基于双层多指标优化的水下偏振成像技术

无先验水下主动偏振成像方法能够实现目标信息光偏振度和后向散射光偏振度的自动获取,但该方法在反演过程中仅追寻高对比度这一单一指标,有时会导致自动获取的两项偏振反演参数过于相近,使图像复原效果不理想,且常伴有大量噪声.针对上述仅追求单一指标导致复原图像质量不理想的问题,本文提出一种基于双层多指标优化的水下偏振成像方法.首先,第1层以互信息和对比度为目标函数,基于多目标遗传优化算法自动获取偏振参数最优解集;其次,选择信息熵为第2层目标函数,遍历最优解集,获取偏振参数最终解,并将其代入成像模型,获取复原图像;最终,根据所获偏振参数之差,选取适当数字图像处理手段进一步提升复原图像质量.实验结果表明,无论背景区域存在与否,无论目标物偏振度高低,本方法均能有效增强图像细节,平衡各项图像质量评价指标,得到综合质量较高的复原图像.     

双基地雷达两极区ISAR超分辨成像

由于双基地雷达中两极区双基地角的时变特性,传统ISAR成像法无法获取高分辨的目标像.分析了两极区双基地角的时变性及对距离包络和方位的影响,就两极区目标运动模型中目标方位高次项提出了Radon-TCDS-Relax超分辨成像算法,对每个距离单元进行调频率和调频率变化率搜索并补偿其所对应的方位高次相位误差,用Radon-TCDS-Relax提取散射点实现TCD-RID成像.仿真实验与分析验证了本文方法的有效性.     

间断Galerkin有限元和有限体积混合计算方法研究

通过局部坐标变换而建立的非正交单元间断Galerkin(DG)有限元计算方法计算精度高， 但计算量大、内存需求大；而非结构网格有限体积方法虽然准确计算热流的问题目 前还没有完全解决，但其具有计算速度快和内存需求小的优点. 该研究是将有 限元和有限体积方法的优点结合，发展有限元和有限体积的混合方法. 在物面 附近黏性占主导作用的区域内采用有限元方法进行计算，在远离物面的区域采用快速的有限 体积方法进行计算，在有限元和有限体积方法结合处要保证通量守恒. 通过算例说明有 限元和有限体积混合方法既能保证黏性区域的热流计算精度和流场结构的分辨率，又能 降低内存需求和提高计算效率，使有限元方法应用于复杂外形(实际工程问题)的计 算成为可能.     

二阶非线性差分方程多重周期解的存在性

本文研究了一类带参数非自治的二阶非线性差分方程多重周期解的存在性问题.利用Morse理论,建立了此类方程多重周期解的存在性准则.     

一类高阶非线性中立型差分方程组非振动解的存在性

研究了一类高阶非线性中立型差分方程组非振动解的存在性.利用Banach空间的压缩映象原理,获得了该方程组存在非振动解的充分条件.     

多个同频摇荡剖面引起的波辐射

在内场中使用简单Ｇｒｅｅｎ函数的边界元方法与外场的速度势特征函数展开式相结合，用于求解多个同频摇荡剖面面引起的水面波辐射问题的频域解。方法适用于外场为定深的水域以及内场的复杂边界条件，各剖面的摇荡模态，幅值和相位可以互不相同。     

P-Cu-Mo杂多阴离子柱撑水滑石的制备

杂多阴离子柱撑水滑石作为一类新型的催化材料,近年来日益受到人们的关注。但由于杂多化合物对碱不稳定及水滑石在酸性条件下层结构易被破环,故文献中仅有制得钨硅系杂多阴离子柱水滑石的报道。作者将过渡金属引入钼磷酸的Keggin结构骨架中,提高了其溶液稳定性,并在微波场中快速地制得了P-Cu-Mo杂多阴离子柱撑水滑石。     

双功能催化剂体系催化乙烯原位聚合制备长链支化聚乙烯研究

以蒙脱土负载 β 二酮二氯化锆作为乙烯齐聚催化剂与Et(Ind) 2 ZrCl2 复合组成了原位双功能聚合催化体系 ,成功地以乙烯为唯一单体唯一反应釜制备长链支化聚乙烯 ,该催化剂体系具有乙烯共聚活性高 ,聚合物物性可调等优点     

载体茂金属用于原位聚合反应制备LLDPE研究

以Ti(OR) 4为二聚催化剂 ,以载体茂金属催化剂为共聚合催化剂 ,以烷基铝为唯一助催化剂 ,在乙烯为聚合单体的条件下原位聚合制备LLDPE ,成功地解决了两种催化剂之间的相互干扰的问题 ,该催化剂体系具有聚合活性高 ,所得聚合物密度低 ,聚合物形态可调节等优点     

高光谱技术融合图像信息的牛肉品种识别方法研究

高光谱图像包含了大量的光谱信息和图像信息,采用高光谱成像技术对牛肉品种进行识别。获取可见-近红外(400~1000 nm)光谱范围内的安格斯牛、利木赞牛、秦川牛、西门塔尔牛、荷斯坦奶牛五个品种共252个牛肉样本的高光谱图像。在ENVI软件中对高光谱图像进行阈值分割并构建掩膜图像,获取样本的感兴趣区域(ROI),并结合伪彩色图对牛肉样本的反射率指数进行可视化表达;采用Kennard-Stone(KS)法对样本集进行划分以提高模型的预测性能;对原始光谱采用卷积平滑(SG)、区域归一化(Area normalize)、基线校正(Baseline)、一阶导数(FD)、标准正态变量变换(SNV)及多元散射校正(MSC)等6种方法进行预处理;采用竞争性自适应重加权算法(CARS)提取特征波长。然后利用颜色矩对不同牛肉样本的颜色特征进行提取;对原始光谱图像进行主成分分析,结合灰度共生矩阵(GLCM)算法,提取主要纹理特征。最后结合偏最小二乘判别(PLS-DA)算法建立牛肉样本基于特征波长、颜色特征以及纹理特征的识别模型。KS法将牛肉样本划分为校正集190个,预测集62个;将未经预处理的光谱数据与经过6种不用预处理的光谱数据进行建模分析,结果发现经FD法处理后的光谱数据所建模型的识别率最高;结合CARS法对经FD法预处理后的光谱数据进行特征波长提取,共提取出22个波长;利用颜色矩和GLCM算法分别提取出每个牛肉样本的9个颜色特征、48个纹理特征。将特征波长数据与颜色、纹理特征信息进行融合建模,结果表明,基于特征光谱+纹理特征的模型识别效果最佳,其校正集与预测集识别率分别为98.42%和93.55%,均高于特征光谱数据模型识别率,说明融合纹理特征后使样本分类信息的表达更加全面;融合颜色特征后模型的校正集识别率均有所增加,但预测集识别率稍逊,颜色特征虽携带了部分有效信息,但这些信息与牛肉样本的相关性不大。因此,寻找与牛肉样本相关性更大的颜色特征是提高模型识别率的重要途径之一。该研究结果为牛肉品种的快速无损识别提供了一定的参考。