应用三维荧光技术结合自组织神经网络方法,研究典型城市河流沉积物孔隙水中水溶性有机物(DOM)与颗粒性有机物(POM)组成结构及空间分布特征.自组织神经网络是一种非监督神经网络算法,能够从有机物三维光谱中提取不同的荧光组分,表征各组分的含量.沉积物是重要的有机碳库,而沉积物孔隙水中有机物的多寡可直接反映其环境特征.人们对水体中沉积物孔隙水中的DOM与营养盐特征的研究较多,而对POM的研究较少,尤其对重污染城市支流河的研究更少.因此,选取沈阳市白塔堡河为研究对象,沿河源、农村、城市区域河段采集沉积物孔隙水样品,提取DOM与POM,检测样品的三维荧光光谱.DOM的f450/500值为1.82～1.91,表明DOM主要是微生物源;POM的f450/500值为1.42～1.68,表明POM主要以陆地输入为主.自组织神经网络解析DOM与POM含有类酪氨酸、类色氨酸、类富里酸与类胡敏酸等物质,类酪氨酸主要源于新鲜的具有高氧化的类蛋白物质,而类色氨酸主要为微生物代谢产物。　DOM的各组分丰度之和为POM的2倍,类酪氨酸平均相对丰度在50%以上,类色氨酸的平均相对丰度为18.8%～23.1%,类富里酸相对丰度比类胡敏酸的高,但两者在有机物组分所占比重小。　通过主成分分析,DOM与POM特征呈现沿河源、农村、城市区域河段变化,表明白塔堡河深受人类活动的影响。

提出了一种适用于复杂背景下的人脸检测新算法。首先对彩色图像进行光线补偿，减小由光源等因素影响引起的色彩偏差；然后对YCrCb 色彩格式进行分段线性色彩变换，通过在此基础上建立的肤色模型得到候选人脸区域；最后通过对图像进行总体投影来分离候选人脸区域，再对分离出的区域进行局部投影来确定人脸位置。实验结果表明，该算法可以有效运用于多人脸、不同姿态、不同肤色及复杂背景的情况，对不同的测试图像，检测正确率达到94.7%。