全文获取类型
收费全文 | 65篇 |
免费 | 33篇 |
国内免费 | 15篇 |
专业分类
电工技术 | 2篇 |
综合类 | 1篇 |
化学工业 | 15篇 |
金属工艺 | 1篇 |
机械仪表 | 3篇 |
矿业工程 | 2篇 |
轻工业 | 1篇 |
水利工程 | 11篇 |
无线电 | 10篇 |
一般工业技术 | 5篇 |
冶金工业 | 10篇 |
自动化技术 | 52篇 |
出版年
2023年 | 2篇 |
2022年 | 2篇 |
2021年 | 3篇 |
2020年 | 4篇 |
2019年 | 5篇 |
2018年 | 2篇 |
2017年 | 6篇 |
2016年 | 6篇 |
2015年 | 8篇 |
2014年 | 7篇 |
2013年 | 8篇 |
2012年 | 5篇 |
2011年 | 7篇 |
2010年 | 4篇 |
2009年 | 3篇 |
2008年 | 7篇 |
2007年 | 4篇 |
2006年 | 3篇 |
2005年 | 4篇 |
2004年 | 5篇 |
2003年 | 3篇 |
2002年 | 4篇 |
2001年 | 1篇 |
2000年 | 5篇 |
1999年 | 2篇 |
1995年 | 1篇 |
1993年 | 1篇 |
1987年 | 1篇 |
排序方式: 共有113条查询结果,搜索用时 171 毫秒
11.
12.
图像的非刚性配准在计算机视觉和医学图像分析中有着重要的作用.TV-L1(全变分L1范数、Total variation-L1)光流模型是解决非刚性配准问题的有效方法,但TV-L1光流模型的正则项是一阶导数,会导致纹理特征等具有弱导数性质的信息模糊.针对该问题,将G-L(Grünwald-Letnikov)分数阶引入TV-L1光流模型,提出基于G-L分数阶微分的TV-L1光流模型,并应用原始-对偶算法求解该模型.新的模型用G-L分数阶微分代替正则项中的一阶导数,由于分数阶微分比整数阶微分具有更好的细节描述能力,并能有效地、非线性地保留具有弱导数性质的纹理特征,从而提高图像的配准精度.另外,通过实验给出了配准精度与G-L分数阶模板参数之间的关系,从而为模板最佳参数的选取提供了依据.尽管不同类型的图像其最佳参数是不同的,但是其最佳配准阶次一般在1 ~2之间.理论分析和实验结果均表明,提出的新模型能够有效地提高图像配准的精度,适合于包含较多弱纹理和弱边缘信息的医学图像配准,该模型是TV-L1光流模型的重要延伸和推广. 相似文献
13.
K_2S_2O_8/Na_2S_2O_3引发剑麻纤维接枝的研究 总被引:2,自引:0,他引:2
采用K_2S_2O_8/Na_2S_2O_3氧化还原体系作为剑麻纤维接枝的引发剂,能够降低反应的温度,提高纤维素的接枝率和单体的转化率。文章讨论了过硫酸钾、硫代硫酸钠和反应温度对剑麻纤维接枝的影响。 相似文献
14.
15.
16.
17.
给出一种新的、适合于仿射变换的局部不变量.基于该局部不变量,建立一种新的归一化的相似性度量函数.构造丢失特征向量判别函数,据此判断目标的各个局部是否被遮挡,并仅利用未遮挡部分的局部特征计算待识别目标和模型的整体相似度.比较相似度与给定的阈值,可以从单幅线图识别部分遮挡的平面多边形状物体.新的局部不变量具有仿射不变性,因而该方法适用于仿射变换.新的相似性函数和丢失特征判别函数综合考虑噪声和遮挡带来的影响,识别可靠性得到提高.实验结果表明本文的识别算法效果较好. 相似文献
18.
目的 全变分(TV)去噪模型具有较好的去噪效果,但对于图像的弱边缘和纹理细节的保持不够理想。自适应分数阶全变分(AFTV)模型根据图像局部信息,区分图像的纹理区域和非纹理区域,自适应计算投影算法中的软阈值,可较好地保持图像的弱边缘和纹理细节,但该方法当噪声增大时“阶梯”效应比较明显,弱边缘和纹理细节保持效果不够理想。针对该问题,提出一种改进的分数阶全变分去噪算法。方法 该算法在计算残差图像时,用分数阶全变分模型替代整数一阶全变分模型,并根据较精确的残差图像的局部方差区分图像纹理区域和平坦区域,使保真项参数的自适应选取更加合理,提高了算法的去噪性能。结果 针对3种不同类型的噪声图像,将本文模型与TV模型和AFTV模型进行对比实验,并采用峰值信噪比(PSNR)和结构相似性(SSIM)评定去噪效果和纹理保持能力。对于高斯噪声图像,本文算法在PSNR方面比TV模型和AFTV模型分别可平均提高2.72 dB和1.38 dB,SSIM分别可平均提高0.047和0.020。对于椒盐噪声图像,本文算法结合中值滤波算法在PSNR和SSIM方面比传统中值滤波算法分别可平均提高1.308 dB和0.011。对于泊松噪声图像,本文算法在PSNR、SSIM方面与AFTV较接近,比TV分别可提高1.59 dB和0.005。结论 通过对添加不同类型的噪声图像进行实验,结果表明提出的算法在去噪性能上与TV和AFTV相比均有较大提高,尤其对于噪声较大的图像效果更为显著,在去噪效率上与AFTV的时间复杂度相当,时耗接近略有降低。且本文算法普适性较好,能有效去除多种典型类型的噪声。 相似文献
19.
20.
现有的医学图像配准算法对于灰度均匀、弱边缘以及弱纹理图像易陷入局部最优从而导致配准精度低下、收敛速度缓慢. 分数阶主动Demons (Fractional active Demons, FAD)算法是解决该问题的有效方法, 并且适用于图像的非刚性配准. 但FAD中的最佳分数阶阶次是人工交互选取, 并且对整幅图像都是固定不变的. 为了解决该问题, 提出一种阶次自适应的主动Demons算法并将其应用到医学图像的非刚性配准中. 算法首先根据图像的局部特征建立分数阶阶次自适应的数学模型, 并逐像素计算最优阶次, 基于该阶次构造Riemann-Liouvill (R-L)分数阶微分动态模板; 然后将自适应R-L分数阶微分引入到Active Demons算法, 在一定程度上缓解了图像配准在弱边缘和弱纹理区域易陷入局部最优问题, 从而提高了配准精度. 通过在两个医学图像库上进行实验验证, 实验结果表明该方法可以处理灰度均匀、弱纹理和弱边缘的医学图像非刚性配准, 配准精度得到较大提升. 相似文献