排序方式: 共有13条查询结果,搜索用时 62 毫秒
1.
2.
基于光学异常透射现象的光纤传感器,因其具有高度的近场增强效应和介电环境的高度敏感性等优点,在化学、生物医学等领域有广泛的应用前景。但是由于在光纤端面加工周期纳米结构需要复杂的工艺或者昂贵的微加工仪器,限制了基于光学异常透射现象的光纤传感器的发展。针对这一问题,提出了模板转移法在光纤端面加工金属周期纳米结构,并搭建实验系统对应用该方法制作的光纤传感器的传感特性及其物理机理进行了研究。实验结果表明,模板转移法能够很好地完成在光纤端面加工高质量的周期金属纳米结构。应用该方法制作的光纤传感器具有很好的传感特性,传感器的最高灵敏度达到594.45 nm·RIU-1,品质因数值达到33.12。 相似文献
3.
4.
5.
6.
7.
针对声呐图像局部特征模糊和边缘信息丢失的问题,提出一种结合参数自适应脉冲耦合神经网络和改进的局部能量融合规则的非下采样剪切波域声呐图像融合方法。利用非下采样剪切波变换将多幅源图像分解为高频系数和低频系数,采用参数自适应脉冲耦合神经网络对高频系数进行处理,整合图像边缘信息;对传统局部能量融合规则进行改进,并应用在低频系数的处理中,保留图像的大部分原始能量。最后,将处理后的高频系数和低频系数进行重构,实现声呐图像的融合。仿真结果表明,该方法可将源图像中的边缘信息和特征信息有效传递到融合图像中,使声呐图像质量得到较大提升。 相似文献
8.
BP神经网络是最常用的一种人工神经网络。本文介绍了利用BP神经网络来实现离线手写体数字识别的基本方法,分析了传统BP算法的一些缺点,针对这些缺点指出了一些较新的改进算法。利用MATLAB验证了这些较新的算法。实验数据表明,改进的算法具有较高的识别率。 相似文献
9.
传统图像去噪方法在去除声呐图像斑点噪声的同时,难以有效保留细节特征.针对该问题,提出一种基于密度聚类与灰度变换的非下采样剪切波域图像去噪方法 .利用非下采样剪切波变换将含噪图像分解为高频系数和低频系数,根据声呐图像中斑点噪声的分布特性,采用基于密度的噪声应用空间聚类(Density-based Spatial Clus... 相似文献
10.
采用BP(back propagation)神经网络方法进行图像数据压缩处理.通过输入信号的正向传递和误差信号的反向传播算法,直接为图像提供数据压缩的能力.仿真实验表明,通过合理调整BP神经网络模型隐含层神经元的个数,可使图像压缩效果最佳. 相似文献