Δ V = 3 α V Δ T . Это уравнение обычно записывается как Δ V = βV Δ T , где β — коэффициент объемного расширения и β ≈ 3α. Обратите внимание, что значения β в таблице 1 почти точно равны 3α.

    Обычно объекты расширяются с повышением температуры.Вода — самое важное исключение из этого правила. Вода расширяется с повышением температуры (ее плотность уменьшается ), когда она находится при температуре выше 4ºC (40ºF). Однако он расширяется с , понижая температуру , когда она находится между + 4ºC и 0ºC (40ºF до 32ºF). Вода самая плотная при + 4ºC. (См. Рис. 3.) Возможно, самым поразительным эффектом этого явления является замерзание воды в пруду. Когда вода у поверхности охлаждается до 4ºC, она становится плотнее, чем оставшаяся вода, и поэтому опускается на дно.Этот «оборот» приводит к образованию более теплой воды у поверхности, которая затем охлаждается. В конечном итоге пруд имеет постоянную температуру 4ºC. Если температура в поверхностном слое опускается ниже 4ºC, вода становится менее плотной, чем вода внизу, и, таким образом, остается наверху. В результате поверхность водоема может полностью промерзнуть. Лед поверх жидкой воды обеспечивает изоляционный слой от резких зимних температур наружного воздуха. Из-за этой необычной характеристики воды рыба и другие водные животные могут выжить в воде с температурой 4ºC подо льдом.Он также обеспечивает циркуляцию воды в пруду, необходимую для здоровой экосистемы водоема.

    Рис. 3. Плотность воды как функция температуры. Обратите внимание, что тепловое расширение на самом деле очень мало. Максимальная плотность при + 4ºC только на 0,0075% больше, чем плотность при 2ºC, и на 0,012% больше, чем при 0ºC.

    Установление соединений: соединения в реальном мире — заполнение бака

    Рис. 4. Поскольку при повышении температуры газ расширяется больше, чем бензобак, вы не можете проехать столько миль на «пустом» летом, как зимой.(Источник: Гектор Алехандро, Flickr)

    Различия в тепловом расширении материалов могут привести к интересным эффектам на заправочной станции. Один из примеров — капание бензина из свежезалитого бака в жаркий день. Бензин начинается при температуре земли под заправочной станцией, которая ниже, чем температура воздуха выше. Бензин охлаждает стальной бак, когда он заправлен. Как бензин, так и стальной бак расширяются, когда они нагреваются до температуры воздуха, но бензин расширяется намного больше, чем сталь, и поэтому он может переливаться через край.

    Эта разница в расширении также может вызвать проблемы при интерпретации показаний датчика бензина. Фактическое количество (масса) бензина, оставшегося в баке, когда манометр показывает «пустой», летом намного меньше, чем зимой. Бензин имеет тот же объем, что и зимой, когда горит лампочка «долейте топлива», но из-за того, что бензин расширился, масса меньше. Если вы привыкли зимой пробегать еще 40 миль на «пустом месте», будьте осторожны — летом вы, вероятно, выбегаете намного быстрее.

    Пример 2. Расчет теплового расширения: газ по сравнению с бензобаком

    Предположим, ваш стальной бензобак объемом 60,0 л (15,9 галлона) заполнен бензином, поэтому температура и бака, и бензина составляет 15,0 ° C. Сколько бензина вылилось к моменту нагрева до 35,0ºC?

    Стратегия

    Бак и бензин увеличиваются в объеме, но бензин увеличивается больше, поэтому количество разлитого является разницей в изменении их объема. (Бензобак можно рассматривать как твердый стальной.) Мы можем использовать уравнение объемного расширения, чтобы вычислить изменение объема бензина и бака.

    Решение
    1. Используйте уравнение для увеличения объема, чтобы рассчитать увеличение объема стального резервуара: Δ V с = β с V с Δ T .
    2. Увеличение объема бензина определяется следующим уравнением: Δ V газ = β газ V газ Δ T .
    3. Найдите разницу в объеме, чтобы определить количество разлитого V разлив = Δ V газ — Δ V s .

    В качестве альтернативы мы можем объединить эти три уравнения в одно уравнение. (Обратите внимание, что исходные объемы равны.)

    [латекс] \ begin {array} {lll} {V} _ {\ text {spill}} & = & \ left ({\ beta} _ {\ text {gas}} — {\ beta} _ {\ text {s}} \ right) V \ Delta T \\ & = & \ left [\ left (\ text {950} — \ text {35} \ right) \ times {\ text {10}} ^ {- 6} / ^ {\ circ} \ text {C} \ right] \ left (\ text {60} \ text {.{\ circ} \ text {C} \ right) \\ & = & 1 \ text {.} \ text {10} \ text {L} \ end {array} \\ [/ latex]

    Обсуждение

    Это значительное количество, особенно для резервуара на 60,0 л. Эффект такой поразительный, потому что бензин и сталь быстро расширяются. Скорость изменения тепловых свойств обсуждается в главе «Тепло и методы теплопередачи».

    Если вы попытаетесь плотно закрыть резервуар, чтобы предотвратить переполнение, вы обнаружите, что он все равно протекает либо вокруг крышки, либо в результате разрыва резервуара.Сильное сжатие расширяющегося газа эквивалентно его сжатию, и как жидкости, так и твердые тела сопротивляются сжатию с чрезвычайно большими силами. Чтобы избежать разрыва жестких контейнеров, в этих контейнерах есть воздушные зазоры, которые позволяют им расширяться и сжиматься, не нагружая их.

    Термическое напряжение

    Термическое напряжение создается за счет теплового расширения или сжатия (обсуждение напряжения и деформации см. В разделе «Эластичность: напряжение и деформация»). Термическое напряжение может быть разрушительным, например, когда бензин при расширении приводит к разрыву бака.Это также может быть полезно, например, когда две части соединяются вместе путем нагревания одной при производстве, затем надевания ее на другую и охлаждения комбинации. Термический стресс может объяснить многие явления, такие как выветривание скал и тротуаров из-за расширения льда при замерзании.

    Пример 3. Расчет термического напряжения: давление газа

    Какое давление будет создано в бензобаке, рассмотренном в примере 2, если температура бензина повысится с 15?От 0 ° C до 35,0 ° C без возможности расширения? Предположим, что модуль объемной упругости B для бензина составляет 1,00 × 10 9 Н / м 2 .

    Стратегия

    Чтобы решить эту проблему, мы должны использовать следующее уравнение, которое связывает изменение объема Δ V с давлением:

    [латекс] \ Delta {V} = \ frac {1} {B} \ frac {F} {A} V_0 \\ [/ latex]

    , где [латекс] \ frac {F} {A} \\ [/ latex] — давление, V 0 — исходный объем, а B — объемный модуль упругости рассматриваемого материала.Мы будем использовать количество пролитого в Примере 2 как изменение объема Δ V .

    Решение
    1. Измените уравнение для расчета давления: [латекс] P = \ frac {F} {A} = \ frac {\ Delta {V}} {V_0} B \\ [/ latex].
    2. Введите известные значения. Модуль объемной упругости для бензина составляет B = 1,00 × 10 9 Н / м 2 . В предыдущем примере изменение объема Δ V = 1,10 л — это количество, которое может разлиться. Здесь V 0 = 60.7 \ text {Pa} \\ [/ latex].
    Обсуждение

    Это давление составляет около 2500 фунтов / дюйм 2 , , на больше, чем может выдержать бензобак.

    Силы и давления, создаваемые термическим напряжением, обычно столь же велики, как в приведенном выше примере. Железнодорожные пути и дороги могут деформироваться в жаркие дни, если у них нет достаточных компенсаторов. (См. Рис. 5.) Линии электропередач провисают больше летом, чем зимой, и в холодную погоду они лопнут, если провисания недостаточно.Трещины в оштукатуренных стенах открываются и закрываются по мере того, как дом нагревается и остывает. Стеклянные сковороды треснут при быстром или неравномерном охлаждении из-за различного сжатия и создаваемых им напряжений. (Pyrex® менее чувствителен из-за своего небольшого коэффициента теплового расширения.) Сосуды под давлением ядерных реакторов находятся под угрозой из-за слишком быстрого охлаждения, и хотя ни один из них не вышел из строя, некоторые из них охлаждались быстрее, чем считалось желательным. Биологические клетки разрываются при замораживании продуктов, что ухудшает их вкус.Повторные оттаивания и заморозки усугубляют ущерб. Могут пострадать даже океаны. Значительная часть повышения уровня моря в результате глобального потепления происходит из-за теплового расширения морской воды.

    Рис. 5. Термическое напряжение способствует образованию выбоин. (кредит: Editor5807, Wikimedia Commons)

    Металл регулярно используется в человеческом теле для имплантатов бедра и колена. Большинство имплантатов со временем необходимо заменять, потому что, помимо прочего, металл не сцепляется с костью.Исследователи пытаются найти лучшие металлические покрытия, которые позволили бы соединить металл с костью. Одна из проблем — найти покрытие с коэффициентом расширения, аналогичным коэффициенту расширения металла. Если коэффициенты расширения слишком разные, термические напряжения в процессе изготовления приводят к трещинам на границе раздела покрытие-металл.

    Еще один пример термического стресса — во рту. Зубные пломбы могут расширяться иначе, чем зубная эмаль. Может вызывать боль при поедании мороженого или горячем напитке.В наполнении могут образоваться трещины. Металлические пломбы (золото, серебро и др.) Заменяются композитными пломбами (фарфором), которые имеют меньший коэффициент расширения и ближе к зубам.

    Проверьте свое понимание

    Два блока, A и B, сделаны из одного материала. Блок A имеет размеры l × w × h = L × 2 L × L , а блок B имеет размеры 2 L × 2 L × 2 L .Если температура меняется, что такое

    1. изменение объема двух блоков,
    2. изменение площади поперечного сечения l × w и
    3. изменение высоты h двух блоков?

    Рисунок 6.

    Решение
    1. Изменение громкости пропорционально исходной громкости. Блок A имеет объем л × 2 л × л = 2 л 3 . Блок B имеет объем 2 л × 2 л × 2 L = 8 л 3 , , что в 4 раза больше, чем у блока A. Таким образом, изменение объема блока B должно быть в 4 раза больше изменения объема блока A.
    2. Изменение площади пропорционально площади. Площадь поперечного сечения блока A составляет L × 2 L = 2 L 2 , , тогда как у блока B 2 L × 2 L = 4 L 2 .Поскольку площадь поперечного сечения блока B вдвое больше, чем у блока A, изменение площади поперечного сечения блока B вдвое больше, чем у блока A.
    3. Изменение высоты пропорционально исходной высоте. Поскольку исходная высота блока B вдвое больше, чем A, изменение высоты блока B вдвое больше, чем у блока A.

    Сводка раздела

    • Термическое расширение — это увеличение или уменьшение размера (длины, площади или объема) тела из-за изменения температуры.
    • Тепловое расширение велико для газов и относительно невелико, но им нельзя пренебрегать, для жидкостей и твердых тел.
    • Линейное тепловое расширение: Δ L = α L Δ T , где Δ L — изменение длины L , Δ T — изменение температуры, а α — коэффициент линейного расширение, которое незначительно меняется в зависимости от температуры.
    • Изменение площади из-за теплового расширения составляет Δ A = 2α A Δ T , где Δ A — изменение площади.
    • Изменение объема из-за теплового расширения составляет Δ V = βV Δ T , где β — коэффициент объемного расширения, а β ≈ 3α. Тепловое напряжение создается, когда ограничивается тепловое расширение.

    Концептуальные вопросы

    1. Термическое напряжение, вызванное неравномерным охлаждением, может легко разбить стеклянную посуду. Объясните, почему Pyrex®, стекло с небольшим коэффициентом линейного расширения, менее восприимчиво.
    2. Вода значительно расширяется при замерзании: происходит увеличение объема примерно на 9%. В результате этого расширения и из-за образования и роста кристаллов при замерзании воды от 10% до 30% биологических клеток разрываются при замораживании материала животного или растительного происхождения. Обсудите последствия этого повреждения клеток для перспективы сохранения человеческих тел путем замораживания, чтобы их можно было разморозить в будущем, когда есть надежда, что все болезни излечимы.
    3. Один из способов получения плотной посадки, например металлического штифта в отверстии в металлическом блоке, заключается в изготовлении штифта немного больше, чем отверстие.Затем вставляется колышек, когда температура отличается от температуры блока. Должен ли блок быть горячее или холоднее штифта во время вставки? Поясните свой ответ.
    4. Действительно ли помогает полить горячей водой плотную металлическую крышку стеклянной банки, прежде чем открывать ее? Поясните свой ответ.
    5. Жидкости и твердые тела расширяются при повышении температуры, потому что кинетическая энергия атомов и молекул тела увеличивается. Объясните, почему некоторые материалы сжимаются при повышении температуры.

    Задачи и упражнения

    1. Высота монумента Вашингтона составляет 170 м в день при температуре 35 ° C.0ºC. Какой будет его высота в день, когда температура опустится до –10,0ºC? Хотя памятник сделан из известняка, предположим, что его коэффициент теплового расширения такой же, как у мрамора.
    2. Насколько выше Эйфелева башня становится в конце дня, когда температура повышается на 15ºC? Его первоначальная высота составляет 321 м, и можно предположить, что он сделан из стали.
    3. Как изменится длина столба ртути длиной 3,00 см, если его температура изменится с 37?От 0 ° C до 40,0 ° C, если ртуть не ограничена?
    4. Насколько большой следует оставлять компенсационный зазор между стальными железнодорожными рельсами, если они могут достигать максимальной температуры на 35,0 ° C выше, чем при укладке? Их первоначальная длина 10,0 м.
    5. Вы хотите приобрести небольшой участок земли в Гонконге. Цена «всего» 60 000 долларов за квадратный метр! В праве собственности указано, что его размеры составляют 20 м × 30 м. Насколько изменилась бы общая цена, если бы вы измерили посылку стальной рулеткой в ​​день, когда температура была на 20ºC выше нормы?
    6. Глобальное потепление вызовет повышение уровня моря отчасти из-за таяния ледяных шапок, но также из-за расширения воды по мере повышения средней температуры океана.Чтобы получить некоторое представление о величине этого эффекта, рассчитайте изменение длины водяного столба высотой 1,00 км при повышении температуры на 1,00 ° C. Обратите внимание, что этот расчет является приблизительным, потому что потепление океана неравномерно по глубине.
    7. Покажите, что 60,0 л бензина при исходной температуре 15,0 ° C расширится до 61,1 л при нагревании до 35,0 ° C, как заявлено в Примере 2.
    8. (a) Предположим, что стержень из стали и стержень из инвара (сплав железа и никеля) имеют одинаковую длину при 0 ° C.Какова их разница в длине при 22,0ºC? (b) Повторите расчет для двух геодезических лент длиной 30,0 м.
    9. (a) Если стеклянный стакан емкостью 500 мл заполнен до краев этиловым спиртом при температуре 5,00 ° C, сколько его объема выльется за край, когда его температура достигнет 22,0 ° C? б) Насколько меньше воды переливается при тех же условиях?
    10. В большинстве автомобилей есть резервуар для охлаждающей жидкости для сбора жидкости радиатора, которая может вылиться из-под горячего двигателя. Радиатор сделан из меди и залит на 16.Емкость 0 л при температуре 10,0 ° C. Какой объем радиаторной жидкости выльется через край, когда радиатор и жидкость достигнут своей рабочей температуры 95,0ºC, учитывая, что объемный коэффициент расширения жидкости составляет β = 400 × 10 –6 / ºC? Обратите внимание, что этот коэффициент является приблизительным, потому что большинство автомобильных радиаторов имеют рабочие температуры выше 95,0 ° C.
    11. Физик делает чашку растворимого кофе и замечает, что по мере остывания кофе его уровень в стеклянной чашке падает на 3,00 мм.Покажите, что это уменьшение не может быть связано с тепловым сжатием, рассчитав снижение уровня, если 350 см3 кофе находится в чашке диаметром 7,00 см и температура снижается с 95,0 ° C до 45,0 ° C. (Большая часть падения уровня на самом деле происходит из-за выхода пузырьков воздуха.)
    12. (a) Плотность воды при 0 ° C составляет почти 1000 кг / м3 (на самом деле 999,84 кг / м 3 ), тогда как плотность льда при 0 ° C составляет 917 кг / м 3 . Рассчитайте давление, необходимое для предотвращения расширения льда при замерзании, не обращая внимания на влияние такого большого давления на температуру замерзания.(Эта проблема дает вам лишь представление о том, насколько велики силы, связанные с замораживанием воды.) (Б) Каковы последствия этого результата для замороженных биологических клеток?
    13. Покажите, что β ≈ 3α, вычислив изменение объема Δ V куба со сторонами длиной L .

    Глоссарий

    тепловое расширение: изменение размера или объема объекта при изменении температуры

    коэффициент линейного расширения: α, изменение длины на единицу длины при изменении температуры на 1 ° C; константа, используемая при расчете линейного расширения; коэффициент линейного расширения зависит от материала и в некоторой степени от температуры материала

    коэффициент объемного расширения: β , изменение объема на единицу объема на 1 ° C изменение температуры

    термическое напряжение: напряжение, вызванное тепловым расширением или сжатием

    Избранные ответы на задачи и упражнения

    1.{\ circ} \ text {C} \ right) \ right] \\ & = & \ text {61} \ text {.} 1 \ text {L} \ end {array} \\ [/ latex]

    9. (а) 9,35 мл; (б) 7,56 мл

    11. 0,832 мм

    13. Мы знаем, как длина изменяется с температурой: Δ L = α L 0 Δ T . Также мы знаем, что объем куба связан с его длиной соотношением V = L 3 , поэтому окончательный объем равен V = V 0 + Δ V = ( L 0 + Δ L ) 3 .Подстановка Δ L дает V = ( L 0 + α L 0 Δ T ) 3 = L 0 3 91Δ202 (1 + T ) 3 .

    Теперь, поскольку αΔ T мало, мы можем использовать биномиальное разложение: V L 0 3 (1 + 3αΔ T ) = L 0 3 + 3α L 0 3 Δ T .

    Таким образом, запись длины в единицах объемов дает V = V 0 + Δ V V 0 + 3α V 0 Δ T и, следовательно, Δ V = βV 0 Δ T ≈ 3α V 0 Δ T , или β ≈ 3α.


    Использование трибометрии для определения опасностей поскользнуться и упасть

    Проблемы с поверхностью для ходьбы являются причиной более половины всех травм поскользнуться и упасть.Хотя некоторые из этих опасностей, например, неровные поверхности, разливы и мусор, легко обнаружить, обычно это не относится к конкретной проблеме: низкому сцеплению. Слабое сцепление не только незаметно, но и не сразу понятно, как его измерить и сказать, когда с этим что-то делать.

    Невозможно опираться на восприятие, потому что здесь задействовано множество факторов. Если десять человек пройдут по одному и тому же этажу, каждый может по-разному оценивать, безопасен ли пол или скользкий. Причины такого различного восприятия включают уникальные походки, шаги и выбор обуви, в том числе тип обуви, тип подошвы и степень износа каждой подошвы.Существуют также бессознательные или забытые приспособления: люди, которые ежедневно ходят по одним и тем же местам, узнают скользкие места и часто меняют подходы и способы ходьбы, пока эти места не кажутся безопасными. На впечатления пешехода также влияют такие факторы, как освещение зоны и отделка пола, поэтому вы просто не можете полагаться на личную оценку сцепления пола.

    К счастью, существует научный метод объективного измерения коэффициента трения поверхности.Этот метод поможет выявить проблемные области и указать, когда вам нужно улучшить сцепление с дорогой, а также поможет предотвратить травмы поскользнуться и упасть.

    Коэффициент трения

    Коэффициент трения поверхности (COF) относится к энергии. Чем больше энергии требуется для перетаскивания чего-либо по поверхности, тем выше коэффициент трения и тем меньше вероятность того, что поверхность будет способствовать скольжению и падению.
    Факторы, влияющие на COF, включают:

    • Наличие жидкости, сажи или других остатков
    • Уход за поверхностью
    • Возраст и износ поверхности

    x
    Управление по охране труда (OSHA) требует от работодателей поддерживать полы чистыми и сухими в соответствии с 29 CFR 1910.22 (а), но правила не определяют минимальный COF. В письме о толковании, написанном в 2003 году, OSHA ссылается на нормативную преамбулу, которая рекомендует COF 0,5, но в этом документе не перечисляются стандарты или процедуры тестирования. Закон об американцах с ограниченными возможностями (ADA) рекомендует COF 0,6 на ровных поверхностях, но также не перечисляет стандарт или процедуру тестирования.

    Трибометрия

    Трибометрия, или наука об измерении трения, восходит к 15 веку и никем иным, как Леонардо да Винчи.Эта наука использует инструменты, называемые трибометрами, для оценки трения и тяги. Трибометры измеряют одно или оба из следующих значений:

    • Статический коэффициент трения (SCOF) — величина горизонтальной силы, необходимая для начала движения при горизонтальном движении. (Возможность поскользнуться.)
    • Динамический коэффициент трения (DCOF) — Горизонтальная сила, необходимая для поддержания горизонтального движения. (Возможность скольжения после скольжения.)

    x
    Хотя трибометрия — это наука, для того, чтобы научиться использовать трибометр для измерения коэффициента трения, не требуется высшее образование.Трибометры просты в использовании и бывают разных типов. Некоторые из них предназначены для сухих поверхностей, другие — для влажных, а некоторые подойдут для обоих.

    Важно отметить, что нет способа рассчитать COF влажной поверхности на основе COF той же поверхности в сухом состоянии и наоборот — поэтому, если вам нужен COF как для влажной, так и для сухой, обязательно выберите трибометр, способный измерять в любом направлении.

    Национальные консенсусные стандарты обеспечивают основу для правильного использования трибометров.Некоторые даже относятся к типу трибометра и типу отделки пола. Стандарты существуют для всего, от полированных полов до шин для дорог с твердым покрытием. Некоторые из них предназначены для реальных условий, а другие применяются только в лабораторных условиях. Вот несколько примеров:

    • ANSI / NFSI B101.1 Метод испытаний для измерения SCOF во влажном состоянии обычных материалов для полов с твердой поверхностью
    • ANSI / NFSI B101.2 Метод испытаний для измерения DCOF во влажном состоянии обычных материалов с твердой поверхностью
    • ASTM F609-05 Стандартный метод испытаний для использования измерителя скольжения с горизонтальным натяжением x

    Измерения

    Независимо от того, используете ли вы простой измеритель скольжения или самый продвинутый трибометр, показания COF колеблются от 0.1 к 1.0. Трибометры различаются по точности и надежности, но всегда, чем выше показания, тем выше сцепление с поверхностью, и чем ниже показания, тем выше вероятность поскользнуться и упасть. Однако имейте в виду, что очень высокий COF может привести к тому, что люди споткнутся или споткнутся о поверхность. Для оптимального контроля опасностей большинство стандартов рекомендует COF от 0,5 до 0,8.

    Знание COF каждой поверхности на вашем предприятии может помочь вам расставить приоритеты по очистке, повторной окраске и восстановлению поверхностей.

  • Добавить комментарий

    Ваш адрес email не будет опубликован.