修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

44 条数据
?? 中文（中国） ▾

  • [IEEE 2018年第三届俄太平洋计算机技术与应用会议(RPC) - 符拉迪沃斯托克(2018.8.18-2018.8.25)] 2018年第三届俄太平洋计算机技术与应用会议(RPC) - 基于小波变换显著点的图像分析

    摘要： 本文研究了基于小波变换显著点的图像分析任务。文中描述了基于小波变换能量估计的显著点提取方法，并提出了基于局部二值模式的显著点描述方案。

    关键词： 小波变换、分割、显著点、图像匹配

    更新于2025-09-23 15:21:01

  • 小波分析在薄膜X射线反射测量中的特点

    摘要： 基于X射线和同步辐射反射测量数据，利用小波变换估算薄膜密度剖面中各层厚度及其排列顺序的特定特征被加以研究。通过为相应反射图构建小波变换，提出了一些揭示朗缪尔膜堆积特征的方法。以薄膜剖面的多层盒模型为例，绘制了X射线衰减长度随掠入射角变化的依赖关系；这些依赖关系展示了在小波图中映射空间信号延迟（当光线从不同密度的层反射时发生）的可能性。

    关键词： 小波变换、薄膜、衰减长度、朗缪尔膜堆积、X射线反射率测量

    更新于2025-09-23 15:21:01

  • 一种融合小波变换与变量重要性的混合随机森林方法：基于激光诱导击穿光谱对钾盐矿中钾元素的定量分析

    摘要： 钾矿是生产农业肥料的主要原料。本研究提出融合变量重要性与小波变换的随机森林（RF）模型，用于测定钾盐矿石中的钾含量。分析了53个钾盐样本，其中37个作为校正集。通过优化参数ntree和mtry建立了原始RF回归模型，但其R2P值（0.7399）与建模耗时（251.8秒）未达理想效果。首先探究了不同变量重要性（VI）阈值对定量结果的影响：当VI阈值设为0.090时，VIRF模型的变量数从27620降至3355，但RMSEP、R2P等指标未见显著改善。随后采用小波变换筛选RF模型输入变量（定义为WTRF），其提升幅度分别为：R2P提升16%（0.7399→0.8555）、RMSEP降低38%（0.1798→0.1106）、MRE下降62%（0.2740→0.1032）、MRSD减小11%（0.0686→0.0613），建模时间缩短约三个数量级。进一步结合变量重要性筛选WTRF输入变量（定义为WT-VIRF）时，因小波变换筛选的所有输入变量均对定量结果贡献显著，未再剔除变量，故WT-VIRF与WTRF模型结果完全一致。结果表明，融合小波变换的RF模型是钾盐矿石钾含量定量分析的有效方法。

    关键词： 小波变换，钾肥，激光诱导击穿光谱，变量重要性

    更新于2025-09-23 15:19:57

  • [2019年IEEE第46届光伏专家会议（PVSC） - 美国伊利诺伊州芝加哥（2019.6.16-2019.6.21）] 2019年IEEE第46届光伏专家会议（PVSC） - 基于蒙特卡洛方法的微型聚光光伏阵列对准公差控制

    摘要： 森林退化是全球环境研究中的重要议题，尽管其量化定义尚未完善。本研究基于"森林空间结构可反映森林退化过程（该过程体现于合成孔径雷达回波观测的空间统计特征中）"这一假设展开。通过小波框架提供的ENVISAT ASAR与ALOS PALSAR回波空间统计数据的监督分析，测试了区分完整森林与退化森林（DF）等土地覆盖类型的能力。实验在中非喀麦隆的半落叶密林区进行。结果表明：作为联合空-尺度域内SAR回波两点统计量的度量指标，小波方差标度特征能通过捕捉空间分布差异实现土地覆盖类型区分；C波段ENVISAT ASAR数据的小波标度特征函数分析证实，完整森林与退化森林具有可区分性——当采用三次多项式拟合标度特征函数形态时，所得分析参数显示两类森林存在统计学显著差异；而ALOS PALSAR数据的分析结果未达显著水平。该技术为追踪森林扰动（特别是未来获取欧空局哨兵1号卫星提供的C波段数据后）展现了良好应用前景。

    关键词： 纹理、小波变换、合成孔径雷达（SAR）、空间统计学、退化森林（DF）

    更新于2025-09-23 15:19:57

  • [英国工程技术学会第八届可再生能源发电会议（RPG 2019） - 中国上海（2019年10月24-25日）] 第八届可再生能源发电会议（RPG 2019） - 基于低阻抗路径电弧特征及其路径拓扑的光伏系统电弧故障检测与定位

    摘要： 近红外光谱技术（NIRS）因其更简便的采集方法和更少干扰的信号特性，被推荐为分析脑血流自动调节功能的适用技术。近期涌现出多种精密的小波变换方法，通过结合NIRS与血压信号来量化脑血流自动调节机制。这些方法通过时频平面实现信号信息的精细化分区，从而更有效地提取目标成分。本文对该领域进行综述，并提出了改进此类分析方法的建议。

    关键词： 小波变换，脑血流自动调节，近红外光谱技术

    更新于2025-09-23 15:19:57

  • [2019年IEEE国际电力电子、控制与自动化会议（ICPECA）- 印度新德里（2019.11.16-2019.11.17）] 2019年国际电力电子、控制与自动化会议（ICPECA）- 基于机器学习技术的并网光伏系统故障识别算法

    摘要： 本文阐述了并网光伏电站故障检测的动机与背景。光伏系统并网时面临的主要问题包括：局部阴影导致的多峰现象、环流调节、电网阻抗对光伏系统稳定性的影响、故障穿越（FRT）能力以及防孤岛检测。因此，故障检测与状态监测系统对平稳运行至关重要。本文针对单相并网光伏系统开发了故障分类技术，采用小波变换与神经网络方法构建故障分类算法。结果表明，该故障检测算法的分类准确率显著提升至98.4%。

    关键词： 小波变换、故障分类、故障诊断、神经网络、光伏系统

    更新于2025-09-23 15:19:57

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于深度混合小波网络的雷达影像冰边界检测

    摘要： 本文提出了一种基于深度卷积神经网络的方法，用于从雷达图像中检测冰面和底层边界。雷达图像能够穿透冰层表面，为我们提供来自冰下层的宝贵信息。近年来，用于目标检测与分割的深度层次化学习技术显著提升了传统手工特征工程方法的性能。我们设计了一个深度卷积网络来生成冰面与底层边界的图像。该网络利用非抽取小波变换提取雷达图像的最高层级信息，并采用多层多尺度优化架构。本研究使用2009-2016年NASA冰桥行动任务的雷达图像进行网络训练与测试，其准确率超越了现有最先进水平。

    关键词： 深度学习、小波变换、整体嵌套边缘检测、雷达、冰边界检测

    更新于2025-09-23 10:20:55

  • BaB8O12F2：一种极具前景的深紫外双折射材料

    摘要： 由于地震数据中存在大量不确定性，地震预测一直是一项巨大挑战。深度学习（DL）已成功应用于计算机视觉和自然语言处理等诸多领域并带来革命性变革。传统人工神经网络多年来被研究用于提高地震预测的精度和分辨率，但深度学习尚未得到应用。本文基于深度学习技术开发了新的地震储层表征架构，采用卷积神经网络（CNN）这一深度学习框架进行岩性预测，相比传统方法取得了更优效果。我们还提出利用连续小波变换（CWT）获取神经网络所需时频谱，这有助于充分利用叠后地震数据的频率信息。根据卷积层数量差异及输入数据组织方式，我们提出了四种地震岩性预测的深度学习架构：深度神经网络（DNN）、卷积神经网络（CNN）、CWT-DNN及CWT-CNN。所有架构均在案例研究中应用。盲井、剖面及水平切片最终结果表明，CWT-CNN模型在叠后地震岩性预测中表现最佳——CWT图谱包含更多薄层信息，而卷积层更擅长从CWT图谱中提取特征。该模型具有更高精度和分辨率，尤其在中薄层预测方面优势显著。

    关键词： 小波变换、神经网络、亚洲、图像处理

    更新于2025-09-23 14:50:27

  • 用于多模态图像融合的双正交半带完美重构滤波器组

    摘要： 设计一种有助于更显著检测肿瘤细胞连续变化的小波滤波器组。本文提出一种利用半带滤波器分解来设计双通道小波基FIR滤波器组的方法，其中分解与重构滤波器的构造均考虑最大消失矩进行因式分解。通过因式分解提出14阶最大平坦半带滤波器，进而设计出8/8正交及9/7、6/10对称滤波器。采用交叉熵、标准差、均方误差和PSNR等性能指标评估所设计小波滤波器组的融合性能，并与采用db4实现的Daubechies滤波器组进行对比。结果表明：所设计滤波器组能提升融合性能。此外，所提滤波器具有最大消失矩数，可生成平滑的尺度函数与小波函数，从而获得平坦的频率响应。将设计的8/8正交小波滤波器应用于多模态生物医学图像（受试者异常组织/癌变生长检测）融合场景。本方法创新性在于针对给定多模态图像自适应设计滤波器组，使融合图像具有更高清晰度，并通过提升融合图像熵值进一步优化结果。

    关键词： 谱分解、医学图像处理、滤波器组、多模态图像融合、小波变换、半带滤波器

    更新于2025-09-23 15:11:50

  • 溶剂的二羧酸盐和碱金属离子团簇的光电子能谱研究，M?[O?C(CH?)?CO?]2?[H?O]?（M = Na, K；n = 1–6）

    摘要： 图像去噪是图像处理中最重要的方向之一。医学图像在采集、转换和传输过程中常常受到环境与设备的噪声及干扰影响，导致图像质量下降。本文主要介绍一种用于医学图像去噪的新型卷积神经网络结构——基于小波域的深度神经网络（深度小波去噪网DWDN）。我们的DWDN模型在一般医学图像去噪任务中表现出高效性，并且在图像细节方面表现更为优异。

    关键词： 去噪、小波变换、医学图像、卷积神经网络

    更新于2025-09-24 04:02:40