PAN纤维共聚单体作用机理的光电离质谱研究

本工作以丙烯腈/衣康酸（IA）二元共聚原丝以及丙烯腈/IA/丙烯酸甲酯（MA）三元共聚原丝为研究对象，利用热重分析仪（TG）和热解-同步辐射真空紫外光电离质谱（Py-SVUV-PIMS）对其热稳定化过程进行研究。TG结果表明，氮气气氛下，二元共聚原丝（PAN/IA）和三元共聚原丝（PAN/IA/MA）分别呈现三阶段和两阶段的热分解过程，其中PAN/IA的第一和第二阶段均对应PAN线型分子链的断裂，但前者是由自由基环化反应放热引发的，后者则是由正常温度下的热分解所致，而单体MA的加入显著抑制了自由基环化反应，使得PAN原丝的热稳定化能够以单体IA诱导的离子型环化反应为主较平缓地进行，相应的热失重过程也由两阶段转变为了单阶段。Py-SVUV-MS的实验结果表明，两种共聚PAN原丝在程序升温过程中会生成包括含氮小分子、丙烯腈单体及低聚物、成环化合物在内的三类主要热解产物，对比各类产物的生成趋势和产量，推断单体MA通过降低PAN结构的规整度，使其无定形化，从而增加环化反应的引发点，促进PAN原丝向稳定的预氧丝转变，同时由典型热解产物——甲基丙烯腈的生成路径可知，MA本身并不参与PAN大分子的环化反应，属于中性共聚单体。空气气氛下，CO₂的产量差异也间接证明了MA单体能够有效提升PAN纤维的固碳能力，采用三元共聚方法制得的PAN纤维热稳定性能更佳。     

贯穿位错对铝镓氮/氮化镓光学及电子器件性能的影响

氮化镓薄膜在蓝宝石、碳化硅和单晶硅等衬底上的异质生长会不可避免的产生高密度的(贯穿)位错(high-density threading dislocation)。本文首先介绍常见的刃型和螺型位错及其表征手段,随之结合国际上的学术研究案例,展开讨论了位错对于氮化镓基器件(如LED和HEMT)的光学性能(非辐射复合)以及电学性能(电荷散射及陷阱能级)的影响机制。     

具有光照鲁棒的图像匹配方法

针对现有的基于局部特征的图像匹配算法对光照变化敏感、匹配正确率低等问题，提出一种具有光照鲁棒性的图像匹配算法。首先使用实时对比保留去色（RTCP）算法灰度化图像，然后利用对比拉伸函数模拟不同光照变换对图像的影响从而提取抗光照变换特征点，最后采用局部强度顺序模式建立特征点描述符，根据待匹配图像局部特征点描述符的欧氏距离判断是否为成对匹配点。在公开数据集上，所提算法与尺度不变特征变换（SIFT）算法、加速鲁棒特征（SURF）算法、"风"（KAZE）算法和ORB算法在匹配速度和匹配正确率上进行了对比实验。实验结果表明：随着图像亮度差异的增加，SIFT算法、SURF算法、"风"（KAZE）算法和ORB算法匹配正确率下降迅速，所提算法下降缓慢并且正确率均高于80%；所提算法特征点检测较慢和描述符维数较高，平均耗时为23.47 s，匹配速度不及另外四种算法，但匹配质量却远超过它们。对实时性要求不高的系统中，所提算法可以克服光照变化对图像匹配造成的影响。     

基于内容的图像检索系统的设计与实现

图像作为最基本、最重要的多媒体信息形式之一,已经随着信息技术和网络技术的发展,而越来越广泛地应用于许多领域。如何提供一个快速的、有效的图像信息检索系统已成为当今图像信息检索领域的研究热点之一。本检索系统是在Windows 7系统下,利用Matlab2014软件开发的基于图像内容的图像信息检索应用系统,该系统主要用完成对图像信息的快速检索。     

改进大气散射模型实现的图像去雾算法

传统大气散射模型在图像去雾的求解过程中通常假设场景入射光为全局常量,然而这种假设并不合理,为此提出一种基于改进大气散射模型的图像去雾算法.首先基于亮通道先验和模糊聚类对雾图进行场景分类,并估计出各个场景的入射光照;然后根据光学辐射特性估计出场景结构,并利用雾气浓度估计模型进一步获得透射率的表达式;最后通过改进大气散射模型恢复出无雾图像.大量对比实验结果表明,该算法能够恢复出细节丰富、清晰自然的无雾图像,计算速度相对较快,能满足一般工程的实时性要求.     

基于颜色四通道及空间金字塔的鱼类图像检索

随着计算机视觉技术在海洋水产领域中的应用不断加深，鱼类图像检索在渔业资源调查、鱼类行为学分析等方面发挥了巨大的作用。通过研究发现，鱼类图像的背景信息会对鱼类图像检索造成极大干扰，而且鱼类图像中颜色、纹理、形状等特征由于空间位置信息的缺乏而使检索的准确率不高。为解决以上问题，提出了一种新的基于颜色四通道及空间金字塔的鱼类图像检索算法。首先，提取视觉显著性图将鱼类图像的前景和背景分开，从而减少图像背景对检索的干扰；其次，为了使图像特征包含一定的空间位置信息，利用空间金字塔的理论对图像进行分割，在此基础上，将图像转为HSVG四通道图并提取SURF特征；；最后，得到检索结果。为验证所提算法的有效性，在QUT_fish_data数据集和DLOU_fish_data数据集上对算法的查全率、查准率与经典的HSVG算法和显著性分块算法进行对比：在两个数据集上查准率分别比传统的HSVG算法最多分别提高12%和5%，查全率最多分别提高7%和22%；比传统的显著性分块算法查准率最多分别提高15%和5%，查全率最多分别提高36%和22%；从而证明所提算法是有效的，能有效提升鱼类图像的检索效果。