米糠中植酸鈣的提取方法研究

《米糠中植酸鈣的提取方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、米糠中植酸鈣的提取方法研究1、相關(guān)定義1.1、本體的概念提取流程本體的概念語(yǔ)義主要隱含在數(shù)據(jù)庫(kù)的實(shí)體關(guān)系表表名中。然而由于關(guān)系數(shù)據(jù)庫(kù)表分為實(shí)體表和關(guān)聯(lián)表,并且可能出現(xiàn)多個(gè)實(shí)體關(guān)系表表示的同一個(gè)實(shí)體、或者不同關(guān)系表之間具有層次關(guān)系的情形,因此,不可以把每個(gè)關(guān)系表一一對(duì)應(yīng)的生成本體概念。本體概念的提取工作主要根據(jù)3.4.1節(jié)和3.4.4節(jié)的討論,從以下三個(gè)方面入手:1)從多個(gè)需要合并生成概念的實(shí)體關(guān)系表中提取一個(gè)共同的概念;2)從其他不需要合并生成概念的實(shí)體關(guān)系表中提取概念;3)從具有層次關(guān)系的實(shí)體關(guān)系表

2、中提取具有層次關(guān)系的子概念。華南理工大學(xué)碩士學(xué)位論文36圖4-2從關(guān)系表提取概念的總流程圖圖4-2描述了從關(guān)系數(shù)據(jù)庫(kù)表提取概念的處理流程,得到以下流程4-1:Tables=所有被待處理的數(shù)據(jù)庫(kù)表;while(tables未遍歷完){A=tables的下一個(gè)表;if(表A未生成過(guò)本體類(lèi)){efkeys=表A的所有導(dǎo)出外鍵;pkeys=表A的所有主鍵;if(efkeys的數(shù)量大于0){進(jìn)入多個(gè)表合并生成類(lèi)及具生成具有層次關(guān)系的類(lèi)的處理過(guò)程,即圖4_3_1中的”X”節(jié)點(diǎn),詳細(xì)處理過(guò)程將在流程4-2中說(shuō)明,流

3、程4-2執(zhí)行完畢將會(huì)從”Z”節(jié)點(diǎn)返回。}else{進(jìn)入根據(jù)實(shí)體關(guān)系表生成類(lèi)的處理流程,即圖4-2中的”Y”節(jié)點(diǎn),詳細(xì)處理過(guò)程將在流程4-3中說(shuō)明,流程4-3將會(huì)從”Z”節(jié)點(diǎn)返回。}}}流程4-1從關(guān)系表提取概念的總流程1.2、提取與匹配相關(guān)概念3.1.1特征信息類(lèi)型3.1.1特征信息類(lèi)型為了建立有效匹配,確定檢測(cè)哪種類(lèi)型的特征信息來(lái)進(jìn)行匹配將會(huì)直接決定著三維建模的精度,而在三維特征點(diǎn)云重建中,提取出的特征信息通常都是特征點(diǎn)。從前期的立體視覺(jué)研究開(kāi)始[29-32],學(xué)者們就已經(jīng)進(jìn)行著基于特征點(diǎn)的提取與匹

4、配研究了。點(diǎn)特征可以用來(lái)尋找出同一場(chǎng)景不同位置圖像的對(duì)應(yīng)位置的稀疏集合,同時(shí)也是計(jì)算攝像機(jī)內(nèi)外部參數(shù)的基礎(chǔ),攝像機(jī)姿態(tài)信息對(duì)進(jìn)行立體視覺(jué)配準(zhǔn)以及稠密點(diǎn)的配準(zhǔn)起著至關(guān)重要的作用。因此在進(jìn)行圖像配準(zhǔn)或者真實(shí)物體建模時(shí),檢測(cè)或提取出的圖像特征點(diǎn),應(yīng)該具有一定的適應(yīng)能力,即使在出現(xiàn)遮擋問(wèn)題、18旋轉(zhuǎn)變化、大尺度方向的變化時(shí)也要能達(dá)到魯棒的匹配效果。立體匹配是在多幅圖像中去建立兩兩圖像之間匹配信息對(duì)應(yīng)關(guān)系的過(guò)程;廣義上的匹配信息包括幾何點(diǎn)元、局部區(qū)域以及邊緣特征等等,與普通的圖像匹配、圖像配準(zhǔn)相比而言,立體匹配

5、一般更為復(fù)雜,由于立體圖像之間的差異主要由照相機(jī)在不同的視角或觀察點(diǎn)采集同一場(chǎng)景拍攝所致,而與場(chǎng)景自身的變化運(yùn)動(dòng)關(guān)系不大。根據(jù)所匹配的信息類(lèi)型不同,立體匹配又可進(jìn)一步分為區(qū)域匹配和特征匹配兩種類(lèi)型。區(qū)域匹配是在每個(gè)像素確定對(duì)應(yīng)像素,建立稠密的對(duì)應(yīng)關(guān)系,由于該稠密對(duì)應(yīng)場(chǎng)通常呈現(xiàn)出相對(duì)規(guī)則分布狀態(tài),能夠直接以像素網(wǎng)格作為區(qū)域參照,而不同像素網(wǎng)格之間的鄰近關(guān)系簡(jiǎn)單明了,方便描述并在立體匹配中直接使用。該方法直接利用了圖像的像素值作為匹配特征,通過(guò)計(jì)算不同圖像對(duì)應(yīng)區(qū)域之間在灰度、色差、輪廓、紋理上存在的關(guān)聯(lián)性

6、進(jìn)行圖像區(qū)域特征的匹配。特征匹配[33]是在圖像序列中建立比圖像像素更少的稀疏特征之間的相互對(duì)應(yīng)關(guān)系,與稠密特征比較而言,稀疏特征的布局區(qū)域更不規(guī)則,這表示特征間的匹配關(guān)系的描述將變得更為復(fù)雜;由于基于特征的匹配算法不同,所利用的特征信息亦不相同,通?？勺鳛樘卣餍畔⒌陌ň€段類(lèi)的直線、邊緣線、曲線、局部區(qū)域;特征點(diǎn)類(lèi)的包括邊緣點(diǎn)、角點(diǎn)、拐點(diǎn)、直線交點(diǎn)或者特定區(qū)域的中心、重心等等,當(dāng)然,由于所使用的特征信息的類(lèi)別不同,其所匹配后的產(chǎn)生精度差異也很大。表3.1匹配信息的類(lèi)型及特點(diǎn)匹配信息類(lèi)型具體內(nèi)容匹配復(fù)

7、雜度灰度值對(duì)比度、明暗等一般點(diǎn)類(lèi)角點(diǎn)、交點(diǎn)、中心點(diǎn)等較高線類(lèi)直線、邊緣線、曲線等中等區(qū)域類(lèi)局部區(qū)域、窗口區(qū)域等一般模型類(lèi)精確內(nèi)部結(jié)構(gòu)較高由于不同圖像之間的視點(diǎn)變化很大,同一場(chǎng)景在不同的視點(diǎn)下其投影將出現(xiàn)較大的變化,特別是對(duì)于一些傾斜場(chǎng)景圖像,此狀況尤為嚴(yán)重,在利用基于局部匹配的算法時(shí)更加容易造成錯(cuò)誤的匹配,因此就對(duì)基于特征點(diǎn)的匹配算法提出了更多的要求,而Harris角點(diǎn)特征檢測(cè)算法能夠應(yīng)付在圖像旋轉(zhuǎn)、灰度變化、視點(diǎn)變化以及噪聲影響情形下的不變性,是一種比較穩(wěn)定的特征點(diǎn)提取算法。1.3、本體概念的提取規(guī)

8、則研究從關(guān)系數(shù)據(jù)庫(kù)里面提取本體概念,主要需要考慮多個(gè)表合并生成同一個(gè)概念的情況以及根據(jù)單獨(dú)的實(shí)體關(guān)系表生成概念的情況兩種情況。1)多個(gè)表合并成同一個(gè)概念的情況由3.3.1節(jié)分析知道,本體的概念來(lái)自實(shí)體關(guān)系表。當(dāng)一對(duì)一的情形出現(xiàn)時(shí),可能出現(xiàn)需要把多個(gè)實(shí)體表合并成生成同一個(gè)概念的情況,也就是出現(xiàn)多個(gè)實(shí)體表相互等價(jià)的情況。1.4、農(nóng)藥水乳劑的概念、組成與制備(1)概念。農(nóng)藥水乳劑[31]是指用水替代大量的有機(jī)溶劑來(lái)溶解農(nóng)藥原藥,并在加入的表面活性分子的作用下使