数字图像的一种相位水印算法

提出一种用于数字图像版权保护的变换域水印算法,将二值随机序列作为水印信号嵌入在图像付里叶变换的重要系数的相位成分中,并利用相关检测器进行水印检测。实验证明,该算法具有不可见性,对通常的图像处理,如JPEG压缩、剪切、缩放、中值滤波等以及噪声干扰都具有很强的鲁棒性。     

3种秦艽药材提取物的抑菌作用比较

目的探讨不同秦艽药材提取物的体外抑菌作用。方法采用纸片扩散法测定抑菌圈直径,试管稀释法测定最低抑菌浓度(MIC)。结果 3种秦艽药材水煎液对大肠杆菌均有一定抑制作用,并且水提物强于各自的醇提物,其中大叶秦艽最强,最低抑菌浓度为0.25g/mL;3种秦艽药材醇提物和水煎液对金黄色葡萄球菌均有抑制作用,而醇提物强于各自的水提物,同样以大叶秦艽最强,最低抑菌浓度分别为0.125 g/mL和0.5 g/mL;3种秦艽药材醇提物对枯草芽孢杆菌有明显抑制作用,而水提物作用较弱,其中麻花秦艽最强,最低抑菌浓度为0.0625 g/mL。结论 3种秦艽药材均有一定的抗菌作用,为合理使用该类药材提供实验依据。     

基于双向非局部模型的图像插值

如何充分利用自然图像的自相似特性来进行图像恢复是近年来图像处理领域研究的热点问题之一.事实上,自相似体现为两方向相似结构,当一组相似块被安排成矩阵时,该矩阵的行与行、列与列之间均存在相似性.为此,提出一种双向非局部模型,该模型对称地利用了两方向相似结构,此外,该模型直接将相似块作为字典来表示每一图像块且对表示系数进行Tikhonov正则化.将双向非局部模型用于图像插值,获得了目前最好的恢复效果,无论峰值信噪比还是视觉质量,相比已有算法都有很大地提高.     

三进小波尺度函数序列的特性及构造

为了克服二进小波的缺陷和拓宽小波的应用 ,研究了M进小波的多分辨分析和正交性条件 ,给出了一种构造正交三进小波尺度函数对应的滤波器系数的新方法 ,得出了M进小波尺度传递函数对应的有限冲激响应系数最少为MN(N为小波函数的消失矩或阶数 )个的结论 ,并指出了它在图像压缩中具有的潜在优势     

液压模锻锤振动分析

本文通过分析对击式锤的打击过程和能量变化,建立了液压锤振动的力学模型.利用微型计算机求出了63~(Kg-M)液压锤振动位移、速度、加速度的数值解.并通过实际测试,测定了63(Kg-M)液压锤底座振动加速度和振动频率.与相同能量的空气锤比较,液压锤所产生的振动要小得多,具有减振的优点.     

HDAC1 siRNA对TGF-β1诱导的肺泡Ⅱ型上皮细胞EMT的影响

目的:探讨HDAC1 si RNA对TGF-β1诱导的RLE-6TN细胞EMT过程中细胞表型、功能的影响。方法:加入HDAC1 si RNA转染RLE-6TN后,再加TGF-β1后收取细胞。采用倒置显微镜观察各组细胞形态改变,免疫荧光检测表型改变,W.B及实时定量PCR检测其HDAC1、8,E-cad及α-SMA的表达;Transwell小室检测细胞体外迁移能力。结果:形态学上,TGF-β1能诱导RLE-6TN发生EMT,转染后细胞多边形、铺路石状;荧光显微镜下,TGF-β1组出现α-SMA表达,HDAC1表达增加,转染组相反;在m RNA水平,TGF-β1组E-cad表达下调、HDAC1、8上调,转染组HDAC1、8表达下调,α-SMA上调。在蛋白水平,TGF-β1组E-cad表达下调、α-SMA及HDAC1上调,转染组相反。体外迁移能力方面,TGF-β1组迁移细胞增多、转染组减少。结论:HDAC1 si RNA能部分逆转TGF-β1诱导的肺泡Ⅱ型上皮EMT。     

软介质胀管中胀接压力的确定

本文以弹塑性理论为基础，分析了在软介质胀管过程中管子与管板的受力和变形情况，给出了胀接压力的选取范围及计算方法和残余接触压力的计算方法，并用实例进行了验证。     

水溶性海参皂苷的分离纯化及其抗真菌活性研究

从冻干仿刺参加工废弃液中分离纯化出水溶性海参皂苷,筛选并纯化出其强抗真菌活性组分,为利用水溶性海参皂苷研制高效抗真菌药物创造条件. 先后利用大孔树脂柱层析和硅胶柱层析对水溶性海参皂苷进行了纯化,并对各种纯化组分的抗真菌活性进行了测定. 在30%,50%,70%,80%,95%乙醇溶液的大孔树脂柱层析洗脱组分中,70%乙醇溶液洗脱组分对裂殖酵母菌和白色念珠菌的抗真菌活性最强. 70%乙醇溶液洗脱组分经硅胶柱层析进一步纯化后,得到了SC-1、SC-2、SC-3和SC-4四种纯化样品,除SC-1无抗真菌活性外,其它3种纯化样品对裂殖酵母菌和白色念珠菌均具有显著的抗真菌活性,且组分SC-2和SC-3的抗真菌活性高于SC-4. SC-2纯化样品在高压液相柱层析（HPLC）图谱中仅显示为单一洗脱峰,且在旋转蒸发后可形成结晶,表明其纯度极高,可用于高效抗真菌药物的研制.     

基于异构融合和判别损失的图嵌入聚类

针对自动编码器仅对单个数据所包含的内容信息进行特征提取,忽略了数据之间结构信息的问题,提出一种基于异构融合和判别损失的深度图聚类网络.首先,将两个自动编码器获取的异质信息进行融合,解决了采用单一自动编码器提取特征时的信息丢失问题;其次,在聚类训练模块基于类内分布一致性设计判别损失函数,使模型可以端到端地训练,避免了两阶段训练方法中出现特征提取与聚类算法提前假设不匹配的情况;最后,在6个常用数据集上进行实验并验证了该方法的有效性.实验结果表明,与现有的大多数深度图聚类模型相比,该方法在非图数据集和图数据集上的聚类性能有明显提升.     

加权变分的图像去噪算法

针对经典的总变分去噪模型边缘信息对噪声敏感且易模糊的缺陷,提出了非线性与线性的加权变分模型。非线性加权变分模型是在总变分模型的正则项中引入权函数,并利用权函数引导扩散,使得新模型在消噪的同时更好地保持图像的纹理特征和边缘信息;线性加权变分模型是对含噪图利用高斯函数进行预处理,再对处理后的图像进行扩散,从而降低计算复杂度。数值实验表明,与经典的总变分模型相比,改进的方法无论是在视觉效果还是峰值信噪比上都有明显的提高。