本发明公开了一种基于 FPGA 和多核 DSP 的图像传输及处理系统，包括 PC、PCI 桥、双通道切换开关、FPGA、多核 DSP、晶振、电源以及两存储器；PC 通过 PCI 桥连接 FPGA，FPGA 连接双通道切换开关，双通道切换开关连接两存储器和 DSP，DSP 通过 HPI 接口连接 FPGA，电源分别连决 FPGA 和 DSP；PC 将图像数据通过 PCI 桥传送到 FPGA，FPGA 对图像数据进行 FIFO 缓存。本发明通过乒乓的方式将连续图像数据在两存储器之间轮番交替存储并交替送至

本发明提供一种颈动脉图像的多维多种特征提取方法，具体为：（1）依据颈动脉的医学三维超声体数据构建感兴趣区域二维序列图像和感兴趣区域三维图像；（2）对二维序列图像提取二维特征，对三维图像提取三维特征，所述二维特征包括二维纹理特征、二维形态特征和二维弹性特征，所述三维特征包括三维纹理特征；（3）验证各种特征是否对图像分类具有贡献，保留具有贡献的特征；以假发现率最小为目标，在具有贡献的特征中搜索得到全局最优特征组合。本发明针对图像进行了多个维度多类特征的提取，囊括了纹理、形态、弹性三大类特征，特征数目多，

本发明公开了一种面向移动终端的抖动模糊图像复原方法；包·709·括(1)获得一幅移动终端抖动时的模糊图像；(2)获得陀螺仪在相机快门开启时间内，与移动终端抖动轨迹相关的输出序列；(3)对输出序列进行积分处理后获得移动终端的转动角度，并将转动角度进行坐标映射，获得抖动 PSF 模板；(4)根据模糊图像和所述抖动 PSF 模板，采用图像复原算法进行复原处理，获得复原图像。本发明根据移动终端内置的陀螺仪估计移

本发明公开了一种鲁棒的图像对称轴检测定位方法，具体包括(1)图像边缘提取；(2)边缘点梯度计算；(3)边缘点对的中垂线方向及权值计算；(4)极坐标映射，寻找最优对称轴。本发明利用了对称图像边缘点梯度方向的对称性，针对边缘点集，计算任意两边缘点的中垂线，根据梯度方向计算该中垂线的映射权值，形成待选中轴线；利用了Hough 变换的映射机制，使用标准极坐标公式描述所有的待选中轴线，在对应的极坐标位置上累加映射权值，选择权值

本发明属于计算机视觉、图像匹配技术领域，具体涉及到一种图像匹配跟踪中匹配模板选择方法。匹配模板选择方法分为匹配模板尺寸自适应确定步骤、匹配模板定位能力判定步骤两个部分；(1)匹配模板尺寸自适应确定步骤方法流程：以给定坐标点位置为中心，设定分割区域；对分割区域利用大津阈值分割算法自动阈值分割算法进行二值化，统计前景区域和背景区域的像素个数，求取前景区域像素个数与背景区域像素个数的比值；计算该比值与设定阈值之间的关系来

基于事件驱动方式的仿生视觉图像传感器，用于高速场景的拍摄 一、项目分类 关键核心技术突破、显著效益成果转化 二、成果简介 随着虚拟现实（VR）、增强现实（AR）和混合虚拟增强现实（MR）技术、自动驾驶、物联网以及机器视觉等领域的飞速发展，对图像传感器的采集速度提出了更高的要求。传统基于“帧”扫描形式的CMOS 或 CCD 图像传感器较难满足高速运动物体的拍摄需求，若提高相机的图像采集帧率，则需要采用高性能且结构复杂的模数转换器，大量的图像会带来较大的数据冗余，此外，也会面临功耗高的问题。 相比于传统的光电和图像传感器，生物视网膜具有许多不可比拟的优势。视网膜中的光感受器可根据外界光强的变化自适应调节增益，能够感知超过 180dB 的光强范围。另外，视网膜基于事件驱动式的采集方式，仅输出场景中光强发生变化的信息，因而，能够滤除低频信息带来的冗余。在信号处理和传输上，采用异步通信的方式，通过神经节细胞将光强信息转换为时空脉冲信号，实现低功耗。 受到生物视网膜的启发，研究人员提出了基于事件驱动方式的仿生视觉图像传感器，用于高速场景的拍摄。该类传感器多采用对数像素电路作为光强探测单元，因其动态响应范围宽，可随机读取。然而，对数电路在弱光环境下灵敏度低，几乎没有光响应，即仍然无法模仿视网膜弱光下的高灵敏度，除此之外，其输出受到 (Fixed Pattern Noise，FPN)的影响，降低了图像质量。 我们提出了一种兼容 CMOS 工艺的光敏二极管体偏置场效应晶体管器件(PD- body biased MOSFET，简称 PD-MOS)，其结构图和等效电路如图 1所示。 利用 PD 的感光特性以及 MOSFET 的正向衬底偏置效应实现集成光强探测及信号放大于一体的光电器件。该器件可解决对数电路在弱光下灵敏度低的问题，并且提出了一种明暗传感器的方案以降低噪声。设计成像测试方案并搭建静态图像采集测试系统，实现静态显示，通过 MTALAB 进行图像恢复从而实现动态图像显示功能。   图 1 (a) PD-MOS 器件结构及其 (b) 等效电路图 经过商用 180nm CMOS 工艺流程制备后的器件概貌如图 2 所示，图 (a) 为三种不同像素设计的芯片实物图，从上至下分别为环形结构、条形结构及对数像素电路，将其中的环形结构在显微镜下放大观察可看到图 (b) 所示的形貌，图 (c) 为4个像素的显微图。   图 2 (a) PD-MOS 成像阵列芯片的实物图，(b) 环形结构芯片在显微镜下的放大图以及 (c) 环形结构像素放大图 上位机实时显示效果如图3所示，可以明显看出两根头发相交。子图 (a) 为暗态时的 100 帧平均灰度图，子图 (b) 为暗态时的曲面图，子图 (c) (e) (g) (i) 为光态下的图，子图 (d) (f) (h) (j) 为光态下的图像数据减去暗态下图像数据的降噪图，可以发现在30nw/cm2 辐照度下已经出现头发的轮廓，当辐照度继续增加，头发的轮廓越来越清晰，当辐照度达到 3mw/cm2，仍然可以看到头发的轮廓。   图 3 阵列芯片采集的图像 不同于传统计算机视觉系统的图像采集方式，生物视觉系统的成像由视野场景中发生的事件触发，且生物视网膜具有宽动态响应范围、超低功耗以及异步传输等特点，这为仿生视觉系统的研究提供了全新的思路。随着物联网、自动驾驶以及安防等领域的快速发展，它们对高速动态图像传感器的需求也日益提升。近些年，针对这些需求，研究人员提出了一种用于采集高速动态信息的类视网膜相机，成为了一大热点研究方向。类视网膜相机的工作原理模拟了生物视网膜事件驱动型的采集方式及异步型的传输模式，为动态视觉成像提供了硬件基础。综上，该类传感器的研究具有十分重要的科研意义和深远的经济价值。

苏州大学智能信息处理平台的目标是能处理多模态文字数据，精准分析语言内部结构，对人类语言进行深层理解，以支持各种应用需求。 一、项目分类 显著效益成果转化 二、技术分析 苏州大学智能信息处理平台的目标是能处理多模态文字数据，精准分析语言内部结构，对人类语言进行深层理解，以支持各种应用需求。系统可以处理多种非结构化数据，比如说明书、技术标准、车间工单等纸质文档或电子文档。把图像识别技术(OCR)和自然语言理解技术(NLP)相结合，从表单图像中抽取关键要素信息。在此基础上，我们搭建了包括知识图谱问答 (KBQA)、常见问题检索 (FAQ)、对话 (Chatbot)在内的智能问答及对话系统、以及面向大数据的文档信息抽取系统。能够对给定的自然语言问题通过查询、推理提供精准满意的答案，和面向大规模文档提供信息抽取和舆情分析等服务。目前已经向多家公司提供各项相关服务。

本项目通过收集本院耳鼻喉科6066张正常人、分泌性中耳炎、急性化脓性中耳炎活动期及化脓性中耳炎静止期耳内镜图像。 一、项目进展 创意计划阶段 二、负责人及成员 姓名 学院/所学专业 入学/毕业时间 徐倩慧 中山大学医学院 2017.09~2022.06 童钊鹏 中山大学孙逸仙纪念医院 2021.09~ 三、指导教师 姓名 学院/所学专业 职务/职称 研究方向 蔡跃新 中山大学孙逸仙纪念医院 副主任医师 耳鼻喉头颈外科 四、项目简介 本项目通过收集本院耳鼻喉科6066张正常人、分泌性中耳炎、急性化脓性中耳炎活动期及化脓性中耳炎静止期耳内镜图像。通过模仿医生诊断的注意力机制，将获取局部关键特征的局部分类器与获取全局特征的主分类器有机结合，构成深度学习的主框架。通过计算AUC等统计学指标来评估模型的性能，并与两位副主任医师、两位主治医师进行人机对比来进一步评估模型的性能，同时通过热图显示深度学习模型在耳内镜图像不同区域的权重，以判断深度学习关注的区域是否与临床医师一致。该深度学习模型可获得整体93.4%的准确率，区分正常人与分泌性中耳炎的AUC为0.99，而区分化脓性中耳炎活动期与静止期的AUC为0.94.模型的准确率要高于两位主治医师，达到副主任医师的水平，同时热图显示深度学习模型定义的关键区域恰好是临床医生做诊断的区域，如化脓性中耳炎鼓膜穿孔区域，分泌性中耳炎的光锥区域。同时，同时，本项目还将深度学习模型的技术落地，自主研发出研发便携式可拍摄与自动诊断的耳镜设备。

本发明公开了一种可见光宽带光谱图像配准方法，包括对图像进行灰度化、去噪和降采样处理，利 用 SIFT 算法提取图像特征点并构造特征描述算子;通过 k-d 树最近邻方法对特征点进行匹配，对匹配 特征点进行坐标升采样处理;根据图像退化阈值 T，利用欧式距离对错误匹配点进行约束，获得约束后 匹配点集 ΩN;对约束后匹配点集进行 m 对匹配点空间均匀采样，获得均匀分布的匹配点集 Ωm;利用最 小二乘方法求解图像放射变换参数矩阵 Tm，利用 Tm 对待配准图像进行坐标变换和双线性插值计算;以 参考图像和配准图像的互信息 MIm 作为评价指标，锁定最大互信息 MImax 对应的配准图像，实现可见光 宽带光谱图像的配准。本发明能显著降低错误匹配点数目、提高图像配准精度。

本发明提供一种图像全局最小可觉察差异的测定方法，模型建立阶段根据每组测试图片特征参数生 成相对应的测试图片，利用阶梯法得到对应的噪声强度阈值，获取针对对比度掩蔽的视觉特性模型，提 出全局最小可觉察差异的计算模型。模型应用阶段，利用模型建立阶段所得全局最小可觉察差异的计算 模型，计算获取任意输入灰度图像的图像全局最小可觉察差异。本发明生成的测试图片具有更大的均方 误差 MSE 与隐藏噪声的能力，更有效地挖掘人眼的感知冗余;本发明提出的图像全局最小可觉察差异 的计算模型，综合了对比度掩蔽效应与其他掩蔽效应，结果更准确。