典型农耕区褐土水稳性团聚体有机碳的分布及组成

对河北省典型农耕区褐土水稳性团聚体有机碳的组成特征进行了解析。结果表明,研究区水稳性土壤团聚体随粒径的减小而呈现"两头低中间高"的不规则W形分布趋势。藁城市和行唐县两地全土有机碳含量基本相当,分别为12.49和11.20g/kg。土壤有机碳主要受团聚体粒径分布的制约,藁城市和行唐县农耕区褐土优势团聚体(1000~250μm和250~53μm)中有机碳的比例分别为69.53%和82.71%。藁城市和行唐县20μm的团聚体有机碳含量分别为12.78和20.02g/kg,可作为研究区褐土固碳的稳定性指标。红外光谱解析表明,研究区土壤团聚体有机碳以芳香碳(大团聚体57.35%;微团聚体67.69%)和多糖碳(大团聚体29.43%;微团聚体:25.2%)为主。气候条件的差异可能是导致藁城市和行唐县土壤有机碳官能团组成差异的主要原因。大团聚体有机碳中主要是脂肪碳、多糖碳等活性较高的碳,而稳定的芳香碳则趋向于被保护在微团聚体中。     

利用航天遥感数据进行植被分类的研究

本文应用３种图像增强的方法对实验地帽儿山的ＴＭ影像进行植被信息的提取研究。结果表明,用植被指数与原始的３、５波段复合后,进行植被分类,获得了较高的分类精度。     

基于红外光谱概率神经网络的诃子产地鉴别

利用傅里叶变换红外光谱,测定了不同产地诃子(Terminalia chebula Retz.)样品的红外光谱图.采用常规预处理方法和小波变换对红外光谱原始数据进行了预处理,并采用主成分分析进一步压缩光谱数据,前3个主成分的累积贡献率为98.054％.以前3个主成分作为网络输入,诃子产地类别作为网络输出,建立了概率神经网络,同时对建立该网络模型的扩展常数进行了分析.模型分析表明,建立的网络模型能够对40个诃子样品进行产地鉴别,红外光谱法结合神经网络可作为中药材产地分类鉴别的一种新的现代化方法.     

塔里木盆地北缘荒漠土壤有机质含量的高光谱估测

土壤有机质含量的多少是衡量土壤肥力的重要指标,了解土壤有机质的状况及动态变化,为指导干旱区绿洲农业生产及生态环境保护提供科学依据.基于在塔里木盆地北缘绿洲-荒漠过渡带采集的80个土壤样品,测定有机质含量和光谱反射率.在原始反射率R的基础上,进行光谱反射率的一阶微分R′、倒数对数lg(1/R)、倒数对数的一阶微分[lg(...     

基于小波变换的基波无功实时检测

分析了SVC装置现有的无功功率检测方法,提出了一种基于正交小波变换的基波无功功率实时检测方法。该方法用电力系统电压、电流信号离散采集的数据,可方便地对系统功率因数实时检测,能有效地分解和计算含各次谐波和随机干扰的电压、电流信号中的基波分量,从而得到实时的无功功率数据。通过仿真,验证了实时检测方法的有效性。     

基于Hough变换识别单周期正弦曲线图像的算法及实现

手工识别成像测井中的裂缝具有一定的主观性，不同的人可能会有不同的解释结果．作者介绍利用Hough变换自动识别裂缝的原理及其算法，并通过实例分析了其应用效果，结果表明，这种算法计算裂缝参数不仅精度可靠，还保证了裂缝参数拾取的唯一性，对实现井壁裂缝参数的完全自动解释有重要意义．     

基于近红外傅里叶特征提取方法的土壤含水率检测

以湖北地区的3种土壤为研究对象,利用偏最小二乘法建立了处理后样品的土壤含水率分析模型,模型预测值与标准值的决定系数为0.995,交叉验证预测均方差为0.801%,模型预测决定系数为0.992,预测均方差为0.912%,利用该模型预测黄土高原地区黄绵土含水率误差均大于4%.利用近红外光谱傅里叶变换特征提取方法对湖北地区黄棕壤、稻田土和潮土建立土壤含水率PLS预测模型,模型决定系数为0.988,交叉验证预测均方差为1.106%,且该模型预测黄绵土的误差均在2%左右,精度较传统模型有较大提高.     

基于类球形亮度变换的水果表面缺陷提取

针对基于机器视觉技术的水果表面缺陷因受到亮度不均影响而提取困难的问题,以阿克苏苹果为研究对象,采用可见-近红外双CCD成像系统,设计了一种无需预先建模的类球形亮度变换方法,对R分量图像进行亮度变换,变换后的图像使整个水果表面正常区域灰度趋于一致,而缺陷区域依然保留为低灰度区,增强了缺陷和正常果皮的对比度,提高了缺陷检测精度.使用共计100个样本评估算法的可行性,其中45个缺陷果的检测精度为93.3％,55个正常果的检测正确率为100％,整体检测精度达到97％.研究结果表明,利用基于类球形亮度变换结合单阈值分割方法提取水果表面缺陷是可行的.     

C余弦函数的生成定理

借助于拉普拉斯变换,给出了C余弦函数的一个生成定理.证明了:一个强连续的算子{T(t)}_(t≥0)是C余弦函数当且仅当T(-t)=T(t)且∫t+s 0 T(τ)Cdτ=T(t)∫s 0 T(τ)dτ+)∫ t 0T(τ)dτT(s)t,s≥0     

基于小波变换的图像压缩方法研究

图像压缩是为适应特殊应用场合或为得到一个较好的视觉效果,例如突出某些细节,常常需要一种可以有效改变已有图像大小的方法,使图像压缩后仍然有较高的质量。本文采用一维小波变换和二维小波变换方法,将图像信息分解成低频和高频两部分,通过压缩算法,将图像数据重构成一幅信息完整的新图像。实验表明,采用本算法压缩后的新图像符合客观实际,图像数据信息丰富。