Retinex彩色图像增强理论的物理思考及其截断区间对图像质量的影响

指出了Retinex彩色图像增强理论的物理意义,在对数空间中,将原图像减去高斯函数与原图像的卷积,其物理本质是除去了原图像中的平滑的部分,突出了原图像中的快速变化的部分,而且高斯函数越尖锐,越是突出图像中的细节,高斯函数越平坦,图像色调保持得越好,多尺度Retinex综合了不同高斯函数与原图像进行卷积的优点。研究了多尺度Retinex标准差截断法,结果是,以多尺度Retinex处理后的图像强度在其平均值附近1倍标准差截断后再拉伸得到的图像,普遍好于以2倍、3倍标准差截断后再拉伸得到的图像。     

高分子多尺度结构构筑及其在生物医学中的应用

美国斯坦福大学化学系教授Richard N.Zare于1997年提出[1]:“由化学家来构造生命”是21世纪最伟大的挑战之一,即“用化学的方法去得到能自我复制、自我组装,甚至有进化可能性的系统”是当今对化学家最严峻的挑战之一。为什么研究生命体系要寄希望于化学家呢?因为一则生命体系由     

介观化学体系中的动力学尺度效应

以生命和表面催化体系为对象,研究了介观化学体系中内涨落对体系非线性动力学行为的调控作用。内涨落可以诱导随机振荡,其强度在体系处于最佳尺度时会出现一个甚至多个极大值,并且在耦合体系中会得到进一步增强,表现为尺度共振效应、尺度选择效应和双重尺度效应,揭示了介观化学体系中尺度效应的新机制。     

蛋白质分子机器的结构动态的多尺度多方法研究

蛋白质构成了生物体内最重要的分子机器,对蛋白质分子机器动态特性的了解、运作机制的揭示有助于实现对其功能的调控.本文对蛋白质分子机器结构动态的研究方法进行了全面而系统的综述,从空间分辨率、时间尺度、离体与原位等角度,对不同方法的特点和应用进行了深入的分析,指出了它们的优势和不足以及多方法整合联用的策略.文章还对未来蛋白质分子机器结构动态研究的发展方向进行了展望,提出了前瞻性的观点.     

基于PI法的门源MS6.4地震前震中附近地震热点图像异常变化研究

基于1980年以来青海省和甘肃省区域地震台网的定位地震目录,分析了研究区最小完备震级,选取空间网格尺度为0.2°×0.2°、地震活动异常学习时间段和预测时间段均为3 a,应用图像信息（PI）法,分析了门源M_S6.4地震发生前震中附近地震热点图像的异常变化过程。结果表明,在2013年1月1日至2016年1月1日的预测时间窗内,冷龙岭断裂和祁连山北缘断裂附近存在明显的地震热点,且地震热点图像颜色偏深,发震概率较高,向前滑动至2014年1月1日至2017年1月1日,2015年1月1日至2018年1月1日和2016年1月1日至2019年1月1日3个预测时间窗,此两断裂附近仍存在地震热点,地震热点图像颜色逐渐由深变浅,而门源M_S6.4地震就落在PI法得到的地震热点内。门源M_S6.4地震前存在明显的地震热点,且地震热点相对集中,地震热点图像颜色由深变浅,震后消失;在祁连山北缘断裂附近,地震热点持续存在,分布较集中,地震热点图像颜色也呈由深变浅的过程。未来需关注祁连山北缘断裂,附近有发生强震的可能。     

高熵合金的力学性能及变形行为研究进展

高熵合金是近年来提出的一种新的合金设计理念,打破了一般合金中以1种或2种元素为主,辅以极少量其他元素来改善合金性能的传统思想,由多种元素以等原子或近似等原子比混合后形成具有独特原子结构特征的单一固溶体合金.高熵合金的多主元特性使其在变形过程中表现出多重机制(包括位错机制、形变孪生、相变等)的协同,因而高熵合金已经展示了优异的力学性能,如高强、高硬、高塑性、抗高温软化、抗辐照、耐磨等,被认为是最具有应用潜力的新型高性能金属结构材料,已经成为国际固体力学和材料科学领域研究的热点.本文首先介绍了高熵合金独特的结构特征,即具有短程有序结构和严重的晶格畸变;随后对近年来针对不同类型高熵合金(包括具有面心立方相、体心立方相、密排六方相、多相以及亚稳态高熵合金)力学性能、变形行为方面的研究成果,特别是强韧化机制以及相关的原子尺度模拟,进行了较为系统的综述;最后强调了高熵合金未来研究中所面临的一些主要问题和挑战,并对其研究进行了展望.     

2:1内共振条件下变转速预变形叶片的非线性动力学响应

在工程实际中,涡轮机叶片的转速在很多应用场景下不是一个定常值,比如发动机在启动、变速、停机等工况下,转子输入与输出功率失衡,伴随产生扭振,产生速度脉冲. 另外,由于服役环境、安装误差等因素会引起叶片在所难免的预变形. 本文主要研究预变形叶片,在变转速条件下的非线性动力学行为. 考虑叶片转速由一定常转速和一简谐变化的微小扰动叠加而成. 应用拉格朗日原理得到变转速叶片的动力学控制方程,并采用假设模态法将偏微分方程转为常微分方程,通过引入无量纲,使方程更具有一般性. 运用多尺度方法求解了该参激振动系统,得到了在 2:1 内共振情形下的平均方程,进而获得系统的稳态响应. 详细研究温度梯度、阻尼以及转速扰动幅值等系统参数对叶片动力学响应的影响规律,同时考察了立方项在 2:1 内共振下对方程的影响. 对原动力方程进行正向、反向扫频积分来观察其跳跃现象,并对解析解进行验证. 结果发现参数的变化对叶片均有不同程度影响,在 2:1 内共振下立方项对系统响应的影响很小,解析解与数值解吻合很好.      

高雷诺数壁湍流的研究进展及挑战

高雷诺数壁湍流(high Reynolds number wall-bounded turbulence,HRNWT)是目前湍流科学研究的一个热点也是一个难点,对其现象、规律及机制的认知不足,理论体系远未建立而且研究手段受到各种限制.本文基于对HRNWT主要研究手段的介绍,针对HRNWT中的湍流统计量、超大尺度结构(very large scale motions,VLSMs)的尺度和形态以及起源和影响及其与颗粒的相互作用,总结了HRNWT的研究现状和最新进展,特别梳理了近年来本文作者团队在HRNWT特别是高雷诺数颗粒两相壁湍流方面的研究成果,并对HRNWT的进一步研究给出了建议及展望.      

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据,随着高分辨率遥感图像数据的日益增多,迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分,在特征选择上存在一定的局限性。为此,提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network,DCNN）的多尺度神经网络（multi-scale neural network,MSNet）模型,基于残差网络构建了100层编码网络,通过并行输入实现输入图像的多尺度学习,利用膨胀卷积实现特征图像的多尺度学习,设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验,总体分类精度达91.97%,并将其与传统全卷积网络（fully convolutional networks,FCN）方法和基于支持向量机（support vector machine,SVM）的面向对象方法进行了对比,结果表明,本文所提方法分类精度更高,分类结果整体性更强。