|
搜索
搜 索
高等教育领域数字化综合服务平台
基于混沌理论的海面 SAR 图像分布目标检测
基于机载 SAR 收集的海杂波数据，验证了其具有混沌特性。在机载 SAR 收集的海杂波数 据具有混沌特性的基础上，利用海杂波的混沌预测误差对海面 SAR 图像上的分布目标进行检 测。用实测的海面 SAR 图像进行检测实验，结果表明基于混沌理论的海面 SAR 图像分布目标 检测算法是有效的。 对定义在图像像素点上的扩展分形特征的计算公式进行了修正，并将其引入到海面 SAR 图像分布目标检测中，提出了基于扩展分形特征的海面 SAR 图像分布目标检测算法，并通57 过实验证明了该算法能有效地检测海面 SAR 图像中的分布目标。
南京工程学院
2021-04-13
基于 CR 系统的图像增强技术应用研究
南京工程学院
2021-04-13
全自动控制显微镜图像分析系统
全自动控制显微镜图像分析软件系统，通过对显微镜自动控制载物台的x、y、z轴的控制，实现显微图像的自动聚焦、ROI目标的自动获取、大视野显微图像自动拼接（虚拟显微切片）、多层图像聚焦融合、聚焦深度显微表面三维成像。该系统可应用于显微病理、解剖、工业材料、印刷电路板等领域的图像处理、分析与三维成像。 国外相关产品从2000年以后开始在市场上出现，但由于其昂贵的价格，很难为国内用户广泛使用，限制了该技术的推广。本系统为国内自主知识产权开发的软件系统，可灵活外接各种显微镜和控制设备。 该软件系统与显微镜硬件接合可实现小批量的生产，为医学、工业等领域的科研和生产检测提供的技术支持。
北京航空航天大学
2021-04-13
星上图像目标实时处理分系统（产品）
成果简介：星上图像目标实时处理分系统是我国首个在星上实现了实时目标检测和定位处理，处理延迟小于5s，检测和定位精度与地面实时处理相同。该系统采用模块化设计，基于FPGA+DSP异构并行，可在轨实现1Gbps速率数据的实时目标检测处理。系统功耗小于60W。 项目来源：型号项目 技术领域：信息技术/地球观测与导航技术等 应用范围：相关技术可应用于五院后继GF、MJ遥感卫星星上实时处理系统构建 现状特点：国内领先 技术创新：
北京理工大学
2021-04-14
图像引导下的外科手术导航系统
本系统包括位置跟踪和被动机械臂两个硬件平台，前者用于采集手术对象和器械的位置信息并量化医生手术操作；后者用于固定手术路径并辅助医生完成精密手术操作；在此基础上，根据临床环境制定科学合理的计算机辅助手术方案、操作规范和安全控制策略。提高了手术精度和安全性。本课题已经成功完成脊柱磨削导航手术一例，机械臂辅助髓内钉远端固定手术一例。 本项目成功完成了全球第一例计算机辅助下的脊柱减压手术，解决了目前骨科手术临床中普遍存在的医学图像信息使用不充分，手术精度不高，X射线辐射伤害大等具体问题。
北京航空航天大学
2021-04-13
超能见度实时图像增强处理模块（技术）
成果简介：军事应用中的远距离监视一直是我国边防/海防的重要任务。目 前，基于 CCD/CMOS 的可见光摄像机已在昼间视频监视中得到广泛应用，在 目标观察/态势判断方面等发挥了重要作用。但由于边境和海面经常出现轻雾和中雾天气，能见度较低，影响了可见光视频图像质量。在民用交通中的 应用是城市交通管理及港口码头航运管理的视频实时监视系统也已得到广 泛应用。伴随着工业化的进程及全球气候变化的影响，雾/霾天气增多，大大影响了视频图像的质量，因而导
北京理工大学
2021-04-14
多模态弱监督图像显著区域检测分割方法
北京工业大学
2021-04-14
基于深度学习的图像识别云服务平台
基于深度学习的图像识别云端服务平台，能够 通过云计算框架训练深度学习算法模型，对图像进行目标检测 和识别。平台拟采用云端 API 的形式，为其他客户端的提供简 单易用的图像识别服务，将目标识别应用到互联网及移动应用 场景中，推动移动互联网的进步。 该平台实现如下功能：1.模型训练：平台能够基于用户给 定的不同行业的数据，训练相应的精细化分类模型。2. 图像识 别：平台能够根据预先训练好的识别模型，对用户
合肥工业大学
2021-04-14
一种平面式文物光谱图像获取方法
本发明公开了一种平面式文物光谱图像获取方法，包括搭建六通道宽带光谱成像系统并进行特性化 标定；选定平面式文物需要进行光谱图像采集的区域 A，利用均匀灰卡对区域 A 进行光照均匀性标定， 并选定 M 个颜色测量点；利用光谱成像系统采集区域 A 的数字响应值 D(A)，对 D(A)进行暗电流去噪、 线性化校正和光照不均匀性校正，提取 M 个测量点的六通道数字响应均值 D(M)；利用非接触式测量设 备测量获得 M 个测量点的光谱数据 P(M)，利用光
武汉大学
2021-04-14
一种方向自适应图像去模糊方法
本发明公开了一种方向自适应图像去模糊方法，包括以下步骤：(1)定义方向自适应总变分(Total-Variation)TV 正则化图像去模糊最小化代价函数；(2)引入辅助变量 d1＝Hu，d2＝▽xu，d3＝▽yu 将步骤(1)·770·中的无约束最小化问题转换为有约束问题；(3)引入惩罚项将步骤(2)中的有约束问题转化为新的最小化代价函数；(4)使用交替最小迭代策略将步骤(3)中的最小化问题转换为关于变量的 u,d1
华中科技大学
2021-04-14