缩水甘油胺型聚氨酯胶粘剂的性能研究北大核心CSCD

采用商品化SKE-1型环氧树脂对自制聚氨酯预聚体(NCOPU)进行封端,制备了缩水甘油胺型聚氨酯(GAPU),并用傅里叶-红外光谱(FT-IR)对其结构进行表征,用在线FT-IR监控间苯二甲胺固化GAPU过程,用差示量热扫描(DSC)研究其相分离,用扫描电镜(SEM)观察固化物的表面微观形貌,用热重(TG)分析固化物的热力学稳定性。探讨了聚丙二醇(PPG)分子量的大小、不同质量分数的SKE-1对NCOPU封端及不同种类的固化剂对GAPU固化物力学性能的影响。研究表明:在60℃时用间苯二甲胺固化GAPU,2h即可固化完全,固化物热稳定性能良好,其外推起始分解温度为248.3℃,5%的分解温度为282.6℃。GAPU固化物的力学性能随着GAPU的环氧值减小而减小,在室温以上力学性能下降,在-196℃力学性能增加,其环氧值为0.153,在-196℃的拉伸剪切强度最佳,为16.11MPa。     

长亚甲基链段改性固化剂的制备与性能

采用二官能度环氧树脂对己二胺进行改性,得到了含多段长亚甲基链段的柔性固化剂。利用红外光谱表征其基本结构。采用环氧树脂E-44与之进行固化,通过不同温度下固化时间对力学强度影响的分析,初步确定其最佳固化条件为80 ℃,6 h。通过热重分析检测不同固化比例下固化产物的热稳定性,并采用差示扫描量热法研究该固化剂的固化动力学参数、反应活性、最佳固化温度及时间。对其固化物拉伸剪切强度进行测试,测试结果表明:在固化比例为1:0.5时,在-196 ℃、室温、60 ℃下的拉伸剪切强度分别为16.84,14.73和13.52 MPa,基本满足实际应用的需求。     

兼顾色度和光谱精度的多光谱图像LabW2P编解码

针对可见光多光谱图像在通用领域的应用，为提高压缩效率，有效提升重建光谱曲线的色度及光谱精度，进一步存储传输，提出了一种非线性光谱反射率模型，并基于此设计了复杂度适中、光照稳定性好且支持光谱跨设备再现的LabW2P编解码算法。首先根据多光谱图像物理特性，提出非线性光谱反射率模型，将光谱数据表示为线性成分和差别光谱，线性成分由六维变换空间及光谱投影系数组成，差别成分为非线性表示成分，该模型用于光谱数据至不同基变换空间的分解及表示，为算法的构建，光谱及色度重建性能的提升，提供了理论基础；然后，根据人眼视觉系统特征、光照条件，借助CIE标准色度空间转换函数，提取光谱反射率中的三维色度信息Lab，保证重建图像的色度精确性；基于光谱非线性表示模型，采用类视觉曲线的三角函数基，提取线性成分前两维投影系数作为光谱编码的后两维W₁和W₂，用于近似描述CIERGB色度空间中R和G通道，同时有效提高光谱数据的色度和光谱还原度；利用误差补偿机制生成预测差别光谱，采用主成分分析（PCA）法提取其第一维主成分作为编码值P，补偿了线性光谱重建误差，并进一步提升了光谱精确性；最后，组合提取的三部分数据，形成LabW2P编码。LabW2P解码即编码的逆过程。首先，根据Lab及W₁和W₂，结合CIELAB至CIEXYZ色度空间转换函数、光照条件、CIE标准观察者色匹配函数、及三角函数基，采用最小二乘回归，获得变换空间上的重建投影系数，进而重建线性光谱数据；然后，根据P值，采用PCA逆变换，获取重建预测差别数据，最后，结合两部分重建数据，获得光谱重建图像。实验分析显示，LabW2P算法的平均色度精度为0.207 6，较经典的PCA，LabPQR和LabRGB法分别提升了81.54%，55.48%，32.29%，最大平均色差为0.507 0，此外均处于0～0.5之间，达到了视觉难以辨认的可忽略色差的色彩重建水平；平均光谱精度为0.012 7，较PCA性能稍弱，较LabPQR和LabRGB法分别提升了13.01%，6.62%，表明LabW2P编码法的色度和光谱重建性能优势明显。此外该算法可直接用于物体色估计，较PCA和LabPQR法，传输附加信息少，可达压缩比更高。     

优劣蟾酥的毛细管气相色谱鉴别方法

研究了优劣瞻酥及瞻皮粉化学成分提取方法，系统地比较了毛细管气相色谱法，红外光谱法，紫外光谱法在瞻酥优劣鉴别中的应用效果。建立了用硫酸浴加热从瞻酥中提取挥发性和半挥发性化合物后，用瞻酥的毛细管气相色谱特征峰法鉴别瞻酥优劣的方法。     

色彩再现的多光谱图像压缩

针对多光谱图像在色度高保真再现等领域的应用,为提高压缩效率,进一步存储传输,提出了WF系列编码方法,设计了APWS_RA算法,进而提出了一种低复杂度、光照稳定性好且支持跨设备再现的WF_APWS_RA压缩算法。首先研究了现有的基于光谱均方误差的小波嵌入编码原理,提出了色感应失真准则和视觉特性矩阵W;同时,优化了APWS编码算法的码率分配,形成APWS_RA编码算法;最后,结合以上技术,以色度误差准则指导编码,对视觉加权后的多光谱图像数据进行aPWS_rA编码,命名为WF_APWS_RA。WF_APWS_RA算法融合人眼视觉特性矩阵W,利用吸引力传播(Affinity Propagation)聚类挖掘加权图像的谱间冗余,小波变换去除其空间冗余,最后结合误差补偿机制和码率分配策略进行小波编码。实验表明,在相同比特率下,较现有低复杂度经典编码算法,WF系列编码方法能更有效地保留光谱中的色度信息,APWS_RA算法的重建光谱误差最小,WF_APWS_RA算法的重建色度精度优势明显。     

基于聚类和小波变换的多光谱图像压缩算法

针对多光谱图像压缩算法现存的时空复杂度高、光谱特性利用不充分等问题,研究了多光谱图像的谱间稀疏等价表示及其聚类实现途径,进而设计了一种基于谱间自适应聚类和小波变换的多光谱图像压缩算法.算法利用吸引力传播聚类产生多光谱图像的谱间稀疏等价表示、在低复杂度下去除图像的谱间冗余,使用二维小波变换去除稀疏表示成分的空间冗余,采用分层树集合分割排序算法(SPIHT)进行压缩编码,并通过误差补偿机制提高多光谱图像重建质量.实验表明,该算法在保证较低时间和空间复杂度的基础上,较SPIHT等同类经典压缩算法,在相同的压缩比下,明显提高了重建图像的峰值信噪比,是一种通用有效的多光谱图像压缩算法.     

色彩再现的多光谱图像压缩

针对多光谱图像在色度高保真再现等领域的应用, 为提高压缩效率, 进一步存储传输, 提出了WF系列编码方法, 设计了APWS_RA算法, 进而提出了一种低复杂度、光照稳定性好且支持跨设备再现的WF_APWS_RA压缩算法。首先研究了现有的基于光谱均方误差的小波嵌入编码原理, 提出了色感应失真准则和视觉特性矩阵W;同时, 优化了APWS编码算法的码率分配, 形成APWS_RA编码算法;最后, 结合以上技术, 以色度误差准则指导编码, 对视觉加权后的多光谱图像数据进行aPWS_rA编码, 命名为WF_APWS_RA。WF_APWS_RA算法融合人眼视觉特性矩阵W, 利用吸引力传播(Affinity Propagation)聚类挖掘加权图像的谱间冗余, 小波变换去除其空间冗余, 最后结合误差补偿机制和码率分配策略进行小波编码。实验表明, 在相同比特率下, 较现有低复杂度经典编码算法, WF系列编码方法能更有效地保留光谱中的色度信息, APWS_RA算法的重建光谱误差最小, WF_APWS_RA算法的重建色度精度优势明显。