道在山林，周弥六合——浙东天台山“洞天福地”的山岳景观流变及文化意象研究

道教洞天福地作为中国名山风景的经典类型之一，在宗教山岳景观中占据独特地位。浙东天台山水神秀，历代高道以入山隐修为主要目的，形成了道教在区域山林的景观文化基础。从天台山“神仙之乡”的文化背景出发，从“想象与实践”的视角切入，梳理了天台山洞天福地的景观流变：分析其“不死之福庭”地域性景观的形成经历了“赤城→桐柏”的信仰转移过程；以天台山为坐标，洞天福地格局打破了区域“层级”分布特征，而呈现大范围“州郡”空间格局。作为“联结点”的天台山，洞天世界沟通了宇宙、山、人3个基本场域，由此衍生出“洞宫”式和“周回”式山岳空间营建典范。旨在挖掘洞天福地中典型案例的价值，为中国洞天福地体系的构建提供理论依据。     

A Student's t-based density peaks clustering with superpixel segmentation (tDPCSS) method for image color clustering

Image color clustering is a basic technique in image processing and computer vision, which is often applied in image segmentation, color transfer, contrast enhancement, object detection, skin color capture, and so forth. Various clustering algorithms have been employed for image color clustering in recent years. However, most of the algorithms require a large amount of memory or a predetermined number of clusters. In addition, some of the existing algorithms are sensitive to the parameter configurations. In order to tackle the above problems, we propose an image color clustering method named Student's t-based density peaks clustering with superpixel segmentation (tDPCSS), which can automatically obtain clustering results, without requiring a large amount of memory, and is not dependent on the parameters of the algorithm or the number of clusters. In tDPCSS, superpixels are obtained based on automatic and constrained simple non-iterative clustering, to automatically decrease the image data volume. A Student's t kernel function and a cluster center selection method are adopted to eliminate the dependence of the density peak clustering on parameters and the number of clusters, respectively. The experiments undertaken in this study confirmed that the proposed approach outperforms k-means, fuzzy c-means, mean-shift clustering, and density peak clustering with superpixel segmentation in the accuracy of the cluster centers and the validity of the clustering results.     

改进HSR-FCN的服装图像识别分类算法研究

目前网络上的服装图像数量增长迅猛，对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络（Region-Based Fully Convolutional Networks，R-FCN）引入到服装图像识别中，针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题，提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合，改变图片特征学习方式，使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络，对输入服装图像和特征图进行了空间变换及对齐，加强了对多角度服装和形变服装的特征学习。实验结果表明，改进后的HSR-FCN模型有效地加强了对形变服装图像的学习，且在训练时间更短的情况下，比原来的网络模型R-FCN平均准确率提高了大约3个百分点，达到96.69%。     

Effect of 100 KeV Ar+ ion beam irradiation on ZnO thin films – Influence of morphology vis-a-vis electrode/electrolyte interface and its impact on photoelectrochemical water splitting

The present study attempts quantitative determination of changes in the morphological surface features viz. fractal dimension, lower and upper cut off length scale through Power Spectral Density analysis prior to and after irradiation of 100 KeV Ar⁺ ion beam at incidence angles of 0°, 40° and 60° on ZnO thin films. All the unirradiated and irradiated samples are subjected to photoelectrochemical characterization and a correlation between photoelectrochemical performance and morphological parameters is established. Sample irradiated at 40° angle at the fluence of 5 × 10¹⁶ ions/cm² is found to possess maximum fractal dimension of 2.72, lower and upper cut off length scale of 3.16 nm and 63.00 nm respectively. This sample exhibits maximum photocurrent density of 3.19 mA/cm² and applied bias photon-to-current efficiency of 1.12% at 1.23 V/RHE. Hydrogen gas collected for duration of 1 h for the same sample was ~4.83 mLcm^?2.     

碳酸盐岩岩溶储层多井评价方法及地质应用

多井评价是建立在单井精细解释对比分析基础上的预测储层及含油气性平面分布规律的技术方法,而常规测井资料无法区分碳酸盐岩岩溶储层,因而利用多井评价结果确定岩溶发育程度在平面上的分布规律就显得十分重要。为此,在岩心标定成像测井的基础上,对四川盆地高石梯—磨溪地区15口井的成像测井岩溶发育特征进行分析,建立了中二叠统茅口组岩溶发育各分带的标准成像图版,利用交会图及直方图分析各分带的常规测井响应特征,在此基础上形成了电成像测井刻度常规测井识别岩溶发育带的新方法。研究结果表明:①高石梯—磨溪地区茅口组岩溶带自上而下可划分为风化壳残积带、垂直渗流岩溶带、水平潜流岩溶带以及受岩溶作用较弱的基岩;②风化壳残积带在成像测井图像显示为"暗—亮—暗"条带状模式,垂直渗流岩溶带为垂直线状与暗色斑状组合模式,水平潜流岩溶带为水平线状—层状与斑状组合模式,基岩整体显示为亮色块状模式偶见线状或斑状特征;③有效储层主要发育在垂直渗流带和水平潜流带的顶部;④该区茅口组岩溶发育主要受裂缝发育控制,而裂缝发育又与断层关系密切。结论认为,该新方法对碳酸盐岩岩溶储层的多井评价具有普遍适用性,为四川盆地中二叠统风险探井的部署提供了技术支撑。     

基于小波变换的分数阶微分算法在肝脏肿瘤CT图像纹理增强中的应用

图像纹理增强过程中容易丢失平滑区域纹理细节，而分数阶微分增强虽然能够非线性保留平滑区域纹理细节，但对频率分辨率敏感。针对这个问题，提出一种基于小波变换的分数阶微分纹理增强算法，应用于平扫计算机断层扫描（CT）图像的肝脏肿瘤区域的纹理增强。首先，通过小波变换将图像感兴趣区分解成多个子带分量；其次，基于分数阶微分定义构造一个带补偿参数的分数阶微分掩膜；最后，使用该掩膜与每个高频子带分量进行卷积并利用小波逆变换重组图像感兴趣区。实验结果表明，该方法在使用较大分数阶次显著增强肿瘤区域的高频轮廓信息的同时，有效地保留了低频平滑的纹理细节：增强后的肝细胞癌区域与原区域相比，信息熵平均增加36.56%，平均梯度平均增加321.56%，平均绝对差值平均为9.287；增强后的肝血管瘤区域与原区域相比，信息熵平均增加48.77%，平均梯度平均增加511.26%，平均绝对差值平均为14.097。     

结合位图切割和区域合并的彩色图像分割

就经典分水岭图像分割算法中存在的过分割问题，提出一种结合位图切割和区域合并的彩色图像分割算法。对原始彩色图像通过空域梯度算子求其梯度图像，并利用位图切割重建梯度图像；对新梯度图像进行分水岭预分割；对预分割图像基于异质性最小原则进行区域合并，并获得最终分割结果。相比于现有的同类方法，该算法引入位图切割，抑制噪声对分割结果的影响，在边缘模糊处分割准确，得到符合人类视觉的较小分割区域数目，同时在运行效率上提高。     

应用膨胀算法提取目标的直接定位算法

为了解决被动雷达系统中的多发射源定位问题，提出了一种基于多重信号分类(MUSIC)算法和图像膨胀(IE)算法的直接定位方法。该方法结合了谱分析中的MUSIC思想，通过对接收量测协方差矩阵进行特征分析求解目标的位置。首先，在目标个数未知的前提下，利用Akaike信息准则(AIC)来确定模型阶数；然后，推导了基于MUSIC的定位代价函数；之后，利用图像膨胀算法处理得到的代价函数平面；最后，膨胀处理后的输出为目标个数及目标位置的估计值。提出的算法有效地解决了目标检测及提取的问题，能够确定多个目标的位置坐标，为后续的定位性能分析提供可能性，也保证了算法的完整性。进一步地分析了多个临近目标情况下影响目标提取性能的主要因素。     

基于时空的弱点状运动目标检测技术

如何在复杂背景下持续有效地检测目标位置,一直是研究者们需要面对的主要挑战。本文在研究红外点状移动目标特征的基础上,根据目标无纹理,无形状的特性,提出一种改进的形态学目标增强算法,并利用目标连续时空不变性检测目标。首先,建立多尺度的图像金字塔,在每层上采用改进的形态学算法快速、粗糙定位小目标。然后进一步的根据目标在时空上的位置相关性,提出基于目标运动特征分析的精确检测方法。得到精确稳定的检测结果。最后实验结果表明与经典的形态学检测算法及其他算法相比,该技术能更有效地检测弱小目标,具有更高的鲁棒性。     

基于模糊谱聚类的不确定蛋白质相互作用网络功能模块挖掘

针对谱聚类融合模糊C-means（FCM）聚类的蛋白质相互作用（PPI）网络功能模块挖掘方法准确率不高、执行效率较低和易受假阳性影响的问题，提出一种基于模糊谱聚类的不确定PPI网络功能模块挖掘（FSC-FM）方法。首先，构建一个不确定PPI网络模型，使用边聚集系数给每一条蛋白质交互作用赋予一个存在概率测度，克服假阳性对实验结果的影响；第二，利用基于边聚集系数流行距离（FEC）策略改进谱聚类中的相似度计算，解决谱聚类算法对尺度参数敏感的问题，进而利用谱聚类算法对不确定PPI网络数据进行预处理，降低数据的维数，提高聚类的准确率；第三，设计基于密度的概率中心选取策略（DPCS）解决模糊C-means算法对初始聚类中心和聚类数目敏感的问题，并对预处理后的PPI数据进行FCM聚类，提高聚类的执行效率以及灵敏度；最后，采用改进的边期望稠密度（EED）对挖掘出的蛋白质功能模块进行过滤。在酵母菌DIP数据集上运行各个算法可知，FSC-FM与基于不确定图模型的检测蛋白质复合物（DCU）算法相比，F-measure值提高了27.92%，执行效率提高了27.92%；与在动态蛋白质相互作用网络中识别复合物的方法（CDUN）、演化算法（EA）、医学基因或蛋白质预测算法（MGPPA）相比也有更高的F-measure值和执行效率。实验结果表明，在不确定PPI网络中，FSC-FM适合用于功能模块的挖掘。