全文获取类型
收费全文 | 197篇 |
免费 | 55篇 |
国内免费 | 53篇 |
专业分类
电工技术 | 4篇 |
综合类 | 23篇 |
机械仪表 | 13篇 |
建筑科学 | 1篇 |
矿业工程 | 1篇 |
轻工业 | 3篇 |
石油天然气 | 2篇 |
无线电 | 91篇 |
一般工业技术 | 9篇 |
自动化技术 | 158篇 |
出版年
2023年 | 3篇 |
2022年 | 8篇 |
2021年 | 8篇 |
2020年 | 3篇 |
2019年 | 7篇 |
2018年 | 9篇 |
2017年 | 10篇 |
2016年 | 11篇 |
2015年 | 17篇 |
2014年 | 21篇 |
2013年 | 16篇 |
2012年 | 25篇 |
2011年 | 35篇 |
2010年 | 37篇 |
2009年 | 23篇 |
2008年 | 31篇 |
2007年 | 11篇 |
2006年 | 4篇 |
2005年 | 11篇 |
2004年 | 6篇 |
2003年 | 6篇 |
2002年 | 1篇 |
2001年 | 2篇 |
排序方式: 共有305条查询结果,搜索用时 15 毫秒
1.
PCNN模型在彩色图像分割中的应用 总被引:1,自引:0,他引:1
针对脉冲耦合神经网络(PCNN)模型主要应用于灰度图像处理的局限性,利用脉冲发生器将颜色信息引入模型作为输入,与灰度信息共同控制神经元的内部行为,控制等灰度值的不同颜色区域分期点火,实现彩色图像的精确分割.双输入PCNN模型实现了彩色图像的分割,同时保持了PCNN模型对噪声的鲁棒性,从简单的仿真图像和实际图像两方面验证了此分割方法的有效性. 相似文献
2.
脉冲耦合神经网络(PCNN)模型在数字图像分割中得到了广泛的应用,但对网络参数的确定以及最优结果的选则一直是一个难题,主要是以人工经验为主,虽然提出了一些参数自动设置的算法,但都缺乏对模型本身数学理论的研究和分析.通过对PCNN网络神经元点火特性的分析,提出了一种基于图像最大灰度值最小时刻点火的参数自适应设定算法,并针对该算法构造了一种新的用于最优结果选择的判定准则.将其用于lena等图像分割中,取得了与主观评价相一致的结果,而且表现出更快的速度和较好的鲁棒性. 相似文献
3.
王娅茹 《计算机工程与应用》2010,46(14):176-178
通过脉冲噪声特性总结以及对脉冲耦合神经网络(PCNN)工作机理的分析,建立了一个在RGB色彩空间上的一种基于脉冲耦合神经网络的彩色图像去噪算法及模型。首先利用PCNN的同步脉冲发放特性定位脉冲噪声点的位置;然后利用中值滤波对其进行去噪处理,并将结果与中值滤波等其他滤波方法进行了比较。实验结果表明该方法不但能够有效去除图像中的噪声,而且能够更好地保护图像细节,较传统彩色图像去噪方法有较明显的优越性。 相似文献
4.
5.
脉冲耦合神经网络(Pulse Coded Neural Network,PCNN)在图像处理中得到了十分广泛的应用,但是其多个参数的设置给实际应用造成很大的困难。尤其是在图像分割中,不同类型的图像要求不同的分割参数,不同的参数对图像分割的结果影响很大。而微粒群优化算法(Partide Swarm Optimization,PSO)具有对参数自动寻优的优势,为此,将PSO和PCNN相结合,以改进的最大熵函数为适应度函数,提出了一种基于PSO和PCNN算法的图像自动分割算法。实验仿真结果验证了该方法的有效性,即不仅可以正确地实现图像分割,而且参数可以自动设置,省去了人工实验的麻烦,同时分割速度也有所提高。 相似文献
6.
7.
脉冲神经网络(PCNN)被广泛应用于图像处理、模式识别等领域。提出了一种基于PCNN的凹点检测改进算法。首先改进神经元激励函数,并利用小波收缩法去噪,保持图像的层次性,然后通过凹点检测识别手写体。实验结果表明,提出的方法能有效提高手写字母的识别率,尤其是在噪声环境下,识别率得到大幅提升。 相似文献
8.
具有生物背景的脉冲耦合神经网络具有自适应提取指纹特征的特性,基于此,首次提出了一种指纹图像特征提取的新方法一一自适应耦合神经网络点火统计图的,此图不仅包含了指纹图像的灰度特征,还包含相邻像素之间的几何位置信息。此方法具有运算速度快及对旋转、平移、尺度不变性,是许多指纹特征提取算法不具备的优点。最后给出了部分实验的结果,以验证该方法的有效性. 相似文献
9.
Xiaodong Gu 《Neural Processing Letters》2008,27(1):25-41
In this paper, we use Unit-linking PCNN (Pulse Coupled Neural Network), the simplified model of PCNN consisting of spiking
neurons, to code a 2-dimensional image into a 1-dimensional time sequence called global Unit-linking PCNN image icon or time
signature, including features of the original image and having the translation, rotation, and scale invariance. Dividing an
image into multiple parts can obtain local Unit-linking PCNN image icons corresponding to the image’s local regions, which
can reflect the local changes of the image. In the meantime, the global and the local Unit-linking PCNN image icons are used
in navigation, object detection, and image authentication. In navigation, global Unit-linking PCNN image icon shows qualified
performance especially in non-stationary-video navigation. Object detection using global Unit-linking PCNN image icon, is
independent of variances of translation, rotation, and scale, and object segmentation is avoided. In image authentication,
using local Unit-linking PCNN image icon can authenticate correctly some juggled images failed to authenticate by using local
histogram or local mean intensity, and can locate the juggled positions in the juggled images with some accuracy. 相似文献
10.
基于非下采样contourlet变换与脉冲耦合神经网络的图像融合算法 总被引:2,自引:0,他引:2
提出一种基于非下采样contourlet变换(NSCT)与脉冲耦合神经网络(PCNN)的图像融合算法.该方法首先利用非下采样eontourlet变换对输入图像进行多尺度分解、多方向稀疏分解,准确捕获图像中的高维奇异信息,然后利用脉冲耦合神经网络的同步激发特性确定融合规则,选取融合系数,提高融合性能.实验结果表明,算法比小波变换、contourlet变换有更好的融合性能. 相似文献