Fractal Geometry of Particle Aggregates Formed in Calcium Sulfite Slurry

The solid-liquid separation is an important operation for the regenerated slurry of dual-alkali FGD system, and calcium sulfite could predominate in particle aggregates of the slurry. The settling velocity of calcium sulfite particles is a key parameter for the solid-liquid separation design. However, the settling velocity predicted by Stokes' Law could be suitable only for a spherical aggregate, but not for the irregular one. In this work, fractal geometry was introduced in order to characterize highly irregular geometric shapes. The sizes of calcium sulfite particle aggregates were analyzed using a metallographic phase microscope and image analysis. The results showed that particle aggregates had fractal features. The fractal dimensions could reveal the characteristics of the aggregates' geometry and aggregation process. An exponential relation between the fractal dimension D2 and the particle size l was determined as AμlD2. According to fractal theory, a parameter can be used to modify Stokes settling velocity close to actual settling velocity. The results could be valuable for the design of solid-liquid separation processes.     

基于分形维数的SAR图像变化检测

斑点噪声是合成孔径雷达(synthetic aperture radar,SAR)相干成像所固有的,且不可避免的.为了尽可能地抑制斑点噪声对SAR图像变化检测的影响,利用分形维数方法对SAR图像的变化检测进行了研究,并提出了一种基于SAR图像分形维数的变化检测算法,该算法对SAR图像斑点噪声不敏感.并对计算分形维的滑动窗大小的选择进行了研究.用实测SAR图像进行了验证实验,结果表明分形维数可以用于SAR图像变化检测,它是一种新的SAR图像变化检测的方法与途径;同时,滑动窗大小的选择对SAR图像检测结果有影响.     

融合上下文和多尺度特征的胸部多器官分割

目的 肿瘤周围高危器官的准确分割是图像引导放射治疗中的关键步骤,也是对抗肺癌和食道癌,规划有效治疗策略的重要组成部分。为了解决不同患者之间器官形状和位置的复杂变化情况以及计算机断层扫描（computed tomography,CT）图像中相邻器官之间软组织对比度低等问题,本文提出了一种深度学习算法对胸部CT图像中的高危器官进行细分。方法 以U-Net神经网络结构为基础,将冠状面下的3个连续切片序列即2.5D （2.5 dimention）数据作为网络输入来获取切片联系,同时利用高效全局上下文实现不降维的跨通道交互、捕获单视图下切片序列间的长距离依赖关系、加强通道联系和融合空间全局上下文信息。在编码部分使用金字塔卷积和密集连接的集成提取多尺度信息,扩大卷积层的感受野,并将解码器与编码器每层进行连接来充分利用多尺度特征,增强特征图的辨识度。考虑到CT图像中多器官形状不规则且紧密相连问题,加入深度监督来学习不同层的特征表示,从而精准定位器官和细化器官边界。结果 在ISBI （International Symposium on Biomedical Imaging）2019 SegTHOR （segmentation of thoracic organs at risk in CT images）挑战赛中,对40个胸部多器官训练样本进行分割,以Dice系数和HD （Hausdorff distance）距离作为主要评判标准,该方法在测试样本中食道、心脏、气管和主动脉的Dice系数分别达到0.855 1、0.945 7、0.923 0和0.938 3,HD距离分别为0.302 3、0.180 5、0.212 2和0.191 8。结论 融合全局上下文和多尺度特征的算法在胸部多器官分割效果上更具竞争力,有助于临床医师实现高效的诊断与治疗。     

基于改进DCGAN的数据增强方法

针对小样本数据在深度学习中训练难的问题,为提高DCGAN训练效率,提出了一种改进的DCGAN算法对小样本数据进行增强。首先,使用Wasserstein距离替换原模型中的损失模型;其次,在生成网络和判别网络中加入谱归一化,以得到稳定的网络结构;最后,通过极大似然估计算法和实验估算得到样本的最佳噪声输入维度,从而提高生成样本的多样性。在MNIST、CelebA和Cartoon这三个数据集上的实验结果表明：改进后的DCGAN所生成样本的清晰度以及识别率比改进前均得到了明显提高,其中平均识别率在这几个数据集上分别提高了8.1%、16.4%和16.7%,几种清晰度评价指标在各数据集上均有不同程度的提高。可见该方法能够有效地实现小样本数据增强。     

带权图的多重分形度量

分形维数及多重分形是分形理论的重要研究内容。复杂网络的多重分形已经得到了较为深入的研究,但对复杂网络多重分形的度量目前并没有可行的方法。带权图是复杂网络研究的重要对象,其中的节点权重及边权重可以为正实数、负实数、纯虚数及复数等多种不同的类型。除节点权重及边权重均为正实数的情形外,其他类型的带权图都具有多重分形特性,且均具有无穷多个复数形式的网络维数。通过对带权图多重分形的研究,文中给出了15种具有多重分形特性的带权图多重分形维数的模所构成的集合,并采用集合的势对带权图的多重分形特性进行度量。研究表明,15种带权图多重分形维数的模所构成的集合均是可数集,其中有2种集合是2重集合,另外13种集合是通常意义上的集合,而且所有的集合均是等势的,其势均为■0。     

基于节点加权和边加权的重分形研究

目前对于网络重分形的研究,在网络权重性质方面主要是原始网络、节点加权网络、边加权网络,每一个都是单独进行研究,论文主要对同时包含节点权重和边权重的网络进行分析,研究网络广义分形维数的变化情况。首先对已有的沙箱算法进行改进,并利用分形布朗运动时间序列进行改进算法的验证,然后利用改进的沙箱算法对由分形布朗运动时间序列生成的同时包含节点权重和边权重的可视复杂网络进行计算,接着同时单独改变边权重和节点权重,进一步研究广义分形维数随边权重和节点权重改变的变化情况。结果表明改进沙箱算法在保持了传统沙箱算法计算精度的前提下,大大地提高了计算的速度。对于同时单独改变节点权重和边权重,对复杂网络的广义分形维数的影响是截然不同的,节点权重的变化基本不影响网络广义分形维数的变化,而边权重则大大的影响且不同权重指数下的影响情况各不相同。     

自步稀疏最优均值主成分分析

主成分分析(PCA)是一种无监督降维方法。然而现有的方法没有考虑样本的差异性,且不能联合地提取样本的重要信息,从而影响了方法的性能。针对以上问题,提出自步稀疏最优均值主成分分析方法。模型以 $ {{L}_{{2,1}}}$ 范数定义损失函数,同时用 $ {L_{{\rm{2,1}}}}$ 范数约束投影矩阵作为正则化项,且将均值作为在迭代中优化的变量,这样可一致地选择重要特征,提高方法对异常值的鲁棒性;考虑到训练样本的差异性,利用自步学习机制实现训练样本由“简单”到“复杂”的学习过程,有效地降低异常值的影响。理论分析和实验结果表明,以上方法能更有效地降低异常值对分类精度的影响,提高分类精度。     

基于分形理论的冰下水流流速垂线分布研究

冰下水流流速分布是冰凌生消、泥沙输移、河床演变及冰期输水的重要参考依据,基于分形理论,在前人的研究基础上,研究了冰下水流流速垂线分布规律。结果表明,依托明渠水流的若干成果,从分形理论出发,基于Einstein假定,可推出已有冰下不同形式的流速垂线分布公式;理论分析认为,冰下分区水流流速分布近似镜像,均具有分形特征,可用双对数公式表达,实测结果证明,对于弯曲河道,水流核心区流速分布均匀,并不服从对数分布,公式在运用时需考虑适用性或引入因子项;稳封期,冰盖区水流流速分布的分维值大于河床区,流速分布更均匀,而在弯道卡冰区域,由于弯道冰下水流结构的复杂性,河床区水流流速分布的分维值无规律。对冰下水流流速的研究,拓展了分形理论在水流流速垂线分布研究方面的应用成果,概化的冰下水流结构,对工程运用有一定借鉴意义。     

基于钻孔图像的结构面分布分维数计算方法

在工程实践中,对岩体结构面分布的分维数进行实测往往存在一定的难度,但是采用钻孔摄像技术既能够准确获取布设的钻孔内各项地质信息,而且形成的钻孔图像能够直观地反映钻孔中岩体结构面的特征参数,因此提出了一种基于钻孔图像的岩体结构面分布分维数计算方法。该方法的原理是:首先,通过钻孔图像获取研究区域内各钻孔内的岩体结构面的特征参数(包括倾角、倾向、隙宽、间距);然后,根据各钻孔之间的连通判断准则,判断区域内各钻孔结构面的连通性,并估算出研究区域内结构面的迹长值,同时参照钻孔的孔位及深度信息,来界定研究区域模型的范围;最后,结合Monte-Carlo法,建立岩体结构面分布的三维网络模型,根据分维数计算方法,求解模型各研究面的分形维数,并将3个钻孔的整体连通模型和各钻孔模型所得到的分维数开展对比分析。结果表明,该方法的计算结果与其他评价方法的结论一致。     

基于SEM的干湿循环蚀变花岗岩分形特征与力学特性演化规律

分形维数是对岩石裂隙、破碎程度和损伤等细观特征的定量描述,岩石的细观结构往往会对宏观强度特征产生较大的影响。为了研究干湿循环侵水对蚀变花岗岩细观特征的影响,基于电镜扫描(SEM)试验,得到了经历不同干湿循环次数的蚀变花岗岩的细观图像,并通过盒维数法计算得到各岩样的分形维数,建立基于分形维数的细观损伤演化方程;其次,通过室内单轴抗压强度和抗拉强度试验,获得不同干湿循环次数下蚀变花岗岩的力学特性。通过试验数据,得到了干湿循环次数及分形维数分别与岩石强度特性和弹性参数的关系。研究表明:岩石干湿循环次数的增加在宏观上表现为抗拉强度、单轴抗压强度以及弹性模量的减小;在细观上表现为分形维数的增大;泊松比不受此影响。分形维数将岩石细观特征量化、建立了细观和宏观的联系。研究结果可为衡量蚀变花岗岩强度特性的指标提供依据。