关于宇宙核模型与爱因斯坦宇宙学常数和反质量物质及黑洞关系的探讨

利用宇宙核式结构模型解释爱因斯坦宇宙学常数问题,并讨论宇宙核与负质量物质和黑洞的关系,进一步说明了宇宙的核式结构模型的正确性.     

氢氘原子光谱实验最优参数的确定

为了获得了清晰的氢氘原子光谱谱线,首先确定了对光谱谱线有影响的负高压及狭缝宽度2个实验参量。先选定氢原子的一条谱线,在一定的负高压下,通过改变狭缝宽度来获取不同组光谱谱线,经分析得到理想的狭缝宽度范围。在该范围内选取几条狭缝宽度,分别通过改变负高压来得到理想的最优参数组。实验发现,对于不同的波长最优参数组参数不同,因此又用同样的方法对其他的谱线进行了探究,找到不同谱线的公共最优参数区间,最终获得了清晰的氢原子光谱谱线。     

无限长掺杂Zn棱柱型硅纳米管的理论研究

运用密度泛函方法在(U)B3LYP/LanL2DZ水平上研究了无限长四棱柱、五棱柱和六棱柱型掺杂锌的硅纳米管的几何结构、电荷布局、能级和电偶极矩。计算结果表明,无限长四、六棱柱型Zn-Si纳米管的最低能结构均保持着基本的管状结构,五棱柱型的则畸变严重。五棱柱和六棱柱型Zn-Si纳米管的最低能结构的电子自旋多重态都为五重态,而四棱柱的为单重态。五棱柱型Zn-Si纳米管是这三种纳米管中热力学稳定性最强的。四、六棱柱型Zn-Si纳米管中电子从硅原子转向Zn原子,Zn原子充当电荷的受体,出现了电子反转现象。五棱柱型Zn-Si纳米管电子的转移方向比较复杂,Zn原子的位置不同,充当不同的电荷角色。两边的Zn原子是电荷的施体,而中间的则充当了电荷的受体。无限长掺杂Zn的五棱柱型硅纳米管的HOMO-LUMO能隙比较大,它的化学稳定性比较强。这三种纳米管呈半导体型。虽然这三种纳米管是极性的,但是五棱柱型的极性很弱。     

能量均分定理的理解和最新应用

在经典力学中,能量均分定理是一种联系系统温度以及平均能量的普遍方案。它是通过 Maxwell 方程推导出来的,进一步计算能量均分定理,首先要明确决定能量均分大小的自由度。通过大量实验证明得出的能量均分定理在现代物理学中特别是统计热学中占有重要地位,在气体分子,固体分子,布朗粒子中得到了广泛的应用。     

Gabor传递函数相似性测度图像质量评价算法

数字图像在压缩和融合等处理中会产生退化效应,当前对图像退化中质量评价指标如均方误差(MSE),峰值信噪比(PSNR)等不能有效反映图像在退化过程中传递性能,而只是单纯计算图像之间灰度值差异,对图像质量评价不准。提出一种利用Gabor传递函数相似性测度为评价指标的图像质量评价算法,采用图像的亮度、对比度和结构相似度为场景结构基准特征,设计Gabor传递函数。通过双正交滤波器得到Gabor传递函数相似性测度,该指标能有效反映图像退化演变过程中的传递性能,合理评价参考图像和失真图像质量。仿真实验表明,利用Gabor传递函数相似性测度指标评价图像质量,能准确反映图像失真等级,在几乎所有失真类型上都能有较满意的结果,评价结果比较稳定。     

一种免除二值化的视频叠加中文字符识别方法

提出一种新的用于识别视频中字幕文字的方法。鉴于视频中文字的大小、颜色、渲染风格和分辨率的不同,以及视频中各种复杂背景的影响,识别视频中的叠加文字是一个尚未解决的问题。目前,大多数视频叠加文字识别方法都基于视频文字的二值化和传统OCR引擎的结合。然而,二值化过程容易引入噪声和文字笔划信息的丢失。另外,传统OCR技术主要专注于高分辨率的扫描打印文档,这些文档具有背景单一、噪声少和笔划信息较完整的特点。因此,传统OCR引擎用于识别叠加文字二值化后的结果可能不够鲁棒。为解决这个问题,直接从未二值化的叠加视频文字图像中提取Gabor特征用于训练二层字符识别器。实验结果表明,本文提出的方法在多字体视频叠加中文文字识别上有良好的效果。     

基于特征编码的指纹识别方法

提出了一种基于指纹特征编码的指纹识别算法.首先求得指纹图象的中心点,然后利用Gabor滤波器的频率和方向选择性,产生指纹编码,最后通过比较输入图象的编码和模板编码间的欧氏距离进行识别.实验结果表明:该算法与已有的基于灰度偏差的算法相比较,具有更高的识别率.     

L2(Rd)上Gabor框架的一个充分条件

研究了L2(Rd)上的以矩阵平移和调制的Gabor框架的一个充分条件.首先在时域上给出了以矩阵平移和调制的Gabor框架恒等式的证明,然后给出了Gabor框架的一个充分条件的证明.最后在频域上也给出了相应的结论.     

电磁学公理系统分析

本文首先简述了什么是公理系统方法,然后运用该方法分析了电磁学的初始语词,初始公理、原子定义和分子定义,公理及导出陈述。力求给电磁学教学理出一个清晰的思路,让学生们能透彻理解和全面掌握电磁学完整理论,并提示教材改革应突出公理系统方法。     

Target region location based on texture analysis and active contour model

Traditional texture region location methods with Gabor features are often limited in the selection of Gabor filters and fail to deal with the target which contains both texture and non-texture parts.Thus,to solve this problem,a two-step new model was proposed.In the first step,the original features extracted by Gabor filters are applied to training a self-organizing map (SOM) neural network and a novel merging scheme is presented to achieve the clustering.A back propagation (BP) network is used as a classifier to locate the target region approximately.In the second step,Chan-Vese active contour model is applied to detecting the boundary of the target region accurately and morphological processing is used to create a connected domain whose convex hull can cover the target region.In the experiments,the proposed method is demonstrated accurate and robust in localizing target on texture database and practical barcode location system as well.