提出了一种基于小波矩不变量和保局投影(LPP)的特征提取方法,并应用于中厚板表面缺陷自动识别.首先对图像做三级小波变分解,将中厚板表面图像的细节分解到各个尺度的各个分量中并利用小波阈值收缩法降噪;然后对各分量的傅里叶幅值谱提取Hu不变矩作为原始特征向量,并利用LPP将该特征向量的维数从77维降到8维;最后利用AdaBoost分类器对样本进行分类识别.实验结果表明,本文提出的特征提取方法适用于中厚板表面缺陷分类,识别率达到91.60%

考虑在均匀流场的作用下,分析了金属熔液凝固过程中晶体生长的三维稳态数学模型.应用傅里叶级数展开法,在周期性条件下得到了相应的八阶常微分方程的精确解析解,并确定了解中各系数之间的关系.该解揭示了在均匀流场的作用下,晶体生长呈现了一种周期性振荡式的模式,从理论上证实了固液界面前沿浓度呈现指数振荡衰减性是晶体生长的一个本质特性

针对聚脲涂料防腐涂层进行紫外加速老化实验,采用光泽度计、扫描电子显微镜(SEM)以及傅里叶变换红外光谱仪(FTIR)分析并结合电化学阻抗谱(EIS)图谱,研究涂层的老化行为.结果表明:涂层的老化分为前期、中期和后期三阶段,涂层表面在老化中期变色较大.涂层的表面、断面SEM及EIS测试显示涂层中的微气泡阻止了涂层的老化裂纹向基体发展,涂层仍保持较好的防护性能

以煅烧硅藻土和α-Fe2O3为原料,利用机械力化学法在湿法研磨体系中制备了煅烧硅藻土/α-Fe2O3复合粉体(简称CD/α-F).通过扫描电镜、能谱分析、遮盖力及吸油量测试表征了复合粉体的颗粒形貌和颜料性能,并利用X射线衍射和傅氏转换红外线光谱分析了复合颗粒的反应机理.结果表明,机械力化学作用促使煅烧硅藻土与α-Fe2O3颗粒表面进一步羟基化,从而促进两者间发生羟基脱水缩合作用并形成了以弱作用力为连接键的Si…O…Fe形式的键合.在实验设定条件下制得了颜料性能与纯α-Fe2O3相近的核-壳型CD/α-F复合粉体

利用表面接枝改性法,用戊二醛作修饰剂,对上转换发光材料Na[Y0.57Yb0.39Er0.04]F4进行了表面醛基修饰.傅里叶红外吸收光谱证明了醛基的存在,紫外分光光度法定量检测修饰醛基的含量为1.38×10-3mol·g-1,热分析定性地证明了材料表面有机官能团的存在,扫描电镜显示了修饰后上转换无机发光材料颗粒的直径有所增加.沉降实验表明,修饰醛基后的上转换发光材料在水溶液中的分散稳定性得到了提高

采用拉普拉斯-傅利叶变换和施密特(Schmidt)方法,研究了复合材料因热流在裂纹周围引起的热应力,并对用环氧树脂粘结的陶瓷-钢板进行了数值计算

提出一种快速傅里叶变换(FFT)的改进算法,该算法利用FFT的衰减特性,只需要对FFT算法做简单的变换,就可以有效地消除频谱泄漏分量,实现非整数次谐波的精确检测,克服了传统FFT的缺陷.该算法与加窗体FFT相比,具有相近的特性,在算法构造方面又比加窗体FFT算法更简单,因此该算法更加适合应用于存储资源有限的微处理器上.为证明该算法应用于微处理器的方便性,设计了一套基于数字信号处理(DSP)的谐波检测装置,并对该算法进行了验证

采用一步水热法制备核壳结构Fe3O4@C微米粒子,通过比表面积及孔径分析仪、X射线衍射仪、透射电子显微镜、傅里叶变换红外光谱仪等对粒子结构和形貌进行表征,并研究了粒子作为非均相催化剂在UV-Fenton氧化去除挥发性有机物(VOCs)中的作用机制.结果表明,核壳结构Fe3O4@C粒子由于包覆了孔隙状碳层而具有较强的吸附能力,可显著增加VOCs气体分子与Fenton试剂的接触几率,有助于提高VOCs的去除效率.通过计算反应速率常数及协同因子,证实在核壳结构Fe3O4@C粒子去除VOCs的过程中存在吸附-催化氧化协同作用

采用旋涂法制备了纯聚氨酯薄膜(PU)和紫外吸收剂UV-531改性聚氨酯薄膜(M-PU).使用本课题组自行研制的老化装置进行单一紫外辐照、单一臭氧气氛以及紫外/臭氧综合老化实验.利用色差、黄色指数、紫外可见光谱和傅里叶变换红外光谱表征薄膜在不同环境中的老化行为.测试结果表明:紫外和臭氧对PU和M-PU薄膜都表现出显著的协同老化效应;添加质量分数为0.25%的UV-531,能提高聚氨酯薄膜在紫外环境、紫外/臭氧综合环境以及臭氧环境中短期暴露时的耐黄变性能.在单一紫外辐照、单一臭氧气氛以及紫外/臭氧综合老化期间,两种薄膜中氨酯结构均随着暴露时间的增加而逐渐减少

以光流法为依据,提出了一种基于光流方向信息熵(entropy of oriented optical flow,EOF)统计的方法捕捉微表情关键帧.首先,采用改进的Horn-Schunck光流法提取视频流中相邻两帧图像的微表情运动特征;其次,采用阈值分析法筛选出投影速度模值较大的光流向量;之后,采用图像信息熵统计光流变化角度,进而得到视频序列的方向信息熵向量,通过对熵向量的分析,实现微表情关键帧捕捉;最后,本实验采用芬兰奥卢大学的SMIC微表情数据库和中国科学院心理研究所傅小兰的CASME微表情数据库作为实验样本,通过与传统的帧差法比较,证明了本文提出的算法优于帧差法,能够较好地表现出微表情变化趋势,为微表情识别提供基础