期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
结合NSST和快速非局部均值滤波的刀具图像去噪
被引量:
4
1
作者
龙云淋
吴一全
周杨
《信号处理》
CSCD
北大核心
2017年第11期1505-1514,共10页
为消除基于图像处理的刀具磨损检测中的图像噪声,提出了结合非下采样Shearlet变换(Non-subsampled Shearlet Transform,NSST)和快速非局部均值(Fast Non-local Means,FNLM)滤波的图像去噪方法。首先,利用基于决策的非对称剪切中值(Decis...
为消除基于图像处理的刀具磨损检测中的图像噪声,提出了结合非下采样Shearlet变换(Non-subsampled Shearlet Transform,NSST)和快速非局部均值(Fast Non-local Means,FNLM)滤波的图像去噪方法。首先,利用基于决策的非对称剪切中值(Decision Based Un-symmetric Trimmed Median,DBUTM)方法滤除图像中的椒盐噪声;然后,对图像进行NSST多尺度分解,得到一个低频子带和一系列高频子带;最后,分别使用FNLM滤波和各向异性扩散模型调整低频和高频子带系数,并由调整后的各子带系数重构出噪声滤除后的图像。实验结果表明,与基于小波的阈值收缩方法、基于Contourlet的全变差模型结合各向异性扩散方法、基于NSST和标准非局部均值滤波方法相比,本文方法在主观视觉去噪效果、峰值信噪比、结构相似度以及处理速度等4个方面性能更优。
展开更多
关键词
图像去噪
非
下采样Shearlet变换
快速非局部均值滤波
刀具磨损检测
在线阅读
下载PDF
职称材料
改进非下采样轮廓波在散斑条纹中的滤波处理
被引量:
2
2
作者
曹国强
刘禹廷
王琳霖
《激光技术》
CAS
CSCD
北大核心
2019年第2期269-274,共6页
为了改进传统多尺度变换滤波在电子散斑干涉(ESPI)条纹图中去噪效果和边缘细节保护不理想问题,提出改进非下采样轮廓波(NSCT)滤波算法。采用离散平稳小波变换和NSCT变换模型,联合非线性扩散和改进的快速非局部均值滤波算法,进行了理论...
为了改进传统多尺度变换滤波在电子散斑干涉(ESPI)条纹图中去噪效果和边缘细节保护不理想问题,提出改进非下采样轮廓波(NSCT)滤波算法。采用离散平稳小波变换和NSCT变换模型,联合非线性扩散和改进的快速非局部均值滤波算法,进行了理论分析和实验验证,取得了将本文中算法应用于模拟和实验ESPI条纹图滤波效果定量分析的数据。结果表明,本文中的算法在模拟ESPI条纹图和实验图相比其它算法散斑指数最小分别为0.41121,0.38043,0.35362,对应峰值信噪比最大;该算法在提升去噪能力的同时,能够更好地恢复条纹细节信息。研究结果为以后应用多尺度变换滤波在ESPI条纹图打下了基础。
展开更多
关键词
图像处理
电子散斑干涉技术
多尺度变换
非
下采样轮廓波
快速非局部均值滤波
在线阅读
下载PDF
职称材料
联合小波阈值和F-NLM去噪的高分辨率SAR舰船检测方法
被引量:
2
3
作者
童亮
刘丹
+3 位作者
彭中波
邹涵
王露萌
张春玉
《中国舰船研究》
CSCD
北大核心
2024年第6期275-283,共9页
[目的]针对高分辨率合成孔径雷达(SAR)舰船目标多场景、多尺度、密集排布的显著特征,以及成像过程中相干噪声导致目标边缘细节模糊的问题,提出一种融合小波阈值和快速非局部均值滤波(F-NLM)去噪的高分辨率SAR舰船检测方法。[方法]首先,...
[目的]针对高分辨率合成孔径雷达(SAR)舰船目标多场景、多尺度、密集排布的显著特征,以及成像过程中相干噪声导致目标边缘细节模糊的问题,提出一种融合小波阈值和快速非局部均值滤波(F-NLM)去噪的高分辨率SAR舰船检测方法。[方法]首先,利用小波阈值与F-NLM融合去噪模块预处理SAR图像,来降低海杂波噪声及增强检测目标细节特征和边缘信息,使提取的特征更具判别性。然后,选用YOLOv7检测算法结合双向特征金字塔网络来对多尺度特征有效聚合,以进一步提高模型准确率。[结果]实验结果显示,使用去噪数据集D-SSDD得到的检测平均准确度可达98.69%,虚警率降低至2.37%。[结论]研究表明,所提方法不仅能均匀背景杂波以提高图像质量,还能提高多尺度特征信息的交互性,保证目标检测精度和准确度。
展开更多
关键词
雷达目标识别
图像处理
SAR舰船检测
小波变换
小波阈值
快速非局部均值滤波
双向特征金字塔网络(Bi-FPN)
YOLOv7
在线阅读
下载PDF
职称材料
焊接缺陷磁光成像噪声特征分析及处理算法
4
作者
田猛
高向东
+1 位作者
谢岳轩
张艳喜
《激光技术》
CAS
CSCD
北大核心
2023年第5期646-652,共7页
为了解决焊接缺陷磁光图像轮廓信息难以提取的问题,提出一种图像去噪及轮廓检测方法。通过激光点焊获取裂纹缺陷样本,利用有限元模拟仿真并获取缺陷漏磁场,对比分析磁光图像灰度连续性、集中性及噪声特性;利用快速非局部均值滤波算法去...
为了解决焊接缺陷磁光图像轮廓信息难以提取的问题,提出一种图像去噪及轮廓检测方法。通过激光点焊获取裂纹缺陷样本,利用有限元模拟仿真并获取缺陷漏磁场,对比分析磁光图像灰度连续性、集中性及噪声特性;利用快速非局部均值滤波算法去除噪声,并与传统滤波器进行对比分析;根据磁光图像缺陷信息与背景信息梯度值相异的特性,在1阶梯度图的基础上进行Otsu法阈值分割与边缘检测。结果表明,经该方法处理后的磁光图像标准差及图像熵分别达到30.0465及6.0395,图像聚集程度更好,更贴近仿真磁场曲线,并能较好地提取缺陷轮廓信息。这一结果对后续缺陷识别及目标检测是有帮助的。
展开更多
关键词
传感器技术
磁光成像
焊接缺陷
快速非局部均值滤波
图像处理
在线阅读
下载PDF
职称材料
题名
结合NSST和快速非局部均值滤波的刀具图像去噪
被引量:
4
1
作者
龙云淋
吴一全
周杨
机构
南京航空航天大学电子信息工程学院
西华大学制造与自动化省高校重点实验室
出处
《信号处理》
CSCD
北大核心
2017年第11期1505-1514,共10页
基金
国家自然科学基金资助项目(61573183)
西华大学制造与自动化省高校重点实验室开放课题(S2jj2014-028)
文摘
为消除基于图像处理的刀具磨损检测中的图像噪声,提出了结合非下采样Shearlet变换(Non-subsampled Shearlet Transform,NSST)和快速非局部均值(Fast Non-local Means,FNLM)滤波的图像去噪方法。首先,利用基于决策的非对称剪切中值(Decision Based Un-symmetric Trimmed Median,DBUTM)方法滤除图像中的椒盐噪声;然后,对图像进行NSST多尺度分解,得到一个低频子带和一系列高频子带;最后,分别使用FNLM滤波和各向异性扩散模型调整低频和高频子带系数,并由调整后的各子带系数重构出噪声滤除后的图像。实验结果表明,与基于小波的阈值收缩方法、基于Contourlet的全变差模型结合各向异性扩散方法、基于NSST和标准非局部均值滤波方法相比,本文方法在主观视觉去噪效果、峰值信噪比、结构相似度以及处理速度等4个方面性能更优。
关键词
图像去噪
非
下采样Shearlet变换
快速非局部均值滤波
刀具磨损检测
Keywords
image denoising
non-subsampled shearlet transform
fast non-local means filter
cutting tool wear monitor
分类号
TN911.73 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
改进非下采样轮廓波在散斑条纹中的滤波处理
被引量:
2
2
作者
曹国强
刘禹廷
王琳霖
机构
沈阳航空航天大学工程训练中心
出处
《激光技术》
CAS
CSCD
北大核心
2019年第2期269-274,共6页
基金
辽宁省教育厅资助项目(L201714)
辽宁省自然科学基金资助项目(20170540711)
文摘
为了改进传统多尺度变换滤波在电子散斑干涉(ESPI)条纹图中去噪效果和边缘细节保护不理想问题,提出改进非下采样轮廓波(NSCT)滤波算法。采用离散平稳小波变换和NSCT变换模型,联合非线性扩散和改进的快速非局部均值滤波算法,进行了理论分析和实验验证,取得了将本文中算法应用于模拟和实验ESPI条纹图滤波效果定量分析的数据。结果表明,本文中的算法在模拟ESPI条纹图和实验图相比其它算法散斑指数最小分别为0.41121,0.38043,0.35362,对应峰值信噪比最大;该算法在提升去噪能力的同时,能够更好地恢复条纹细节信息。研究结果为以后应用多尺度变换滤波在ESPI条纹图打下了基础。
关键词
图像处理
电子散斑干涉技术
多尺度变换
非
下采样轮廓波
快速非局部均值滤波
Keywords
image processing
electronic speckle pattern interferometry
multi-scale transformation
nonsubsampled contourlet transform
fast nonlocal mean filtering
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
联合小波阈值和F-NLM去噪的高分辨率SAR舰船检测方法
被引量:
2
3
作者
童亮
刘丹
彭中波
邹涵
王露萌
张春玉
机构
重庆交通大学航运与船舶工程学院
出处
《中国舰船研究》
CSCD
北大核心
2024年第6期275-283,共9页
基金
重庆市科学技术委员会资助项目(2022TIAD-GPX0018)
重庆交通大学研究生科研创新资助项目(2023S0076)。
文摘
[目的]针对高分辨率合成孔径雷达(SAR)舰船目标多场景、多尺度、密集排布的显著特征,以及成像过程中相干噪声导致目标边缘细节模糊的问题,提出一种融合小波阈值和快速非局部均值滤波(F-NLM)去噪的高分辨率SAR舰船检测方法。[方法]首先,利用小波阈值与F-NLM融合去噪模块预处理SAR图像,来降低海杂波噪声及增强检测目标细节特征和边缘信息,使提取的特征更具判别性。然后,选用YOLOv7检测算法结合双向特征金字塔网络来对多尺度特征有效聚合,以进一步提高模型准确率。[结果]实验结果显示,使用去噪数据集D-SSDD得到的检测平均准确度可达98.69%,虚警率降低至2.37%。[结论]研究表明,所提方法不仅能均匀背景杂波以提高图像质量,还能提高多尺度特征信息的交互性,保证目标检测精度和准确度。
关键词
雷达目标识别
图像处理
SAR舰船检测
小波变换
小波阈值
快速非局部均值滤波
双向特征金字塔网络(Bi-FPN)
YOLOv7
Keywords
radar target recognition
image processing
SAR ship detection
wavelet transforms
wavelet threshold
fast non-local mean(F-NLM)
bi-directional feature pyramid network(Bi-FPN)
YOLOv7
分类号
U675.79 [交通运输工程—船舶及航道工程]
在线阅读
下载PDF
职称材料
题名
焊接缺陷磁光成像噪声特征分析及处理算法
4
作者
田猛
高向东
谢岳轩
张艳喜
机构
广东工业大学广东省焊接工程技术研究中心
出处
《激光技术》
CAS
CSCD
北大核心
2023年第5期646-652,共7页
基金
广州市科技计划资助项目(202002020068)。
文摘
为了解决焊接缺陷磁光图像轮廓信息难以提取的问题,提出一种图像去噪及轮廓检测方法。通过激光点焊获取裂纹缺陷样本,利用有限元模拟仿真并获取缺陷漏磁场,对比分析磁光图像灰度连续性、集中性及噪声特性;利用快速非局部均值滤波算法去除噪声,并与传统滤波器进行对比分析;根据磁光图像缺陷信息与背景信息梯度值相异的特性,在1阶梯度图的基础上进行Otsu法阈值分割与边缘检测。结果表明,经该方法处理后的磁光图像标准差及图像熵分别达到30.0465及6.0395,图像聚集程度更好,更贴近仿真磁场曲线,并能较好地提取缺陷轮廓信息。这一结果对后续缺陷识别及目标检测是有帮助的。
关键词
传感器技术
磁光成像
焊接缺陷
快速非局部均值滤波
图像处理
Keywords
sensor technique
magneto-optic imaging
welding defects
fast non-local mean filtering
image processing
分类号
TG441.7 [金属学及工艺—焊接]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
结合NSST和快速非局部均值滤波的刀具图像去噪
龙云淋
吴一全
周杨
《信号处理》
CSCD
北大核心
2017
4
在线阅读
下载PDF
职称材料
2
改进非下采样轮廓波在散斑条纹中的滤波处理
曹国强
刘禹廷
王琳霖
《激光技术》
CAS
CSCD
北大核心
2019
2
在线阅读
下载PDF
职称材料
3
联合小波阈值和F-NLM去噪的高分辨率SAR舰船检测方法
童亮
刘丹
彭中波
邹涵
王露萌
张春玉
《中国舰船研究》
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
4
焊接缺陷磁光成像噪声特征分析及处理算法
田猛
高向东
谢岳轩
张艳喜
《激光技术》
CAS
CSCD
北大核心
2023
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部