简介：O4382002053547基于相干波面光强分布的静态干涉图的数字分析=Digitalanalysisofstaticinterferogrambasedoncoherentwavefrontintensitydistribution[刊,中]/白剑,曹天宁(浙江大学现代光学仪器国家重点实验室.浙江,杭州(310027))//光学技术.—2001,27(6).—564-565

简介：O4382000031770关于扫描隧道显微术所得图像的两种重构方法=TworeconstructionmethodsofSTMimages[刊,中]/张炽昌(复旦大学国家微分析中心.上海(200433))//电子显微学报.—1999,18(2).—243-245采用计算机模拟了几何分析和形态学两种图像处理的数学方法,并证明了两种方法可以获得更接近原样品形态特征的图像。图2表1参5(李瑞琴)

简介：O4382001042589分形维数与光学小波变换=Fractaldimensionsandopticalwayelettransform[刊,中]/冯壁华,章程军,金国钧,潘永华(南京大学物理系.江苏,南京(210093))//半导体光电.-2000,21(3).-210-213用光学方法成功地进行了分形图像的小波变换,并测出其分形维数。分形维数值的测定可以推动分形动力学的研究与发展。实验证明,光学小波变换不失为一种实时分析分形图像的重要方法。图5参7(任延同)

简介：

简介：O4382002021176白光光学信息处理及其彩色摄影术=White-lightopticalinformationprocessinganditscolorpho-tography[刊,中]/母国光(南开大学.天津(300071))∥光电子·激光.—2001,12(3).—285-292阐述了白光光学信息处理的物理基础,给出了近10年来使用所研制的仪器和设备在实际应用中取得的

简介：摘要：图像识别技术是计算机视觉的重要组成部分，其目标是使计算机能够自动识别和解释图像或视频中的内容。近年来，随着深度学习和计算能力的快速发展，图像识别在许多领域得到了广泛的应用，如自动驾驶、医学影像诊断、安防监控等。本文将从技术发展、主流方法、最新进展以及未来挑战等方面，对图像识别的前沿进行全面概述。

简介：O438.22005021113基于计算机处理的光电混合联合变换相关=Optic-elec-tronichybridjointtransformcorrelationbasedoncomputerprocessing[刊,中]／李曙光(苏州大学信息光学工程所.江苏,苏州(215006)),王策//激光杂志．-2004,25(5)．-62-64对CCD记录的联合变换功率谱进行拉普拉斯算符运算和卷积运算的处理,并通过处理后的功率谱直接在计算

简介：摘要：近年来,人工智能已经成为了计算机视觉与信息语言交互中的重要研究对象和热点话题,通过深度学习方法的学习和实践,来进行对图像的处理和描述是十分具有挑战性的。在这个过程中首先需要构建神经网络,从一端的编码解码结构到另一端的编码解码结构的深度学习模型,并且融合了图像目标点检测的识别研究和深度卷积网络相关的记忆模型,从中进行信息提取和学习处理。这种研究方式更加关注原始图像区域的特征显示与其他的多种信息处理模块区域的结合,有助于防止丢失处理信息和主题部分操作过程。在实验过程中通过调取数据集进行实验,通过实验操作成功生成了图像描述系统,依次来对目标进行描述。其结果显示也超出了综合预期水平。最后再通过多种机器评估的方式来显示该模块处理结果的综合性能。

简介：摘要：设备故障常常表现为发热，长时间的发热可能会导致设备故障的进一步加深，最终威胁电力系统的稳定。利用红外成像技术不受电磁干扰、无需停电、安全可靠、判断准确等特点，可以采用红外成像仪对设备运行情况进行监测，并观测设备是否存在故障。然而实际运行中，红外图像的拍摄与处理均由运维人员人工完成，过程较为繁琐，且耗费大量时间成本。因此，本文基于现有的红外成像仪以及红外图像拍摄特点，提出一种基于图像识别技术的红外图像批量识别与归档方法，自动识别红外图像关键数据，并对图像按照设备位置进行归档，节省红外图像人工处理成本，为设备运维工作提供便利。

简介：摘 要：高速线材厂由于产线跨度大，故监控点多，操作人员在进行生产操作时需观察监控点位是否出现异常状况。因生产轧制速度快的特点，当产线出现异常时，如果发现、处理不及时，会导致产线故障扩大化，增大设备的损坏率。如无法第一时间发现产线异常，会增加从发现问题到解决问题的周期时间，从而影响生产效率。当调控产线异常画面时，需要联合监控系统查找异常发生时的画面录像，没有一个整体的异常录像存储数据库。采用图像识别预警系统，将传统视觉方法结合深度学习和小样本训练法，针对One-Shot目标检测和小目标检测算法，进行深度优化​，远程部署​、一键部署，解决问题。

简介：摘要：本文探讨了基于深度学习的图像识别与处理技术的研究现状和发展趋势。首先介绍了深度学习的基本理论，包括神经网络、卷积神经网络、递归神经网络和生成对抗网络。然后重点分析了图像预处理技术，如图像增强、图像分割和特征提取。在此基础上，详细阐述了几种主要的基于深度学习的图像识别与处理模型，包括图像分类、目标检测、语义分割和图像生成模型。最后，总结了当前研究中存在的问题，并对未来的研究方向进行了展望。

简介：摘要：在快速发展的电子工程领域，信号处理与图像识别技术扮演着至关重要的角色。这些技术不仅深刻影响着通信、计算机视觉、生物医学工程等多个领域，而且在自动驾驶、人工智能和物联网等前沿技术中发挥着基石作用。本文将深入探讨电子工程中信号处理的最新进展，以及图像识别算法的创新应用，旨在为相关领域的研究者和工程师提供有价值的参考和启示。

简介：摘要:针对传统船舶监测方法中存在工作量大易误判等问题，提出一种基于图像识别方法的船舶检测识别方法。通过深度学习中的Faster R-CNN模型对船舶进行检测识别。自制船舶数据集，对数据集进行扩充及标注，然后通过Faster R-CNN模型对数据进行训练、学习，最后通过验证集检测识别效果，最终船舶平均识别率达到80.1%，通过深度学习达到了使用少量样本获得较高识别率的效果。

简介：摘要:随着图像处理在各个领域的广泛应用，模糊图像的识别技术变得尤为重要。本文探讨了模糊图像识别技术的基本原理，以及提高图像处理精度的策略。深度学习在模糊图像识别中的应用、特征工程与图像增强以及多模态数据融合等方面的方法被详细讨论。通过这些策略的综合应用，可以有效地提高模糊图像的识别精度，为图像处理领域的进一步发展提供有力支持。

简介：  摘要： 引言 煤炭是我国重要的能源资源之一，而输送煤炭的输煤皮带则是实现高效输煤的关键设备。然而，传统的输煤皮带监测方式存在着诸多问题，如人工巡检耗时长、效率低下、检测误差较大等。为了解决这些问题，近年来，研究人员开始探索利用计算机视觉技术和人工智能算法来构建输煤皮带智能巡检系统。其中，图像识别和处理技术在输煤皮带智能巡检系统中扮演着至关重要的角色。本论文将介绍一种基于深度学习技术的输煤皮带智能巡检系统，以提高其图像识别的准确性和实时性。

简介：摘要：近年来，随着我国医疗科技水平的持续提高，各类辅助性质的医疗科技在医疗领域中的应用逐渐广泛，其中就包括医学超声图像识别技术。通过使用医学超声图像识别技术，医生能够更准确地判断患者病情，同时也能以该技术为基础开发更多新式医疗技术。基于此，文章首先对超声图像识别技术的应用优势及其在医学上的应用概况展开分析，其次探究了医学超声图像识别技术中的常用技术，最后对医学超声图像识别技术的未来发展进行展望。

简介：摘要：在当今的科技飞速发展的时代，光学信息处理技术作为一项关键技术，已在图像识别领域展现出强大的潜力和广泛的应用。它通过利用光的干涉、衍射、偏振等特性，处理和分析光学信息，不仅提升了图像识别的精度和速度，更在人工智能、安防监控、医疗诊断等领域开辟了新的应用空间。本文旨在深入探讨光学信息处理技术在图像识别中的具体应用，及其所带来的技术革新与未来发展趋势。

简介：摘要：随着机器人技术的不断进步，其在医疗器械、电力巡检、农业生产等行业的应用也越来越广泛。爬杆机器人是电力行业配网自动化过程中的重要角色，其与移动机器人有所不同，爬杆机器人需要攀爬物体表面才能完成移动动作。爬杆过程中通过拍摄视频图像对其进行识别与处理，进而做出判断指令。但在此过程中，对机器人捕捉到的图像缺陷进行识别和处理是目前研究的难点与热点。在国外，有学者对缺陷视觉系统做出了相关研究，但其仍处于试验阶段，尚未进行工程实践应用。在国内，应用边缘检测算法对缺陷进行识别，并利用差分法检测缺陷；通过增加机器人摄像头的硬件配置，应用改进的机器视觉算法进行物体表面缺陷检测，从而取得良好效果。虽然上述研究均取得了一定的效果，但由于在实际工程中拍摄到的视频或图像受现场因素影响，故需要采用不同的技术处理不同的应用场景，进而降低光线、角度、天气等因素的影响。因此需要结合电力爬杆机器人的爬杆特征，制定合适的图像识别与处理方法。

简介：摘要：本文深入探讨了电子信息工程中图像识别与处理技术的现状与发展趋势。首先，概述了图像识别与处理技术的基本原理，包括图像预处理、特征提取、分类识别等关键步骤。随后，分析了当前图像识别领域面临的主要挑战，如复杂场景下的鲁棒性问题、计算效率与资源消耗的优化、以及隐私保护与数据安全的保障。针对这些挑战，本文探讨了图像增强、图像压缩与编码、图像分割与边缘检测等关键技术，并重点介绍了深度学习，特别是卷积神经网络（CNN）在图像识别与处理中的广泛应用与显著成效。此外，还展望了未来图像识别与处理技术的发展方向，包括跨模态融合、轻量化模型设计以及提高技术可解释性与透明性等。本文旨在通过综述图像识别与处理技术的最新进展，为该领域的进一步研究与应用提供参考。

简介：