一种图像噪声的形态学多尺度去除方法

提出了一种基于形态学多尺度的图像噪声去除方法，该方法首先利用形态学多尺度开闭重建运算对噪声图像进行多尺度重建，将噪声图像分解为一系列尺度不同的特征图像叠加，然后对叠加特征图像进行尺度模式谱分析，确定图像中噪声对应的尺度范围，最后将噪声尺度对应的特征图像从噪声中去除，达到同时消除噪声和保持图像目标信息完整及准确定位的目的。仿真实验表明，该方法能够有效地去除不同类型的图像噪声，具有较高的输出信噪比，同时保持了图像信息的完整和图像目标的准确定位。     

低压大流量自激脉冲清洗喷嘴内部气液两相流数值模拟

对自激脉冲发生的物理过程进行分析，采用气液双流体理论，考虑圆孔射流的轴对称性，耦合振荡腔内的空化模式，建立二维非定常气液双流体模型的控制方程．采用气液两相流SIMPLE解法，对低压大流量自激脉冲清洗喷嘴内部气液两相流进行数值模拟，追踪振荡腔内空化的演变过程，解释低压大流量自激脉冲射流的发生机理．     

基于形态学尺度空间和梯度修正的分水岭分割

分水岭是一种有效的图像分割方法,但存在过分割现象,为此提出了一种基于形态学尺度空间和梯度修正的分水岭图像分割方法,该方法利用形态学混合开闭重建尺度空间和梯度修正技术,在平滑原始图像的同时保留了重要的区域轮廓而去除了易造成过分割的区域细节和噪声,克服了传统的形态学开闭尺度空间在平滑细节和噪声时,部分重要区域轮廓也被平滑及不满足尺度因果性的问题。对平滑后的图像采用梯度修正分水岭变换,保持了尺度和分割区域数目间的因果性,进一步消除了标准分水岭的过分割现象。仿真实验表明,该方法能有效地消除过分割现象,分割的区域数目满足尺度因果性,且具有较高的区域轮廓定位能力。     

基于形态学重建颗粒分析的微囊体测量方法

电子墨水的制作过程中,微囊体颗粒的大小及均匀性是衡量其质量的重要指标,尽管可通过形态学颗粒分析等手段统计出这些参数,但由于颗粒分析是基于形态学开运算的,在测量过程中,容易造成微囊体颗粒的形状和大小改变。为此提出了一种基于形态学重建颗粒分析的微囊体图像测量方法,首先将获取的彩色微囊体颗粒图像转化为灰度图像,然后利用形态学区域开滤除小噪声斑点后,采用双阈值进行二值化;通过分水岭变换分离相互粘连的微囊颗粒体,最后采用基于形态学开重建的颗粒分析,在有效保证微囊体颗粒形状和大小的前提下,准确统计出微囊体颗粒的大小分布情况。实验表明,该方法能准确有效地统计出微囊体颗粒的大小分布等指标。     

叠压供水系统适用性分析

该文从城市供水系统整体运行最优的角度,对叠压供水系统的应用展开了讨论。从城市供水基础设施建设、供水系统运行调度、系统安全性、综合能耗以及水泵选型等方面,对叠压供水系统的适用性进行了分析,同时,总结了叠压供水设施的适用条件。     

炼化装置消防水泵选型注意事项

消防水泵相比普通离心泵而言,有一些特殊要求,为使工程设计人员能尽快掌握消防水泵的特点,根据实际工作经验,结合 GB6245、NFPA20标准的要求,以及 FM/UL 认证的要求,总结了炼化装置中消防水泵选型时的注意事项,供工程设计人员参考使用。     

电信IT支撑系统整合策略的研究

文章从IT系统生命周期的角度分析了系统整合研究的切入时机及对系统生命周期的影响,对影响IT支撑系统整合的关键性因素进行了逐项分析,在此基础上提出了基于因子影响体系的系统整合评估模型和系统整合的基本方法．并就云计算技术在系统整合中的应用给出了相关建议,最后给出了IT支撑系统整合的一些预期成效和一些结论。     

卧式加工中心热变形控制与热误差补偿技术研究

从减少发热、控制温升、热误差补偿3个层次对卧式加工中心产品的热变形控制与热误差补偿技术进行了研究。第一层次从高精度功能部件的选用和润滑技术两方面研究减少机床的发热;第二层次从主轴温升控制、中空丝杠温升抑制、结构基础件温度控制等方面研究了冷却在控制关键部件的温升和均衡温度场中的作用;第三层次从数据采集、分析、建模等方面研究了热误差补偿技术。提出的各个层次控制热变形及热误差的具体技术和措施在实际产品中获得了应用,取得了优良的应用效果。     

基于穴位点体温差别的药效监测系统设计

设计了一种通过检测生物活性点与皮肤完整区域之间温度差来监测药物疗效并优化心理疾病治疗的系统。该系统通过实时监控服药计量,以及时调整药量,从而提高治疗的有效性。系统采用两电极 Foll方法结合中该地形解剖参考点找到生物活性点,通过 DS18B20测量温度,利用 ATmega 32单片机对温度进行处理并实时显示温度差,进而通过温度差反应药效。本文数据证实了温差指标 BAP C7、Gi4与评估心理疾病严重程度的神经尺度之间的相关性。实验结果表明,温度差指标能够作为衡量药效的标准,通过监测温度差可以有效实现心理疾病药效的监测。     

基于形态学多尺度修正的模糊C均值脑肿瘤分割方法

针对脑部核磁共振成像(MRI)图像因噪声、灰度不均匀、组织结构复杂及边界模糊不连续等造成肿瘤难以准确分割的问题,提出一种基于形态学多尺度修正的模糊C均值(FCM)聚类分割方法。首先根据邻域统计信息引入控制参数用于区分邻域中的噪声点、边缘点和区域内部点,结合空间位置信息建立像素与结构元素大小之间的函数关系;然后利用不同大小的结构元素对图像中不同类型像素进行形态学闭运算,消除对应于局部极小值的噪声干扰和非规则细节,而目标部分的区域轮廓位置基本保持不变;最后在修正基础上进行FCM聚类分割,避免FCM陷入局部极优和误分类,同时保持区域轮廓准确定位。与标准FCM、核FCM(KFCM)、遗传FCM(GFCM)、模糊局部信息C均值(FLICM)等改进方法以及专家手工勾画结果进行了对比,实验结果表明,该方法的过分割率和欠分割率较低,且与标准分割的相似度指数和JS值均较高,具有较好的分割效果。