海底恶魔……水雷

对于舰船而言,最险恶的武器莫过于水雷。令人生畏地默候于黑暗的海底不动,只是一味地等待从其上面通过的舰船。水雷一旦起爆,很有可能将巨舰击沉。如果是因相互对阵而被击沉,还可以忍受,可是无端成了这样阴险武器的牺牲品就难以忍受了。由于水雷连敌我双方都分不清,所以把这种兵器叫做海底恶魔是最恰如其分的了。各国都对各自拥有的水雷功能作为最高机密而保护着。尤其是在第二次世界大战期间,在整个亚洲布下了几十万颗水雷。这对曾被包围和追赶、濒于死亡边缘的日本兵来说,可能是一种不可忘记的兵器。     

21世纪新型水陆两栖军用直升机NH90

１．蚓激酶原料药开发的意义１９８３年日本的美原恒（Mihara）等应用现代手段从蚯蚓蛋白粗提物中分离到多组具有纤溶酶活性的蛋白质,并首次命名为蚓激酶“（Lumbrokinase）蚯蚓蛋白提取物蚓激酶无论静脉注射或口服给药,均具有溶栓作用,是目前最有开发前景的纤溶药物之一。我院研制的蚓激酶冻干粉是配制蚓激酶胶囊的原料药,具有高活性、高纯度、低价格等特点,它富含蛋白质、氨基酸、微量元素、酶、激素等多种活性物质,可广泛应用于医药、食品、保健品、化妆品等行业。２．蚓激酶提取工艺的研究通常蚓激酶的提取方法是盐析,继而用多…     

一种基于小波变换的X线图像边缘检测算法

在小波变换的基础上探讨出一种用于X线图像边缘检测的新算法,能够对X线图像进行边缘检测和分割。通过预处理（去噪,增强）、小波变换实现了图像的二值化。采用新算法及传统方法对X线图像进行边缘提取,并对结果进行比较。实验证明该新算法快速、精确、抗噪能力强。     

依据部分属性值的空中目标威胁快速排序方法

针对空中目标威胁排序问题,提出了一种依据部分属性值即可对目标威胁进行快速排序的方法.首先选取具有代表性的样本数据作为案例库;然后确定条件属性和决策属性,在利用K-均值聚类算法对决策属性进行离散化后,提出了一种针对连续条件属性值的全局离散化方法,并对离散化后的案例库进行属性约简并得出决策规则;最后将待排序目标各属性值进行...     

基于LOG算子的激光雷达图象边缘检测算法改进

针对LOG算子的不足之处,提出了一种激光雷达图像的边缘检测改进LOG算子算法:用二维自适应Wiener滤波代替Gaussian滤波。仿真结果表明:对于含有高斯噪声和乘性噪声的激光雷达图像,该算法能够有效提高LOG算子的边缘检测能力。     

改进Bubble函数的多分辨率边缘提取方法

在数学上,通常用Bubble函数来描述神经系统的侧抑制现象.Bubble函数在频域里相当于一带通滤波器,它可以反映不同的时域、频域特性,但它不具有调节带宽的功能.因此对Bubble函数进行改进,改进后的Bubble函数能够通过调节参数来获取不同时域、频域响应和滤波效果.最后,用改进的Bubble函数将小波和侧抑制有机地结合,构造出多分辨率侧抑制网络,该网络利用小波变换去除噪声、侧抑制网络突出边缘,从而可以准确、有效、快速地提取出图像边缘.     

一种基于图像灰度值切线方向的边缘检测方法

提出了一种基于图像灰度值切线方向的边缘检测方法.首先搜索确定当前点的灰度值切线方向,然后根据此切线方向两侧像素的灰度变化情况生成边缘图像.对于含噪声的图像,引入噪声检测方法,无需平滑预处理,直接就能得到边界图.实验证明该方法是简单有效的边缘检测方法.     

信息流中的隐形信息提取和还原技术研究

提出基于变化域的信息隐藏检测算法和基于彩色静止数字图像的信息隐藏提取算法,将小波变换的放大信息与显示隐藏信息及其相反过程的功效挖掘出来,基于信息隐藏对载体特性影响的模型,建立通用的隐藏信息提取的数学模型和面向"信息隐藏对载体特性影响"集合的正变换函数和逆变换函数,对信息进行标识、分析、提取和还原,使之能破除还原隐藏信息,达到较好的信息识别与分析效果,从而实现快速提取隐藏数据电子证据.     

基于感兴趣区域及LOD模型的图像压缩算法研究

感兴趣区域ROI(Region of Interesting)模型和层次细节LOD(Level of detail)模型是静止图像压缩及网络传输技术中两个重要模型.采用基于认知心理学的图像感兴趣区域提取模型,通过显著图法自动地得到与人眼视觉较吻合的ROI区域,并使ROI区域获得比背景区域更好的图像效果.同时通过将图像网格化,并在图像网格上进行B样条细分小波变换,实现了图像在不同分辨率下LOD压缩算法.     

ISDT算法的数据压缩处理及其性能分析

过程数据的实时压缩和趋势提取可以显著提高过程控制系统的整体性能.传统的SDT数据压缩算法不能很好地适应现今过程控制的要求,无法获得满意的压缩结果.针对SDT算法的弊端,提出了一种改进的SDT数据压缩算法,并进行了两种算法的性能对比.对合成数据仿真计算的分析结果表明,基于ISDT算法的过程数据压缩性能有大幅度的提高,更好地满足了现今过程控制中实时数据处理和趋势分析的要求.