氧化锌(ZnO)量子点是一种宽直接带隙半导体纳米颗粒, 具有激子束缚能大、绿色环保、量子效应等优点, 引起广泛关注。近期, 将通过化学溶液法制备的ZnO量子点应用到发光二极管的研究成为热点。文章综述了近几年ZnO量子点发光二极管研究进展, 重点介绍了各种结构的ZnO量子点发光二极管最新研究成果, 并对ZnO量子点发光二极管的发展趋势进行了展望。

通过简单旋涂方法, 制备了一种基于硫化铅(PbS)纳米晶与聚乙烯基咔唑(PVK)的有机/无机复合薄膜电双稳器件, 并对所制备的器件进行性能测试及其电荷传输机制研究。首先采用热注入的方法制备了尺寸均一的立方形PbS纳米晶, 然后将PbS纳米晶与PVK聚合物混合作为活性层材料, 制备了有机/无机复合薄膜电双稳器件。该器件展示了良好的电双稳特性并且可以实现稳定的“读-写-读-擦”操作。器件的最大电流开关比能够达到104。并进一步对器件在正向电压下的I-V曲线进行了理论拟合, 发现在不同电流传导状态下, 器件符合不同的电传导模型。进而分析了该电双稳器件中的电荷传输机制, 认为在电场的作用下, 发生在纳米晶与聚合物之间的电场诱导电荷转移是产生电双稳特性的主要原因。

共面转换液晶显示器(IPS-LCD)由于其优异的视角特性和色彩还原能力在TFT-LCD中得到了广泛应用, 然而响应速度慢的缺点始终限制着其在高端液晶显示器中的发展。本文中提出一种凸起电极结构的共面转换液晶显示器, 并采用TechWiz软件模拟了该结构的电光特性。与传统IPS-LCD相比, 我们提出的新结构IPS-LCD的驱动电压降低了2.3 V。在响应时间方面, 尽管驱动电压降低了, 但是由于凸起电极改变液晶层中的电场状况, 因此上升响应速度得到了一定提高。此外, 凸起结构减小了液晶层的等效盒厚, 因为下降时间正比于液晶盒厚的平方, 所以下降响应速度也得到了明显提高, 该结构的整体响应速度相比传统结构提高了大约38%。

为了获得人眼视觉特性并直接指导工程设计和工效学评价等应用, 基于显示器广泛使用的RGB颜色空间, 提出了一种彩色对比敏感度定义。首先, 生成了彩色对比敏感度阈值测量方法, 然后, 采集了12名被测试者先后两次每次3个颜色变量10个空间频率的彩色对比敏感度阈值。最后, 通过Pearson检验分析先后两次测量结果的相关性, 同时绘制出该人群R、G、B三种颜色变量彩色对比敏感度曲线。先后两次测量结果显著相关, R、G、B三种颜色变量对比敏感度曲线变化趋势相似, 在空间频率为0.1和0.2 cycle/degree 时, 分辨阈限显著升高, 且R变量分辨阈值整体高于G变量和B变量分辨阈值。测量方法稳定可靠, 在极低空间频率时, 被测试者分辨阈限较高, 对红色核心颜色差异分辨力较弱。

在垂面排列液晶显示模式中, 液晶分子垂直取向, 具有暗态良好、高对比度的特点, 但是其视角特性不佳。采用MVA和PVA技术等多畴结构可以使VA模式的视角情况得到改善, 但MVA模式中凸起结构引起的液晶分子初始预倾状态会导致暗态漏光, 从而降低显示的对比度。而PVA模式中的狭缝结构虽然不会影响对比度, 但其响应速度比较慢。文中提出一种新型垂面排列液晶显示器结构, 其像素电极四周刻蚀有弧形狭缝, 公共电极中心刻蚀有孔洞。施加电压时液晶分子向中心倾倒, 形成中心对称的多畴结构, 实现了对比度均匀的宽视角, 且这一结构在保证高透过率的同时还可以实现快速响应。另外, 通过在公共电极上施加偏置电压, 该结构还可实现视角的连续可控。

向列相液晶中手性剂的含量对TN显示模式的显示效果起着至关重要的作用。通过对两种不同体系的液晶中加入不同含量的手性剂进行实验测定得出: 添加手性剂对液晶分子的排列取向有序具有一定的作用; 手性剂的含量不同, 液晶的阈值电压也有所不同, 手性剂含量增多则阈值电压增大, 液晶的陡度值增大; 手性剂含量不同, 面板中的对比度有所不同, 手性剂含量增多则对比度下降。通过从微观角度对液晶分子在面板中的排列状态进行理论分析, 对以上实验结果的成因机理进行了解释, 手性剂的合理添加能更好地使液晶与面板IC驱动相匹配, 达到更高的对比度, 改善液晶面板中出现的碎亮点显示不良, 使液晶面板显示画面更鲜明、细腻、逼真。

在液晶面板制造设备故障诊断中, 传统方法存在效率低、经验分散等缺陷, 为此设计了一种基于规则的设备故障诊断专家系统, 能够缩短诊断设备故障时间, 高效地整合了故障诊断经验资源。产生式规则按照固定的格式, 并具有与人的思维相似, 直观、自然、容易理解等特点, 将其应用到该专家系统中的知识库中, 提高了知识库的增长速度和准确度。实际应用表明, 该系统可准确判别液晶面板设备故障原因并提供解决方案, 将诊断设备故障平均时间降低了35.5% 。

材料在长期服役过程中承载力与耐久性降低, 传统的动态监测方式存在监测精度不高, 布线麻烦等问题, 不能很好地为材料的结构破坏分析提供所需数据。针对这一现象, 本文设计出动态监测系统, 其以STM32微控制器为核心, 利用无线传输技术, 对压力传感器进行温度补偿的同时对所采集数据进行处理。通过实践证明, 所设计的监测系统能够实现无线传输、提高监测系统精度, 同时能够很好地为近场动力学理论仿真分析提供所需数据, 实践验证能够达到预期结果。

活动轮廓作为一种重要的图像分割工具, 近几年来在理论和应用方面都有很大的发展。然而, 现有轮廓模型在处理灰度均匀性较差的图像时, 通常存在较高的分割误差, 并且对初始轮廓曲线位置敏感。为此, 本文提出一种基于血管特征约束的活动轮廓模型, 该模型首先使用局部相位(Local Phase)的血管增强算法对图像进行增强处理以生成一种不同于图像灰度的血管特征信息, 然后将血管信息和图像灰度以线性加权的形式引入到局部二值拟合(Local Binary Fitting, LBF)能量泛函中, 指导图像血管分割。基于视网膜血管图像数据(Digital Retinal Images for Vessel Extraction, DRIV)的实验显示: 该模型能成功地从灰度分布不均匀和弱边界轮廓的视网膜图像中提取血管, 分割灵敏度和准确性分别达到74.43%和9367%, 同时对初始轮廓曲线位置的敏感性大为降低。由上述可知, 该模型具有高分割准确性和低初始位置敏感性。

直方图均衡类算法由于缺乏限制项, 增强后的红外图像易出现灰度级合并和过增强, 视觉效果不佳。为解决上述问题, 提出基于场景复杂度限制型的平台直方图均衡算法。该算法首先提出对图像场景复杂度进行估计, 并将Harris角点数量作为图像复杂度评价依据。然后建立类似sigmoid函数的图像复杂度评价函数, 将场景复杂度标准化。最后综合考虑图像复杂度和防止原图均值漂移, 依据平台直方图均衡原理获取全局变换函数, 重建红外图像。实验结果表明: 该方法可有效地依据不同场景实现红外图像增强, 不出现过增强和噪声放大。客观评价指标表明, 该方法在保持图像均值亮度和图像信息熵方面表现优异。

在现代通信系统中, 功率放大器起着重要的作用并消耗大量的功率, 因此, 提高放大器效率对于节约整个系统的能量是尤为重要的。本文的目标是找到放大器在谐波频率处的匹配阻抗, 并最终构建放大器的谐波匹配网络, 以使放大器达到其最高效率。本文采用了负载牵引技术, 使用自动控制调节器对阻抗进行控制。首先对自动调谐器进行校准, 得出其内部的不同坐标与相应阻抗的对应关系。然后通过对自动调谐器的控制来控制和改变二次谐波和三次谐波的负载阻抗, 找到谐波匹配阻抗以使放大器在基频的效率达到最大。最终, 根据谐波匹配阻抗来构建放大器的谐波匹配网络。实验结果表明: 通过过谐波匹配, 可以使放大器的效率提高213%。采用本文所使用的方法, 放大器的功率提高了213%, 实现了通过谐波匹配网络来提高放大器效率的目标, 证明了本文所采用的方法的可行性。

获得三维模型指定点的空间坐标是针对模型文件操作的基础。针对传统算法的不足提出一种获取所选点原始坐标的方法。在选点的过程中, 该算法允许模型进行任意角度的旋转, 以选取模型侧面及背面的点, 并通过旋转矩阵对该点还原。算法完成从屏幕的二维像素坐标到模型的三维坐标, 再到模型文件原始坐标的转换。实验表明, 该方法可以准确获取模型的所有可视表面的点坐标,提高了拾取的灵活性。

本文提出一种基于GPU+CPU的快速实现Canny算子的方法。首先将算子分为串行和并行两部分, 高斯滤波、梯度幅值和方向计算、非极大值抑制和双阈值处理在GPU中完成, 将二维高斯滤波分解为水平方向上和垂直方向上的两次一维滤波从而降低计算的复杂度; 然后使用CUDA编程完成多线程并行计算以加快计算速度; 最后使用共享存储器隐藏线程访问全局存储的延迟; 在CPU中则使用队列FIFO完成边缘连接。仿真测试结果表明: 对分辨率为1 024×1 024的8位图像的处理时间为122 ms, 相对应单独使用CPU而言, 加速比最高可达5.39倍, 因此本文方法充分利用了GPU的并行性的特征和CPU的串行处理能力。

针对传统仓库管理系统中螺丝钉统计计数难题, 将数字图像处理引入到螺丝钉检测计数中。提出了一种基于图像处理的螺丝钉自动计数方法。首先对未放置螺丝钉的货架进行处理, 检测并记录放置螺丝钉的位置等信息, 建立模板。在建立模板的过程中,采用人机交互的方式进行校正, 能够有效地解决光照、噪声等带来的影响, 从而建立准确的模板。然后将未放置螺丝钉的图像(模板图)与待检测图像相减, 突出放置螺丝钉后的位置的特征。最后采用模板匹配法, 检测对应位置是否存在螺丝钉。实验表明: 该方法能够有效地解决货架受损、螺丝钉氧化和噪声干扰等情况带来的影响, 并且实现简单。计数准确率高达98%以上, 平均检测时间为3.67 ms, 很大程度地提升了仓库管理性能。

提出了一种基于结构标签学习的显著性目标检测算法, 将结构化学习方法应用到显著性目标检测中。首先从含有标记的图像中随机采集固定大小的矩形区域, 并记录其结构标签; 然后使用含结构标签的区域特征构建决策树集合; 最后采用监督学习的方法对图像进行优化预测, 得到最终的显著图。实验结果表明, 本文方法能较准确地检测出图像库中图像的显著性区域, 在数据库MSRA5000和BSD300的AUC值分别为0.891 8、0.705 2, 说明本文方法具有较好的显著性检测效果。