排序方式: 共有15条查询结果,搜索用时 218 毫秒
1.
针对镜头抖动,目标移动等因素引起的图像运动模糊问题,本文提出了一种基于模糊算子的红外图像去模糊算法,使用深度自编码网络对数据集中的模糊算子进行编码,通过编码后的模糊算子去逼近一个未知的模糊算子并搜索对应的清晰图像,从而实现真实场景下红外图像去模糊,弥补了现有基于深度学习的图像去模糊模型在跨域应用时对真实场景下运动模糊图像去模糊效果较差的不足。在红外图像上的实验结果表明,相比于其他去模糊算法,本文提出的去模糊算法取得了更高的性能指标,恢复出的图像有着清晰的边缘轮廓和局部细节,显著提升了红外图像的清晰度。 相似文献
2.
图像局部熵用于小目标检测研究 总被引:8,自引:3,他引:5
分析了局部熵用于小目标检测时造成目标范围扩散等问题的原因,并提出了熵增长方法.该方法用于点目标检测可避免发生目标范围扩散现象.由于边缘纹理和点目标在熵增长处理过程中表现出截然相反的属性,故可避免边缘纹理对于小目标检测产生的严重干扰.该方法也可用于不受噪声干扰的边缘检测.针对相同信噪比目标在不同背景亮度中具有不同熵值和增长量的问题,提出用方差增长替代熵增长,使相同信噪比目标在不同背景亮度中表现出相同的增长量值,降低了后续目标分割的难度.试验表明,熵增长方法和方差增长方法能够有效检测1或2像素大小的点目标,并不受背景中边缘纹理的干扰.对算法的复杂度进行了分析,并提出采用双通道并行流水线方式实现工程化的设计思路. 相似文献
3.
4.
针对红外图像存在细节纹理特征差、对比度低、目标检测效果差等问题,基于YOLOv4(You Only Look Once version 4)架构提出了一种融合通道注意力机制的多尺度红外目标检测模型。该模型首先通过降低主干特征提取网络深度,减少了模型参数。其次,为补充浅层高分辨率特征信息,重新构建多尺度特征融合模块,提高了特征信息利用率。最后在多尺度加强特征图输出前,融入通道注意力机制,进一步提高红外特征提取能力,降低噪声干扰。实验结果表明,本文算法模型大小仅为YOLOv4的28.87%,对红外目标的检测精度得到了明显提升。 相似文献
5.
高校宿舍限电系统大多采用相位比较的方法来限制大功率电器设备的使用,这种方法仅能限制纯电阻负载,针对这一不足,设计一种通过限制功率的方法来限制大功率电器设备的多功能用电监测系统。该系统通过记录ADE7755专用电能测量芯片输出的脉冲个数实现电能的计量,通过计算两脉冲的时间间隔实现负载的功率,当功率超过某一限值时,实现断电。同时该系统还具有电能计量、无线抄表、电压和温度测量、时钟显示、火灾报警等辅助功能。实际运行表明,该系统功率相对误差小于2%,电能相对误差小于5%,电压测量相对误差小于3%,同时系统运行稳定、可靠,在保障宿舍安全用电方面起到了积极的作用。 相似文献
6.
7.
介绍了光伏效应的产生过程,建立了光生电动势的数学模型,并讨论了各参数对理想光伏探测器的光生电动势的影响. 相似文献
8.
9.
本文在考虑了激光在材料内的热源效应后,求解了热扩散方程,给出两种常见情况下激光功率与脉宽、表面温升的关系式,借助探测器表面的温度曲线,给出几种探测器损伤阀值时的表面温度。讨论了探测器破坏的热机理. 相似文献
10.