使用超声估计肌肉疲劳的初步研究

表面肌电信号把神经肌肉活动和肌肉收缩联系起来，已被视为一种估计肌肉疲劳比较客观的方法，但也存在一些不足。另一方面，超声已广泛应用于医学诊断和研究，在骨骼肌方面也有不少研究报道，但还未见文献报道超声用于肌肉疲劳的估计。本文介绍一套自行开发的新的同步连续采集B超图像、力矩和肌电信号的采集系统，并利用它对肱二头肌的肌肉疲劳进行了估计。试验表明在30秒的肌肉疲劳过程中，肌肉厚度会以非线性的方式增加。     

高固体分羟基丙烯酸树脂的合成

以过氧化二苯甲酰（BPO）／过氧化二异丙苯（DCP）（质量比为2：3）为复合引发剂，二甲苯为溶剂，选用适量含羟基单体和分子量调节剂，以减缓树脂合成聚合反应中的自动加速现象，合成了分子量为3000-4000，多分散性指数d〈2的高固体分羟基丙烯酸树脂．该树脂与缩二脲多异氰酸酯（HDI）的配漆实验证明，所得漆膜鲜映性好、丰满度高、色泽好、雾影值低、综合性能较好．     

Mathematical topographical correction of XPS images using multivariate statistical methods

For rough heterogeneous samples, the contrast observed in XPS images may result from both changes in elemental or chemical composition and sample topography. Background image acquisition and subtraction are frequently utilized to minimize topographical effects so that images represent concentration variations in the sample. This procedure may significantly increase the data acquisition time. Multivariate statistical methods can assist in resolving topographical and chemical information from multispectral XPS images. Principal component analysis (PCA) is one method for identification of the highest correlation/variation between the images. Topography, which is common to all of the images, will be resolved in the first most significant component. The score of this component contains spatial information about the topography of the surface, whereas the loading is a quantitative representation of the topography contribution to each elemental/chemical image. The simple‐to‐use self‐modelling mixture analysis (Simplisma) method is a pure variable method that searches for the source of most differences in the data and therefore has the potential to distinguish between chemical and topographical phases in images. The mathematical background correction scheme is developed and validated by comparing results to the experimental background correction for samples with differing degrees of topography. Copyright © 2004 John Wiley & Sons, Ltd.     

Widrow-cellular neural network and optoelectronic implementation

A new type of optoelectronic cellular neural network has been developed by providing the capability of coefficients adjusment of cellular neural network (CNN) using Widrow based perceptron learning algorithm. The new supervised cellular neural network is called Widrow-CNN. Despite the unsupervised CNN, the proposed learning algorithm allows to use the Widrow-CNN for various image processing applications easily. Also, the capability of CNN for image processing and feature extraction has been improved using basic joint transform correlation architecture. This hardware application presents high speed processing capability compared to digital applications. The optoelectronic Widrow-CNN has been tested for classic CNN feature extraction problems. It yields the best results even in case of hard feature extraction problems such as diagonal line detection and vertical line determination.     

组织协同进化分类算法用于雷达目标一维像识别

针对雷达目标一维像识别问题，提出了一种基于组织协同进化分类算法的识别方法．该方法与现有进化分类方法的不同之处在于它的进化操作直接作用于样本而不是规则，采用了一种自下而上的搜索机制，即先使若干样本的集合得到进化，再从进化结果中提取规则．这样有利于避免在进化过程中产生无意义的规则．该方法不需要进行特征提取；对于高维数据，不需要预先进行降维处理；没有复杂的运算，训练和识别的速度都很快．对3种飞机微波暗室实测数据的识别实验表明，该方法性能稳定，优于基于支撑矢量机与子波核函数的方法，识别率均达到了96％以上．实验中还对算法的抗噪能力进行了测试，获得了良好的效果．     

激光水下扫描成像系统的图像修正机理

同步扫描系统可以克服后向散射，但同时也产生了两种非线性，一是扫描线速度的非线性，一是由于距离对光能衰减造成的非线性，两种非线性都需要修正，本文从原理上讨论水下激光成像时能量衰减的修正原理与修正方法，并给出仿真结果。     

数字全息中再现像分离问题的研究

详细分析了数字全息的再现像分离条件,指出数字全息和普通全息的再现像分离条件之间的区别,同时也讨论了再现条件对数字全息记录光路的要求,同时给出一种能部分避免再现像重叠的处理方法,并做出相应的实验验证.     

基于非锐化掩模的实时自适应图像增强算法

针对传统的非锐化掩模算法的局限性,依据图像中各像素点及以其为中心的若干相邻像素点的均方差值,提出了自适应图像增强算法的原理,并分析其硬件实现方法,然后给出了该算法与其它算法应用于图像增强的对比结果,最后在FPGA（field programmable gate array）实验板上进行验证.实验结果表明,此算法有效的增强图像的细节区域,防止图像边缘区域出现过冲现象,抑制图像平坦区域的噪声放大.因此,该算法取得了良好的视觉效果,硬件实现简单,适合于实时条件下图像的增强.     

自动检测系统原理应用和发展状况的研究

自动检测系统广泛应用于各类产品的设计、生产、使用、维护等各个阶段,对提高产品性能及生产率、降低生产成本及整个生产周期成本起着重要作用。首先介绍了检测、检验以及自动检测系统的概念,其次通过自动检测系统的各个组成部分,详述了系统的工作原理,介绍了自动检测系统组建的概念、结构以及在组建中所使用的关键技术。对早期的自动检测系统和新一代自动检测系统进行了介绍,并详述自动检测系统的3个发展阶段。