全文获取类型
收费全文 | 107篇 |
免费 | 42篇 |
国内免费 | 7篇 |
专业分类
测绘学 | 37篇 |
地球物理 | 1篇 |
地质学 | 6篇 |
海洋学 | 106篇 |
综合类 | 3篇 |
自然地理 | 3篇 |
出版年
2024年 | 1篇 |
2023年 | 4篇 |
2022年 | 1篇 |
2021年 | 7篇 |
2020年 | 9篇 |
2019年 | 18篇 |
2018年 | 10篇 |
2017年 | 13篇 |
2016年 | 10篇 |
2015年 | 7篇 |
2014年 | 5篇 |
2013年 | 4篇 |
2012年 | 7篇 |
2011年 | 3篇 |
2010年 | 5篇 |
2009年 | 5篇 |
2008年 | 4篇 |
2007年 | 6篇 |
2006年 | 8篇 |
2005年 | 9篇 |
2004年 | 5篇 |
2003年 | 2篇 |
2002年 | 3篇 |
1999年 | 1篇 |
1998年 | 2篇 |
1994年 | 2篇 |
1993年 | 1篇 |
1988年 | 1篇 |
1987年 | 2篇 |
1981年 | 1篇 |
排序方式: 共有156条查询结果,搜索用时 765 毫秒
61.
侧扫声呐图像受混响效应影响导致侧扫声呐图像斑点噪声强,边缘模糊,纹理较弱,严重时还会掩盖海底地貌。噪声方差是许多侧扫声呐图像变换域去噪算法的必要参数。指出了侧扫声呐图像在乘性噪声的影响下灰度值溢出的问题,并且以侧扫声呐图像中乘性噪声为背景,考虑灰度值范围对乘性噪声的抑制作用,提出了一种基于弱纹理块的噪声估计方法。算法主要根据噪声的散射模型,将侧扫声呐图像经过幂变换和对数变换,将服从瑞利分布的乘性斑点噪声变换为高斯白噪声,基于变换图像的梯度协方差矩阵和弱纹理块的动态选择,以迭代的方式确定噪声方差。实验结果表明:该算法能够去除灰度值溢出现象对噪声估计的影响,在高亮区域及背景区域的噪声估计结果稳定准确。 相似文献
62.
为实现多频多模GNSS浮标在远距离海洋潮汐测量中的应用,基于精密单点定位(precision pointing positioning,PPP)数据处理策略获取潮位信息,以压力验潮仪为参考,对GNSS浮标测量海面高进行经验模态分解(empirical mode decomposition,EMD),滤去高频波浪和噪声,获取潮位进行精度分析。结果表明:多系统可以提高PPP解算潮位精度。GPS/GLONASS双系统和GPS/GLONASS/Bei Dou三系统PPP提取潮位与验潮仪潮位差值的最大误差均小于18cm,RMSE小于6. 5cm。因此,多系统PPP解算GNSS浮标海面高可以实现远离海岸的潮位获取与监测,能够提高海上潮位测量的效率。 相似文献
63.
声速误差是多波束水深地形测量主要误差源之一,通常采用现场声速剖面测量的方式加以改正,但在深远海多波束水深地形测量时,现场获取全深度的声速剖面并非易事。针对这一问题,利用东南印度洋海洋调查工作中采集到的17个站位的CTD数据,将所有站位声速剖面拓展到全深度,采用经验正交函数分析法(Empirical Orthogonal Functions,EOF)构建调查区声速剖面场,可获得声速剖面场内任意一点的声速值。然后通过EOF重构声速剖面场获得的声速值对测区内多波束水深地形数据进行改正,并与实测声速剖面对多波束水深地形数据的改正结果进行对比,结果表明,5000 m水深范围内2种声速改正结果相差很小,EOF重构法对深水多波束的声速改正满足水深测量的要求。 相似文献
64.
65.
随着海上交通运输业业务需求的不断增加,传统的目标检测方法已无法满足实际需求。由于卫星遥感技术的快速发展,基于合成孔径雷达(Synthetic Aperture Radar,SAR)图像舰船目标自动识别具有显著的应用潜力。近年来,深度学习技术在目标检测领域逐渐显现出优势,特别是YOLO (You Only Look Once)模型以其较高的精度和计算效率,为SAR舰船目标的识别提供了一种新的方法。为对比不同的YOLO模型在舰船目标识别领域的性能及其相比于两阶段深度学习算法的优势,本文首先对YOLO系列的结构进行了归纳总结;其次对当前广泛使用的数据集进行了对比分析,并基于SAR图像数据集(SAR Ship Detection Dataset,SSDD)的样本进行重新标注构建出本文的数据集;然后将YOLO系列模型与两阶段目标检测方法——更快速的区域卷积神经网络(Faster Region-based Convolutional Neural Network,Faster R-CNN)在SAR舰船目标检测的精度和速度两方面进行对比实验;最后在YOLOv5模型的基础上对主干网络(Backbone... 相似文献
66.
67.
68.
69.
70.