基于分层引导滤波与最近邻正则化子空间的高光谱图像分类

针对高光谱图像中同质异谱现象造成的分类精度较低以及边缘像元在联合空间光谱信息分类时特征易混淆的问题,提出了基于分层引导滤波与最近邻正则化子空间的分类方法.利用主成分分析获得高光谱图像的第一主成分.以第一主成分为引导图像对高光谱图像执行分层引导滤波操作,引导滤波的边缘保护特性,有效阻隔了边缘处类间光谱信息的混淆,并减小了局部区域类内光谱的差异,最后将预处理后的高光谱图像送至最近邻正则化子空间分类器进行分类识别.在Indian Pines,Salinas以及GRSS_DFC_2013高光谱数据集上与现有的方法进行对比实验.结果表明,本文提出的方法在三个数据集上分别取得了98.63%,99.13%与99.42%的总体分类准确率,有着更优的分类精度与可视化效果.     

铈掺杂石墨相氮化碳的合成及可见光光催化性能

以硝酸铈和三聚氰胺为原料,采用热解法合成系列Ce掺杂石墨相氮化碳(g-C_3N_4).采用X射线衍射仪(XRD)、透射电子显微镜(TEM)、傅里叶变换红外光谱仪(FTIR)、紫外-可见漫反射光谱仪(UV-Vis DRS)、荧光光谱仪(PL)和X射线光电子能谱仪(XPS)等对样品进行了表征.结果表明,Ce掺杂使g-C_3N_4晶粒尺寸减小,比表面积增大,光生电子/空穴对复合几率降低,并影响到能带结构.在可见光下光催化降解亚甲基蓝水溶液的结果表明,Ce掺杂g-C_3N_4的可见光光催化活性远优于纯g-C_3N_4.其中,0.10-Ce-C_3N_4样品80 min内对亚甲基蓝的降解率高达98.51%,速率常数达0.0506 min~(-1),是纯g-C_3N_4的4.9倍.     

三个基于柔性4-取代双三唑配体锌配位聚合物的合成、晶体结构

以1,2-二（4H-1,2,4-三唑）乙烷（btre）和3个二元羧酸1,3-金刚烷二酸（H₂adc）、对苯二甲酸（1,4-H₂bdc）和邻苯二甲酸（1,2-H₂bdc）为配体,在室温下合成了3个锌配位聚合物{[Zn（μ₂-btre）（μ₂-adc）]H₂O}_n（1·H₂O）、[Zn₂（μ₂-btre）（μ₂-1,4-bdc）₂（H₂O）₂]_n（2）和[Zn（μ₂-btre）（μ₂-1,2-bdc）]_n（3）。测试了3个配合物的晶体结构,并用红外光谱、元素分析和粉末衍射对其进行表征。晶体结构测试表明,1为2D（4,4）网格结构,π-π作用将相邻的2D网格连接成3D结构。配合物2和3分别是3D和2D（4,4）网格结构。另外,研究了3个配合物的热稳定性和室温下的固体荧光。     

碱土金属促进氢官能团化反应的研究进展

碱土金属及其化合物由于其储量丰富、成本低而被应用于催化反应中.近年来,碱土金属催化脱氢偶联反应、硼氢化反应、氢膦化反应、氢胺化反应以及氢化硅烷化反应等被关注和研究,无论在实验还是原理上都取得了大量的进展.针对这类反应及其机理进行总结归纳,从而完整描绘了碱土金属在氢化或脱氢反应中起到的作用.这类反应中,往往都涉及到碱土金属氢化物作为活性物种,反应过程中都要经历碱土金属氢共价键的形成和断裂.通过对这些反应的分类和讨论,从整体上认识了这类反应的反应条件和反应历程,为今后设计碱土金属催化剂和同类型反应的催化循环提供了指导.     

基于Transformer的普通话语声识别模型位置编码选择

具有自注意机制的Transformer网络在语声识别研究领域渐渐得到广泛关注。该文围绕着将位置信息嵌入与语声特征相结合的方向,研究更加适合普通话语声识别模型的位置编码方法。实验结果得出,采用卷积编码的输入表示代替正弦位置编码,可以更好地融合语声特征上下文联系和相对位置信息,获得较好的识别效果。训练的语声识别系统是在Transformer模型基础上,比较4种不同的位置编码方法。结合3-gram语言模型,所提出的卷积位置编码方法,在中文语声数据集AISHELL-1上的误识率降低至8.16%。     

基于混沌与快速小波变换的多光谱图像压缩加密算法

针对多光谱图像存储和传输安全性问题,提出一种将混沌思想、小波变换和KL（karhunen-loeve）变换相结合的多光谱图像压缩加密算法。首先,采用K-means聚类方案将多光谱图像聚类为通用像素,通过选择合适的K值使算法的性能最优,同时便于后续处理;然后对通用像素进行二维离散9/7小波变换,对变换后的系数进行Arnold变换以及加密处理,消除多光谱图像大部分空间冗余,减少压缩过程中的块效应;之后对产生的小波系数进行改进的KL变换,消除残余空间冗余和光谱冗余;最后采用差分脉冲滤波器对系数进行编码,并采用Tent映射对码流进行混淆扩散加密。通过实验可知,本算法的信息熵达到11.794 3（选取12位多光谱图像）,信息熵更接近最大值12,优于现有算法,可以更好的隐藏原图特征;该算法的像素变化率（NPCR）和归一化平均变化强度(UACI)分别为99.81%和34.19,优于现有的其他算法,本算法可以更好的抵御差分攻击;输出比特流变化率保持在47.62%～47.71%之间,密文比特流变化率保持在47.45%～47.52%,本算法具有较好的密钥敏感性;在压缩比为4∶1～32∶1范围内,系统PSNR在42 dB以上,具有很高的压缩性能。在4∶1～32∶1范围内,本压缩算法达到很高的峰值信噪比,优于现有的压缩算法,在正常工作压缩比为16∶1时,比现有压缩算法的信噪比提高了0.64 dB以上。为进一步验证算法在高压缩比情况下的压缩性能,该研究测试了压缩比为128∶1时系统的信噪比为31.28,此时,重建后的图像较为清晰,优于现有算法1 dB以上。可见,该算法可行,且特别适合对压缩比要求较高的场合,并在频谱保真方面具有较好的效果。