检索结果-内蒙古大学图书馆

系统仿真学报 2006年第10期18卷 2819-2823,2831页

作者：黄健熙毛锋许文波李军雷天兆清华大学建筑学院北京100084 电子科技大学地表空间信息技术研究所成都610054

随着数字流域概念及虚拟现实技术的发展,三维仿真系统作为一种全新角度的管理方法和技术手段,在流域的现代化管理中越来越体现出其重要性。讨论了基于Creator/CTS/VegaPrime平台的大型流域三维可视化管理系统的实现方法,通过采用荆江流... 详细信息

随着数字流域概念及虚拟现实技术的发展,三维仿真系统作为一种全新角度的管理方法和技术手段,在流域的现代化管理中越来越体现出其重要性。讨论了基于Creator/CTS/VegaPrime平台的大型流域三维可视化管理系统的实现方法,通过采用荆江流域30米分辨率DEM数据、15米分辨率ETM+遥感影像和1米分辨率航片数据进行流域大面积精确三维地形建模,开发了一个基于MFC的荆江流域三维仿真管理系统,并通过加入水利设施模型数据及属性数据,实现属性信息的查询和分析功能,使系统具备了基本的流域三维可视化管理功能。在技术层面,该文通过VirtualTexture、多级LOD以及分块地形动态载入管理技术的应用,解决了在大型流域仿真中大面积高精度纹理的处理及实时漫游的难点。

关键词：大型流域 Creator CTS VegaPrime 仿真大面积高分辨率纹理

来源：评论

学校读者我要写书评

暂无评论

稀疏字典编码的超分辨率重建

引用

软件学报 2012年第5期23卷 1315-1324页

作者：李民程建乐翔罗环敏电子科技大学地表空间信息技术研究所四川成都611731 桂林空军学院科研部广西桂林541003 电子科技大学电子工程学院四川成都611731

基于学习的超分辨率方法通常根据低分辨率图像从样本库中选取若干特征相似的匹配对象,再使用优化算法进行超分辨率估计,但其结果受匹配对象的质量限制,并且匹配特征一般只选择图像的几何结构信息,匹配准确性较低.提出了稀疏字典编码的... 详细信息

基于学习的超分辨率方法通常根据低分辨率图像从样本库中选取若干特征相似的匹配对象,再使用优化算法进行超分辨率估计,但其结果受匹配对象的质量限制,并且匹配特征一般只选择图像的几何结构信息,匹配准确性较低.提出了稀疏字典编码的超分辨率模型,将高、低分辨率图像特征块统一进行稀疏编码,建立高、低分辨率图像的稀疏关联,同步实现匹配搜索和优化估计,突破了上述方法的限制.应用形态分量分析法提取图像的特征数据,提高了特征匹配的准确性,并同步实现超分辨率重建和降噪功能.优化方法采用稀疏K-SVD算法以提高稀疏字典编码的计算速度.采用自然图像进行实验,与其他基于学习的超分辨率算法相比,重建所得到的图像质量更优.

关键词：超分辨率稀疏字典基于学习形态分量分析稀疏K-SVD

来源：评论

学校读者我要写书评

暂无评论

无人机图像拼接算法综述

引用

计算机应用 2011年第1期31卷 170-174页

作者：狄颖辰陈云坪陈莹莹陈彦电子科技大学地表空间信息技术研究所成都611731

无人机图像拼接是一个日益受到关注的研究领域,已经成为了照相绘图学、计算机图形学等研究的热点。首先给出了无人机图像拼接的一般步骤,重点归纳了三种特色鲜明的配准算法,然后简单阐述了图像融合的步骤和算法,最后通过归纳分析选定了... 详细信息

无人机图像拼接是一个日益受到关注的研究领域,已经成为了照相绘图学、计算机图形学等研究的热点。首先给出了无人机图像拼接的一般步骤,重点归纳了三种特色鲜明的配准算法,然后简单阐述了图像融合的步骤和算法,最后通过归纳分析选定了适合无人机图像拼接的算法,并且展望了该领域的前景。

关键词：无人机图像拼接尺度不变特征变换算法图像融合

来源：评论

学校读者我要写书评

暂无评论

基于学习字典的图像修复算法

引用

仪器仪表学报 2011年第9期32卷 2041-2048页

作者：李民李世华乐翔李小文罗环敏电子科技大学地表空间信息技术研究所成都611731 桂林空军学院科研部桂林541003 电子工程学院成都611731

多数图像修复方法主要是利用输入图像中的有效信息来填充待修复区域,可用先验信息有限,自适应性较差。研究提出一种新的基于学习字典的图像修复框架,核心思路是通过大量样本图像和输入图像的有效数据训练学习字典,建立样本图像特征块与... 详细信息

多数图像修复方法主要是利用输入图像中的有效信息来填充待修复区域,可用先验信息有限,自适应性较差。研究提出一种新的基于学习字典的图像修复框架,核心思路是通过大量样本图像和输入图像的有效数据训练学习字典,建立样本图像特征块与原始数据块之间的稀疏关联,并将这种关联作为先验知识来指导图像的修复。该方法既充分利用了样例图像的先验知识,又考虑了待修复图像本身的信息,提高了算法的自适应性。通过对自然图像进行大﹑小范围图像修复和文字去除实验,文中方法均取得较好的修复效果。

关键词：图像修复稀疏表示学习字典 l1范数在线字典学习

来源：评论

学校读者我要写书评

暂无评论

Kevlar纤维张力索蠕变性能研究

引用

机械工程学报 2018年第9期54卷 128-134页

作者：马小飞李团结王辉褚克萍西安空间无线电技术研究所西安电子科技大学机电工程学院

Kevlar纤维具有高强高模、耐高温、耐辐射等优越性能,由Kevlar纤维制成的张力索越来越多地应用到航天航空领域。针对Kevlar纤维张力索蠕变问题,利用电子蠕变机测试了不同温度、不同载荷条件下的热膨胀系数和蠕变规律。通过试验发现,Kev... 详细信息

Kevlar纤维具有高强高模、耐高温、耐辐射等优越性能,由Kevlar纤维制成的张力索越来越多地应用到航天航空领域。针对Kevlar纤维张力索蠕变问题,利用电子蠕变机测试了不同温度、不同载荷条件下的热膨胀系数和蠕变规律。通过试验发现,Kevlar纤维张力索的热膨胀系数随着温度升高、力密度的增大而增大;确定了一种Kevlar纤维张力索合适的预拉伸方法;蠕变试验表明,Kevlar的蠕变速率起初迅速下降,最后逐渐趋于恒定,且随着加载力增大、温度升高,Kevlar蠕变现象越来越明显。基于恒温恒载假设的Andrade理论,对Kevlar纤维张力索蠕变试验数据进行了拟合,建立了考虑张力和温度的蠕变特性模型。

关键词： Kevlar 蠕变预处理 Andrade理论试验

来源：评论

学校读者我要写书评

暂无评论

近邻样本密度和隶属度加权FCM算法的遥感图像分类方法

引用

仪器仪表学报 2011年第10期32卷 2242-2247页

作者：刘小芳何彬彬四川理工学院计算机学院自贡643000 电子科技大学地表空间信息技术研究所成都611731

针对FCM算法具有对数据集进行等划分趋势的缺陷,利用样本本身的近邻分布特性,提出近邻样本密度加权FCM(NSD-WFCM)、近邻样本隶属度加权FCM(NSM-WFCM)以及近邻样本密度和隶属度加权FCM(NSDM-WFCM)算法,并应用于遥感图像分类。对比FCM算法... 详细信息

针对FCM算法具有对数据集进行等划分趋势的缺陷,利用样本本身的近邻分布特性,提出近邻样本密度加权FCM(NSD-WFCM)、近邻样本隶属度加权FCM(NSM-WFCM)以及近邻样本密度和隶属度加权FCM(NSDM-WFCM)算法,并应用于遥感图像分类。对比FCM算法,NSD-WFCM、NSM-WFCM和NSDM-WFCM算法的总体分类精度和Kappa系数分别提高了5.67%、7.50%和11.17%;8.50%、11.25%和16.75%。实验结果表明:这些加权方法都在一定程度上克服了FCM算法的缺陷,提高了遥感图像的无监督分类能力,其中,NSM-WFCM算法的分类性能优于NSD-WFCM算法的分类性能,NSDM-WFCM算法分类性能最好。

关键词：遥感图像分类 FCM算法加权FCM算法近邻样本密度近邻样本隶属度

来源：评论

学校读者我要写书评

暂无评论

增强稀疏编码的超分辨率重建(英文)

引用

光电工程 2011年第1期38卷 127-133页

作者：李民程建乐翔罗环敏刘小芳电子科技大学地表空间信息技术研究所成都611731 桂林空军学院科研部广西桂林541003 电子科技大学电子工程学院成都611731

本文提出一种基于稀疏字典编码的超分辨率方法。该方法有效地建立高、低分辨率图像高频块间的稀疏关联,并将这种关联作为先验知识来指导基于稀疏字典的超分辨率重建。较超完备字典,稀疏字典对先验知识的表达更紧凑、更高效。字典训练过... 详细信息

本文提出一种基于稀疏字典编码的超分辨率方法。该方法有效地建立高、低分辨率图像高频块间的稀疏关联,并将这种关联作为先验知识来指导基于稀疏字典的超分辨率重建。较超完备字典,稀疏字典对先验知识的表达更紧凑、更高效。字典训练过程中,本文选用高频信息作为高分辨率图像的特征,更有效地建立高、低分辨率图像块间的稀疏关联,所需的训练样本更少。优化方法采用稀疏K-SVD算法以提高稀疏字典编码的计算效率。采用自然图像进行实验,与其它基于学习的超分辨率算法相比,重建图像的质量更优。

关键词：超分辨率基于学习稀疏编码稀疏字典稀疏K—SVD

来源：评论

学校读者我要写书评

暂无评论

不确定性空间数据挖掘算法模型

引用

中国矿业大学学报 2007年第1期36卷 121-125页

作者：何彬彬方涛郭达志电子科技大学地表空间信息技术研究所上海交通大学图像处理与模式识别研究所中国矿业大学环境与测绘学院

在分析空间数据和空间数据挖掘的不确定性基础上,针对传统空间数据挖掘的局限性,将空间数据的不确定性和空间数据挖掘的不确定性有机结合,以EM算法和Apriori算法为基础,建立了不确定性空间数据挖掘算法模型,包括不确定性空间数据聚类算... 详细信息

在分析空间数据和空间数据挖掘的不确定性基础上,针对传统空间数据挖掘的局限性,将空间数据的不确定性和空间数据挖掘的不确定性有机结合,以EM算法和Apriori算法为基础,建立了不确定性空间数据挖掘算法模型,包括不确定性空间数据聚类算法(UNEM)和不确定性空间数据关联规则挖掘模型(USAR).并以中国37个有代表性的大中城市的地理空间经济数据为例,进行实验验证,结果表明:采用不确定性空间数据挖掘算法模型比传统的空间数据挖掘方法得到的知识更为真实客观.

关键词：不确定性空间数据挖掘 UNEM算法 USAR模型质量评价

来源：评论

学校读者我要写书评

暂无评论

基于MTF滤波的北京一号小卫星遥感影像融合

引用

测绘学报 2009年第3期38卷 223-228页

作者：张瑛何彬彬李小文电子科技大学地表空间信息技术研究所四川成都610054 北京一号小卫星西南应用中心四川成都610054

北京一号小卫星提供4m分辨率全色影像和32m分辨率多光谱影像,但其空间分辨率比值(1:8)较低,在对北京一号小卫星数据融合时存在空间信息损失问题。针对此问题首先从全色影像中提取成像系统的调制传递函数MTF(Modulate Transfer Function)... 详细信息

北京一号小卫星提供4m分辨率全色影像和32m分辨率多光谱影像,但其空间分辨率比值(1:8)较低,在对北京一号小卫星数据融合时存在空间信息损失问题。针对此问题首先从全色影像中提取成像系统的调制传递函数MTF(Modulate Transfer Function),根据MTF设计2维低通滤波器,通过对多光谱影像的亮度成分滤波估计低分辨率全色图像数据值,基于GIF(General Image Fusion)融合框架得到融合结果。实验证明本方法用于融合遥感影像的可行性,其空间信息的保持在视觉效果和定量指标上均优于IHS(Intensive-Hue-Saturation),BT(Brovey Transform)和GS(Gram-Schmidt)等传统的替换类融合算法,在空间信息和光谱信息的保持上亦有较好的折中。

关键词：遥感影像融合北京一号小卫星通用图像融合模型调制传递函数

来源：评论

学校读者我要写书评

暂无评论

稀疏字典编码的超分辨率重建?

引用

软件学报 2013年第5期 1315-1324页

作者：李民程建乐翔罗环敏电子科技大学地表空间信息技术研究所，四川成都 611731 桂林空军学院科研部，广西桂林 541003 电子科技大学地表空间信息技术研究所，四川成都 611731 电子科技大学电子工程学院，四川成都 611731 电子科技大学电子工程学院四川成都611731 电子科技大学地表空间信息技术研究所四川成都611731

　　基于学习的超分辨率方法通常根据低分辨率图像从样本库中选取若干特征相似的匹配对象，再使用优化算法进行超分辨率估计，但其结果受匹配对象的质量限制，并且匹配特征一般只选择图像的几何结构信息，匹配准确性较低。提出了稀疏字... 详细信息

　　基于学习的超分辨率方法通常根据低分辨率图像从样本库中选取若干特征相似的匹配对象，再使用优化算法进行超分辨率估计，但其结果受匹配对象的质量限制，并且匹配特征一般只选择图像的几何结构信息，匹配准确性较低。提出了稀疏字典编码的超分辨率模型，将高、低分辨率图像特征块统一进行稀疏编码，建立高、低分辨率图像的稀疏关联，同步实现匹配搜索和优化估计，突破了上述方法的限制。应用形态分量分析法提取图像的特征数据，提高了特征匹配的准确性，并同步实现超分辨率重建和降噪功能。优化方法采用稀疏K-SVD算法以提高稀疏字典编码的计算速度。采用自然图像进行实验，与其他基于学习的超分辨率算法相比，重建所得到的图像质量更优。

关键词：超分辨率稀疏字典基于学习形态分量分析稀疏K-SVD

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：