全文获取类型
收费全文 | 371篇 |
免费 | 18篇 |
国内免费 | 40篇 |
专业分类
系统科学 | 21篇 |
丛书文集 | 20篇 |
教育与普及 | 3篇 |
现状及发展 | 8篇 |
综合类 | 377篇 |
出版年
2024年 | 6篇 |
2023年 | 18篇 |
2022年 | 16篇 |
2021年 | 14篇 |
2020年 | 9篇 |
2019年 | 14篇 |
2018年 | 6篇 |
2017年 | 8篇 |
2016年 | 18篇 |
2015年 | 14篇 |
2014年 | 24篇 |
2013年 | 33篇 |
2012年 | 32篇 |
2011年 | 32篇 |
2010年 | 45篇 |
2009年 | 35篇 |
2008年 | 38篇 |
2007年 | 19篇 |
2006年 | 17篇 |
2005年 | 14篇 |
2004年 | 5篇 |
2003年 | 5篇 |
2002年 | 5篇 |
2001年 | 2篇 |
排序方式: 共有429条查询结果,搜索用时 15 毫秒
71.
为了克服L2范数的去噪模型不能保持图像边缘和L1范数的总变差(total variation,TV)模型容易引起梯子现象的缺陷,提出了一个基于Lp(1≤p≤2)范数的自适应模型,并且给出了自适应函数p(x,y)的构造公式.将Primal-Dual方法应用到自适应模型的求解中,给出了求解自适应模型的公式.数值试验结果表明,自适应模型在去除噪声的同时保持了边缘的信息,且能削弱梯子现象,所恢复的图像在信噪比等方面比原来的两种模型有较大的改善. 相似文献
72.
复杂场景下的车牌目标存在大倾角、远距离、光照不均等负面因素,极大地加剧了车牌识别的难度。针对上述问题,提出了一种新的车牌识别算法RD-LPRNet,该算法首先采用改进空间变换网络RNet预测仿射变换参数,对存在大倾角的车牌进行几何矫正;接着构造基于自适应注意力机制的去噪网络DNet,以真实-标准车牌对为训练数据,提高网络提取有效特征、剔除无效噪声信息的能力;最后基于LPRNet,改进其网络输入结构以丰富初始输入特征,提高训练收敛速度;添加深度分离卷积瓶颈结构,增强网络的特征提取能力;加入残差卷积替代特征拼接实现更高效的特征融合与传递。对CCPD、CLPD、PKUdata、OpenITS以及本文人工采集的车牌数据的测试结果表明,RD-LPRNet在复杂场景下表现出更高的识别性能。 相似文献
73.
提出了运用具有全局收敛性的同伦方法求解Lysaker-Lundervold-Tai(LLT)模型,构造了一种逐步减小光滑化参数的同伦方程,并给出了有效的路径跟踪方法。实验表明,该方法收敛速度是不动点方法的2倍。 相似文献
74.
75.
图像去噪处理技术是图像处理领域中一项基本的,也是很重要的技术。本文介绍了小波变换在图像去噪中的一般应用。 相似文献
76.
77.
针对非局部均值算法对边缘去噪能力较差的缺陷,提出了一种新的自适应非局部均值去噪算法。一方面利用基于均方误差最小化准则的主动匹配,以确定两图像块之间的最佳匹配形状与尺寸,进而得到较为鲁棒的相似度估计。另一方面,利用局部Hessian矩阵特征值判断图像块类型,并据此进行滤波窗口尺寸的自适应调整。细致分析与仿真结果表明,新算法有效克服了原始非局部均值算法存在的边缘去噪能力较差的问题,综合去噪性能达到甚至超过了最新的自适应非局部均值算法。 相似文献
78.
为了兼得传统图像去噪算法的保边性与高效性的优点,本文根据图像空间相关性,设计了图像局部多项式逼近函数,理论上分析了局部逼近尺度,建立了局部多项式逼近去噪算法:首先对图像像素进行多项式拟合,构造局部多项式逼近函数;其次采用置信区间交集法则自适应选择局部多项式的逼近尺度;最后采用逼近算法对高斯噪声图像进行去噪.实验结果表明,本文算法继承了各向同性扩散的高效性和各向异性的保边性,同时弥补了各向异性扩散实时性较差的不足 相似文献
79.
为了提高图像去噪的效果,在对偏微分方程进行离散时使用恰当的差分格式是非常重要的,差分格式的精度越高稳定性越强越好.采用交替方向隐式的差分格式对偏微方程进行离散,并与用一般的显示格式进行离散后的结果进行比较,实验结果表明,使用交替方向隐式的差分格式对偏微方程进行离散,不仅能得到较高精度同时去噪效果明显,使用交替方向隐式的差分格式对偏微分方程进行离散是图像去噪的一种有效的工具. 相似文献
80.
为了增强地质雷达(GPR)图像,将双边滤波和三维块匹配算法(BM3D)相融合,提出了一种联合去噪算法.同时,研究了不同方差下的峰值信噪比,并采用最大化真实图像和估计图像之间的结构相似性对去噪后的图像进行了客观评价.实验结果表明,与单一的去噪算法相比,联合去噪算法能够更好地保持地质雷达图像中缺陷目标体边缘的完整性,具有较... 相似文献