针对可见光和近红外双波段场景分类存在图像标注样本少和特征融合质量低的问题,提出了一种基于卷积神经网络(CNN)特征提取和朴素贝叶斯决策融合的双波段场景分类方法。首先,将基于预训练的CNN模型作为双波段图像的特征提取器,避免标注样本少导致的过拟合问题;然后,通过主成分分析降维和特征归一化方法,提高支持向量机的计算速度和每个波段的分类性能;最后,以双波段后验概率为朴素贝叶斯先验概率,构建了决策融合模型,实现场景融合分类。在公开数据集上的实验结果表明,相比单一波段分类和双波段特征级联融合分类方法,本方法的识别率有明显提升,可达到94.3%;比基于传统特征的最优方法高6.4个百分点,与基于CNN的方法识别率相近,且执行简单高效。

采用微弧氧化技术， 用处理电压为300, 350, 400, 450, 500 V在工业纯钛表面制备了5块氧化膜试样， 利用扫描电镜和拉曼光谱研究了处理电压对氧化膜结构的影响。 结果表明： 氧化膜表面布满了微孔， 其尺寸随处理电压的升高而增加， 而微孔密度则呈相反的变化趋势。 氧化膜主要由锐钛矿和金红石相组成， 其相含量与处理电压的大小密切相关。 当处理电压较低时， 氧化膜主要由锐钛矿相组成; 随着处理电压的升高， 氧化膜中金红石相的相对含量增加; 当处理电压在400～450 V时， 金红石相含量增加迅速， 并成为主晶相。