非对称复式断面明渠中污染物混合输移的数值模拟(Ⅱ)——二次流对异质扩散的影响

运用L-Y雷诺应力模型及对水面和固壁边界条件进行有效的处理,结合混合有限分析法数值模拟了复式断面明渠二次流流动及污染物的运移,探讨了沿自由水面横向和垂向的浓度及雷诺传质分布规律,分析了二次流对浓度扩散和紊动传输的影响.

基于CNN-PDE偏差异质扩散预处理的红外图像分水岭分割

为了抑止采用分水岭方法分割红外图像时的过分割现象,首先利用细胞神经网络高效求解偏微分方程的能力,实现了可调偏差异质扩散滤波器并用其对图像作预处理.为了消除噪声残留,引入了平滑系数与限制强度系数对梯度图作阈值化处理.实际红外图像的分水岭分割结果显示,所提出的预处理方法能够有效抑止过分割现象.

异质扩散的图像边缘特征提取方法研究

图像检测中如何提高成像的质量,抑制图像的噪声,增强图像的对比度是图像检测的主要目标。为了强化边缘特点,方便进行具体的测量,针对偏微分方程PDE(Partial Differential Equations)在图像处理中的运用进行了探讨,并将其与形态学腐蚀算子相结合,提出了基于形态学腐蚀和梯度计算的边缘检测方法,并通过仿真测试进行验证。

一种应用于异质扩散的噪声腐蚀新算子

提出了一种新的基于偏微分方程的形态学腐蚀算子 ,该算子能够直接对梯度图像进行噪声抑制和边缘增强 .在异质扩散系数的求取过程中 ,摈弃了传统的在低分辨率条件下计算图像梯度的方法 ,而是直接利用该算子对梯度图像进行噪声抑制和边缘增强 .与基于高斯光滑以及传统的形态学预滤波方法相比 ,新的扩散系数具有更好的边缘定位能力和对噪声的鲁棒性 .

异质扩散的图像边缘特征提取方法

图像检测中提高成像的质量、抑制图像的噪声、增强图像的对比度是图像检测的主要目标。其主要目的是为了强化边缘特点,方便进行具体的测量。针对偏微分方程(PDE)在图像处理中的运用进行了探讨,并将其与形态学腐蚀算子相结合,提出了基于形态学腐蚀和梯度计算的边缘检测方法,并通过仿真测试进行验证。

基于模糊异质扩散的图像去噪方法

将模糊思想与Perona-Malik方法相结合,提出一种新的基于模糊理论的图像异质扩散滤波方法。把异质扩散方程中的边界停止函数看作像素梯度对于图像连续平滑区域的模糊隶属度函数,利用模糊熵的概念来确定图像中分片连续区域间的边界阈值σ。本文的模糊方法和其他经典方法的异质扩散比较实验说明,该方法在保持图像的细节方面更具有优越性。

结合异质扩散和小波包分解的医学图像分割算法

提出一种医学图像解剖结构特征提取算法,结合异质扩散和小波包分解实现了医学图像分割.在异质扩散基础上,提出一种新的FAB扩散方法对图像进行去噪,同时保持图像解剖结构的边缘和局部细节;然后用一个基于小波包分解的自适应边缘检测算法来检测图像的解剖结构的轮廓特征.分割结果表明,该方法能在有效地去除噪声的基础上完成医学图像解剖结构轮廓特征的提取.

异质扩散过程中ES势垒的计算

利用分子动力学中的静态结构计算方法对Pd,Ag及Cu原子在面心立方铜的台阶表面扩散过程中的Ehrlich-Schwoebel(ES)势垒进行了模拟计算,研究了各种台阶表面情况下增原子扩散过程中的ES势垒;讨论了与衬底互溶的金属和与衬底不互溶的金属增原子扩散的ES势垒的异同,并将模拟结果与同质情况的研究结果进行了对比.结果表明:1)在同质和异质扩散过程中ES势垒随着台阶高度的变化关系是相似的,即随着台阶高度的增加,ES势垒逐渐增加;当台阶高度达到某一高度时ES势垒将趋于定值.2)在跳跃机理下,与Cu互溶的金属(Pd)在Cu表面台阶上扩散的ES势垒最大,其次是Cu,最小的是与Cu不互溶的金属(Ag);而在交换机理下,与Cu不互溶的金属(Ag)在Cu表面台阶上扩散的ES势垒最大,其次是Cu,最小的是与Cu互溶的金属(Pd).3)对大多数台阶的情况,交换机理支配着原子在台阶边缘的扩散行为;且表面台阶高度对交换扩散过程影响较大.

MBE脱氧条件与InGaAs/InP APD性能的相关性

InP基InGaAs/InP雪崩光电二极管(APD)对近红外光具有高敏感度,使其成为微弱信号和单光子探测的理想光电器件。然而随着先进器件结构越来越复杂,厚度尺寸从量子点到几微米不等,性能越来越受材料中晶格缺陷的影响和工艺条件的制约。采用固态源分子束外延(MBE)技术分别在As和P气氛保护下对InP衬底进行脱氧处理并外延生长晶格匹配的In_(0.53)Ga_(0.47)As薄膜和APD结构材料。实验结果表明,As脱氧在MBE材料质量方面比P脱氧具有明显的优势,可获得陡直明锐的异质结界面,降低载流子浓度,提高霍尔迁移率,延长少子寿命,并抑制器件中点缺陷或杂质缺陷引起的暗电流。因此,As脱氧可以有效提高MBE材料的质量,这项工作优化了InP衬底InGaAs/InP外延生长参数和器件制造条件。

基于细胞神经网的快速图像分割方法

细胞神经网(CNN)是一种局部互联的非线性并行模拟视觉处理系统,具有适合硬件实现处理速度快的优点.首先利用CNN-PDE非线性异质扩散滤波对图像作预处理,随后给出了一种基于CNN的图像分割方法.分割试验结果及仿真时间估计表明,CNN分割方法能以非常快的速度完成相应处理,是高效可行的.

基于PDE模型的图像处理方法

介绍了异质扩散偏微分方程 ( PDE)和几何驱动 ( GD)图像处理新方法 .对照传统滤波方法 ,分析了PDE和 GD方法的优点 。