【摘 要】
：
为了提高红外调制热像法对复合材料缺陷的检测能力,研究了利用基于复Morlet小波相位分析的红外热像序列处理方法。依据热激励调制频率和红外图像采样频率,自适应地选择小波变换尺度总数,然后利用复Morlet小波系数相位从原始热像序列重建相位图序列。对含有分层缺陷的玻璃纤维增强复合材料参考试件进行了调制热像检测实验,以信噪比为评价指标对该方法的实际处理效果进行了定量评定,并与傅里叶变换法进行了对比。结果
论文部分内容阅读
为了提高红外调制热像法对复合材料缺陷的检测能力,研究了利用基于复Morlet小波相位分析的红外热像序列处理方法。依据热激励调制频率和红外图像采样频率,自适应地选择小波变换尺度总数,然后利用复Morlet小波系数相位从原始热像序列重建相位图序列。对含有分层缺陷的玻璃纤维增强复合材料参考试件进行了调制热像检测实验,以信噪比为评价指标对该方法的实际处理效果进行了定量评定,并与傅里叶变换法进行了对比。结果表明:复Morlet小波相位法可以分离调制热像信号的低频和高频噪声,能稳定地提取试件不同深度的分层缺陷,
其他文献
Underwater imaging is being used increasingly by marine biologists as a means to assess the abundance of marine resources and their biodiversity. Previously, we developed the first automatic approach
本系统是基于stm32系列单片机主、从机的RFID技术的语音物联网智能多功能自动化寻物系统,通过物联网数据管理平台管理物品信息,对物品信息进行智能化管理,并通过北斗定位模块获取物品的位置,使用AR导航寻找物品。本系统通过语音系统控制RFID寻物模块收集物品信息,分别将物品信息传输到串口屏和物联网系统,串口屏显示物品详细信息,物联网系统将标签数据传输到云端,并对其进行网页开发,用户可通过电脑或手机登
本文主要针对Android移动端内存有限与CPU处理能力不充足等特点,提出一种基于Android智能移动终端平台的实时ORB人脸识别系统。在一定程度上去考虑到其准确性和实时性的相关问题,首先要运用Adaboost算法来进行检测样本当中人脸样本和人脸模板样本的ORB特征,再通过使用近邻方法进行人脸匹配的识别,通过相关实验表明,这个方法能够在Android系统上的人脸识别达到很好的效果。
图片编辑是图像处理的基础,传统的平面广告设计主要以创作为主,在一定程度上降低了图像处理的效果,为此提出图像处理下的photoshop平面广告设计。photoshop平面广告设计具有处理艺术文字、照片修复、图片编辑、图片色彩校对与调色的功能。设计者可以利用photoshop软件融合广告设计的理念,提高平面广告的出品质量,从而完成一个高质量的设计作品。
基于抽象区域的图像检索(RBIR)对于查询相关图像是有效的,它将构成智能视频监控的基础,其中感兴趣区域(ROI)的特征是实时提取的。对基于经典聚类方法的现有图像分割技术进行综述,包括一种新颖的矩形分割(CSeg)技术,该技术生成近似的矩形图像片段。CSeg具有最小可能的线性顺序运行时间,在性能方面,使用近似段的RBIR在统计上类似于那些使用不适于实时应用的精确分割算法的RBIR。
2001年,Viola Jones人脸检测框架被提出,实现实时检测的同时能够保证较高的准确率。自2010年举办的大规模视觉识别挑战ImageNet进一步促进人脸识别的飞速发展,顶级团队主要结合Fisher向量机和支持向量机开展工作。2012年,多伦多大学团队首次使用深度卷积神经网络进行物体检测,并一举获得该挑战第一名,正确率比第二名高出10%。2013年,挑战赛前5名均使用深度卷积神经网络,并自此
近年来,随着互联网技术和高像素数码相机技术的发展,网络上和本地产生的图片的数量越来越多,图片的像素越来越高,导致图片的容量越来越大,网络上过多的图片直接影响着网页的加载速度,存储空间的减少意味着将获得更快的传输速度,人们认识到如何将图像用低字节数保存越来越重要。本文基于各种图像压缩算法,提出一种基于LSTM的图像压缩算法,通过建立RNN模型、训练模型和结果分析,得出结论。
针对当前许多图像检索方法的检索精度不理想的问题,本文为增强图像特征的表达能力,通过统计图像的颜色矩、多尺度分块局部二值模式、灰度共生矩阵、尺度不变特征变换以及空间位置信息,提取5类能从不同角度表征图像本质特性的特征,并根据图像库中各训练图像的类别信息,以此5类特征构造5个稀疏表示分类器,同时引入决策融合思想,根据每个子分类器的分类性能,通过一个自适应迭代运算过程确定各子分类器的融合权值,以刻画不同
针对多变化场景中通用分类器复杂度高和手工标记工作量大的问题,提出了一种新的迁移学习框架,结合稀疏编码和背景差分进行行人检测。首先优化HOG+SVM通用检测器,融合BCLBP和HOG进行特征提取,训练linearSVM,并在目标场景序列上利用基于GMM的背景差分法获得帧目标样本的运动区域以丰富样本特征。其次利用尺寸等过滤器从目标样本中筛选出部分样本作为目标模板,然后通过稀疏编码计算源样本与目标样本和
图像融合过程中时常存在边缘点严重丢失的情况,为了解决这一问题,改善图像融合后的效果,本文提出了一种新的非下采样剪切波变换(NSST)融合算法。首先,将已配准的医学图像利用剪切波分解成一系列高低频子带系数;然后,利用区域最大差值比较法融合低频系数,高频系数则利用改进边缘能量法和边缘强度法进行融合;最后,通过剪切波逆变换实现对融合系数的重构得到融合图像,并选择信息熵(IE),缘强度(ES),空间频率(