文章目录 摘要论文：《抗混叠在微小目标检测中的重要性》1、简介2、相关研究2.1、微小物体检测2.2. 抗锯齿过滤器 3、方法3.1. Wavelet Pooling3.2 一致顺序的Wavelet Pooling的WaveCNet3.3、Bottom-Heavy Backbone 4、实验4.1、预训练数据集4.2、微小目标检测数据集4.3、抗混叠方法的选择及应用顺序4.4、小波的选择4.

文章目录 摘要论文：《抗混叠在微小目标检测中的重要性》1、简介2、相关研究2.1、微小物体检测2.2. 抗锯齿过滤器 3、方法3.1. Wavelet Pooling3.2 一致顺序的Wavelet Pooling的WaveCNet3.3、Bottom-Heavy Backbone 4、实验4.1、预训练数据集4.2、微小目标检测数据集4.3、抗混叠方法的选择及应用顺序4.4、小波的选择4.

频域滤波 频域滤波就是将信号先做傅里叶变换再与滤波器频域响应相乘，最后再做傅里叶反变换得到 低通滤波器 让我们先来看看理想低通滤波器，理想低通滤波器的频率响应是一个中间是1，周围是0的正方形或圆形，而在时域上是sinc函数，，我们看经过低通滤波器后的图像变得模糊了，但是会发现图中多了很多波纹，原因就是理想低通滤波器在时域上的图像并不是理想的，而是有旁瓣。我们知道频域缩窄对于时域展宽，因此

方盒量化简单的说就是把像素按照中心点来判断映射的位置。   网格相交量化常被用作图像采集过程的理论模型。 比较 ​SBQ-域的面积比GIQ-域的面积小。 SBQ在刻画一个给定的数字化集合的预处理图像时更为精确。但是GIQ-域的行踪看起来比SBQ-域的形状对边界描述更合适。 来自为知笔记(Wiz) 转载于:https://