类别 参数 参数值 操作系统 Android4.4 CPU 四核 ，1.5GHz 内存RAM 1GB 存储容量 8GB 内置音响 2*2W 解码能力 支持4路1080P或1路4K 网络 支持有线、无线、WiFi热点 液晶面板尺寸 55 背光源 LED 显示比例 16:9 分辨率 1920*1080 亮度 350cd/m2 响应时间（ms） 9ms 对比度 1200:1 电源 AC100~240V 50Hz/60Hz 满载功耗 130W 待机功耗 0.3W 外形尺寸（mm） 1243.0×720.0×82.0 包装尺寸（mm） 1355*824*175 整机重量 17kg 机身材料 塑壳，RoHS+防火等级(UL94-HB75级) 安装方式 壁挂式 显示方式 支持横竖屏切换 工作温度 5℃～40℃ 工作湿度 10%～85% 其他外部接口 RJ45×1、USB2.0×2、RS232×1、SD卡插槽×1、WIFI×1

场景物联：内置物联网关，可以接入无线物联设备，实现灯光、风扇、空调、窗帘等用电设备管控，同时支持无线麦克风接入功能，实现教室无线扩声，一师一麦，根据场景进行自定义。 校园广播：支持图片、音频、视频广播播放功能，可将融合平台推送的任务信息进行解码播放，任意终端收到的任务信息以后自动运行播放。 课堂直播：主讲教室进行一键开启直播功能，听课教室设备自动开启，学生可同步观看主讲教室的推送的课程内容。 远程对讲、报修自如：内置IP对讲模块，通过融合平台实现语音呼叫、远程监听、监控联动等功能，在线完成督课巡课；本地实现一键故障报修。

内置工业电脑，强劲性能，搭载HDBaseT端口，支持信号传输，性能稳定，运行流畅，功耗更低； 音视频解码，定时推送，可将融合管理平台的音视频任务进行解码播放，任意终端收到任务信息都会自动运行播放，任务结束后设备自动关闭，实现自动化管理； 智能联动：内置无线物联网关，可以接入无线物联设备；支持无线麦克风接入，实现教室无线扩声； 反向扫码，语音对讲功能：对接校园IC 卡，可插卡、刷卡、扫码或者反向扫码开机

轻量化设计，极简操作：轻量化设计，一键开关所有多媒体设备；支持与麦克风智能连接； 音视频解码，定时推送，智能化管理； 智能联动：内置无线物联网关，可管理灯光、空调、风扇、窗帘等用电设备； 强电管理，能耗监测。

本发明涉及一种基于黄金分割比例的菱形模板双尺度图像去噪方法。本发明的技术要点是采用菱形模板并进行自适应模板扩充，利用参与计算的信号点的距离权重和灰度权重的归一化权重进行去噪。本发明的优点是菱形模板中参与计算的所有信号点到中心点的距离方差较小，尽可能避免了距离过远的信号点参与滤波计算；根据噪声密度取部分信号点参与计算，不仅降低了计算复杂度，而且降低了模板内可能存在的其他噪声及边缘对滤波效果的影响；模板中横向包含的像素点和纵向包含的像素点个数之比为1:0.618，充分利用了数学的经典理念,也符合人的视觉习惯。实验结果表明，本发明既能处理低密度噪声，又能处理高密度噪声，噪声密度越高，相对效果越好。

本发明公开了一种相控阵三维声纳图像离线处理系统和方法,系统包括三维声纳图像数据读取模块、单帧重建模块、精确配准模块,拼接融合模块;方法包括:读取GPS、姿态信息以及原始声纳点数据并进行解析,将采集到的三维点阵数据连接成为三角面片,再将相邻两帧图像两两配准的结果,通过最优化处理得到全局配准信息;将配准后的数据进行重采样,再重建,以消除两帧之间的重叠部分并将单帧图像融合成一幅整体图像并进行三维可视化显示。该系统结构谨严、高精度、图像清晰、交互方便、可扩展性强,有效地实现了三维声纳图像的离线处理功能。

本发明公开了一种基于运动颜色关联的视频图像显著性检测方 法，包括：获得视频图像的静态显著性图；提取场景的光流向量场；对光流向量场进行初步分类并抛弃最大分类区块；将视频图像从 RGB 颜色空间转换到 HSV 颜色空间；根据 HSV 颜色空间 H 分量中对应颜 色在输入图像中出现的频率，生成颜色直方图；针对光流向量场有效 分类区块中的每个向量，将其范数投射到颜色直方图的相应区间中去， 得到每个颜色区间的运动尺度变量；得到每种颜色的运动显著性值并 投影到原图像生成运动显著性图；将运动显著性图与静态显著性图相 加得到最终显著性图。本发明的方法可以有效地将运动特征纳入显著 性考虑范围，在现有的运动视频测试集上能取得优于传统方法的结果。

一种基于字典渐近更新的人脸图像超分辨率方法:在训练阶段，采用去一法对低分辨率人脸图像训 练集的每张低分辨率人脸图像进行超分辨率重构，得到一层低分辨率中间字典;以此低分辨率中间字典 作为新的低分辨率人脸图像训练集输入，重构得到新一层的低分辨率中间字典;重复上述过程，最终得 到多层低分辨率中间字典。在测试阶段，根据输入的低分辨率人脸图像，上一层低分辨率中间字典和高 分辨率人脸图像训练集，对输入低分辨率人脸图像进行超分辨率重构，得到预估高分辨率人脸图像;重 复上述过程，最终重构出高分辨率人脸图像。本发明可得到更高质量、与真实情况更为接近的重建效果。

本发明公开了一种基于支持向量回归的雷达图像适配性预测方法。所述方法包括：学习阶段，提取 SAR 图像多维特征构成学习集；对学习集样本特征预处理后，将其分为学习集 L1、L2，然后用学习集L1 训练支持向量机，并用得到的 SVM 模型对学习集 L2 进行分类，根据分类正确率、样本特征和类心之间的距离计算各样本的适配率；之后利用学习集特征及其相应的适配率，拟合回归得到适配性预测函数模型；预测阶段，对待评估的 SAR 图像