用Witting反应合成三苯甲基取代烯烃

利用Wittig反应,合成了(E)-5,5,5-三苯基-2-戊烯和2-甲基-5,5,5-三苯基-2-戊烯两种三苯甲基取代的烯烃。探讨了影响反应的各种因素,并找到了较好的合成条件。     

中心管式分爆弹药内弹道理论计算方法

分析了中心管式分爆弹药抛射过程的原理,提出了一种计算方法,建立了理论模型,研究在装药爆轰产生的冲击、加速度效应很大的情况下,子弹内弹道性能.研究中心管爆炸分爆式弹药战斗部的抛撒过程,得到了理想的内外层子弹的速度和加速度时间关系曲线.     

4,4,4-三苯基-1-丁烯的合成

以烯丙基溴为原料,在N2保护下,乙醚中与镁反应30 m in制得烯丙基溴化镁的乙醚溶液(Ⅰ)。过滤后,将Ⅰ从45℃逐步加热到65℃,蒸出乙醚。然后快速加入四氢呋喃(THF),65℃搅拌20 m in,制得烯丙基溴化镁的THF溶液(Ⅱ)。在冰浴中向Ⅱ缓慢滴加氯代三苯甲烷的THF溶液,搅拌3 h,制得4,4,4-三苯基-1-丁烯(Ⅲ),收率93%。用红外光谱、核磁共振氢谱和碳谱对产物进行了表征。     

基于Legendre序列的确定性测量矩阵

近年来,压缩感知理论飞速发展。很多压缩感知的应用中,信号的测量可以通过卷积滤波和之后的二次采样完成。在此基础上,实现了一种由勒让德（Legendre）序列构造的矩阵。该矩阵在经过二次采样之后,得到一种新的确定性测量矩阵。对于一个K-稀疏的信号,通过该测量矩阵可以对信号进行稳定的恢复重建。据仿真结果显示,在对K-稀疏信号进行恢复的过程中,该测量矩阵的恢复效果与高斯随机测量矩阵的应用效果相当。     

用于图像逆映射的搜索转移算法

图像逆映射是基于图像绘制技术的基础算法，但由于需要进行繁琐的参考域搜索过程，传统图像逆映射算法计算复杂度大、效率低。本文提出一种快速图像逆映射算法——搜索转移算法。该算法从场景的极线几何性质出发，将大量匹配搜索过程从参考域转移到目的域中进行，由于在目的域只需进行简单的判断操作，因此可以大大降低整体的匹配复杂度；同时，算法充分利用场景的空间连贯性，通过为目的域制定自适应的绘制顺序，有效地减小了实际需要搜索的步长。实验表明，搜索转移算法简单有效，能极大地降低搜索复杂度95％以上，提高计算效率10倍左右。     

图像超分辨率重建的非局部正则化模型与算法研究

利用图像非局部不连续性测度的概念,建立了面向图像超分辨的非局部正则化能量泛函和相应的变分框架.理论分析了该框架与目前关于双边滤波等一类广义邻域滤波器和经典的变分偏微分方程模型之间的联系.推导了该非局部泛函约束的变分模型最优解满足的积分形式欧拉一拉格朗日方程,并研究了其最速下降流满足的若干重要性质.基于图理论,设计了图像...     

一种流体艺术风格的自适应LIC绘制方法

把LIC算法应用到非真实感绘制中,提出一种自适应流体艺术图的LIC绘制方法.对源图像亮度分量计算切矢量场,然后对其进行增强、平滑处理获得结构矢量场;通过随机扰动源图像获得纹理参考图像;根据结构矢量场和纹理参考图像的局部特征产生可变的LIC积分步长和步数,自适应地处理纹理参考图像;最后对绘制效果进行颜色渲染,生成具有丰富颜色特征的流体艺术图.实验表明,该方法能够较好地模拟诸如梵高画的流体艺术风格,呈现生动、灵活的波动感.     

模糊颜色聚类在颜色传输中的应用

提出一种自动的、基于模糊颜色聚类的自适应颜色传输算法．首先将源图像和目标图像从RGB空间转换到tαβ空间,在tαβ空间对2幅图像进行模糊颜色聚类分析;根据目标图像特征属性对每个聚类域计算相应的匹配权值,图像间匹配权值相近的聚类域确定为图像传输的匹配方向;最后将隶属度控制引入传输方程,实现图像间自适应颜色传输．实验结果表明,该算法比原有颜色传输算法的传输效果更加平滑、自然．     

面向高光谱图像分类的内容引导卷积深度网络并行实现

目的 受限于卷积核形状固定,传统卷积神经网络（convolutional neural network,CNN）方法难以精确分类高光谱图像（hyperspectral image,HSI）中的跨类别边缘区域,导致地物边界模糊。内容引导CNN （content-guided CNN,CGCNN）能够根据地物形态自适应调整卷积核形状,具有地物边缘保持分类能力。但由于内容引导卷积属于非固定模板结构,不能直接调用现有深度学习加速库实现并行计算。针对该问题,本文设计了一种内容引导卷积的并行计算方法,并验证其加速及分类性能。方法 本文基于内容引导卷积等价于各向异性核加权和标准卷积的组合结构,通过利用深度学习库中的平铺、堆叠、网格和采样等底层函数构造索引矩阵来定义重采样方式,以将内容引导卷积分解为与空间位置无关的像素级独立计算过程,并在图形处理器（graphics processing unit,GPU）上并行执行。结果 经测试,本文提出的并行化内容引导卷积相比串行运算方式平均提速近700倍。在分类性能测试中,并行化CGCNN在合成数据集上表现出优异的细节保持分类能力,总精度平均高于对比方法7.10%;同时在两组真实数据集上亦取得最优分类结果,分别高于对比方法7.21%、2.70%。结论 通过将内容引导卷积分步拆解,能够将其转化为一系列并行计算过程,且能够在GPU上高效执行;并通过在多组数据集上的分类精度、参数敏感度和小样本学习等综合性能测试进一步表明,并行化CGCNN在具有优良分类性能的同时,亦具有对不同地物的边缘保持分类能力,能够获得更精细的分类结果。     

NLTV:非局部数字全变差滤波算法

在图像平滑处理过程中,如何设计保持图像边缘和纹理细节的数字图像去噪滤波器一直是人们关注的热点问题。本文在统一描述数字全变差滤波算法（DTV）和数字双边全变差算法（DBTV）的滤波机制的基础上,利用图像像素间的近-远程相关性,分别定义近程相关性和远程相关性两个度量,建立了一种非局部图像滤波自适应双边加权机制,提出一种同时适合高斯噪声和脉冲噪声的非局部数字全变差滤波算法（NLTV）。实验验证了新算法在抑制噪声的同时具有较好的边缘细节和纹理保持性能。