Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "nadrozdzielczość" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Rekonstrukcja termogramów wysokiej rozdzielczości na podstawie standardowych obrazów termowizyjnych
    Reconstruction of high-resolution thermal images on the basis of standard thermal images
    Autorzy:
    Zator, S.
    Lasar, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/152114.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    termografia
    rozdzielczość
    nadrozdzielczość
    zniekształcenia
    thermographs
    super-resolution
    correction
    distortion
    Opis:
    W artykule przedstawiono metodę uzyskania termogramów o wysokiej rozdzielczości wykorzystującą sekwencję termogramów przesuniętych podpikselowo. W artykule została opisana metodologia uzyskiwania termogramów. Opisana został użyta aparatura oraz zbudowane stanowisko do uzyskiwania termogramów. Zaprezentowane zostały wyniki jakie uzyskano przy użyciu zastosowanej metody.
    This paper presents a method for obtaining high-resolution thermal images based on thermal images of low resolution. A series of low-resolution images was made using the shifted pixels method. In the paper there are described the most common methods for reconstructing high resolution images from low-resolution images. They use transformations in the frequency domain which combine the discrete Fourier transform coefficients of low-resolution images with the continuous Fourier transform of an unknown high-resolution image. There is described and implemented the reconstruction method that uses transformations in space - iterative back-projection. There was constructed a stand for obtaining thermograms. It contains a thermal imaging camera VarioCAM Head placed on precision guiding devices (rotation stage and linear stage). The real-time controller - cRIO 9022 with software written in LabVIEW 2009 is used for control of turntable motors and a linear displacement system. There are given the results obtained with use of the presented method.
    Źródło:
    Pomiary Automatyka Kontrola; 2012, R. 58, nr 11, 11; 965-967
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An example of surface fault estimation on the basis of super-resolution approach
    Przykład estymacji wad powierzchniowych z zastosowaniem nadrozdzielczości
    Autorzy:
    Jamrozik, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/329606.pdf
    Data publikacji:
    2010
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    fuzja obrazów
    nadrozdzielczość
    przetwarzanie obrazów
    kostka brukowa
    image fusion
    super-resolution
    image processing
    paving stones
    Opis:
    The paper presents an image processing (fusion) technique for resolution enhancement. The technique can be applied to detection of product and process faults. Obtaining images with desired resolution is one of the most important stages in a whole vision system applied to industrial applications. A group of techniques which allows to enhance the image spatial resolution is a super resolution. This group differs from simple interpolation approaches. The application of this technique to the surface fault estimation of concrete stones has been presented in the paper. A set of images was acquired on a fully automatic production line between stones forming and curing stages with the use of CCD camera and then processed. Several super resolution methods have been investigated. Afterwards simple analysis of synthetic images was carried out. Provided results of experiments has shown that super resolution approach is promising when image resolution enhancement is necessary for reliable product diagnostic.
    Artykuł prezentuje technikę przetwarzania (fuzji) obrazów pozwalającą na zwiększanie ich rozdzielczości. Technika ta może zostać zastosowana w procesie detekcji uszkodzeń produktów i procesów. Uzyskanie obrazów o żądanej rozdzielczości jest jednym z najważniejszych zadań w systemie wizyjnym zastosowanym w przemyśle. Grupa technik, które pozwalają na zwiększenie rozdzielczości obrazów, nazywana jest nadrozdzielczością i w znacznym stopniu różni się od podejść interpolacyjnych. Zastosowanie tej techniki do estymacji wad powierzchniowych betonowej kostki brukowej została zaprezentowana w artykule. Na w pełni zautomatyzowanej linii produkcyjnej, pomiędzy fazą formowania, a dojrzewania kostek, przy użyciu kamery CCD zarejestrowany został zbiór obrazów. W następnej kolejności zbiór ten został przetworzony. Proste metody analizy obrazów zostały zastosowane do otrzymanych obrazów syntetycznych. Przedstawione wyniki eksperymentów, dowodzą, że nadrozdzielczość jest obiecującą techniką, kiedy wymagane jest zwiększenie rozdzielczości obrazów w procesie diagnozowanie produktów.
    Źródło:
    Diagnostyka; 2010, 2(54); 59-64
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Impact of low resolution on image recognition with deep neural networks: An experimental study
    Autorzy:
    Koziarski, M.
    Cyganek, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/330321.pdf
    Data publikacji:
    2018
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    image recognition
    deep neural network
    convolutional neural network
    low resolution
    super resolution
    rozpoznawanie obrazu
    sieć neuronowa głęboka
    sieć neuronowa konwolucyjna
    niska rozdzielczość
    nadrozdzielczość
    Opis:
    Due to the advances made in recent years, methods based on deep neural networks have been able to achieve a state-of-the-art performance in various computer vision problems. In some tasks, such as image recognition, neural-based approaches have even been able to surpass human performance. However, the benchmarks on which neural networks achieve these impressive results usually consist of fairly high quality data. On the other hand, in practical applications we are often faced with images of low quality, affected by factors such as low resolution, presence of noise or a small dynamic range. It is unclear how resilient deep neural networks are to the presence of such factors. In this paper we experimentally evaluate the impact of low resolution on the classification accuracy of several notable neural architectures of recent years. Furthermore, we examine the possibility of improving neural networks’ performance in the task of low resolution image recognition by applying super-resolution prior to classification. The results of our experiments indicate that contemporary neural architectures remain significantly affected by low image resolution. By applying super-resolution prior to classification we were able to alleviate this issue to a large extent as long as the resolution of the images did not decrease too severely. However, in the case of very low resolution images the classification accuracy remained considerably affected.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2018, 28, 4; 735-744
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies