项目简介： 快速应急救援关键：第一时间获得灾区的实时信息。利用现有移 动互联网技术，系统可在灾后获得授权情况下迅速激活客户端获取其 位置信息，并将信息上传至后台服务器。根据人员分布配合 GIS 地理 信息系统统筹调度，做出合理救援策略。 该系统可以有效弥补应急救援系统的不足，为消防、公安、地震、 水利等部门提供广泛的地震、洪灾应急救援支持、日常紧急求助、失 踪人员定位等服务。该系统可以满足目前社会和市场上对应急救援系 统的强烈需求，应用前景十分广阔。该项目是一项极具应用前景和良 好的产业化前景的研究课题，将会产生明显的经济效益和社会效益。

本发明公开了一种面向卫星故障的多星编队系统分布式协同导航滤波方法，采用无迹卡尔曼滤波‑扩展卡尔曼滤波算法作为基本的滤波算法，通过将上一时刻的计算结果作为反馈值，代入到当前时刻进行节点的计算结果验证，判断节点计算是否正常，并以此为依据，对一致性算法的权值进行自适应计算，最后使用协方差交集算法进行数据融合

本发明公开了一种结合全球 DEM 与立体视觉的卫星影像云检测方法，利用密集匹配的 DSM 数据 和现有的全球 DEM 数据 SRTM，结合高程与影像灰度信息提取云区域。主要步骤如下：通过多影像多 匹配基元方法获得模型匹配的 M-DSM，基于特征线的方法配准 M-DSM 与 SRTM，通过高程差值获得 初始种子点，然后把种子点计算到像方，结合影像的灰度信息提取出云区域。本发明在有大面积雪的影 像，能有效的避免雪的干扰，准确地检测出云区，提高了遥感影像的利用率。 

武汉大学张永军教授项目组在国际上首次提出摄影测量遥感的科学概念，构建了多模态卫星影像一体化摄影测量遥感智能处理技术体系，突破了匹配干扰地物快速智能分割、语义辅助几何处理与大范围影像镶嵌合成、地物信息智能提取等关键技术，成功研制出我国首套多模态卫星影像一体化摄影测量遥感智能处理系统MIPS。 一、项目分类 关键核心技术突破 二、成果简介 武汉大学张永军教授项目组在国际上首次提出摄影测量遥感的科学概念，构建了多模态卫星影像一体化摄影测量遥感智能处理技术体系，突破了匹配干扰地物快速智能分割、语义辅助几何处理与大范围影像镶嵌合成、地物信息智能提取等关键技术，成功研制出我国首套多模态卫星影像一体化摄影测量遥感智能处理系统MIPS，相关技术理论《多模态卫星影像一体化摄影测量遥感智能处理技术及应用》2021年荣获测绘科技进步特等奖。 技术特色： (1) 首次提出基于人工智能技术的多模态卫星影像语义分割与几何处理融合新理论。创建了卫星影像跨域稳健语义分割技术，通过自适应增量优化提升深度分割网络模型的迁移性和普适性，保证多类型地物语义分割的时效性、容错性、稳定性和区域一致性。 (2) 通过语义分割结果全自动进行多源地理信息控制点粗差剔除，实现超大范围多模态影像精准几何处理；提出辐射不变特征变换算法进行多模态影像高可靠性匹配；单台机器2.5分钟可完成8000景卫星影像的并行区域网平差，大幅提高了自动化处理精度和效率。 (3) 突破了基于深度学习的多视遥感影像三维地形及大范围合成影像智能生成技术，采用物方半全局优化提升困难区域的密集匹配精度，并在语义分割结果的辅助下进行大范围遥感影像无缝镶嵌合成。 (4) 基于深度学习进行建筑物、道路、农作物等典型地物目标语义信息智能提取；基于多尺度语义分割网络融合经验知识实现建筑物矢量边缘精确提取；结合语义分割和多起点中心线追踪优化提取道路网拓扑矢量；基于3D卷积和注意力机制实现多类农作物精细分类及其时空特征智能提取。 (5) 构建了全新的多模态卫星遥感影像几何语义一体化智能处理技术体系，研制出我国首套自主产权的多模态卫星影像一体化摄影测量遥感智能处理软件系统MIPS，其数据处理效果和效率均有明显优势，显著提升了融合处理的精准度和智能化水平。 先进性 MIPS具备快速语义分割、语义辅助精准几何处理、三维地形提取与多影像时序合成、地物语义信息智能提取等特色功能。系统采用最新的卫星影像摄影测量处理、多源影像融合、语义信息提取的相关理论与方法，结合先进的计算机技术、CPU/GPU两级加速并行处理及深度学习技术，处理效果和效率均明显优于国内外同类软件。例如单机情况下19小时即可完成1551景2米分辨率卫星影像的全自动处理，包括云区检测、影像融合、影像匹配、区域网平差、正射影像纠正等全部处理流程。语义分割结果约束的立体卫星影像区域网平差自动化程度和精度均显著提升，例如在1:1万基础测绘产品DEM/DOM的辅助下，高分七号立体卫星影像的全自动处理高程精度从2.6米大幅提升至0.8米以内，镶嵌接边精度优于1像素。

本项目将研制一套软硬件一体化的医学图像处理与三维重建系统产品，该产品由三大部分组成，包括： 高性能、大容量、适合处理医学图像的硬件平台； 针对医学图像处理裁剪后的专用Linux操作系统；综合医学图像处理与三维重建的医疗专业应用系统。 成果性能：三维重建速度快、重建的图像真实、精细，操作方便。 应用范围：CT、MRI等医学图像处理与三维重建虚拟手术

成果描述：本发明申请要解决的问题是，对环境噪声较大的场合，根据对象的结构进行实时识别。本专利建立一种实时的智能物体检测算法，根据动态区域连通性提取物体的结构特征，通过矩函数映射得到特征进行识别。市场前景分析：本发明最主要的任务是弱化了形态的特征，强调结构，从而加强的了抗噪能力，并通过概率模型，给出了精确的数据概率分析。已在实际的应用（自然生态保护区的熊猫识别）当中取得显著效果。与同类成果相比的优势分析：本发明主要面向复杂环境中颜色特征明显的对象，从对象的颜色特征出发得到结构，对结构进行判断从而进行识别。

上世纪80年代，日本富士公司初率先在世界上推出第一套CR系统(计算机X射线影像仪Computed Radiography)，它是用成像板(Imaging Plate，简称IP)替代传统的胶片进行感光并存储，再把储存于IP上的感光信号用激光扫描方法转换成电信号并进行数字图像处理的一种技术，实现了胶片数据化，为放射科无片化及医疗影像计算机联网打下了扎实的基础，为进入远程影像资料会诊开辟了道路。CR系统能直接生成数字图像，使其不再经过显影、定影、水洗技术流程，从而节省了大量的劳动力和精力；CR系统生成的数字图像大大的减少了存放X线胶片的空间，保证了图像的质量，也便于图像的存储、查找，从而结束了图像查询缓慢、易错、保存质量不高的时代，方便对病人资料进衍管理。正是由于它的这些优点，CR技术才得以在医学中广泛应用。 CR图像在生成、传输和扫描进入计算机时，会受到医学影像设备、媒质的实际性能、以及接收设备的限制，这些因素引起图像质量的退化。退化的X射线数字图像质量不能达到直接用于实体造型的要求，从而影响了医生的准确诊断。影响CR系统成像的因素主要有X射线散射、噪声以及人为因素，其中人为因素是指X射线的用量不足或过量。一般来说，由于X射线散射、噪声引起的图像退化很难避免，而且一直存在，因此本项目主要考虑人为因素引起的图像模糊问题，利用图像增强技术对模糊图像处理，方便医生诊断。 以下是模糊大剂量CR图像、模糊小剂量CR图像以及可以用于诊断的标准CR图像显示效果：

一、主要功能和应用领域： 随着光照颜色的不同（如早晨、中午、傍晚的阳光波谱不同；室内外不同颜色的灯光等），用数码相机拍摄下来的同样一个场景的图像，其中物体的颜色会发生改变。本成果的主要功能是为了消除此外界光源颜色对照片中物体色彩的影响，得到颜色保真的图像（图1）。 本成果的应用领域非常广泛，比如可以内置在数码相机或数码摄像机中，实现对所拍摄影像的实时颜色矫正；也可以对已有的各种数码影像进行颜色矫正后处理（如内置在数字电视中）。 图1. 技术功能展示。对于给定的色偏图像（左），本方法的颜色矫正结果（右）与真实结果（中）非常接近。 二、特色及先进性： 算法简单，处理效果好。与目前数码相机及数码摄像机中普遍采用的颜色矫正（即白平衡）方法（如Grey-world或White-patch方法）相比，计算效率相当，但可以处理空间不均匀光照颜色影响，处理效果在统计意义上具有显著的改进，得到颜色更为保真的影像。 三、技术指标： （1）处理效果显著优于目前数码设备中普遍采用的技术，颜色保真度比目前常用的Grey-world和White-patch方法平均提高90%以上。 （2）通过算法优化和硬件加速，可以实现对图像和视频的实时处理。 四、能为产业解决的关键问题： 实际场景（如街道、室内）的外界光照颜色复杂多变，本技术可以提供更为高效的影像颜色矫正技术。颜色高保真对于视觉欣赏，以及复杂的计算机视觉应用（如目标识别）均具有重要价值。

随着光照颜色的不同（如早晨、中午、傍晚的阳光波谱不同；室内外不同颜色的灯光等），用数码相机拍摄下来的同样一个场景的图像，其中物体的颜色会发生改变。本成果的主要功能是为了消除此外界光源颜色对照片中物体色彩的影响，得到颜色保真的图像。 本成果的应用领域非常广泛，比如可以内置在数码相机或数码摄像机中，实现对所拍摄影像的实时颜色矫正；也可以对已有的各种数码影像进行颜色矫正后处理（如内置在数字电视中）。

一、项目简介 水下目标检测与识别，是水下机器人等相关系统能够被高效应用的前提。然而现有系统难以应对水下图像能见度较低，对比度差，存在颜色漂移和边缘模糊等问题；另外，水下图像样本稀少且缺乏足够的变化性，使得相关基于机器学习的目标检测与识别系统由于缺乏训练样本而无法有效应用。 二、前期研究基础 项目利用深度学习等新的理论突破，提出两种解决方案，一种是通过结合水下成像原理与深度风格迁移、生成对抗网络等算法，由普通光学图像生成水下图像，构建水下图像目标检测与识别仿真库，该数据库一方面数据量大且具有较大的变化性，也即场景与目标均具有较大的变化性；另一方面，由于是由普通光学图像迁移获得，因而也可以直接应用普通光学图像自身的标签信息，无需再对其进行标注。另一种是研究基于水下退化图像处理算法的检测和识别系统，解决由水下图像的色彩漂移和细节丢失等退化现象带来的目标检测和识别问题。同时通过水下退化图像处理模块和检测识别系统的联合优化技术，可以实现退化图像的增强方法与检测识别系统的最佳匹配。在保证处理后的退化图像性能指标的前提下，进一步提升水下图像的目标检测识别性能。 三、应用技术成果 1）基于深度学习风格迁移的水下图像生成效果示例 a为自然场景图像中的目标检测结果；b为模拟生成的水下风格图像及其目标检测结果；c为图像增强后的目标检测结果。 四、合作企业 无