导读:本文包含了边缘修正论文开题报告文献综述及选题提纲参考文献，主要关键词:显微红外热成像,边缘效应,发射率,位移
边缘修正论文文献综述
邹学锋,丁立强,翟玉卫,刘岩,梁法国[1]（2019）在《显微红外测温中功率器件的边缘效应及其修正》一文中研究指出针对显微红外热成像中对功率器件进行测温时边缘效应引起的测温误差,提出了采用精密位置调节装置进行修正的方法。分析了显微红外测温中边缘效应产生的原因,认为热膨胀等因素造成了被测功率器件表面两种不同发射率的材料与显微红外热像仪相对位置发生改变,并在两种材料的边缘区域导致明显的测温误差。在理论分析的基础上提出了判断被测件与显微红外热像仪相对位置改变方向的方法,并用显微红外热像仪进行了实验验证。根据被测件表面不同材料的发射率以及测温误差的正负可以判断被测件位置改变的方向,采用精密位移装置补偿这一位置改变即可有效消除边缘效应引起的测温误差。(本文来源于《半导体技术》期刊2019年12期）
胡慧鹏,高小明,彭勇[2]（2019）在《基于改进谷形检测增强和Canny边缘修正的手指静脉识别方法》一文中研究指出手指静脉识别作为新型的生物特征识别技术,未来可广泛应用于身份识别领域。针对当前手指静脉图像质量差导致特征识别准确率较低的问题,提出一种基于改进谷形检测增强和Canny边缘修正的手指静脉识别方法。该方法首先改进用于局部静脉特征增强的方向谷形检测算子,增强静脉特征区域,然后利用Canny边缘检测算法对图像分割后的特征区域进行二次修正,在保证手指静脉特征区域完整性的同时降低伪静脉对识别率的干扰。在手指静脉数据库上进行实验,结果表明该方法对增强算法的泛用性较好,对4种不同的全局图像增强算法的识别准确率分别提升了8.66%,3.7%,1.78%,1.2%,能明显提高特征识别的准确率。(本文来源于《西南科技大学学报》期刊2019年02期）
支珊,赵文珍,赵文辉,段振云,孙禾[3]（2019）在《齿距视觉测量的齿廓图像边缘失真修正算法》一文中研究指出针对机器视觉测量齿距时因齿廓图像边缘失真导致偶然性测量误差的问题,提出了一种基于统计分离测量误差类型的齿廓图像边缘失真修正算法。首先,对基于Bertrand曲面模型检测齿廓亚像素边缘算法进行改进,获取亚像素齿廓边缘偏距信号;然后,采用阈值法识别包含边缘失真信号的齿廓边缘偏距信号段,利用频数分布统计的方法计算齿廓渐开线的初始相位角;最后,实现齿轮齿距测量。试验结果表明,该算法进行齿廓图像边缘失真修正测得的齿距与经过严格清洗处理后不存在齿廓图像边缘失真时测得的齿距十分接近,单个齿距偏差小于0. 75μm。齿距累计偏差测量结果与M&M3525型齿轮测量中心的测量结果相近,偏差值为2. 60μm。(本文来源于《电子测量与仪器学报》期刊2019年04期）
陈允杰,马辰阳,孙乐,詹天明[4]（2019）在《基于边缘修正的高光谱图像超像素空谱核分类方法》一文中研究指出本文提出了一种边缘修正的超像素空间光谱核分类方法,该方法能够有效解决构建空谱核时超像素方法提取的空间信息完全依赖于同一个超像素特征,边缘处像素空间信息刻画不准确这一缺陷,从而有效提升分类精度.首先本文提出一种固定窗口与超像素结合的同质区域选择方法,对提取的邻域像素进行赋权,将超像素中固定窗口外的像素权值置零,得到修正的空间光谱核;其次,进一步考虑相邻超像素之间的相关性,得到相邻超像素间的空间特征光谱核,并与上一步中的空间光谱核进行凸组合得到修正的超像素空间光谱核,最后采用支持向量机进行分类.真实高光谱数据实验结果表明:本文方法能有效克服超像素空谱核的空间信息不稳定性,分类精度优于现有的最新的分类方法.(本文来源于《电子学报》期刊2019年01期）
杨旭[5]（2018）在《托卡马克中边缘局域模控制和误差场修正的数值研究》一文中研究指出托卡马克中等离子体对叁维磁场响应是聚变研究中非常重要的研究课题,包括利用共振磁扰动场控制边缘局域模、误差场修正、等离子体流阻尼、高压强等离子体中共振场的放大、电阻壁模的主动控制和其它磁流体不稳定性。研究已经证实,即使比背景(平衡)磁场小3-4个量级的外加叁维场,仍可以对二维轴对称托卡马克等离子体的稳定和约束造成重要的影响,叁维扰动场可以通过放大自已,来控制不同的不稳定性。近些年的研究已经证实Type-Ⅰ边缘局域模会对未来托卡马克装置中的壁材料造成重大威胁,ITER装置上现有的壁材料和偏滤器材料只能承受边缘局域模爆发过程中20%的热负荷,因此控制边缘局域模是聚变领域中非常重要的研究课题。目前为止,外加共振磁扰动场是最简单、最有效的方法,可以很好地控制边缘局域模。在DⅢ-D、JET、MAST、ASDEX Upgrade、KSTAR、EAST等托卡马克装置中利用共振磁扰动技术可以很好地缓解和/或抑制边缘局域模,但是由于涉及的物理机制比较复杂,抑制边缘局域模的最终原因和必要条件仍是开放的问题。在建造和运行托卡马克的过程中不可避免地存在非轴对称磁扰动场,尤其是环向模数n=1的误差场可以引起锁模,甚至会造成等离子体大破裂,所以利用外加磁扰动场修正误差场是聚变领域中非常重要的研究课题。在DⅢ-D、JET、MAST、EAST、KSTAR等装置中已经开展了误差场修正的实验。但是由于误差场修正的理论研究需要全环位型,这样才能为托卡马克装置提供更好的误差场修正建议,所以理论上并没有得到很好的发展。利用外加磁扰动控制边缘局域模和修正误差场是很重要的研究课题。所以本文数值模拟与实验相结合,深入地分析实验结果,并解释其中的物理机制。绪论部分主要介绍了不同种类的聚变装置,边缘局域模、利用共振磁扰动场控制边缘局域模和误差场修正的研究进展。第二章简要介绍了 MARS程序及其模型,该程序包含MARS-F、MARS-K和MARS-Q叁个版本。介绍了如何利用MARS程序数值模拟环位型下等离子体对外加磁扰动的响应。第叁章利用MARS-F程序对DⅢ-D中等离子体对n=2偶线圈结构下的共振磁扰动场响应实验进行数值研究,利用线性等离子体响应模型,分别为电阻、旋转等离子体响应模型和理想、静态等离子体响应模型,该工作的研究目的是理解边界安全因子对等离子体响应的影响。不管是利用电阻、旋转等离子体响应模型还是理想、静态等离子体响应模型,在(q95,qa)空间中,低场区、高场区-A和高场区-B处的极向场都会出现等离子体响应的跳变。同时也观察到,利用电阻、旋转等离子体响应模型得到的跳变会更加明显。大的响应场和X点扰动位移与边缘剥离响应有关,边缘剥离响应也是产生跳变的原因。第四章利用MARS-F程序对EAST中等离子体对叁维共振磁扰动场响应实验的数值研究。在考虑等离子体响应时,数值模拟得到的最优线圈相位差与EAST中缓解和抑制边缘局域模的相位差一致。MARS-F模型中最外层有理面处扰动磁场和X点扰动位移的判定方法,既适用于边缘局域模的缓解,也适用于边缘局域模的抑制。第五章利用MARS-F程序对EAST中误差场修正实验进行数值研究。基于使整个等离子体区域电磁矩最小的误差场修正判定方法,给定的n=1固有真空误差场包含多个极向谐波时,利用罗盘扫描法计算预测的2/1误差场可以同时与实验中的奇、偶修正线圈结构下罗盘扫描法的结果一致。而且罗盘扫描法预测的真空误差场与MARS-F程序中给定的误差场不同,该结果对误差场修正实验和利用罗盘扫描法确定固有误差场的方法有了进一步的理解。最后,对现有工作进行总结,并对下一步的工作进行展望。(本文来源于《大连理工大学》期刊2018-12-01）
高凯,朴燕[6]（2018）在《基于保留边缘的à-Trous小波修正单一图像去雾》一文中研究指出为解决有雾场景图像复原过程中目标边缘存在细节模糊及丢失的问题,结合暗原色先验理论、引导图像滤波和保留边缘的à-Trous小波滤波方法,提出一种保留边缘的à-Trous小波修正的单一图像去雾算法。先对暗原色先验的引导图像滤波去雾算法进行复现,再引入保留边缘的à-Trous小波滤波算子,用叁级小波滤波后的残差结果补偿暗原色先验的引导图像滤波算法去雾的结果。实验结果表明,相较于暗原色先验的引导图像滤波去雾算法,采用可见边对比度作为客观衡量标准,新增的可见边之比至少提高69.5%,可见边的规范化梯度均值提高30%,饱和黑色或白色像素点的百分比降低一半以上。通过主观辨识,去雾算法生成的结果中保留了图像的边界和纹理细节信息,恢复出来的图像颜色更贴近实际生活,去雾效果有较大改善,纹理边缘更加细腻。(本文来源于《激光与光电子学进展》期刊2018年08期）
程德强,蔡迎春,陈亮亮,宋玉龙[7]（2018）在《边缘修正的多尺度卷积神经网络重建算法》一文中研究指出目前,基于卷积神经网络的超分辨率重建方法具有参数数量大,时效性偏低,边缘细节信息丢失的缺陷。针对该问题,提出基于边缘修正的多尺度卷积神经网络超分辨率重建算法。首先在训练阶段,利用低频信息的冗余性设置参数共享层,将同一组滤波器应用到不同放大倍数的训练网络中,构建多任务学习框架;然后在重建阶段,从样本训练库中学习可以高分辨率图像边缘修正系数,采用邻域像素差值线性运算将边缘系数与重建的高分辨率图像进行融合,矫正边缘信息的偏差,弥补丢失细节;最后根据随机梯度下降法和反向传播法,利用梯度不断更新权重参数使网络达到最优化。实验结果表明,该算法的重建效果较为显着,边缘锐度较高,消除了模糊和锯齿现象,并且通过参数共享大幅减少参数量,满足实时性的要求。(本文来源于《激光与光电子学进展》期刊2018年09期）
汤浩[8]（2017）在《基于贝叶斯框架的全卷积网络和显式边缘网络修正的SAR图像分类》一文中研究指出合成孔径雷达(Synthetic Aperture Radar,SAR)信号相较于传统光学图像信号具有高解析度,多通道的特点,主要用于民用的如农作物监测,灾害监测,军用的如地图绘制,军事侦察等。一般将SAR信号转化为对应多通道图像,利用现有光学图像的方法来进行场景分类与标注,本文利用ESAR的Pauli分解伪彩图,首先用传统的方法来分类,然后使用神经网络和边缘约束的方法,相较于以前的方法提高了正确率,改善了边缘分布。在此之前经典的传统方法要进行超像素块的分割,块特征的提取,以及特征分类器这叁个步骤,均值平移(meanshift)或分水岭方法常用于超像素块的提取,分类器多采用支持向量机(Support Vector Machine,SVM)或多层网络(Back Propagation Network,BP)等,之后也引入了马尔科夫场(Markov Random Filed,MRF)和条件随机场(Conditional Random Field,CRF)进一步考虑周围超像素块的分类类别从而进一步提高了正确率。首先,以前的方法的分类器多使用传统如SVM,BP,Logistic classifier等分类器,这些分类器并不适合图像信号,为提高图像初始的分类正确率,引入全卷积网络(Fully Convolutional Network,FCN)网络中效果最好的FCN8作为分类器,FCN8同时也负责卷积特征提取,同时FCN不需要用其他方法如meanshift来先将图像分块,再去针对区域处理,而是直接作用于单个像素点的RGB向量上。然后,为了考虑周围像素分类类别的影响,同时考虑自身像素的分类类别,引入Deeplab的全连接CRF综合考虑周围像素的类别先验信息,并用网格优化法得到合适的CRF相关参数。FCN网络用于分割时边缘部分的像素点分类不准确,这是反卷积和卷积的卷积核尺度决定的,在Deeplab内部利用区域变换(DomainTransform,DT)网络可以稍微修正边缘像素点的分类结果,但效果不显着,原DT算法存在很多问题,加以分析改进提出自己的改进DT扩散模型,在Deeplab外部利用FCN边缘网络提取边缘信息,分别与DT的内部边缘网络输出融合后输入DT中,然后与Deeplab的结果进行外部融合,融合方法包括我提出的改进DT的扩散法和补洞法。同时在内部和外部进行边缘融合最终可以将分类结果边缘改善以及提高一定的正确率。最后在ESAR数据上进行了多方案的对比实验,分别为基于potts先验的标准CRF或SVM分类模型并采取meanshift分割的方法,FCN8,Deeplab以及Deeplab-DT和最终的Deeplab-DT加FCN边缘网络融合的方法,实验表明每一种方案都比较以前的方案有一定提升,最终的边缘后置融合的方案效果最好,正确率最高同时边缘修正的效果很好。(本文来源于《武汉大学》期刊2017-04-01）
张蕴千,曾夕,刘艳艳,耿卫东[9]（2016）在《中反型MOSFET边缘饱和电压公式的修正》一文中研究指出提出了处于中反型的MOSFET修正边缘饱和电压公式.在分析了MOSFET精确电容模型之后,根据MOSFET饱和时其栅电容两端的电势差和电荷分布,推导了精确的边缘饱和电压关系式.对比了MOSFET边缘饱和电压的仿真值及修正后的精确边缘饱和电压的计算值,利用台积电TSMC18RF工艺参数,验证了精确边缘饱和电压公式计算值的准确性.分析了传统边缘饱和电压公式应用的局限.(本文来源于《南开大学学报(自然科学版)》期刊2016年04期）
杜航,李圣怡,宋辞[10]（2015）在《CCOS边缘效应的小研抛盘修形修正方法》一文中研究指出计算机控制光学表面技术(Computer Controlled Optical Surfacing,CCOS)是加工离轴非球面的一项重要技术。小磨头抛光的边缘效应严重制约CCOS技术的加工精度和加工效率。在获得影响边缘效应的关键参数后,结合残余误差等高线的路径规划,对CCOS产生的边缘效应产生的翘边现象进行修正;通过对一块体育场形离轴非球面的加工,获得了全口径光学测量数据,为后续精加工提供面形基础。(本文来源于《国防科技大学学报》期刊2015年06期）
边缘修正论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
手指静脉识别作为新型的生物特征识别技术,未来可广泛应用于身份识别领域。针对当前手指静脉图像质量差导致特征识别准确率较低的问题,提出一种基于改进谷形检测增强和Canny边缘修正的手指静脉识别方法。该方法首先改进用于局部静脉特征增强的方向谷形检测算子,增强静脉特征区域,然后利用Canny边缘检测算法对图像分割后的特征区域进行二次修正,在保证手指静脉特征区域完整性的同时降低伪静脉对识别率的干扰。在手指静脉数据库上进行实验,结果表明该方法对增强算法的泛用性较好,对4种不同的全局图像增强算法的识别准确率分别提升了8.66%,3.7%,1.78%,1.2%,能明显提高特征识别的准确率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
边缘修正论文参考文献
[1].邹学锋,丁立强,翟玉卫,刘岩,梁法国.显微红外测温中功率器件的边缘效应及其修正[J].半导体技术.2019
[2].胡慧鹏,高小明,彭勇.基于改进谷形检测增强和Canny边缘修正的手指静脉识别方法[J].西南科技大学学报.2019
[3].支珊,赵文珍,赵文辉,段振云,孙禾.齿距视觉测量的齿廓图像边缘失真修正算法[J].电子测量与仪器学报.2019
[4].陈允杰,马辰阳,孙乐,詹天明.基于边缘修正的高光谱图像超像素空谱核分类方法[J].电子学报.2019
[5].杨旭.托卡马克中边缘局域模控制和误差场修正的数值研究[D].大连理工大学.2018
[6].高凯,朴燕.基于保留边缘的à-Trous小波修正单一图像去雾[J].激光与光电子学进展.2018
[7].程德强,蔡迎春,陈亮亮,宋玉龙.边缘修正的多尺度卷积神经网络重建算法[J].激光与光电子学进展.2018
[8].汤浩.基于贝叶斯框架的全卷积网络和显式边缘网络修正的SAR图像分类[D].武汉大学.2017
[9].张蕴千,曾夕,刘艳艳,耿卫东.中反型MOSFET边缘饱和电压公式的修正[J].南开大学学报(自然科学版).2016
[10].杜航,李圣怡,宋辞.CCOS边缘效应的小研抛盘修形修正方法[J].国防科技大学学报.2015