In Cartesian coordinates, f[t1,t2]

In Cartesian coordinates, f[t1,t2] (0≤t1,t2≤n) is an input, the discrete curvelet transform coefficients are defined as


equation(1)

View the MathML sourcecD(j,l,k):=∑0≤t1,t20:


equation(4)

Vj(Sθlω)=V(2[j/2]ω2/ω1−l),Vj(Sθlω)=V(2[j/2]ω2/ω1−l),

Turn MathJax on
where View the MathML sourceSθl=[10−tanθl1] is the shear matrix, and the distance of θl is not equal while the distance of slope is the same.

The curvelet decomposition coefficients from the lowest scale to the highest scale represent a coarse-to-fine process. A direction subblock coefficient of a certain level represents the feature of this direction by dividing angles in the middle scale.

The study object of this paper is a low-contrast image with regular texture features. The curvelet decomposition coefficients have multi-resolution and multidirectional characteristics, which we use to remove certain coefficients in order to eliminate the texture features in the reconstructed images. Then the Canny operator can be used to extract crack defects precisely

ผลลัพธ์ (ไทย) 1:

ในพิกัดคาร์ทีเซียน f [t1, t2] (0≤t1, t2≤n) เป็นอินพุต สัมประสิทธิ์การแปลง curvelet เดี่ยว ๆ ได้แก่equation(1)ดู sourcecD MathML (j, l, k): = ∑0≤t1, t2เปิด MathJaxที่ φDj, k, l เป็น curvelet ดิจิตอลรูปแบบคลื่น และ j, l และ k แสดงเครื่องชั่งน้ำหนัก ทิศทาง และ ตำแหน่ง ตามลำดับฟังก์ชันผ่านวงถูกเลือกให้เป็นequation(2)ดู MathML sourceψ (ω1) = ϕ(ω1/2) 2−ϕ (ω1) 2เปิด MathJaxที่เรากำหนดequation(3)Ψj(w1)=ψ(2−jw1)ψj(w1)=ψ(2−jw1)เปิด MathJaxฟังก์ชันนี้จะใช้เพื่อดำเนินการแบ่งมาตราส่วนหลาย สำหรับแต่ละω = (1 ω 2 ω), ω 1 > 0:equation(4)Vj(Sθlω)=V(2[j/2]ω2/ω1−l),Vj(Sθlω)=V(2[j/2]ω2/ω1−l)เปิด MathJaxดูที่ MathML sourceSθl = [10−tanθl1] เป็นเมตริกซ์เฉือน และระยะห่างของ θl ไม่เท่าในขณะที่ระยะห่างของความลาดชันเดียวกันสัมประสิทธิ์แยกส่วนประกอบ curvelet จากระดับต่ำถึงระดับสูงสุดหมายถึงกระบวนการปรับหยาบ เป็นสัมประสิทธิ์ subblock ทิศทางของระดับแสดงถึงลักษณะของทิศทางนี้ โดยการแบ่งมุมในระดับกลางศึกษาวัตถุประสงค์ของเอกสารนี้เป็นภาพความคมชัดต่ำกับพื้นผิวทั่วไปลักษณะการทำงาน สัมประสิทธิ์การแยกส่วนประกอบ curvelet มีความละเอียดหลาย และ multidirectional ลักษณะ ซึ่งเราใช้เพื่อเอาค่าสัมประสิทธิ์บางเพื่อกำจัดลักษณะพื้นผิวในภาพที่สร้างขึ้นใหม่ แล้วตัวแหลมสามารถใช้เพื่อแยกข้อบกพร่องรอยแตกตรง

ผลลัพธ์ (ไทย) 2:

ในพิกัดคาร์ทีเซียนฉ [t1, t2] (0≤t1, t2≤n) เป็นสัญญาณเข้าให้ curvelet ต่อเนื่องการแปลงค่าสัมประสิทธิ์จะถูกกำหนดเป็นสมการ (1) ดู MathML sourcecD (ญ, L, k) = Σ0 ≤t1, T2




เปิด MathJax ใน
ที่φDj, K, L เป็นรูปแบบคลื่น curvelet ดิจิตอลและ J, L, k และบ่งบอกถึงเครื่องชั่งน้ำหนัก, ทิศทางและตำแหน่งตามลำดับ. ฟังก์ชั่นผ่านแถบถูกเลือกให้เป็นสมการ (2) ดู MathML sourceψ (ω1 ) = φ (ω1 / 2) 2 φ (ω1) 2 เปิด MathJax บนที่เรากำหนดสมการ (3) ψj (W1) = ψ (2-jw1) ψj (W1) = ψ (2-jw1) เปิด MathJax ในฟังก์ชั่นที่ใช้ในการดำเนินการแบ่งส่วนหลายขนาด สำหรับแต่ละω = (ω 1 ω 2), ω 1> 0: สมการ (4) Vj (Sθlω) = V (2 [เจ / 2] ω2 / ω1-L), Vj (Sθlω) = V (2 [ เจ / 2] ω2 / ω1-ลิตร) เปิด MathJax บนที่ดู MathML sourceSθl = [10 tanθl1] เป็นเมทริกซ์เฉือน, และระยะทางของθlไม่เท่ากับในขณะที่ระยะห่างของความลาดชันเหมือนกัน. สลายตัว curvelet ค่าสัมประสิทธิ์จากระดับต่ำสุดไประดับสูงสุดเท่าที่เป็นตัวแทนของกระบวนการหยาบเพื่อปรับ ค่าสัมประสิทธิ์ subblock ทิศทางของระดับหนึ่งแสดงให้เห็นถึงคุณสมบัติของทิศทางนี้โดยการหารมุมในระดับกลาง. วัตถุศึกษาของบทความนี้เป็นภาพที่คมชัดต่ำด้วยคุณสมบัติพื้นผิวปกติ ค่าสัมประสิทธิ์การสลายตัว curvelet มีความละเอียดหลายหลายทิศทางและลักษณะที่เราใช้ในการลบค่าสัมประสิทธิ์การบางอย่างเพื่อที่จะกำจัดคุณลักษณะเนื้อในภาพที่สร้างขึ้นใหม่ จากนั้นผู้ประกอบการแสนรู้สามารถใช้ในการดึงข้อบกพร่องแตกได้อย่างแม่นยำ

ผลลัพธ์ (ไทย) 3:

ในพิกัด F [ T1 , T2 ] ( 0 ≤ T1 , T2 ≤ n ) เป็นสัญญาณไม่ต่อเนื่อง , ยู่แปลง ) หมายถึงสมการ ( 1 )




ดู MathML sourcecd ( J , L , K ) : = ∑ 0 ≤ T1 , T2 < NF [ T1 , T2 ] φ J , L , KD [ T1 , T2 ] ¯


เปิด , mathjax บน
ที่φดีเจ , K , L เป็นดิจิตอลยู่ในรูปแบบคลื่นและ J , L และ K แสดงระดับ ทิศทาง และตำแหน่ง ตามลำดับ band-pass ฟังก์ชัน




ถูกเลือกเป็นสมการ ( 2 )

ดู MathML แหล่งψ ( ω 1 ) = ϕ ( ω 1 / 2 −ϕ ( ω 1 ) 2

เปิดที่เรากำหนด mathjax บน




ψสมการ ( 3 ) J ( W1 ) = ψ ( 2 − jw1 ψ J ( W1 ) ψ ( 2 ) = − jw1 )




เปิด mathjax ในฟังก์ชันจะใช้ใช้หลายมาตราส่วนการแบ่งส่วนตลาด . สำหรับแต่ละω = ( ω 1 , ω 2 ) ω 1 > 0 :




สมการ ( 4 ) VJ ( s θผมω ) = V ( J / 2 [ 2 / 2 ] ωω 1 − 1 ) , วีเจ ( s θผมω ) = V [ J ( 2 / 2 ] ω 2 / ω 1 − l )


เปิด mathjax บนที่ดู MathML แหล่งθ L = [ − 10 ตันθ l1 ] เป็นแบบเมทริกซ์ และระยะห่างของθผมไม่เท่าในขณะที่ระยะทางความชันเป็นเดียวกัน

) จากระดับต่ำสุดยู่ในการย่อยสลายในขนาดสูงสุดของกระบวนการหยาบก็ได้ ทิศทาง subblock สัมประสิทธิ์ระดับหนึ่ง หมายถึง คุณลักษณะของทิศทางนี้โดยแบ่งมุมในระดับกลาง

การศึกษาวัตถุของกระดาษนี้เป็นภาพความคมชัดต่ำ ด้วยคุณสมบัติเนื้อปกติ ที่สลายได้ multi-resolution ยู่ ) และลักษณะ multidirectional ซึ่งเราใช้เพื่อเอาค่าบางอย่างเพื่อขจัดผิวมีคุณสมบัติในการฟื้นฟูภาพ แล้วผู้ประกอบการแหลมสามารถใช้สารสกัดจากแตกแน่นอน
ข้อบกพร่อง