全文获取类型
收费全文 | 1091篇 |
免费 | 123篇 |
国内免费 | 110篇 |
专业分类
航空 | 519篇 |
航天技术 | 264篇 |
综合类 | 155篇 |
航天 | 386篇 |
出版年
2024年 | 11篇 |
2023年 | 23篇 |
2022年 | 29篇 |
2021年 | 38篇 |
2020年 | 32篇 |
2019年 | 32篇 |
2018年 | 31篇 |
2017年 | 35篇 |
2016年 | 33篇 |
2015年 | 36篇 |
2014年 | 43篇 |
2013年 | 50篇 |
2012年 | 61篇 |
2011年 | 61篇 |
2010年 | 63篇 |
2009年 | 101篇 |
2008年 | 78篇 |
2007年 | 85篇 |
2006年 | 60篇 |
2005年 | 69篇 |
2004年 | 39篇 |
2003年 | 50篇 |
2002年 | 25篇 |
2001年 | 36篇 |
2000年 | 29篇 |
1999年 | 16篇 |
1998年 | 14篇 |
1997年 | 23篇 |
1996年 | 20篇 |
1995年 | 16篇 |
1994年 | 17篇 |
1993年 | 15篇 |
1992年 | 13篇 |
1991年 | 9篇 |
1990年 | 9篇 |
1989年 | 13篇 |
1988年 | 5篇 |
1987年 | 3篇 |
1986年 | 1篇 |
排序方式: 共有1324条查询结果,搜索用时 281 毫秒
331.
332.
如何从SAR图像中自动识别出有效的永久散射体(PS)是PS干涉系统中的关键环节之一。小波多尺度积能够反映目标信号与噪声在各频带之间的关联性,可以通过小波多尺度积来凸显目标。小波模极大值法通过搜索尺度空间中的模极大值,并利用信号和噪声不同的尺度特性来定位和识别目标。文章对这两种识别方法进行理论分析和实验对比,使用南京地区ENVI—SAT卫星的单视复图像数据进行了PS点的提取。实验结果表明:基于小波变换的多尺度PS点识别方法能够有效地降低雷达噪声的影像,可以在各种复杂的背景情况下有效地识别PS点。其中,小波模极大值法具有更为稳健的抗噪能力。 相似文献
333.
334.
335.
对基于稳定的双共轭梯度一快速傅里叶变换(BCGs_FFT)和改进的离散复镜像方法的平面分层媒质电大尺寸埋入体的电磁散射计算进行了研究。给出了理论推导过程。数值计算结果表明:改进的离散复镜像法在不提取准静态项和表面波项的条件下,可拟合获得准确的近区和远区空域格林函数结果,并加快了分层媒质中电大尺寸埋入体空域格林函数的计算速度。 相似文献
336.
针对遥感图像中大型目标的直线特征提取问题,设计了一种基于类直线提取的改进霍夫(Hough)变换算法。类直线的提取相当于Hough变换的预处理,既约束了Hough变换所使用的直线上的特征点,改进了直接进行Hough变换时不同直线的特征点互相干扰的缺点,又降低了计算量。对图像空间的每条类直线分别进行Hough变换,改进投票过程的映射方式,寻找类直线中最多特征点所在的那条直线,只取一个投票峰值,在减小了计算复杂度的同时又去掉了虚假峰值的影响。实验结果表明,改进Hough变换直线特征提取算法性能好、效率高,可用于遥感图像处理领域。 相似文献
337.
338.
339.
为了让火星巡视器在有限的寿命内能获得更多的科学产出,需要提高巡视器在火星表面的自主通过能力,而火星表面地貌类型是评估巡视器可通过性的重要信息。因此,提出了融合伽马变换的全卷积神经网络(FCN)火星表面地貌分割算法。首先,考虑对巡视器通过性的影响,确认地貌分类的类型,基于好奇号拍摄的火星地表图像Mars32K数据库,构建地貌分割数据集;其次,使用自适应伽马变换(AGT)对灰度单一的火星图像进行预处理,减弱了光照等因素干扰;最后,利用数据集训练一个FCN,以实现对火星表面地貌的分割预测。仿真结果表明:网络测试准确率达到83.03%,地形分割预测结果可靠,验证了方法的可行性。 相似文献
340.
基于频域时域相结合的医学图像配准算法 总被引:2,自引:0,他引:2
韦春荣 《桂林航天工业高等专科学校学报》2008,13(2):15-18
医学图像配准技术是目前医学图像处理中的研究热点,对于临床诊断和治疗有重要意义。为解决存在平移变换和旋转变换的两幅刚性医学图像的配准问题,结合图像信号傅里叶变换的平移特性和旋转特性,提出了一种基于频域与时域相结合的医学图像配准算法。该算法将旋转调整和平移调整分而治之,首先以图像信号的幅度谱互相关确定旋转参数,再以图像的时域体素互相关确定平移参数。将该算法用于对核医学图像配准及多模态医学图像配准实验,结果表明该算法是一种速度快、精度高、鲁棒性好的医学图像配准方法。 相似文献