苎麻骨纤维素的提取及表征

为了更充分地利用苎麻骨，采用对甲苯磺酸联合过氧化氢一步法处理苎麻骨，考察对甲苯磺酸质量分数、过氧化氢体积分数、温度和时间对脱胶效果的影响。结果表明：75%质量分数的对甲苯磺酸、3.0%体积分数的H₂O₂在75℃下联合处理苎麻骨80 min时，苎麻骨中95.90%的木质素被溶解，纤维素含量提高到80.79%,较原样增加了37.61%。红外光谱、扫描电镜、热重分析结果表明：对甲苯磺酸与过氧化氢联合破坏了苎麻骨的结构，促进了木质素的溶解，最终获得的苎麻骨纤维素纯度高、可及性增强，起始分解温度提高。研究结果为苎麻骨的利用提供了一条简单、有效的途径。     

采用目标假设的三被动式传感器数据关联算法

被动式传感器目标跟踪是多传感器多目标跟踪领域的一个重要研究方向。针对三被动式传感器多目标定位系统全局最优数据关联的三维分配问题,在允许传感器漏检和虚警的情况下,通过分析拉格朗日松弛算法,提出一种假定真实目标的快速收敛算法。该算法通过粗关联假定真实目标并重新修改代价矩阵,然后进行细关联,使得拉格朗日松弛算法在保证关联精度的前提下有效地提高了收敛速度。理论分析和实验结果表明,该算法提高了数据关联的速度,并在一定程度上提高了关联准确率。     

基于点云增强的网格化优化算法

针对三维点云在采用传统泊松算法进行网格化重建时,重建时间较长并且最终重建出的模型存在孔洞和局部细节缺失等问题,提出一种基于点云增强的网格化优化算法。该算法首先通过统计滤波对初始点云进行降噪处理,为了在保证细节特征的基础上提高重建效率,在通过体素滤波进行适当点云降采样的同时利用双三次样条插值进行点云孔洞修复,然后将移动最小二乘法误差函数引入到点云法向计算中以优化点云法向量的质量。实验结果表明,优化后的网格化算法较传统泊松重建算法耗时更短,并且在一定程度上提高了重建模型的准确度。     

基于改进光流特征的运动目标跟踪

在城市智能视频监控中需要对运动目标进行实时跟踪,针对传统的运动目标检测中出现的跟踪目标易丢失、跟踪率低、实时性差等问题,提出一种基于改进光流特征的运动目标跟踪检测方法,对运动行人目标进行跟踪。该方法首先采用改进的Vibe运动背景建模法对视频中存在的运动行人进行检测,再将Shi-Tomasi角点检测与LK光流法进行结合,将角点检测结果融入到LK光流法中,并对检测到的角点进行运动光流特征提取,最后通过卡尔曼滤波对出现的行人进行预测跟踪,采用匈牙利最优匹配算法实现对运动目标的持续匹配以及对运动目标的跟踪。仿真结果表明,本文提出的方法能够对视频中出现的运动目标进行检测跟踪,具有较好的识别效果,且检测效率得到提高。      

乙醇-水体系分离技术研究进展

乙醇是重要的化工有机原料之一，被广泛应用于医疗、化妆品、卫生用品、油脂及染料等领域，与人们生活息息相关。乙醇作为一种二次清洁能源，成为各个国家能源工业发展的热点。主要介绍了乙醇-水体系分离技术（包括吸附分离、膜分离、共沸精馏、萃取精馏、溶盐精馏及加盐萃取等）的研究现状和发展前景。