期刊导航
期刊开放获取
河南省图书馆
退出
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
3
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
活塞表面缺陷图像的亚像素边缘检测技术研究
1
作者
郑彬
黄涛
罗山
《机械设计与制造》
北大核心
2024年第1期139-142,149,共5页
针对活塞图像对比度低、缺陷区域小、缺陷种类多、人工检测效率低等问题,提出一种结合区域生长法和亚像素边缘提取的活塞表面缺陷检测方法。利用图像处理软件采集活塞图像,分析活塞表面图像中缺陷区域与正常区域灰度值的差异。使用区域...
针对活塞图像对比度低、缺陷区域小、缺陷种类多、人工检测效率低等问题,提出一种结合区域生长法和亚像素边缘提取的活塞表面缺陷检测方法。利用图像处理软件采集活塞图像,分析活塞表面图像中缺陷区域与正常区域灰度值的差异。使用区域生长法进行图像分割,结合Canny算子对活塞表面缺陷边缘进行初步定位。通过定位感兴趣区域的位置,进行亚像素级别提取,并平缓感兴趣区域边缘。实验表明,所提算法比传统的边缘提取方法得到的缺陷区域更精确、平滑。
展开更多
关键词
区域生长法
亚像素边缘检测
感兴趣区域
图像分割
缺陷检测
下载PDF
职称材料
基于密度-距离空间的红外引信抗噪声方法研究
2
作者
张骢
权康男
+1 位作者
岳明凯
韩自强
《装备环境工程》
CAS
2022年第11期48-53,共6页
目的通过简易的图像处理和目标检测方法,提高红外引信在复杂环境下的抗干扰能力。方法分析红外引信在复杂背景中的噪声类别,采用“密度–距离”空间方法与像素生长方法进行预处理和目标检测,赋予像素2种属性,并进行量化分析,确定灰度平...
目的通过简易的图像处理和目标检测方法,提高红外引信在复杂环境下的抗干扰能力。方法分析红外引信在复杂背景中的噪声类别,采用“密度–距离”空间方法与像素生长方法进行预处理和目标检测,赋予像素2种属性,并进行量化分析,确定灰度平坦区域中的红外候选目标,并通过像素生长方法筛选候选目标中的真实目标。结果计算在不同信噪比环境下算法的抗噪声干扰能力,当红外图像的SNR值在44.1~45.4时,算法检测效果理想。结论红外引信探测过程中的复杂背景和随机噪声都会降低图像质量,考虑到红外目标所占像素数少,极易受噪声影响,需要运用自适应简易算法提高检测准确性。该算法有良好的实时性和抗干扰能力,为红外引信在目标检测中的环境适应性提供了理论依据。
展开更多
关键词
红外目标
抗干扰
引信
环境适应性
密度–距离
像素生长法
下载PDF
职称材料
基于卷积神经网络与区域生长法的建筑裂缝识别
被引量:
8
3
作者
吴子燕
贾大卫
王其昂
《应用基础与工程科学学报》
EI
CSCD
北大核心
2022年第2期317-327,共11页
基于卷积神经网络(CNN)的建筑裂缝识别结果大多为含有裂缝的面元图像,而并非裂缝本身.本文将CNN与区域生长法结合,提出一种两阶段方法用于提取像素级别的裂缝特征.利用数据扩充法建立裂缝图像数据库,选择包括Alexnet、Vgg16、Vgg19、Inc...
基于卷积神经网络(CNN)的建筑裂缝识别结果大多为含有裂缝的面元图像,而并非裂缝本身.本文将CNN与区域生长法结合,提出一种两阶段方法用于提取像素级别的裂缝特征.利用数据扩充法建立裂缝图像数据库,选择包括Alexnet、Vgg16、Vgg19、Inception-V3和ResNet50的5种典型CNN用于裂缝识别.综合考虑样本图像的整体准确率,单张图像的裂缝识别精确度及背景图像的置信度,确定精度最高的CNN,得到裂缝面元图像;利用区域生长法对CNN识别的裂缝面元图像进行裂缝特征提取,得到像素级别的裂缝图像.研究表明,Inception-V3网络在裂缝识别中具有较高的识别精度;通过区域生长法进行裂缝特征提取,可以得到精度较高的像素级别裂缝特征图像.该研究提供了一种高精度的建筑裂缝识别方法.
展开更多
关键词
裂缝识别
像素级裂缝
卷积神经网络
区域生长法
精度检验
原文传递
题名
活塞表面缺陷图像的亚像素边缘检测技术研究
1
作者
郑彬
黄涛
罗山
机构
攀枝花学院交通与汽车工程学院
出处
《机械设计与制造》
北大核心
2024年第1期139-142,149,共5页
基金
国家自然科学基金项目(U1960101)
攀枝花市指导性科技计划项目(2019ZD-N-2)。
文摘
针对活塞图像对比度低、缺陷区域小、缺陷种类多、人工检测效率低等问题,提出一种结合区域生长法和亚像素边缘提取的活塞表面缺陷检测方法。利用图像处理软件采集活塞图像,分析活塞表面图像中缺陷区域与正常区域灰度值的差异。使用区域生长法进行图像分割,结合Canny算子对活塞表面缺陷边缘进行初步定位。通过定位感兴趣区域的位置,进行亚像素级别提取,并平缓感兴趣区域边缘。实验表明,所提算法比传统的边缘提取方法得到的缺陷区域更精确、平滑。
关键词
区域生长法
亚像素边缘检测
感兴趣区域
图像分割
缺陷检测
Keywords
Region
growth
method
Sub-
pixel
Edge Detection
Region of Interest
Image Segmentation
Defect Detection
分类号
TH16 [机械工程—机械制造及自动化]
下载PDF
职称材料
题名
基于密度-距离空间的红外引信抗噪声方法研究
2
作者
张骢
权康男
岳明凯
韩自强
机构
沈阳理工大学装备工程学院
出处
《装备环境工程》
CAS
2022年第11期48-53,共6页
基金
辽宁省教育厅基本科研面上项目(LJKMZ20220605)。
文摘
目的通过简易的图像处理和目标检测方法,提高红外引信在复杂环境下的抗干扰能力。方法分析红外引信在复杂背景中的噪声类别,采用“密度–距离”空间方法与像素生长方法进行预处理和目标检测,赋予像素2种属性,并进行量化分析,确定灰度平坦区域中的红外候选目标,并通过像素生长方法筛选候选目标中的真实目标。结果计算在不同信噪比环境下算法的抗噪声干扰能力,当红外图像的SNR值在44.1~45.4时,算法检测效果理想。结论红外引信探测过程中的复杂背景和随机噪声都会降低图像质量,考虑到红外目标所占像素数少,极易受噪声影响,需要运用自适应简易算法提高检测准确性。该算法有良好的实时性和抗干扰能力,为红外引信在目标检测中的环境适应性提供了理论依据。
关键词
红外目标
抗干扰
引信
环境适应性
密度–距离
像素生长法
Keywords
infrared targets
anti-interference
fuze
environmental adaptability
density-distance
pixel growth method
分类号
TJ430 [兵器科学与技术—火炮、自动武器与弹药工程]
下载PDF
职称材料
题名
基于卷积神经网络与区域生长法的建筑裂缝识别
被引量:
8
3
作者
吴子燕
贾大卫
王其昂
机构
西北工业大学力学与土木建筑学院
中国矿业大学力学与建筑工程学院
出处
《应用基础与工程科学学报》
EI
CSCD
北大核心
2022年第2期317-327,共11页
基金
国家自然科学基金项目(51708545)
西北工业大学研究生创意创新种子基金项目(ZZ2019212)。
文摘
基于卷积神经网络(CNN)的建筑裂缝识别结果大多为含有裂缝的面元图像,而并非裂缝本身.本文将CNN与区域生长法结合,提出一种两阶段方法用于提取像素级别的裂缝特征.利用数据扩充法建立裂缝图像数据库,选择包括Alexnet、Vgg16、Vgg19、Inception-V3和ResNet50的5种典型CNN用于裂缝识别.综合考虑样本图像的整体准确率,单张图像的裂缝识别精确度及背景图像的置信度,确定精度最高的CNN,得到裂缝面元图像;利用区域生长法对CNN识别的裂缝面元图像进行裂缝特征提取,得到像素级别的裂缝图像.研究表明,Inception-V3网络在裂缝识别中具有较高的识别精度;通过区域生长法进行裂缝特征提取,可以得到精度较高的像素级别裂缝特征图像.该研究提供了一种高精度的建筑裂缝识别方法.
关键词
裂缝识别
像素级裂缝
卷积神经网络
区域生长法
精度检验
Keywords
crack identification
pixel
-level crack
convolutional neural network
regional
growth
method
precision test
分类号
TU317 [建筑科学—结构工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
活塞表面缺陷图像的亚像素边缘检测技术研究
郑彬
黄涛
罗山
《机械设计与制造》
北大核心
2024
0
下载PDF
职称材料
2
基于密度-距离空间的红外引信抗噪声方法研究
张骢
权康男
岳明凯
韩自强
《装备环境工程》
CAS
2022
0
下载PDF
职称材料
3
基于卷积神经网络与区域生长法的建筑裂缝识别
吴子燕
贾大卫
王其昂
《应用基础与工程科学学报》
EI
CSCD
北大核心
2022
8
原文传递
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