基于Sobel的多方向算子模板边缘检测算法

针对传统Sobel算子存在的边缘检测方向性不强及提取边缘较粗等问题,提出了一种改进的多方向算子模板的边缘检测算法。算法增加了22.5°,45°,67.5°,112.5°,135°和157.5°六个方向算子模板,能够较好地检测出图像不同的方向边缘。模板权值根据中心像素点到邻域像素的距离及方向夹角的大小进行设定,充分考虑到了邻域内像素对中心点方向梯度的贡献大小;算法对梯度图像采用了改进的非极大值抑制方法进行细化,得到了较细的图像边缘。实验结果表明,与传统Sobel算法相比,该算法提取的边缘图像具有边缘方向性强且边缘较细的优点,具有较高的应用价值。     

孔隙网络模型在渗流力学研究中的应用

孔隙网络模型广泛地用于同多孔介质有关的微观模拟中. 本文简介了利用网络模型研究储层渗流规律的基本思想、主要步骤以及网络模型同其它微观模型相比较的优缺点, 总结了在微观渗流研究中使用的两大类网络模型(准静态网络模型和动态网络模型)的特征及其适用范围, 综述了目前网络模型在研究渗流中的应用现状以及国内外研究比较活跃的几个方面,最后分析了网络模型今后的发展趋向.      

基于均值梯度的脉冲噪声图像边缘检测算法

为了有效地检测出受脉冲噪声污染图像的边缘,提出了一种基于均值梯度的图像边缘检测算法。算法将检测窗口根据水平和垂直方向分成上、下、左、右4个不同区域,先计算每个区域内非噪声点的平均灰度值,然后利用这些值的差分计算图像梯度,得出梯度图像,最后对梯度图像采用了改进的非极大值抑制方法对梯度图像进行细化并提取边缘。实验结果表明,该算法能够较好地检测出受较高密度脉冲噪声干扰的图像边缘,而且边缘较细,效果明显优于传统Sobel算法,具有较强的实用性。     

使用吸力锚进行海缆路由弧形段铺设

交通运输部上海打捞局在某油田安防系统安装项目中首次设计制作导向用水下吸力锚,成功应用于海底光缆路由弧形段的铺设.本文从项目出发介绍了利用吸力锚做导向进行海底电缆路由弧形段的铺设方法,使海底电缆按照设计路由完成整个铺设过程,其技术要点是吸力锚的设计制作和水下使用,以及海底电缆经过吸力锚时的注意事项.     

0D/1D碳点修饰硫化镉纳米线异质结增强可见光光催化性能（英文）

硫化镉(CdS)作为一种对可见光响应的窄带隙半导体(带隙宽度约为2.4 eV),具有合适的能带位置,近年来受到越来越多的重视.然而在光催化过程中,光生电子与空穴的快速复合极大地限制了CdS的实际应用,如何提高光生电子-空穴对的分离效率成为研究重点.一维CdS纳米棒(1D CdS NWs)具有较大的长径比,能快速有效地转移光生载流子.零维碳点(0D C-dots)是一种粒径在10 nm以下的新型纳米碳材料,其作为助催化剂能够加快光生载流子传递速率,可提高材料光催化性能.因此,通过C-dots对CdS NWs进行修饰并形成异质结,利用C-dots助催化剂的作用以提升CdS NWs的光催化性能,具有一定的可行性.本文成功构建了一种0D/1D碳点修饰CdS NWs异质结(C-dots/CdS NWs),并考察其光催化性能.通过X射线衍射(XRD)、扫描电子显微镜(SEM)、透射电子显微镜(TEM)、X射线光电子能谱(XPS)和紫外-可见(UV-Vis)吸收光谱等技术对系列C-dots/CdS NWs样品进行表征.研究发现,C-dots成功负载在CdS NWs的表面并形成异质结.通过测试系列样品在可见光照射下光催化降解罗丹明B(RhB)以及光催化产氢性能发现,C-dots的修饰能够有效增强CdS NWs的光催化性能,其中0.4%C-dots/CdS NWs表现出最佳的光催化降解RhB活性,其经可见光照射60 min即可实现对RhB的完全降解(相同条件下CdS NWs需要180 min).同时自由基捕获实验表明,·O_2~–是降解罗丹明B过程中的主要活性基团.在光催化产氢性能测试中,0.4%C-dots/CdS NWs样品表现出最高的光催化产氢能力,产氢速率可达1633.9μmol g~(-1) h~(-1),比纯CdS的(196.9μmol g~(-1) h~(-1))提高了8.3倍,并且C-dots/CdS NWs具有良好的稳定性.研究发现,在可见光照射下,C-dots/CdS NWs能够产生较强的光生电流,且形成的0D/1D C-dots/CdS NWs异质结具有良好的电子传输能力,实现了C-dots/CdS NWs光生电子与空穴的有效分离,从而增强了光催化性能.     

基于云计算的海量数据存储模型

针对目前网络产生的数据越来越多以及随之而来的海量数据的存储问题,在云计算技术上,依据Hadoop及虚拟化技术,提出了基于云计算的海量数据存储模型。将医院信息化的海量数据部署在Hadoop平台上,根据云计算的核心算法MapReduce来处理数据,最后将数据存储在虚拟资源池中。通过实际的应用,该模型可以很好地克服现行的存储方式存在的不足,解决海量数据在存储当中存在的问题,并且能够很好地提高存储的效率。     

基于谱聚类的自加权多视图聚类算法研究

针对多视图聚类中如何更好地融合不同视图之间信息的问题,提出了一种多视图聚类算法。采用谱聚类中的归一化割算法,得到每个单视图的嵌入矩阵。通过最小化最终的全局图与各单视图之间的差距来学习最终的全局图。考虑到不同视图的重要性不同,使用了一种自加权的方式为每个视图添加权重。利用秩约束的方式控制全局图的连通分量个数。聚类结果可以从最终学习得到的全局图中直接得出,每个连通分量即为一个簇。通过在两个真实数据集上进行实验,对比该算法与其他类似算法在相同数据集上的聚类评价指标,得出该算法的聚类指标相比于对比算法有最大12%的提升。