乙二醇条件下球状结构BiOBr的形成机理及光催化性能研究

采用乙二醇溶剂热法制备了球状结构的溴氧化铋(BiOBr),通过X射线衍射(XRD)、扫描电镜(SEM)和紫外-可见漫反射光谱(UV-Vis DRS)等技术方法对样品进行了表征分析,探究了其形成机理,并在氙灯光照下以诺氟沙星(NOR)为降解底物,探讨了结构变化对BiOBr光催化性能的影响。结果表明：乙二醇条件下制备的BiOBr为球状结构,随反应溶液pH的增加,尺寸逐渐变小,且分散性越来越差,吸收带边发生蓝移,禁带宽度变大。得出了乙二醇溶剂环境下球状BiOBr的生长机理,并证明当pH为3时,制备的BiOBr-e3样品形貌为均匀的球状结构,直径为5μm左右,禁带宽度为2.71eV,表现出最佳的光催化活性。     

基于区域提取与改进LBP特征的运动目标检测

树叶晃动、光照变化等自然场景下的动态背景会影响运动目标检测的准确性,区分动态背景和前景目标的变化是复杂场景下运动目标检测的首要任务。针对现有的前景提取算法逐点提取前景从而导致计算资源浪费的问题,提出了一种区域提取与改进LBP(Local Binary Patterns)纹理特征相结合的运动目标检测算法。首先,将图像分为大小相等的图像块,利用各图像块的统计特性建立核密度估计(Kernel Density Estimation, KDE)模型,并用KDE模型估计出前景区域。然后,计算前景块中所有像素点的改进LBP纹理特征直方图。最后,通过直方图匹配提取所有的前景像素实现目标的精确提取,并用概率模型更新背景。实验结果表明,该方法在快速提取运动目标前景区域的同时能够消除大部分动态背景产生的干扰,相比传统算法更适用于自然场景下的运动目标检测。     

基于非负矩阵分解与相似性分析的运动目标检测

提出一种结合修正的非负矩阵分解与向量相似性分析进行运动目标检测的方法。该方法首先使用修正后的非负矩阵分解算法从连续图像序列中恢复出背景图像,然后分析待检测帧像素点与恢复出来的背景模型之间的相似性,根据相似性的高低区分背景与前景。为了减少计算量,降低动态背景对检测结果的干扰,该方法在进行相似性分析之前,通过核密度估计的方法对运动区域进行估计。实验结果表明,该方法能够较为精确地恢复出背景图像,并有效地检测出运动目标。