全文获取类型
收费全文 | 110篇 |
免费 | 5篇 |
专业分类
公路运输 | 9篇 |
综合类 | 67篇 |
水路运输 | 22篇 |
铁路运输 | 17篇 |
出版年
2024年 | 1篇 |
2023年 | 5篇 |
2022年 | 2篇 |
2021年 | 2篇 |
2019年 | 4篇 |
2018年 | 1篇 |
2017年 | 4篇 |
2016年 | 1篇 |
2015年 | 2篇 |
2014年 | 6篇 |
2013年 | 5篇 |
2012年 | 5篇 |
2011年 | 3篇 |
2010年 | 5篇 |
2009年 | 13篇 |
2008年 | 8篇 |
2007年 | 4篇 |
2006年 | 11篇 |
2005年 | 2篇 |
2004年 | 5篇 |
2003年 | 2篇 |
2002年 | 5篇 |
2001年 | 5篇 |
2000年 | 2篇 |
1999年 | 2篇 |
1998年 | 2篇 |
1997年 | 2篇 |
1996年 | 3篇 |
1995年 | 2篇 |
1994年 | 1篇 |
排序方式: 共有115条查询结果,搜索用时 375 毫秒
41.
基于自适应形态学滤波的ICT图像缺陷提取 总被引:2,自引:1,他引:1
针对ICT图像缺陷现有提取方法的不足,提出了一种自适应的数学形态学滤波方法.该方法首先对整张图像进行分水岭变换,根据区域大小自适应地选取结构元素区域.然后对该区域边界进行椭圆拟合,以确定结构元素模板.根据形态学原理运用此模板对图像进行闭运算,从而获得图像背景.最后,用背景图像减去原始图像,即可获得缺陷的图像.试验结果表明,该方法能获得更好的图像缺陷提取效果. 相似文献
42.
李际洲 《交通世界(建养机械)》2009,(12):94-97
本文提出了从视频动态序列图像中检测、识别汽车目标的算法,以此来分析城市道路车流量状况,并自动调节控制系统。通过背景抑制法获得汽车区域,利用基于数学形态学的方法进行去噪声;利用二值图像阈值法和相关法来分别提取汽车车身和车灯。从而估算城市道路汽车流量,并调整道路中间隔离栅。仿真实验结果表明:算法能够有效的检测、识别目标,并对控制系统进行自动调节。 相似文献
43.
针对传统形态学滤波方法在提取高速列车轴箱轴承故障特征时过于依赖先验知识,结构元素相关参数(长度L和高度h)未结合信号特征做自适应选取的问题,文章在数学形态学滤波(Mathematical Filter, MF)、布谷鸟算法(Cuckoo Search Algorithm, CS)、实际工程应用方面做了深入研究。通过布谷鸟算法对结构元素的长度和高度进行自适应寻优,然后使用最优结构元素对信号进行处理,提取出信号中的冲击成分和故障特征,对比传统的解调方法可以发现该方法更准确、更快速。 相似文献
44.
45.
对车道标识线检测技术进行深入研究,分析结构化道路的模型特征,结合形态学处理图像的方法,提出一种基于形态学方法的车道线检测算法,该算法能够灵活构造具有不同车道模型特征的结构元素,提取左右车道线,有效解决了车道线检测的准确性与鲁棒性矛盾的问题.仿真实验表明,在多种天气状况下,对不同质量的路面,该算法均能正确地检测出车道标识线,去除双边缘,其得到的单线车道左右标识线清晰且准确,具有一定的实用价值. 相似文献
46.
一种基于形态学变换的车道检测方法 总被引:3,自引:0,他引:3
利用形态学图像处理技术,基于形态学变换的道路检测方法,能够应用形态学变换、Canny边缘检测与Hough变换检测出直线道路车行道的边缘线。试验表明该方法能够准确提取出目标区域轮廓。 相似文献
47.
股骨骨髓腔的形态学研究及其临床意义 总被引:1,自引:0,他引:1
目的建立国人股骨骨髓腔的形态学参数,为设计和选择适合国人的股骨髓内钉内固定器械提供形态学依据。方法选择正常成人股骨全长X线片(含标准正、侧位片)52例,应用图像分析软件进行形态学参数测量。结果股骨骨髓腔全长为(33.51±0.63)cm(男)和(33.13±0.64)cm(女);狭窄段长度为(5.61±0.49)cm(男)和(5.17±0.46)cm(女);髓腔最狭窄点位于髓腔中点近侧,距离为(3.55±0.15)cm(男)和(3.52±0.27)cm(女),狭窄点髓腔矢状径较冠状径大,分别为(1.215±0.113)cm和(1.077±0.116)cm,髓腔弧度半径为(120.608±6.089)cm。结论股骨骨髓腔长度、狭窄部形态及弧度等参数在交锁髓内钉的设计和应用中发挥着制约性作用。 相似文献
48.
车牌定位及车辆识别是智能交通管理的主要研究问题.车牌定位识别,通过对图像进行预处理并结合形态学能粗略获取候选车牌位置,对符合特征的候选车牌进行筛选,精确获取车牌位置,最后采用神经网络完成字符识别过程.车辆识别采用迁移学习,采用AlexNet卷积神经网络构造出深度特征向量.形态学能够应对灰度底质量差的情形,为字符识别提供保障.车辆识别时对比直接分类图片特征,迁移学习构造的深度特征分类精度为85.13%,提高了38%,验证了迁移学习的有效性,通过KNN算法表明深度特征能够表征图片属性.针对新数据集重新提取特征、训练样本将消耗大量时间,对比迁移学习和AlexNet框架发现分类精度持平,表明了迁移学习的鲁棒性. 相似文献
49.
50.
针对微弱二维离散信号的检测,即图象中弱小目标的检测,本文介绍了一种基于数学形态学滤波的小目标图像预处理方法,Top-hat算子是在数学形态学开运算、闭运算基础上推导出来的一种算子,Top-hat算子可以检测到图像中的高频分量,而滤去图像中灰值变化相对较为平稳的地方,利用Top-hat算子可以对一幅单帧图像进行滤波,去掉小目标图像中的大面积背景,实验证明,该方法起到了比较好的效果。 相似文献