检索结果-内蒙古大学图书馆

作者：侯凤南京邮电大学

学位级别：硕士

图像放大是图像处理中主要研究问题之一,其主要目的是改变原有图像的尺寸,以满足某种特定的要求,如:对医疗图像进行放大,以便医生进行诊断治疗;把同一张图像缩放成不同尺度,以满足同一张图像在不同分辨率的机器上显示的要求。随着人们... 详细信息

图像放大是图像处理中主要研究问题之一,其主要目的是改变原有图像的尺寸,以满足某种特定的要求,如:对医疗图像进行放大,以便医生进行诊断治疗;把同一张图像缩放成不同尺度,以满足同一张图像在不同分辨率的机器上显示的要求。随着人们对生活品质要求的逐渐提高,彩色图像渐渐走进人类的视野并取代了灰度图像的位置,因此能够及时有效地获取清晰的彩色图像显得十分重要。本文主要研究彩色图像放大问题,提出了几种基于变分正则的图像放大模型,并对模型进行求解。本文主要研究内容以及创新点如下:1.针对多通道彩色图像放大问题,建立二阶TGV图像放大模型,并利用交替方向乘子法求解。具体来说,在RGB彩色空间上,我们针对每个彩色通道分别进行放大处理,进而放大彩色图像。数值结果表明,与原始对偶算法相比,无论是视觉效果还是定量比较,本文所提出的基于二阶TGV的ADMM算法均取得了更好的放大效果。2.提出了基于非凸TGV正则的放大模型。非凸TGV正则结合了非凸与TGV正则的优点,可有效地保存图像的边缘信息。由于模型的非凸性,故在数值求解时采用IRLA算法。仿真实验表明,本文模型无论是在视觉效果还是在定量比较方面均优于分数阶偏微分方程放大模型。3.提出了基于重叠组稀疏与高阶非凸TV正则的图像放大方法。在数值计算方面通过ADMM算法、MM算法进行求解。最后仿真实验表明,与TGV模型相比,该模型能更好地保护图像边缘信息,且有更好的数值表现。

关键词：彩色图像放大图像处理 TGV 非凸TGV 重叠组稀疏高阶非凸TV

来源：评论

学校读者我要写书评

暂无评论

图像去模糊模型与算法研究

图像去模糊模型与算法研究

引用

作者：李胜光郑州大学

学位级别：硕士

图像作为信息的重要载体,在各个领域发挥着越来越大的作用。然而,图像在获得、处理、传送和保存等过程中,总会因为拍摄装置和外界不可预知因素的影响,造成图像总体质量的减退。为了满足图像应用及图像视觉感受对高质量图像的需求,如何... 详细信息

图像作为信息的重要载体,在各个领域发挥着越来越大的作用。然而,图像在获得、处理、传送和保存等过程中,总会因为拍摄装置和外界不可预知因素的影响,造成图像总体质量的减退。为了满足图像应用及图像视觉感受对高质量图像的需求,如何根据退化图像复原出清晰图像成为了研究的热门。图像去模糊作为图像复原的一个关键分支,极具研究价值与意义。图像去模糊是指根据退化信息和图像先验信息尽可能地恢复原始图像的技术。全变差正则化图像先验模型由于其具有保护图像边缘信息的作用,被广泛地应用于图像去模糊中。然而该模型不可避免地存在阶梯效应,很多学者对此缺点进行了大量改进。本文借鉴前人经验,结合它们的优点提出了一种新颖的图像去模糊模型。在利用交替方向乘子法求解所提模型时,针对其惩罚因子的不易选择性,提出了一种自适应的求解方法。本文主要从模型和算法两个方面展开工作。首先,本文介绍了图像去模糊的背景及意义、国内外研究现状、退化模型、图像退化方式和模糊类型等基础知识。其次,本文概略地介绍了全变差正则化模型、重叠组稀疏全变差正则化模型和全变差全范数正则化模型。为了克服全变差正则化模型在图像去模糊时具有阶梯效应的缺陷,本文合并重叠组稀疏全变差正则化和全变差全范数正则化的优点,提出了一种重叠组稀疏全变差全范数图像去模糊模型。应用交替方向乘子法、Majorization-Minimization方法和阈值法的混合算法进行模型求解。实验结果表明,所提模型和求解算法能够较好地复原出清晰图像,不仅保留了图像的边缘信息,而且减弱了阶梯效应。然后,针对交替方向乘子法求解所提模型时,其惩罚因子对去模糊问题的影响较大,且不易调节,所以本文在优化模型时根据复原出的图像自适应地调整该惩罚因子。该方法在保证计算速度的同时,自适应地复原出最佳图像,并保证了算法的稳定性。最后,将本文研究与具体项目实验结合。由于模糊的交通信号图像不易进行交通信号灯的识别,通过对较模糊图像去模糊后再进行交通信号灯的识别,能够提高信号灯的识别率。实验结果表明,去模糊后再进行信号灯识别,能提高5%的准确率。

关键词：图像去模糊全变差正则化重叠组稀疏交替方向乘子法自适应

来源：评论

学校读者我要写书评

暂无评论

基于交替乘子法的图像去模糊技术研究

引用

电子设计工程 2019年第5期27卷 189-193页

作者：陈小莉安康学院电子与信息工程学院陕西安康725000

图像去模糊是图像处理的一个重要领域,采用重叠组稀疏总变差函数(OGSTV)不仅保留了图片的边缘特性,而且能够抑制阶梯效应,被广泛应用于图像去模糊技术。重叠组稀疏总变差函数通常利用交替方向乘子(ADMM)进行模型求解,其惩罚因子是一个... 详细信息

图像去模糊是图像处理的一个重要领域,采用重叠组稀疏总变差函数(OGSTV)不仅保留了图片的边缘特性,而且能够抑制阶梯效应,被广泛应用于图像去模糊技术。重叠组稀疏总变差函数通常利用交替方向乘子(ADMM)进行模型求解,其惩罚因子是一个不易调节的关键因素。为此,本文通过自适应地调整惩罚因子,能够兼顾计算速度和算法鲁棒性,复原出质量较佳的图片。实验结果表明,这一方法在相对误差(RE)、峰值信噪比(PSNR)和信噪比(SNR)等方面优于其他模型。

关键词：图像去模糊重叠组稀疏总变差函数交替乘子

来源：评论

学校读者我要写书评

暂无评论

基于信号稀疏表示的滚动轴承微弱故障特征提取方法研究

基于信号稀疏表示的滚动轴承微弱故障特征提取方法研究

引用

作者：张菀东南大学

学位级别：博士

滚动轴承作为机械传动系统中的重要零部件之一,对于保障机械设备安全运行具有十分重要的意义。滚动轴承发生故障时其振动信号具有非平稳和非线性特点,同时,由于工作环境中的强背景噪声和传递路径长造成的信号衰减,导致滚动轴承的微弱故... 详细信息

滚动轴承作为机械传动系统中的重要零部件之一,对于保障机械设备安全运行具有十分重要的意义。滚动轴承发生故障时其振动信号具有非平稳和非线性特点,同时,由于工作环境中的强背景噪声和传递路径长造成的信号衰减,导致滚动轴承的微弱故障特征提取困难。此外,滚动轴承在实际运行中,往往会出现多种故障并存的问题,多种故障之间的相互耦合,给滚动轴承故障的精确诊断带来了挑战。因此,研究滚动轴承微弱和复合故障的特征提取对采取主动维修策略、低成本维护和避免重大事故发生都具有重要的意义。应用振动信号处理技术实现机械设备及其关键部件的故障诊断是机械故障诊断领域的一个重要研究方向。在实际工程应用中滚动轴承的故障特征往往表现得很微弱,如以下三种情况:早期故障阶段、采集路径较长造成的信号衰减和复合型故障。传统的信号处理方法在处理上述几种复杂状况的故障诊断问题通常难以奏效。稀疏表示是一种能有效匹配滚动轴承发生故障时冲击信号特征的处理方法,可以实现对信息本质的捕捉和最高效的表达。本文基于经典的稀疏表示理论基础上提出了改进,对滚动轴承微弱故障和复合型故障诊断展开深入研究,旨在对滚动轴承的微弱故障和复合型故障做出诊断,能最大程度避免故障发生。本文主要研究内容如下:1.针对已有稀疏表示的故障诊断方法大多基于故障信号在给定字典变换下系数是稀疏的先验条件,诊断结果准确性很大程度上依赖于字典选择是否合适,不合适的字典将直接导致诊断结果不准确。本文提出了一种基于加权稀疏分解的滚动轴承微弱故障特征提取方法,利用滚动轴承故障信号本身具有稀疏性的先验知识,构造了稀疏故障诊断模型,通过求解该模型获得分析信号中的周期冲击成分。优化目标函数中包含了恢复冲击特征的保真项,保真项中的高通滤波器H是一个零相位非因果二阶巴特沃兹滤波器,滤波器中A和B的带状矩阵形式可以有效地提高算法的计算效率。为了提高稀疏成分的提取能力,对模型中的l1范数项进行加权处理,使其更接近于l0范数项。通过仿真数据和滚动轴承全寿命早期故障阶段的实验数据对该方法进行验证,结果表明所提出的方法在提取微弱故障特征方面具有较好的效果。2.当滚动轴承发生局部故障时,故障表面与其他元件表面在接触过程中会发生周期性冲击,会激发整个系统的高频共振,在信号频谱中会出现高频共振带。本文提出了基追踪降噪和自适应Morlet小波滤波算法提取高频共振带,实现滚动轴承微弱故障特征的提取。首先,基追踪降噪去除频域中无效频率成分,能更加突出故障所在的共振频带;自适应Morlet小波滤波算法用于构造带通滤波器提取高频共振频带,将两者的优点结合用于提取滚动轴承的微弱故障特征。混洗蛙跳算法可以自适应地获取Morlet小波的带通滤波参数,包络熵作为算法的适应度函数,可以很好地表征混合信号中的周期冲击成分。通过对仿真和实验信号分析,结果表明所述方法可以有效地提取周期冲击特征,实现滚动轴承微弱故障特征提取。3.针对已有基于二进制小波变换的稀疏表示方法中字典时频分辨率不可调,且随着频率增加,频率分辨率会降低的问题,提出一种基于峭度-小波全变分的降噪算法,实现对滚动轴承微弱故障特征的提取。首先,在优化目标函数中加入修正变分项,有效地去除阈值降噪产生的尖峰噪声和伪吉布斯现象。此外,引入过完备有理膨胀小波变换字典,通过调节控制参数实现时频分辨率可调,从而可根据信号的特性选择合适的时频划分。再进一步通过峭度指标对小波字典中的控制参数和小波子带进行筛选,达到提取与故障特征相关频段的目的。对算法的时频分辨率、全变分项特性和算法复杂度三个方面进行了分析,最后以强背景噪声下的滚动轴承内、外圈微弱故障为例,验证所述方法的有效性和优越性。4.针对滚动轴承在实际运行过程中往往出现多种故障并存,信号传递路径长造成信号衰减严重的问题,提出一种基于Morlet小波-重叠组稀疏的滚动轴承复合故障特征提取方法。由于复合故障中不同的故障特征在时域中会存在重叠现象,所以小波系数也一定会存在重叠。本文利用这种重叠特性构造了重叠组稀疏模型,采用受控极小化方法求解该稀疏模型。通过分析信号显著特征自适应构造模型中的权重系数,可以增强信号中能量较大的冲击特征。通过仿真模型和实验信号证明了该方法能有效地提取滚动轴承微弱复合故障。5.针对人为设置轴承损伤不能真实反映轴承自然衰退过程中的早期故障状态问题,搭建了滚动轴承全寿命实验台,即将正常轴承一直运行到其疲劳失效为止。在不改变滚动轴承接触疲劳失效机理的前提下,采用强化加速全寿命实验方式缩短实验时间。采用了滚动轴承全寿命周期中早期故障的实验数据验证了论文所研究方法的有效性,并从微弱故障特征提取能力和算法效率两个方面对所提出的算法进行比较和讨论。

关键词：滚动轴承微弱故障复合故障特征提取稀疏表示重叠组稀疏

来源：评论

学校读者我要写书评

暂无评论

高光谱图像的光谱解混模型与算法研究

高光谱图像的光谱解混模型与算法研究

引用

作者：李宏俏电子科技大学

学位级别：硕士

高光谱成像是将成像技术与光谱技术相结合的技术,是遥感应用中一个快速发展的领域。高光谱图像在军事目标辨别、远程控制、生物医学、食品安全以及环境监测等领域都有重要应用。但由于高光谱成像光谱仪空间分辨率较低,使得每个高光谱像... 详细信息

高光谱成像是将成像技术与光谱技术相结合的技术,是遥感应用中一个快速发展的领域。高光谱图像在军事目标辨别、远程控制、生物医学、食品安全以及环境监测等领域都有重要应用。但由于高光谱成像光谱仪空间分辨率较低,使得每个高光谱像元可能由多种不同物质的光谱混合构成,因此混合像元广泛存在于高光谱图像中。混合像元导致科研实践中一些应用分类不准确,因此对混合像元进行分解是高光谱遥感应用亟待解决的核心问题。本文中首先介绍了两种光谱混合模型:线性和非线性光谱混合模型。线性模型假设观察到的像元信号是所有的纯光谱信号的线性组合。与之相反,非线性模型则考虑到多种物质反射光之间的物理相互影响。其次,本文对高光谱图像解混的几种经典模型进行介绍。在这些模型中详细介绍了本文的对比模型全变分模型(SUnSAL-TV),该模型利用高光谱图像空间关系构建了对端元丰度的正则项,这使高光谱图像解混问题在数值结果和视觉效果上都有较大提升。但全变分模型的缺点是解混后丰度图中原平滑区域中伴有阶梯效应现象,视觉效果欠佳。本文采用重叠组稀疏全变分作为端元丰度正则项,并采用交替方向乘子法对模型进行求解,将原问题转化为一系列较易求解的子问题,进而得到原问题的全局解。在应用交替方向乘子法进行求解过程中,关于梯度域重叠组稀疏的子问题采用采用优化最小化方法进行求解。通过合成数据和真实数据的实验证明,采用本文提出的新方法处理后图像视觉效果和数值效果相比SUnSAL-TV方法有明显提升,并且可以有效减弱SUnSAL-TV模型的阶梯效应,使处理后丰度图更加平滑,视觉效果更佳。

关键词：高光谱图像解混全变分模型重叠组稀疏交替方向乘子法优化最小化方法

来源：评论

学校读者我要写书评

暂无评论

图像复原的模型和稀疏优化算法研究

图像复原的模型和稀疏优化算法研究

引用

作者：刘刚电子科技大学

学位级别：博士

数字图像处理在科学与工程的许多领域有着广泛的应用。图像复原是图像处理研究中的一个重要领域,其问题通常是不适定的反问题,求解此问题的常用方法是基于真实图像的先验信息引入正则化项,并构建相应的正则化模型。本文的主要贡献有：... 详细信息

数字图像处理在科学与工程的许多领域有着广泛的应用。图像复原是图像处理研究中的一个重要领域,其问题通常是不适定的反问题,求解此问题的常用方法是基于真实图像的先验信息引入正则化项,并构建相应的正则化模型。本文的主要贡献有：第一部分提山了几种图像复原问题的新型正则化模型,并基于稀疏优化方法提出了相应的快速求解算法；第二部分研究了稀疏优化中的一类重叠组稀疏(OGS)问题的求解,提出了一种新型直接求解方法——非精确显式求解公式,从而加快了重叠组稀疏问题的求解速度。全变差(TV)正则化方法是求解图像复原问题的典型方法,它能很好的保持图像的边缘(图像中的像素值变化较大的位置),然而也可能导致图像的光滑区域呈现分片常数的特点,即所谓的阶梯效应。鉴于全变差正则化方法的这一不足,本文提出了脉冲噪声下图像去模糊问题的新型混合正则化模型,该模型正则项由=阶全变差与二阶全变差混合构成,保真项为L1范数保真项；基于交替方向乘子方法(ADMM)提出了新模型的求解算法,并进一步研究了模型中正则化参数的自适应选择策略；数值实验表明本文的模型和方法较大程度地改善了现有全变差正则化方法的不足。为了更好地改进现有全变差正则化方法的不足,我们基于重叠组稀疏全变差(OGS-TV)正则化方法提出了脉冲噪声下图像去模糊问题的新型正则化模型；通过ADMM方法与MM方法结合,提出了新模型的高效求解算法。大量实验验证了新模型具有保持图像边缘和减弱阶梯效应的特性,并在峰值信噪比(PSNR)、相对误差等主要图像质量评价指标上优于现有基于TV的正则化方法,例如TV方法、HOTV方法、TGV方法。根据重叠组稀疏正则化方法的优点,我们提出了加权重叠组稀疏问题的MM求解算法；进而提出加权重叠组稀疏全变差在图像复原中的统一框架模型,并考虑所提方法在多种图像处理问题中的应用,比如图像修补、图像放大、混合噪声去除等；大量数值实验表明所提方法在PSNR与SSIM等主要图像质量评价指标上优于普通TV方法与HOTV方法。求解重叠组稀疏问题中的主要困难来自于子问题的重叠结构,常用的迭代方法(比如MM方法)具有求解速度较慢的缺点。为了提高求解重叠组稀疏问题的计算速度,我们提出了一种新型的直接求解方法——非精确显式求解公式。数值实验表明在与MM迭代方法误差接近的情况下,直接方法明显提高了OGS问题的求解速度。从而此类方法可以有效应用于重叠组稀疏相关问题中,比如重叠组稀疏全变差问题。

关键词：正则化重叠组稀疏交替方向乘子方法(ADMM) 全变差(TV) 稀疏优化

来源：评论

学校读者我要写书评

暂无评论

图像复原问题变分模型和算法研究

图像复原问题变分模型和算法研究

引用

作者：刘俊电子科技大学

学位级别：博士

图像是重要的信息媒介,在各行各业发挥着重要作用。图像在获取、存储及传输的过程中,由于成像设备及条件的限制,例如相机失焦、传感器内部噪声、传输信道受干扰等,会出现质量下降,如模糊、噪声污染、对比度及细节丢失等。提升降质图像... 详细信息

图像是重要的信息媒介,在各行各业发挥着重要作用。图像在获取、存储及传输的过程中,由于成像设备及条件的限制,例如相机失焦、传感器内部噪声、传输信道受干扰等,会出现质量下降,如模糊、噪声污染、对比度及细节丢失等。提升降质图像的质量、复原清晰的图像是图像处理领域非常重要的研究内容。图像复原指的是去除或最小化图像中已知的降质。它是中高级图像处理的基础。图像复原问题往往是不适定问题。本文从正则化方法的角度出发,针对不同噪声干扰下的降质图像,建立了相应的图像复原变分模型,提出了对应的求解算法,分析了所提算法的收敛性,并实施了数值实验以验证提出方法的有效性。本文的主要内容分为如下五个部分：一、受文献[SIAM J. Sci. Comput., vol.31, pp.2322-2341,2009]的启发,将l1全变分模型推广到脉冲噪声干扰下的彩色图像去模糊问题,提出了交替最小化算法,并从“五点特性”(five-point property)的角度证明了该算法的收敛性。数值实验验证了所提方法的有效性。二、相干图像获取系统中,如合成孔径雷达成像,观测到的图像往往会受到乘性噪声的干扰。全变分正则化方法因其保边缘性而被广泛地应用于乘性噪声去除问题的研究,但基于该正则化方法的去噪结果往往会出现阶梯效应。为了克服这个不足,建立了一个混合模型,该模型很好地利用了全变分的保边缘性和高阶全变分的保光滑性,从而有效地缓解阶梯效应。此外,还采用了空间适应性正则化参数更新策略,数值实验表明所建立模型很好的平衡了复原图像的边缘细节和平滑区域。三、基于光子计数的图像采集系统获取的图像时常会被泊松噪声所干扰。针对泊松噪声干扰的图像去模糊问题,建立了基于高阶全变分的混合复原模型。给出了模型解的存在性与唯一性定理。该模型能有效地复原真实图像信息并很好地避免阶梯效应。在交替方向乘子法的框架下提出了求解算法。数值实验结果说明了该方法的优越性。四、提出了新的全变分重叠组稀疏正则化函数。针对高斯噪声干扰下的图像去噪和去模糊问题,建立了基于所提正则化方法的图像复原模型,该模型能很好地抑制传统全变分方法所导致的阶梯效应。对于模型求解涉及的子问题,采用了化繁为简的策略,利用Majorization-Minimization方法来进行求解。数值实验结果验证了该方法的优越性与高效性。五、针对乘性噪声去除问题,建立了基于全变分重叠组稀疏正则的噪声去除模型。在交替方向乘子方法框架下,提出了求解该模型的高效算法。与基于全变分正则和全广义变分正则的方法相比,数值实验结果表明所提出方法的去噪效果更好,获得了更高的峰值信噪比和结构相似性指数值。

关键词：图像去噪图像去模糊全变分正则化交替方向乘子法重叠组稀疏

来源：评论

学校读者我要写书评

暂无评论

压缩感知的稀疏重构算法研究

压缩感知的稀疏重构算法研究

引用

作者：谢志鹏南京航空航天大学

学位级别：博士

压缩感知(Compressive Sensing)包括压缩采样(Compressive sampling)与稀疏重构(Sparsereconstruction)。压缩采样通过随机投影获得降维的观测数据，是一种新型的压缩采样方法，适用于核磁共振成像(MRI),超宽带信号处理，天文图象复原... 详细信息

压缩感知(Compressive Sensing)包括压缩采样(Compressive sampling)与稀疏重构(Sparsereconstruction)。压缩采样通过随机投影获得降维的观测数据，是一种新型的压缩采样方法，适用于核磁共振成像(MRI),超宽带信号处理，天文图象复原等海量数据实时采集与处理领域。稀疏重构利用信号的稀疏性，由低维观测恢复高维稀疏信号。稀疏重构算法的设计与分析已成为压缩感知的研究热点。现有的大规模稀疏重构算法主要包括三类:匹配追踪(Matching pursuit),迭代式硬阈值与L1范数最优化方法。本文对这三类算法进行了拓展性的研究、分析与实现。本文的主要工作包括： 1)提出了压缩感知匹配追踪(compressive sensing matching pursuit)算法CSMP。其重构s稀疏信号的充分收敛条件是3s阶约束等距常数不超过0.23,由此放宽了匹配追踪的收敛条件,加快了收敛速率。针对大规模稀疏信号重构，该算法提供的矩阵向量乘算子可进行投影测量子集与稀疏基子集的选择，因此可利用离散余弦变换测量算子与小波变换稀疏基算子，避免显式存储大规模矩阵。 2)提出了基于Barzilai-Borwein步长的稀疏约束迭代式硬阈值(Sparsity constrained IterativeHard thresholding with Barzilai–Borwein step size)算法SCIHTBB.该算法包含单调与非单调两个版本。基于非对称约束等距性质进行了相应的收敛分析.针对未知稀疏度问题，利用割线法实现了自适应稀疏度检测。SCIHTBB可应用于组(Group)稀疏、非负稀疏与矩阵补全(matrix completion)。 3)设计并分析了一种稀疏重构算法FPSP3。该算法包含3个要素:不动点迭代(Fixed Pointiteration),SPG2非单调线搜索及热启动技术。由前向后向算子分裂推导出最优解的不动点迭代，并将该迭代分解为前向梯度步与后向邻近步。引入邻近算子表明后向邻近步对应软阈值收缩.通过证明梯度算子逆是强单调的从而获得收敛步长条件。采用SPG2非单调线搜索因而显著加快了不动点迭代收敛效率。在稀疏重构实验中将该算法与L1范数方法GPSR,SPARSA,SPGL1进行比较，结果表明FPSP3具有运算速度与重构精度的优势。 4)提出了对偶交替方向乘子法(Dual Alternate Direction Multiplier Method)算法DADMM.其通过将交替方向乘子法（ADMM）运用于原始稀疏重构问题的对偶形式发展而得,并且形成了一个灵活的稀疏罚框架，可处理各种Lasso型稀疏罚，包括Lasso,Group Lasso,SparseGroup Lasso及Overlapping Group Lasso.最后理论上通过Douglas Rachford算子分裂法证明了其收敛性，实验比较验证了DADMM的快速计算效率。

关键词：压缩采样稀疏重构欠定线性方程组稀疏解收敛分析约束等距非对称约束等距 Barzilai-Borwein步长前向后向算子分裂 Douglas Rachford算子对偶交替方向乘子法组稀疏重叠组稀疏

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：