由吸附等温线分析膨润土的分形孔隙

膨润土是一种多孔的粘土材料，对气相和液相中的污染物均有很好的净化效果。为了了解其对气体的吸附性能，用氮气吸附等温线分析了2种膨润土和1种活性白土的BET比表面积和孔隙分布，并应用基于FHH模型的方法计算了它们的分形维数。结果表明，普通膨润土的分形维数接近2，而活性白土的达到了2．59。讨论了孔隙度、比表面积以及分形维数等参数与吸附量的关系，表明分形维数更能反映膨润土对气体的吸附性能。     

Hadoop平台下的分形图像压缩编码

借助Hadoop平台实现了分形图像压缩编码,并将其应用于云渲染中对渲染后的图像进行压缩并传至用户阶段。采用4台PC机搭建Hadoop平台,并在此基础上进行分形图像压缩编码,实验结果表明,采用4台PC机的Hadoop平台并行压缩时间不到单台PC机压缩时间的30%,证实了该方案的现实有效性。采用分形压缩编码将云渲染后的图像传给用户具有压缩比大、传输时间短、解压缩快等特点,对改善云渲染用户体验具有重要意义。     

氧化铝上吸附平衡与动力学的分形特性

在实验测定氧化铝吸附氮气的平衡和动力学过程的基础上 ,由平衡数据得到分形维数 ,对动力学结果分别用欧氏几何和分形几何的动力学模型进行处理 ,比较两种方法得到的扩散系数之间的差别。结果表明 :粉状氧化铝的分形维数为 2 .12 ;采用分形动力学模型得到的扩散系数同欧氏几何扩散模型的结果不一样 ,扩散系数不随浓度的变化而改变 ;而欧氏几何扩散模型中的扩散系数随浓度变化发生改变 ,且变化符合Darken关系     

定向结晶传递过程的分形研究述评

概述了研究定向结晶过程传递问题的分形方法，并对各类数学模型进行了分析，探讨了进一步研究的方向和途径。     

分形理论在电收尘气流分选粉煤灰粒度分析及其水化性能评价中的应用

针对不同细度的电收尘气流分选粉煤灰，应用分形理论探讨了粉煤灰的粒度分布特征，在激光粒度分析试验的基础上，计算了其各自相应的分形维数。并通过掺粉煤灰水泥基材料的强度试验分析评价了不同细度的电收尘气流分选粉煤灰其分形特征对水泥基材料水化性能的影响。     

湍流化学反应的分形数值模拟

基于涡串唯象概念和分形理论,建立了能够表达湍流多尺度结构物理特性的分形湍流化学反应模型,针对Steckler室内燃烧过程进行了数值模拟研究.湍流流动采用浮力修正的κ-ε双方程模型来模拟,辐射由Rosseland模型描述,整个模拟过程由ANSYS-CFX10.0实现.将模拟结果与Steckler的燃烧实验数据进行对比,并与EDC燃烧模型及文献中EBU燃烧模型的模拟结果进行对比.结果表明,FM燃烧模型模拟得出的温度、速度场分布与实验数据能够较好地吻合,是一种有前途的湍流化学反应模拟方法.     

基于纹理渲染与纹理映射的实时球幕图像生成方法

大多数影像设备与3D API都是基于平面影像设计的,因此,一般而言实时渲染图像并不能直接运用于球幕显示,必须通过称为"几何校正"(Geometric Correction)的运算才能产生正确的最终结果。目前主流的几何校正方法或者依赖昂贵的硬件设备完成,或者需要通过复杂的算法实现,对于缺少程序设计背景的创作者来说无法自由掌控。文章介绍了一种利用3D API中成熟的纹理渲染(RTT)与纹理映射(Texture Mapping)技术生成球幕图像的方法,不涉及任何C++或HLSL编程,在任何支持RTT的三维引擎上均可实现。     

基于纹理的自适应提升小波框架的图像增强

经典二维小波变换仅在图像的水平和垂直方向进行变换,对图像的纹理信息表示能力不足,基于小波变换的图像增强的效果还不尽人意。为了更好地表示图像的纹理信息,提出一种基于纹理的自适应提升小波的图像增强方法,根据图像的局部特征预测图像的纹理方向,沿纹理方向应用小波变换,使图像的纹理信息表示更准确,而且小波变换法在抑制噪声方面性能优良,将其应用于图像增强,仿真及实验结果表明该方法具有有效性和实用性。     

基于NSST和RI-LPQ的纹理图像检索

针对采用单一方法提取图像特征时检索率不高的问题,结合非下采样剪切波变换(NSST)统计特征和旋转不变的局部相位量化(RI-LPQ)原理,提出一种纹理图像检索方法。非下采样剪切波不仅具有方向选择性及平移不变性,而且可以对图像进行有效的稀疏表示,与传统小波相比,可有效捕捉图像的边缘轮廓等纹理信息,与非下采样轮廓波相比,具有更高的计算效率。利用广义高斯分布函数对图像NSST高频子带系数的统计特征进行分析,RI-LPQ描述算子直接提取图像特征,采用具有权重系数的相似性测度公式对Brodatz图像库进行纹理图像检索。实验结果表明,与传统小波和轮廓波的方法相比,NSST统计特征方法的平均检索率分别提高4.77%和1.44%,纹理图像检索方法的平均检索率分别提高7.36%和1.98%。     

利用特征场进化的图像分割方法

针对图像分割中最优阈值的选择问题,在数据场机制的基础上提出了一种高维图像分割方法。将局部灰度特征与Tamura纹理度量相结合,如粗糙度、对比度、方向度等,尽可能提取足够的图像信息;将每个包含多特征的像素视作具有一定质量的质点,在图像特征空间上建立特征场;假设最优阈值为潜在的进化方向,通过因动态数据场中相互作用所导致的质点之间自适应吸引和排斥实现特征场的协同进化,并利用少数服从多数的投票法则确定最终分割结果。实验结果表明,所提出的方法在不明显增加时间耗费的情况下,取得了较好的分割效果,具有合理性和有效性。