超声波（Ultrasound，又称超声波雷达）定位，即使用发射探头发出频率大于20KHz的声波和计算飞行时间来探测距离。常用的超声波频率有40KHz、48KHz和58KHz，其中最常用的频率是40KHz。使用超声波定位，一般精度在1cm~3cm之间，探测适用范围在0.2m~5m之间。 超声波指向性强，在介质中传播的距离较远，因而超声波经常用于距离的测量，如测距仪和物位测量仪等都可以通过超声波来实现
基于深度学习的图像分割是近年来非常流行和有效的方法之一。它利用深度神经网络（Deep Neural Networks，DNN）自动学习图像中不同区域的语义信息，并将图像分割为具有语义上下文的不同部分。以下是基于深度学习的图像分割的基本步骤：数据准备：收集并准备用于训练的图像数据集，包括输入图像和对应的标签或分割结果。标签可以是像素级别的标注或者是更粗糙的区域级别的标注。网络选择：选择适合图像分割任
原创
2024-10-17 08:30:43
58阅读
此外，深度学习方法还可以通过迁移学习将在其他任务上预训练的模型应用到图像分割任务上，使得在有限数据集上也能取
原创
2024-10-22 16:22:50
73阅读
# 基于FPGA的图像处理 vs 深度学习的图像处理
在现代科技迅猛发展的今天，图像处理技术广泛应用于计算机视觉、医疗诊断、自动驾驶等领域。随着技术的进步，出现了多种图像处理方法，其中FPGA（现场可编程门阵列）和深度学习是最具代表性的两种技术。本文将比较这两种技术在图像处理中的应用，并通过代码示例进行说明。
## 什么是FPGA？
FPGA是一种可编程的硬件设备，允许用户根据需要编写逻辑电
2015 深度学习、自编码器、低照度图像增强 Lore, Kin Gwn, Adedotun Akintayo, and Soumik Sarkar. "LLNet: A Deep Autoencoder Approach to Natural Low-light Image Enhancement." arXiv preprint arXiv:1511.03995 (2015). 利用深度学习
转载
2024-08-21 09:35:54
64阅读
深度学习在图像预处理技术中的应用提供了高效、准确的处理方式，但在实际应用场景中，经常会遇到各种问题，影响模型的性能。本文将详细阐述如何解决基于深度学习的图像预处理技术中出现的问题。
## 问题背景
在进入深度学习模型训练之前，图像预处理是一个不可或缺的步骤。尤其是在计算机视觉任务中，预处理步骤的质量直接影响到后续模型的性能。预处理通常涵盖了图像的去噪声、缩放、增强等。在这些过程中，常见的现象包
差分层析合成孔径雷达（D-TomoSAR）可进行高精度多维成像获得地表的高程以及形变信息。目前，该技术已在地质灾害预警、地球物理参数反演以及城市规划等领域得到了广泛的应用，在对地观测领域具有巨大的应用潜力。SAR 地表形变监测主要经历了以下三个阶段：①D-In SAR 形变监测阶段D-InSAR是由 InSAR 技术发展起来的。在 1989&nbs
雷达按照发射信号种类分成脉冲雷达和连续波雷达两大类，常规脉冲雷达发射周期性的高频脉冲，连续波雷达发射的是连续波信号。连续波雷达发射的信号可以是单频连续波(CW)或者调频连续波(FMCW)，调频方式也有多种，常见的有三角波、锯齿波、编码调制或者噪声调频等。其中，单频连续波雷达仅可用于测速，无法测距，而FMCW雷达既可测距又可测速，并且在近距离测量上的优势日益明显。FMCW雷达在扫频周期内发射频率变化
摘 要 随着大数据时代的到来，一系列深度学习网络结构已在图像处理领域展现出巨大的优势，为了能够及时跟踪深度学习在图像领域的最新发展，本文章针对深度学习在图像处理领域的相关研究进行综述。关键词： 深度学习；卷积神经网络；算法模型；图像处理前言 在当今飞速发展的信息时代，数字图像作为一种常见且有效的信息载体已渗透到社会生活的每一个角落，致使我们对图像处理的需求也日益增长。卷积神经网络架构 图像识别是深
转载
2024-08-21 09:39:38
100阅读
《雷达信号处理基础》Mark A. Rechards 读书笔记 ——————————————————————雷达的基本功能雷达的主要用途：检测、跟踪、成像 在球坐标系中计算目标的位置和径向速度，通过连续测量可得到物体的运动情况。 雷达不同用途中不同的指标：用途基本指标检测检测概率和虚警概率跟踪距离、角度和速度估计三者的精确度成像空间分辨率和动态范围雷达的特性：（1）相干的雷达，接收信号解调得到的是
转载
2024-09-13 21:01:52
184阅读
基本的概念：图像的深度： 图像中像素点占得bit位数，就是图像的深度，并不是每个像素点分配了多少位内存空间，就一定能够要用完，深度仅仅标识用于真真能表示颜色的位数，比如二值化图每一个像素点可能已经分配了8位，但是实际上只用到了1位，深度就是1二值图像：图像的像素点不是0 就是1 （图像不是黑色就是白色），图像像素点占的位数就是 1 位，图像的深度就是1，也称作位图。灰度图像：图像的像素点位于0-2
转载
2023-12-25 06:49:16
82阅读
OpenCV3.3深度学习模块(DNN)应用-图像分类 DNN模块介绍 在OpenCV3.3版本发布中把DNN模块从扩展模块移到了OpenCV正式发布模块中，当前DNN模块最早来自Tiny-dnn，可以加载预先训练好的Caffe模型数据，OpenCV做了近一步扩展支持所有主流的深度学习框架训练生成与导出模型数据加载，常见的有如下： Caffe TensorFlow Torch/PyTorch
转载
2024-08-21 11:19:21
64阅读
本笔记根据PaddlePaddlePPT中第5章内容整理总结。概述1.1 图像识别目标1.2 图像识别挑战l 语
转载
2024-07-05 14:04:23
18阅读
随着计算机视觉技术的发展，图像识别技术已经成为了一个热门话题。图像识别是指将图像中的信息转换为可以被计算机理解和处理的形式，从而实现图像的自动分析和处理。下面，我们就来看看如何进行图像识别。一、图像识别技术的分类根据图像识别技术的不同，可以将其分为两类：一类是传统的图像识别技术，另一类是深度学习图像识别技术。传统的图像识别技术主要是基于经验和专家知识的，例如分类、检索、识别等。这种技术虽然简单、可
转载
2023-10-11 06:52:37
175阅读
开始答辩： 我们的项目的方向是基于深度学习的图像识别。图像识别可以说是人工智能中相当基础而又相当有应用前景的一门技术。 计算机的图像识别技术在公共安全、生物、工业、农业、交通、医疗等很多领域都有应用。例如交通方面的车牌识别系统；公共安全方面的的人脸识别技术、指纹识别技术；农业方面的种子识别技术、食品品质检测技术；医疗方面的心电图识别技术等。随着计算机技术的不断发展，图像识别技术也在
转载
2023-09-15 20:43:41
171阅读
《雷达信号处理基础》Mark A. Rechards 读书笔记 ——————————————————————信号处理的分类：信号调节和干扰抑制，成像，检测和后处理。雷达的时间尺度快时间尺度：数字I/Q信号形成，波束形成、脉冲压缩或匹配滤波、灵敏度时间控制。
慢时间尺度：相干和非相干累积、各种类型的多普勒处理、合成孔径成像、空-时自适应。现象学现象学雷达接收到的信号的特性。 取决于反射回波的实际物体
转载
2024-02-14 14:48:16
138阅读
目录雷达信号处理中混频MIMO雷达波形雷达测量角度方法雷达测量方位角度的几种方法时分多址TDMA 的实现过程三帧差法抑制杂波原理在进行雷达信号处理时候的三帧差法抑制杂波原理为什么毫米波的高频率相对低频段更易实现大带宽雷达中的SFC代表什么意思雷达信号处理中的DOA估计算法详细介绍Capon算法DDM-MIMO雷达系统的工作原理雷达中的 AOA 代表什么意思雷达中的TDM、FDM和CDM代表什么意思
转载
2023-10-20 15:02:53
194阅读
点赞
雷达简介 ：雷达，是英文Radar的音译，意思为"无线电探测和测距" ，即用无线电的方法发现目标并测定它们的空间位置。因此，雷达也被称为“无线电定位”。雷达是利用电磁波探测目标的电子设备。雷达发射电磁波对目标进行照射并接收其回波，由此获得目标至电磁波发射点的距离、距离变化率（径向速度）、方位、高度等信息。 雷达的基本任务：是探测感兴趣的目标，测定有关目标的距离、方问、速度等状态参数。雷达主
转载
2024-01-03 12:36:09
59阅读
1.图像的深度（强度等级）图像深度是针对一个像素点而言的，一幅图像的细腻程度就体现在像素的深度上；一幅用RGB色彩空间描述的真彩色图像的深度是24位（R/G/B各有8位），那么它就能够表示出1677万多种不同的颜色（2^24）；下面的8幅图分别展示了不同位深的图像，可以看出，位深越大，图像越精细；2.图像分辨率（空间分辨率）用以描述影像细节分辨能力,通俗的说就是单位面积内的像素点数量！对电脑显示器
转载
2023-11-16 12:57:38
146阅读
目录1.算法描述2.仿真效果预览3.MATLAB核心程序4.完整MATLAB1.算法描述 随着现代信息对抗领域的发展,对雷达侦察系统的性能要求也越来越高,雷达信号分选技术在侦察系统中的应用也显得尤为重要。雷达信号分选主要是对接收到的脉冲序列进行去交错处理,并将提取的雷达信号特征信息进行调制方式识别及威胁等级评估,为作战策略和作战计划提供重要情报。
