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

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。

本发明公开了一种基于对数差值点集模板的图像配准方法，包 括：（1）分别确定基准图像和待配准图像的搜索区域；（2）计算搜索区域的像素灰度值对数差值矩阵；（3）将基准图像搜索区域的对数 差值矩阵中绝对值最大的若干个点进行平均分组，每一组点的集合构 成一个基准模板；（4）在待配准图像搜索区域的对数差值矩阵中搜索 各基准模板的最佳匹配模板；（5）根据各基准模板及其最佳匹配模板 得到最终配准结果，实现配准。本发明的对数差值点集模板方法在配 准显微图像时计算操作主要为查表和减法等简单运算，计算速度快。 同时，在保证配准速度的前提下可以评价配准结果的可信度，从而提 高配准结果的可靠性。

本发明所提供了一种基于超像素分割的图像语义标注方法，首先将基于图像超像素分割提取的特征图块输入卷积神经网络，再将卷积神经网络训练得到的特征向量进行扩展和加权处理，最后构建条件随机场模型进行语义类别标注预测。由于采用本发明的技术方案，该方法将超像素块作为研究对象，简化了用于基于图像超像素分割提取的特征图块的复杂度，提高了语义标注的计算效率；另外，采用多层的超像素块进行语义分析，并将其标注结果进行综合，提高了语义标注的准确率和鲁棒性。

本发明涉及一种基于交替优化和序列化正交匹配追踪的SAR图像散射中心参数估计方法，包括以下步骤：获取原始SAR图像并进行预处理，得到原始频域回波数据；根据原始频域回波数据，使用点散射中心模型和OMP算法初始化目标散射中心所在的重点区域，得到初始散射中心位置参数集合和初始散射中心能量占比；根据初始散射中心位置参数集合和初始散射中心能量占比，基于属性散射中心模型和SOMP算法进行属性参数提取，输出散射中心属性参数估计结果、散射中心系数估计结果和散射中心能量占比序列。与现有技术相比，本发明能高效的提取散射中心参数，获取有意义的目标散射部件属性信息。

本发明公开了一种基于多尺度空洞融合迭代优化的增强图像隐写，适用于图像隐写领域，包括以下步骤：使用封面图像C获取其对应的增强图像E后，分别对其进行特征提取，后引入多尺度空洞融合的注意力机制；再将两个图像的特征融合得到图像X；之后与秘密连接形成载密张量M；编码器接收三个输入：图像M的特征、当前的扰动，以及这个扰动的损失函数的梯度进行拼接形成GRU单元的输入；通过反复应用编码器，最终生成的隐写图像；解码器接收编码器生成的隐写图像，经过一系列卷积，从隐写图像中恢复原始的隐藏信息；批评者网络来评估生成的隐写图像的自然性，并提供反馈；重复步骤2到5。最终生成的图像即为包含隐藏信息的隐写图像。本方法将学习和迭代优化方法结合起来，在双通道输入图像增强下结合多尺度融合注意力机制，从而找到图像中更适合隐藏信息的部分，使生成的隐写图像更加隐蔽。

产品介绍 CK-M1超高频RFID读写模块是小型化的UHF RFID 读写器 ，核心部件采用 R2000 为核心平台，R2000是一款高性能高度集成的读写器 IC,集成了模拟射频前端与基带数字信号处理模块等功能。用户只需要在模块的基础上作电源处理即可，可以很方便的通过 API 函数库控制模块工作适合各种应用场景用户开发。  产品特点 支持多种协议：ISO 18000-6C/EPC C1G2 、 ISO 18000-6B、国标GB/T29768-2013(可拓展支持)。 密集读取：端口最大输出33dBm，可根据需要设置功率，可应对非常密集的使用环境，多标签识别算法，行业内最强，每秒可识别超过600张以上。 能够定频或跳频工作。 输出功率可调,调节步进:1dBm。 支持标签数据过滤、支持防碰撞协议、支持多标签识别。 全频段、大功率、灵敏度高、功率准、零配置即可获得最佳性能。 规格参数 主要规格参数 产品型号 CK-M1 性能参数 频率范围 840MHz～960MHz 空口协议 EPC C1G2、ISO18000-6B/C、GB/T29768-2013（可选配） RFID主芯片 Impinj R2000 功能特点 支持密集读写、多标签识别、支持标签数据过滤、支持RSSI：可感知信号强度 通道数 1通道 RF输出功率（端口） 33dbm±1dbm（MAX） 输出功率调节 ±1dbm 前向调制方式 DSB-ASK、PR-ASK 连续读标签距离（读EPC码） 0-10米，连续读100次，读取成功率大于95%（无干扰环境）（8dBi圆极化天线@H3） 连续写标签距离（写EPC码） 0〜4米(与标签芯片性能有关)，连续写100次，写成功率大于90%（8dBi圆极化天线@H3） 标签识别速度 >600次/秒 通讯口 TTL串口 物理接口 15PIN端子 1.25mm间距 读卡功耗 （33dbm）：8W 物理参数 外观尺寸 42*76*8mm 外壳材质 铝型材外壳 安装方式 通过四个螺丝孔固定 电源 工作电压   操作环境 工作温度 -20°C~+70°C 储存温度 -40°C~+85°C 工作湿度 <95% (+25°C)