首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   4篇
  免费   0篇
教育   4篇
  2019年   1篇
  2016年   1篇
  2013年   1篇
  2010年   1篇
排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
通过整合NI ELVIS和CSY系列传感器实验平台,使用LabVIEW图形化编程语言构建了基于LabVIEW的传感器虚拟综合实验系统。该实验系统可对压力、转速、位移、温度等参数的传感器电路获得的数据进行分析和处理。用户可以在前面板选择不同的实验,了解实验目的和实验原理,完成实验后直接生成实验报告。用户也可根据自己的需求进行实验功能拓展。  相似文献   
2.
为了降低迭代正则化中定尺度参数对快速收敛的敏感性、自适应地优化尺度参数并提高其去噪效果,提出了一种变尺度参数的迭代正则化去噪算法.首先,修改了经典的正则化项,并推导出尺度参数公式;然后,通过研究迭代次数与尺度参数序列的变化趋势,得到变尺度参数的初始值;最后,进行正则化去噪.数值实验表明:相对于恒定尺度参数的IRM算法,变尺度参数IRM算法比选取尺度参数偏小的IRM算法迭代次数大大减少;比选取尺度参数偏大的IRM算法去噪效果更为明显,并较好地保持了图像的细节.  相似文献   
3.
In this paper, a two-level Bregman method is presented with graph regularized sparse coding for highly undersampled magnetic resonance image reconstruction. The graph regularized sparse coding is incorporated with the two-level Bregman iterative procedure which enforces the sampled data constraints in the outer level and updates dictionary and sparse representation in the inner level. Graph regularized sparse coding and simple dictionary updating applied in the inner minimization make the proposed algorithm converge with a relatively small number of iterations. Experimental results demonstrate that the proposed algorithm can consistently reconstruct both simulated MR images and real MR data efficiently, and outperforms the current state-of-the-art approaches in terms of visual comparisons and quantitative measures.  相似文献   
4.
为了提高图像插值的恢复效果,提出了一种基于图结构正则化稀疏表示的双层伯格曼迭代算法.该迭代算法的外层用于约束图像观测数据,内层用于更新图像块的学习字典和稀疏表示系数.引入的图结构正则化稀疏表示约束可以有效地自适应图像块的局部结构,对于严重受损的情形也能得到精确的恢复结果.此外,在内层迭代中改进的稀疏表示和简洁的字典更新策略使算法能快速地趋于收敛.数值实验结果表明,所提出的算法可以有效地恢复图像,在主观视觉效果和客观量化标准上要优于目前已有的算法.  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号