结合àtrous算法与Retinex算法的医学图像增强

提出结合àtrous算法与Retinex算法的医学图像增强.方法在二进小波理论基础上,利用推广的二维àtrous算法对医学图像进行处理,对经过多级分解后的医学图像的低频利用连续非线性函数增强,而对分解后的多个高频采用改进的Retinex算法进行增强;最后,对增强后的低频和高频进行重构.经过反复仿真试验结果表明:方法在去除噪声的同时更好地保留了图像边缘特征,增强了图像细节信息和凸显图像的轮廓,并克服对比度下降的不足,较好地去除光晕现象,视觉效果好,层次感更丰富.     

Brønsted酸促进芳基三氮烯与萘酚的偶氮化反应:偶氮染料的高效合成

报道了一种以芳基三氮烯为偶氮源合成偶氮染料的高效方法,该方法采用萘酚与芳基三氮烯作为反应物,六氟磷酸作为促进剂,三氟乙醇作为溶剂,在室温条件下合成偶氮染料,并利用紫外-可见吸收光谱对产物进行表征。结果表明：所合成偶氮染料的最大吸收波长为472~500 nm（DMSO）,摩尔吸光系数为3.90×10⁴~1.14×10⁵。此外,通过将该偶氮化方法应用于磺胺类药物的后修饰,进一步证实了该方法的实用性。     

分数阶微分技术在机载高光谱数据估算土壤含水量中的应用

无人机高光谱遥感为精准农业和农业信息化监测提供崭新视角。高光谱传感器具有厘米级空间分辨率和精细的光谱分辨率,可获取高质量的高光谱数据。然而,高光谱数据通常伴随噪声和数据冗余,高光谱信息利用效率低,常规预处理难以满足精准估算的需求。因此,为解决上述现实问题,针对机载高光谱影像的数据挖掘必不可少。利用分数阶微分(FOD)技术逐像元处理机载高光谱数据（步长为0.1）。通过对比FOD技术与整数阶技术对高光谱数据的改善能力,从光谱层面探寻最佳FOD阶数。在梯度提升回归树（GBRT）算法下构建土壤含水量（SMC）估算模型,最终在最佳模型下评估SMC的空间分布。结果表明：FOD技术提高光谱与SMC的相关系数（r_max=0.768）,与原始光谱、一阶微分和二阶微分处理后的光谱同SMC相关系数相比,分别提升0.168,0.157和0.158。FOD技术提升模型估算精度的主因是突出有效光谱信息的作用,特别是与水分胁迫密切敏感的叶绿素、植物结构和水分响应波段（430,460,640,660和970 nm）。即使FOD技术取得理想的结果,不同阶数的效果仍有差异。高阶FOD对影像增加了一定噪声,相较于高阶FOD（1＜阶数＜2）,低阶FOD（0＜阶数＜1）对相关性的改善更为明显。FOD技术对SMC估算模型的性能有很大提高,在0.4阶模型下取得最优结果（R2_p=0.874,RMSEP=1.458,RPIQ=3.029）。此外,0.1—0.9阶和1.6—1.9阶的SMC估算模型比整数阶模型更优（R2_p提升0.8%～13.8%）,但根据模的RPIQ发现,低阶FOD模型在模型的预测能力方面更强。在0.4阶模型下反演农田土壤水分的空间分布表明干旱区农田SMC具有显著的空间异质性。研究结果表明低阶FOD技术有效地实现对高光谱数据挖掘,从而实现农业SMC的精准估算。该研究提出了针对机载高光谱影像处理的新方法,为干旱区精准农业实施和管理提供新的策略。     

涉及分担超平面的正规定则

在本文中, 作者继续讨论涉及分担超平面的全纯曲线的正规性, 得到了如下结果:设$\mathcal F$是一族从区域$D\subset\mathbb C$到$\mathbb P^N(\mathbb C)$上的全纯曲线,$H_j=\{x\in\mathbb P^N(\mathbb C):\langle\bm{x},\alpha_j\rangle=0\}$是$\mathbb P^N(\mathbb C)$中处于一般位置的超平面, 这里$\alpha_j=(a_{j0},\cdots,a_{jN})^{\rm T}$且$a_{j0}\ne0$, $j=1,2,\cdots,2N+1$.若对于任意的$f\in\mathcal F$, 满足下列两个条件:(i) 如果$f(z)\in H_j$, 那么$\nabla f\in H_j$, 这里$j=1,2,\cdots,2N+1$;(ii) 如果$f(z)\in\bigcup\limits_{j=1}^{2N+1} H_j$, 那么$\frac{|\langle f(z),H_0\rangle|}{\|f\|\|H_0\|}\ge \delta$, 这里$0<\delta<1$是一个常数,而$H_0=\{w_0=0\}$,\noindent 则$\mathcal F$在$D$上正规.     

生物质碳量子点的绿色制备及对Cu2+的检测

向日葵作为我国主要的油料作物之一,其秸秆是天然的纤维素材料,具有绿色无毒,成本低廉的优势,是制备生物质碳量子点的理想材料之一。近年来,由于含铜农药和化学肥料的不规范使用,大量含铜污染物被排放导致农田土壤和水环境中的铜含量远高于环境背景值。因此,迫切需要开发出一种选择性好、灵敏性强且对环境友好的Cu²⁺检测方法。碳量子点(CDs)是一种粒径小于10 nm的准球形荧光碳纳米材料,因其表面含有丰富的极性官能团,具有良好的水溶性而被广泛研究。与传统的半导体量子点(CdSe, CdTe)相比,CDs具有合成原料广泛、生物相容性好等优点。主要应用于生物成像、光催化、光电转化以及传感检测等领域。然而目前用于碳化合成CDs的前驱体大多为昂贵的化学品,且合成过程复杂污染环境,限制了CDs的大规模生产与应用。开发出一种生态友好,简单、廉价的CDs合成方法是很有意义的。本研究以废弃的向日葵秸秆为碳源,采用简便的水热法合成生物质碳量子点(S-CDs)作为荧光探针,用于检测识别Cu²⁺。通过对S-CDs的一系列光学性质分析与表征,鉴定出其表面官能团主要包括O—H, N...