高等教育领域数字化综合服务平台
云上高博会服务平台 高校科技成果转化对接服务平台 大学生创新创业服务平台 登录 | 注册
|
搜索
搜 索
  • 综合
  • 项目
  • 产品
日期筛选: 一周内 一月内 一年内 不限
吉星A8无线视频展台
广州市吉星信息科技有限公司 2021-08-23
仲尼-2550Ⅰ型视频展示台
产品详细介绍·1/4"彩色CCD,47万像素·480TV线以上,0.5LUX·128倍全自动聚焦,信噪比大于48db,PAL制·外部照明(三基色荧光灯单灯)+底部内置照明·正负片可转换,黑白彩色可转换,文本图像可转换·自动、手动聚焦,自动、手动白平衡(红、蓝调节),亮度调节, 锐度调节等·屏幕菜单显示(OSD)·三种预置模式选择(用户预置、出厂正片预置、出厂负片预置)·镜头水平270度,上下180度转动·二路VIDEO输入,二路AUDIO输入(立体声)·二路VIDEO输出,二路AUDIO输出(立体声)·90V~240V自适应电源,电源电路采用开关电路,安全、使用寿命长 可以转接显微镜·集成电路,采用先进的SMT技术,专用视频处理芯片,稳定性可靠 ,寿命长·真正的三路视音频切换,具有集中控制功能·尺寸(体积),使用时:360×480×610;存放时:360×480×160
烟台麦特电子有限公司 2021-08-23
视频展示台(AX-60A)
产品详细介绍
江苏省苏州市银山科教设备公司 2021-08-23
视频展示台(AX-10A)
产品详细介绍
江苏省苏州市银山科教设备公司 2021-08-23
三星视频展示台
产品详细介绍三星视频展示台SVP5010/5110/5210         1、16倍变焦、自动对焦(AUTO FOCUS):SVP-5010S拥有业界领先的16倍光学变焦镜头,可拍摄小至18*24mm的特写镜头,高速全自动聚焦功能使演示更加得心应手。         2、自动白平衡(AWC):单键自动白平衡功能,令色彩调整易如反掌。         3、数码影像处理(SVP-5210):SVP-5210内置数码影像处理板,可冻结、存储和再现两帧图像,并可与当前拍摄图像同屏对比显示。        4、可接驳显微镜:通过接口镜头,SVP-5010可接驳包括生物、解刨、金相在内的绝大多数通过显微镜,实现显微投影功能,将微观世界尽现眼前。        5、正负片转换(Nega/Posi):负杂的彩色冲印简单至只需轻轻按下这个按键。
天津三星电子有限公司 2021-08-23
肿瘤医学图像智能诊断算法
简介: 1、胰腺肿瘤CT图像诊断算法。针对胰腺肿瘤分类问题,从医学CT图像出发,搭建深度学习模型。对于肿瘤分类,我们将问题建模成两部:胰腺定位查找和胰腺肿瘤分类。我们建立级联分割网络,从病人腹部的CT图像中将胰腺器官分割出来。级联分割网络比之前的层级分割网络结果提升10各点。之后建立多模态分类网络,针对CT图像的特性,将多切片多造影剂时期多区域的数据进行融合,在胰腺肿物分类中取得了较好的结果。 层级分割模型示意图  分类模型可视化热图   2、现有的乳腺癌腋窝淋巴转移的医疗诊断措施为病理活检,是一种过度医疗。基于乳腺钼靶图像的术前无创的乳腺癌腋窝淋巴转移预测手段能够有效避免过度医疗。我们构造了基于乳腺钼靶图像的深度卷积神经网络模型来处理乳腺癌腋窝淋巴转移问题。我们对乳腺钼靶数据进行了预处理和数据集的整理、划分。我们构造了三个不同的深度卷积神经网络,患病侧单体位网络、患病侧双体位网络和双侧双体位四视图网络。其中,患病侧单体位网络分为 CC 位网络和 MLO 位网络。在乳腺钼靶数据的测试集上,患病侧 CC 位网络、患病侧 MLO 位网络、患病侧双体位网络、双侧双体位四视图网络的结果依次递增。这表明了同时使用同一患者的四张钼靶图像的双侧双体位四视图网络具有更好的预测效果,更适合乳腺癌腋窝淋巴转移预测任务。对于双侧双体位四视图网络,我们不仅使用了双侧测试集 1,还使用了额外的双侧测试集 2 进行测试。 钼靶乳腺图像预处理   双侧双体位深度学习网络   优势:从客观的医学图像数据出发,结果可重复,而且高效快捷,提高识别准确率的同时,便于临床推广。  
中国人民大学 2021-05-15
肿瘤医学图像智能诊断算法
1、胰腺肿瘤CT图像诊断算法。针对胰腺肿瘤分类问题,从医学CT图像出发,搭建深度学习模型。对于肿瘤分类,我们将问题建模成两部:胰腺定位查找和胰腺肿瘤分类。我们建立级联分割网络,从病人腹部的CT图像中将胰腺器官分割出来。级联分割网络比之前的层级分割网络结果提升10各点。之后建立多模态分类网络,针对CT图像的特性,将多切片多造影剂时期多区域的数据进行融合,在胰腺肿物分类中取得了较好的结果。层级分割模型示意图 分类模型可视化热图 2、现有的乳腺癌腋窝淋巴转移的医疗诊断措施为病理活检,是一种过度医疗。基于乳腺钼靶图像的术前无创的乳腺癌腋窝淋巴转移预测手段能够有效避免过度医疗。我们构造了基于乳腺钼靶图像的深度卷积神经网络模型来处理乳腺癌腋窝淋巴转移问题。我们对乳腺钼靶数据进行了预处理和数据集的整理、划分。我们构造了三个不同的深度卷积神经网络,患病侧单体位网络、患病侧双体位网络和双侧双体位四视图网络。其中,患病侧单体位网络分为 CC 位网络和 MLO 位网络。在乳腺钼靶数据的测试集上,患病侧 CC 位网络、患病侧 MLO 位网络、患病侧双体位网络、双侧双体位四视图网络的结果依次递增。这表明了同时使用同一患者的四张钼靶图像的双侧双体位四视图网络具有更好的预测效果,更适合乳腺癌腋窝淋巴转移预测任务。对于双侧双体位四视图网络,我们不仅使用了双侧测试集 1,还使用了额外的双侧测试集 2 进行测试。钼靶乳腺图像预处理 双侧双体位深度学习网络 优势:从客观的医学图像数据出发,结果可重复,而且高效快捷,提高识别准确率的同时,便于临床推广。
中国人民大学 2021-04-10
前景图像提取方法及装置
其中的前景图像提取方法包括:获取第i帧与第i-1帧中位置相同的像素点之间的距离,获取距离大于预定值的像素点集合Z,获取像素点集合Z中与第i-1帧中的前景区域的像素点位置相同的像素点集合U,将像素点集合U进行背景差分处理,获得像素点集合E,根据像素点集合E、像素点集合T以及像素点集合W的并集确定第i帧的前景区域,像素点集合W为像素点集合Z中与第i-1帧中的前景区域的像素点位置不相同的像素点集合,像素点集合T为第i-1帧的前景区域中与像素点集合U中的像素点位置不相同的像素点集合。上述技术方案能够快速准确的提取出第i帧中的前景图像。
电子科技大学 2021-04-10
铁路货物超限图像监测系统
本研究成果基于数字图像处理和智能识别原理,依据CCD工业摄像机获得的黑白彩色图像,进行滤波、校正、灰度化、白平衡、差分等数字图像处理,采用小波变换等技术,获得监测对象的轮廓外形,然后与基准图像轮廓比较,获得监测对象状态等信息。
西南交通大学 2021-04-13
多功能图像处理系统
多功能图像处理系统能够完成图像增强、图像恢复、画中画、自动调焦/调光、无极电子变倍等多种功能,重点解决光照不均、光学系统透光不均、以及雾霾和雾天等情况下造成的图像质量降质、视觉效果差等问题,并能抑制大气湍流引起的图像模糊,突破传统图像复原依赖于精确的物理模型的设计理念,解决了常规图像复原计算量大运行速度慢等关键问题。系统具有很好的实时性、稳定性和适应性。1. 图像增强:由于图像采集过程中,光学系统透光不均、光照不足、雾霾天气等因素使图像观看质量下降,图像增强可大大增加图像可视度,提高不同区域的图像对比度,很好的改善视觉效果;2. 图像恢复:解决由于大气湍流、焦距不准、光学系统缺陷所造成的图像模糊;3. 多模图像融合:根据EMI/EMC设计原则,抗干扰能力强,选用高TG制作材料,提供了极高的可靠性;重点解决了多模图像融合时信息不完整、可见光/微光/红外图像噪声偏大、双路图像不配准、远距离传输干扰大等问题,具有低延迟、信息保全度高、可靠性高等特点。 主要技术指标:1. 输入为模拟PAL/NTSC制式或双路数字接口cameralink,输出模拟PAL/NTSC制式、cameralink或者VGA、XGA;2. 图像增强FPGA实现具有极低的延迟,处理时间小于一场,图像增强后视频能量梯度平均提高2倍以上,对由于光照不足、光照不均、恶劣天气所引起的降质图像,可以凸显细节、自适应调节对比度,突显图像的关键信息;3. 图像复原使用专利的复原处理算法,能有效地抑制大气湍流引起的图像模糊,恢复出更多的图像细节,显著提升图像视觉效果,增强图像对比度和可视度,复原后的视频平均灰度梯度值提高3倍以上;4. 图像锐化算法有效增加图像细节信息,主要消除由于光学系统对焦不精确所造成的模糊现象,与精确对焦图片对比,平均结构相似度达到95%以上;5. 图像去雾算法针对薄雾、浓雾进行自适应调整,分析图像中色彩信息,对图像中各点景深进行精确测量,还原显示真实图像。图像经过去雾处理后,平均信息上提高30%以上;6. 多模图像融合技术分别处理模拟信号及数字信号,输出默认为XGA差分三线制视频,可进行远距离传输,抗干扰能力强;配准精度可达到个像素以内,配准实时处理;灰度融合图像局部信息相对于单模原始图像对应局部区域的联合熵提高30%以上; 图像降噪功能在降低噪声影响的同时很好的保留了图像的纹理信息。
北京航空航天大学 2021-04-13
首页 上一页 1 2
  • ...
  • 20 21 22
  • ...
  • 76 77 下一页 尾页
    热搜推荐:
    1
    云上高博会企业会员招募
    2
    64届高博会于2026年5月在南昌举办
    3
    征集科技创新成果
    中国高等教育学会版权所有
    北京市海淀区学院路35号世宁大厦二层 京ICP备20026207号-1