全文获取类型
收费全文 | 2101篇 |
免费 | 309篇 |
国内免费 | 224篇 |
专业分类
电工技术 | 73篇 |
综合类 | 233篇 |
化学工业 | 13篇 |
金属工艺 | 35篇 |
机械仪表 | 121篇 |
建筑科学 | 17篇 |
矿业工程 | 31篇 |
能源动力 | 3篇 |
轻工业 | 28篇 |
水利工程 | 2篇 |
石油天然气 | 13篇 |
武器工业 | 38篇 |
无线电 | 823篇 |
一般工业技术 | 116篇 |
冶金工业 | 7篇 |
原子能技术 | 10篇 |
自动化技术 | 1071篇 |
出版年
2024年 | 59篇 |
2023年 | 164篇 |
2022年 | 167篇 |
2021年 | 179篇 |
2020年 | 110篇 |
2019年 | 117篇 |
2018年 | 57篇 |
2017年 | 89篇 |
2016年 | 75篇 |
2015年 | 103篇 |
2014年 | 154篇 |
2013年 | 128篇 |
2012年 | 145篇 |
2011年 | 149篇 |
2010年 | 155篇 |
2009年 | 134篇 |
2008年 | 130篇 |
2007年 | 126篇 |
2006年 | 113篇 |
2005年 | 74篇 |
2004年 | 59篇 |
2003年 | 50篇 |
2002年 | 21篇 |
2001年 | 22篇 |
2000年 | 11篇 |
1999年 | 25篇 |
1998年 | 5篇 |
1997年 | 3篇 |
1996年 | 5篇 |
1993年 | 1篇 |
1991年 | 2篇 |
1989年 | 1篇 |
1977年 | 1篇 |
排序方式: 共有2634条查询结果,搜索用时 0 毫秒
141.
为了增强显示安检图像中一些如植物风险源等因处于低对比度区域而难以识别的目标,提高安检人员的识别准确率,提出了粗分割细搜索的模糊增强算法。粗分割细搜索阶段,通过使用OTSU与结合了均值偏移的区域生长算法对低对比度区域目标进行提取。模糊增强阶段,根据感兴趣区域中像素隶属于目标区域的程度进行增强。实验表明,该算法能将低对比度区域目标提取出来并实现目标的增强,同时不改变图像的其他区域。 相似文献
142.
针对钢轨裂纹红外图像对比度低、信噪比低、纹理细节模糊而难以增强目标区域的问题,借助形态学高帽变换和低帽变换,提出了多尺度高帽低帽变换的钢轨裂纹红外图像增强优化算法。首先,用改进高帽变换、低帽变换分别提取多尺度明亮、暗淡图像区域;其次对多尺度的明亮与暗淡图像区域实施最大值的提取;然后操作其最大值以构建明亮和暗淡的图像区域;最后通过加权处理,实现图像增强。实验结果表明:本文算法在抑制噪声和突出了目标图像的边缘的基础上,有效地提高图像对比度,可应用于红外图像增强的场合,为后续图像信息处理奠定了必要的基础。 相似文献
143.
144.
145.
146.
147.
数字图像的增强以及边缘检测是数字图像处理中的重要内容。根据B-样条函数插值公式,对图像灰度点像素值进行三次B-样条插值运算,提出了基于三次B-样条插值的分数阶增强模板以及分数阶CRONE边缘检测模板。通过对比实验表明,所设计的模板能根据对图像的需求而改变阶次,在图像增强方面能较好地提升图像边缘并且加强纹理细节,在边缘检测方面有良好的边缘定位能力,优于基于Sobel算子的传统方法。 相似文献
148.
传统的图像增强算法在增强图像的同时也增强了图像的噪声信号,导致信息熵下降.结合小波变换多尺度、多分辨率的特点和直方图均衡的优势,提出一种基于小波分频和二次均衡的高亮度图像增强算法.首先利用小波变换将图像分解为低频分量和高频分量,然后仅对低频分量作直方图均衡处理,再由均衡后的低频分量与各高频分量进行小波重构,最后对重构的图像再次进行直方图均衡处理.实验结果表明,该算法对于亮度较高的灰度图像有较好的增强效果. 相似文献
149.
PCNN和Otsu理论在图像增强中的应用 总被引:8,自引:3,他引:8
提出了基于改进的脉冲耦合神经网络(PCNN)与Otsu的图像增强新方法。该方法对PCNN进行了改进,而用改进后的PCNN进行图像去噪处理,继而用Otsu方法寻找最佳灰度阈值后进行图像增强。仿真实验表明,该方法滤波后信噪比(PSNR)为18.9305,而高斯滤波为5.4087;同时又能根据图像灰度性质自动选取最佳阈值,并对自适应分割后图像进行不同的灰度变换,使图像得到有效增强。仿真结果证明了该方法的有效及合理性。 相似文献
150.
由于环境的不确定性,捕获的图像存在亮度低、对比度低和信息丢失严重等问题,且利用现存算法增强后的图像存在曝光过度问题,不能满足计算机视觉任务的输入要求。针对此问题,提出了基于端到端双网络的低照度图像增强方法,该网络由Inception网络模块与URes-Net模块组成。首先利用Retinex理论合成低照度图像样本;然后运用双网络模型进行特征提取、特征融合与重建,根据测试集的损失不断调整参数以优化模型,最终使双网络模型具有较高的低照度图像增强能力。实验结果表明,所提方法的PSNR和SSIM的均值分别为28.659 8 dB和0.896 6,亮度、对比度显著提高,获得的图像更加符合人类视觉,优于其他先进的低照度图像增强方法。 相似文献