C60与聚乙烯咔唑（PVK）键合物和共混物在紫外激光作用下的碳笼增强融合

用飞行时间质谱测量３０８ｎｍ激光熔蚀Ｃ６０化学修饰的聚乙烯咔唑（Ｃ６０－ＰＶＫ）与Ｃ６０／聚乙烯咔唑共混物（Ｃ６０／ＰＶＫ）的产物分布，分析了正负离子质谱，发现明显的碳笼融合现象。比较分析了融合过程的增强机理，认为Ｃ６０与ＰＶＫ间的化学键合以及电荷转移络合分别在Ｃ６０－ＰＶＫ键合物和Ｃ６０／ＰＶＫ共混物的富勒烯融合过程中起了重要作用。     

结合边缘信息和图像特征信息的曲波域遥感图像融合

曲波变换是一种更适合于图像处理的多尺度几何分析方法,具有比小波变换更强的方向选择和辨识能力,而且对图像边缘的表达更优于小波.结合色度-饱合度-亮度变换将其应用于合成孔径雷达图像和多光谱图像融合可以更好地表示图像中的有用特征.首先对多光谱图像进行色度-饱合度-亮度变换,得到亮度分量Ⅰ,对雷达图像和Ⅰ分量进行曲波变换得到粗尺度系数和细节尺度系数;将雷达图像的粗尺度系数和细节尺度系数进行叠加,计算归一化的曲波系数直方图,定义边缘有效因子,利用合成孔径雷达图像的特征信息将曲波变换系数分为均匀区、非均匀区和亮点目标区.然后采用相应的融合规则对融合图像的粗尺度系数进行处理,对细节尺度系数采用简单的直接取大方法,逆变换后得到新的亮度分量.用新的亮度分量替代原亮度分量进行逆色度-饱合度-亮度变换得到最终融合结果,利用统计类指标对融合结果进行评价.实验结果表明,该方法在保持光谱信息和提高空间分辨率上都有较好的效果.     

基于高光谱图像的玉米种子特征提取与识别

玉米种子的形态特征是玉米品种识别的重要因素之一.采用高光谱成像系统获取9个品种共432粒玉米种子的高光谱反射图像,对图像进行校正和预处理,提取每个样本在563.6～911.4nm共55个波段范围内的形状特征.分别利用单波段、多波段和全波段下的玉米种子形状特征结合偏最小二乘判别法进行模型分类.结果显示,全波段范围内训练集和测试集的平均正确识别率达到98.31%和93.98%,均优于多波段和单波段的正确识别率.研究表明,该方法能充分利用高光谱图像中可见光和近红外区域的有效特征信息,较准确地鉴别玉米品种,为玉米品种的自动识别领域提供了一种新方法.     

一种基于NSCT变换的红外与可见光图像融合算法

针对红外与可见光图像融合,提出了一种基于NSCT变换的图像融合方法。对经NSCT变换的低频子带系数采用基于区域能量自适应加权的融合规则,对高频子带系数采用混合的融合方法,即对于低层,采用基于区域方差选大的融合方法,对于高层采用像素点的绝对值选大的融合方法。实验结果表明,该融合算法可以获得更多的细节信息,能获得较理想的融合图像。     

温州河网沉积物中重金属分布特征与污染评价

为了调查温州河网沉积物中重金属的分布特征与污染程度,共采集了29个样,用AFS-9230原子荧光光度计和ICP-OES全谱直读电感耦合等离子发射光谱法测定样品中重金属元素含量,克里格插值图反映重金属元素的空间分布,根据内梅罗指数法建立综合地累积指数进行污染评价,利用Pearson系数法,主成分分析法进行源分析。结果表明：在不同样点重金属含量差异明显,其中Cd和Zn含量最高点为主河道城市与工业集中区,As,Pb,Hg,Cu,Ni,Cr含量最高点为机械工业园区,沉积物受到Hg,Cd,Cu,Zn,Ni和Cr污染,区域污染程度机械工业园＞主河道城市区＞三垟湿地区＞城市周边区＞水源地区,Hg,Cd,Cu,Zn,Ni和Cr具有相似的源,且以人为源为主。     

不同病害胁迫下大豆的光谱特征及识别研究

在英国诺丁汉大学Sutton Bonington校区(52.8°N, 1.2°W)实测感染锈病与普通花叶病大豆的单叶光谱数据,利用连续统去除法对原始光谱数据进行处理,筛选对病害及锈病严重度敏感的波段,构建植被指数对感染锈病与普通花叶病及不同严重度锈病的大豆进行识别研究。研究发现普通花叶病胁迫下的大豆光谱反射率在可见光区域均大于健康大豆的,而锈病胁迫的大豆光谱反射率在绿光区随病情严重度增加而减小,在红光区随病情严重增强而增大。根据大豆光谱变化特征设计了一个植被指数R₅₀₀×R₅₅₀/R₆₈₀对大豆病害进行识别,通过计算不同病害及不同严重度之间的J-M距离对指数识别病害能力进行检验,结果表明指数R₅₀₀×R₅₅₀/R₆₈₀能够较好的识别出大豆锈病与普通花叶病,且该指数在识别大豆锈病严重度方面也有较强的能力。研究结果对农作物病害遥感监测与防治具有重要的理论价值与实际应用意义。     

Quality assessment for visible and infrared color fusion images of typical scenes

Two comprehensive evaluation metrics, image perceptual quality based on target detectability (PQTD) and perceptual quality based on scene understanding (PQSU), are proposed to measure image quality for visible and infrared color fusion images of typical scenes. A psychophysical experiment is performed to explore the relationship between conventional quality attributes and the proposed evaluation metrics. The prediction models for PQTD and PQSU are derived by multiple linear regression statistical analyses. Results show that the variation of PQTD can be predicted by sharpness and perceptual contrast between the target and background, and that color harmony and sharpness can predict PQSU. The proposed evaluation metrics and their prediction models provide a foundation for further developing objective quality evaluation of color fusion images.     

基于特征投影图的小麦近红外光谱变量选择方法研究

为了简化模型,提高模型预测精度,利用特征投影图(LPG)进行变量选择。对原始光谱进行连续小波变换(CWT),利用主成分分析(PCA)得到LPG,假定LPG中共线性光谱变量对建模作用相同,选出少数特征光谱变量建立预测模型,所得模型预测均方根误差(RMSEP)为0.345 4,优于其他建模方法,研究结果表明,LPG变量选择可有效简化近红外光谱模型,提高模型预测精度。     

戈壁地区近地面大气折射率结构常数的统计分析

利用温度脉动仪对2010年412月库尔勒戈壁地区近地面大气折射率结构常数进行了测量,按月对测量数据进行了对数平均。根据对数平均值对日变化特征进行了分析,并对大气湍流强弱时段进行了统计。研究结果显示:戈壁地区大气湍流在日落时段较日出时段弱;日出转换时刻,均值湍流强度在10-15 m-2/3以下,日落转换时刻,均值湍流强度在10-16 m-2/3左右; 4,6,8,9月份的近地面大气湍流强度较强,5,7,10月份居中,11,12月份较弱。     

Structural and Electrical Characteristics of Pb（Zr0.53,Ti0.47）O3 Thin Films Deposited on Si （100） Substrates

Pb(Zr0.53, Ti0.47)O3 (PZT) films were directly deposited on Si substrates without a buffer layer by pulsed laser deposition. Only(110)-oriented PZT peaks (other than Si substrate peaks) were observed from the XRD data. The electrical properties of the PZT/Si capacitor were characterized in terms of both the capacitance versus voltage (C-V) and current versus voltage (I-V) measurements. The clockwise trace of the C-V curve shows ferroelectric polarization switching, as is expected. From the I-V curves, the Schottky emission and spacecharge-limited-current behaviour are found to be the mainly leakage current mechanism in a certain electric field range in the negative and positive bias, respectively.