期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于改进的模板匹配在规则边缘零件内孔检测中的应用 被引量:7
1
作者 万宏强 张晨辉 孙正阳 《电子测量技术》 北大核心 2021年第7期88-92,共5页
许多精密仪器零件中的内孔形态各异,针对规则边缘零件内孔的质量检测,提出了一种基于规则边缘改进的快速模板匹配方法。通过对获取的零件图像进行数学形态学以及最小二乘法边缘拟合等操作,提取出只含零件内孔的感兴趣区域(ROI),最后建... 许多精密仪器零件中的内孔形态各异,针对规则边缘零件内孔的质量检测,提出了一种基于规则边缘改进的快速模板匹配方法。通过对获取的零件图像进行数学形态学以及最小二乘法边缘拟合等操作,提取出只含零件内孔的感兴趣区域(ROI),最后建模对目标零件的内孔进行匹配检测。通过实验对所提算法的精度和速度进行验证,实验表明该算法能够满足零件的工业检测要求,且检测精度比传统模板检算法测高了8.9%,检测时间比传统模板检算法少了0.72 s。 展开更多
关键词 边缘检测 数学形态操作 最小二乘拟合 模板匹配
在线阅读 下载PDF
AVariablebitrateVideoCodingSchemeBasedonMorphologicalOperationsforATMNetworks
2
作者 ChenHuifang DaiWenqi 《通信学报》 EI CSCD 北大核心 1998年第5期84-89,共6页
AVariablebitrateVideoCodingSchemeBasedonMorphologicalOperationsforATMNetworksChenHuifangDaiWenqiQiuPeiliang(... AVariablebitrateVideoCodingSchemeBasedonMorphologicalOperationsforATMNetworksChenHuifangDaiWenqiQiuPeiliang(InstituteofInfo... 展开更多
关键词 视频编码 ATM网络 异步传输网 多位率 数学形态操作
在线阅读 下载PDF
一种改进Unet网络的遥感影像分割算法 被引量:4
3
作者 李娇娇 刘志强 +1 位作者 宋锐 李云松 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2022年第6期67-75,128,共10页
现有的遥感影像分割算法将边缘信息和语义信息进行简单的结合,往往不能确保语义建模的整体改进。为解决此类问题,提出了基于改进Unet网络的遥感影像分割算法。该算法在基础编码器的基础上添加了边缘提取模块,此模块融合骨干网络所提取... 现有的遥感影像分割算法将边缘信息和语义信息进行简单的结合,往往不能确保语义建模的整体改进。为解决此类问题,提出了基于改进Unet网络的遥感影像分割算法。该算法在基础编码器的基础上添加了边缘提取模块,此模块融合骨干网络所提取的语义特征信息以及由输入图像经过Canny算子和膨胀数学形态学操作获得的边缘特征信息,更好地学习了遥感影像的边缘。为了进一步获取遥感影像全局信息以提高分割精度,提出了边缘引导上下文聚合模块。该模块通过捕获边缘区域的像素和物体内部像素之间的长距离依赖关系,通过聚合上下文信息而加强类内一致性。在"天智杯"人工智能挑战赛数据集的测试下,改进后的模型总体准确度达到84.5%,平均交并比达到68.6%,精度与经典Unet模型相比分别提高了5.3%和9.2%。改进后的模型在ISPRS Vaihingen和Potsdam基准数据集上总体准确度分别达到了91.2%和91.6%,更适于精确的遥感影像分割。 展开更多
关键词 语义分割 CANNY算子 数学形态操作 深度学习 图像处理
在线阅读 下载PDF
一种深度学习的硬件木马检测算法 被引量:4
4
作者 刘志强 张铭津 +1 位作者 池源 李云松 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2019年第6期37-45,共9页
由于传统的硬件木马检测均采用功能测试等电信号检测技术,检测方法存在成本高、漏检率高和效率低下等问题,对此提出了一种深度学习的非电信号硬件木马检测算法。该算法首先利用增强残差网络将低分辨率芯片显微图像转换为高分辨率芯片显... 由于传统的硬件木马检测均采用功能测试等电信号检测技术,检测方法存在成本高、漏检率高和效率低下等问题,对此提出了一种深度学习的非电信号硬件木马检测算法。该算法首先利用增强残差网络将低分辨率芯片显微图像转换为高分辨率芯片显微图像;然后通过循环一致对抗生成网络将该高分辨率图像生成与母版图像同源的芯片显微图像,生成的芯片显微图像通过二阶微分图像增强算法区分出目标区域与背景区域,并结合阈值分割算法将目标区域分割出来;最后通过数学形态学操作去除由于工业噪声产生的微小干扰,利用变化检测算法检测芯片中存在的硬件木马。通过在芯片显微图像数据集上的实验显示,基于深度学习的硬件木马检测方法正检率高达约92.4%,与传统的电信号检测方法相比,精度更高,速度更快,且操作更简易。 展开更多
关键词 硬件木马检测 深度学习 图像增强 图像分割 数学形态操作 变化检测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部