设计了一种基于金属材料(金、银等)的三重旋转对称C3超构单元的超薄非线性光学超构表面。金属纳米结构的厚度仅为30纳米厚，像素单元为500纳米 x 500 纳米。这类光学超构表面包含具有旋转对称性的单元结构，因而在可见光或近红外照明下看上去均匀。然而，如果通过一对存在夹角的C3超构单元上倍频信号的干涉相消、相长原理，可将非线性倍频强度不同的图案或文字加密于其中。然后，采用飞秒激光照明（波长为1200nm-1400nm），隐藏的图像可通过二次谐波（SHG）成像过程被读取出来。这种新型的基于空间变化的光学干涉的非线性光学超构表面为多维度图像加密、防伪和无背景图像重建开辟了新的途径和思路。

水源图像检测和分类在监测和识别河流冰灾、洪水、垃圾污染和死水等方面有很多应用。然而，海水、河水、湖水和池塘这些称之为干净水源的图像，可能和一些污染水源的图像重叠，加之冰雪天气下水体结冰等因素的存在，使得水源图像分类的问题更加复杂。在这些情况下，精确的水资源图像检测和分类就显得至关重要。本项目基于RGB图像对水源进行分类，达到水污染检测的目的。本项目的创新点在于提出一种新的图像频率域分块方法，将图像之间的细微变化放大，有效地提取图像的纹理特征，区分污染水源图像和干净水源图像，并且对水体

AICheck图像智能处理平台是企业级一站式AI服务平台，集数据采集、在线样本标注、一键模型训练、任务管理、在线检测和结果输出于一体，使企业可以快速应用海量的成熟算法，降低AI算法应用与管理成本，实现端到端服务。核心技术涉及人工智能、2D/3D视觉和云计算，核心功能包括目标识别、OCR识别、瑕疵检测和目标测量。

Ø 基于内容的图像检索是近年来兴起的新技术，与传统的基于文字的检索相比，其直观、高效、通用等特点，受到了越来越多的重视。基于内容的图像检索的基本思想是通过分析图像的视觉特征和上下文联系来进行检索。通常图像的特征分为低层物理特征（如：颜色、纹理、形状、轮廓、图像内容的空间关系等）和高层语义特征（是人们对图像内容概念级的反映，一般是对图像内容的文字性描述）。基于内容的图像检索突破了传统的基于关键字的表达方式检索局限，直接对图像内容进行分析和特征提取，利用这些描述图像内容的特征建立索引。目前已经

（一）项目背景 本项目源自公共安全部门、社会企业等实际技术需求，已具备前期实际应用经验。 数字图像是现今世界信息的主要载体，人脸数字图像由于能够体现个人的鲜明身份信息，又是数字图像中的最重要组成部分。然而，由于采集手段不同、成像方式各异，人脸图像的表现形态具有很大的差异。跨域人脸图像重建技术旨在将人脸数字图像在不同的人脸图像表现形态中相互重建、转换，例如人脸素描画像与人脸照片的转换重建、人脸照片与人脸剪纸图像的转换重建等。该技术在当今社会中存在很大的需求。目前在公安部门中广泛应用的人脸识别技术在正常条件下的识别没有问题，但是当目标人物躲避监控，或用衣帽口罩遮挡，使得摄像头无法捕获目标人物的人脸图像时，一般的人脸识别技术无法进行识别。跨域人脸图像重建的照片合成功能可将画家在目击者配合下绘制的模拟素描画像转化为计算机可识别的人脸照片，从而可以在身份证数据库中进行比对识别，协助侦查人员缩小目标人物的搜索范围。在以往，具有艺术特色的肖像是需要耗时的手工劳动制作的，例如非物质文化遗产中的肖像剪纸。跨域人脸图像重建技术能够通过计算机自动的将人脸照片重建为肖像剪纸图像，解放生产力。 （二）项目简介 本项目提供一种应用于具有人脸图像模态转换需求的公共安全部门和社会企业的跨域人脸图像重建技术，包括人脸检测、人脸对齐与预处理、跨域人脸图像重建模型训练以及跨域人脸图像重建模型应用。跨域人脸图像重建技术突破了当前人脸图像重建转换的技术瓶颈，可以使用计算机自动地将人脸图像由一种模态重建为其它模态，并保持重建图像的人脸内容身份信息不变，重建图像人脸识别率可达 95% 以上，模态相似度高于 80%。该技术应用广泛，解决很多部门行业的实际需求，解放手工劳动生产力，是人工智能应用并促进社会发展的主要趋势。 图2  应用示例 （三）关键技术 该项目通过跨域人脸图像重建技术，实现人脸图像的跨域转换重建，可解决公共安全部门和社会企业存在的一些实际需求： 1. 改变当前固有模式。现有模式采用手工 PS 或手工绘制方式来实现人脸图像的模态转换，既需要丰富的经验，又耗时耗力。跨域人脸图像重建技术通过计算机，实现人脸图像的自动化跨域重建，解放生产力。  2. 跨域人脸图像重建技术中的人脸检测模块能够自动检测出图像中的人脸区域，实现人脸的快速定位。  3. 跨域人脸图像重建技术中的人脸对齐与预处理模块能够对检测出的人脸区域进行自动化对齐、裁剪，实现自动化肖像提取。  4. 跨域人脸图像重建技术中的跨域人脸图像重建模型训练模块使用深度学习与生成对抗网络技术，以数据驱动的方式学习不同人脸图像域之间的映射模型，能够适用于不同的跨域人脸图像重建任务，具有很强的通用性。  5. 跨域人脸图像重建技术中的跨域人脸图像重建模型应用模块将训练好的模型应用于具体任务场景，且具有快速合成与精细合成两种模式，可根据实际需求进行模式选择。

本发明公开了一种基于图像分层增强的图像去雾方法及系统，方法包括以下步骤：S1、估测原始图像的大气光值 A；S2、结合所述大气光值构造两层半逆图像，对两层半逆图像进行线性对比度增强；S3、计算原始图像和增强后的半逆图像在 CIE-LCH 空间 H 通道的绝对差值，根据所述绝对差值确定增强后的半逆图像的权值分布，根据所述权值分布将两层增强后的半逆图像进行融合；S4、对融合后的图像进一步线性增强，获得最终的对比度增强的去雾

本发明公开了一种最匹配模糊轨迹问题的查询方法。该方法发明了一种新的匹配度衡量标准来衡量模糊轨迹之间的匹配程度。该方法先将值域空间划分成一系列的单元格，然后在每一个单元格内建立一个时间索引。在处理匹配查询时，该方法首先访问索引结构，计算每个模糊轨迹和查询轨迹之间匹配度的上界和下界；然后利用该上界和下界对不合格的模糊轨迹进行剪枝，从而得到一个候选答案集合；最后该方法计算每一个候选模糊轨迹的精确的匹配度，并判断该模糊轨迹是否是真正的查询结果。本发明充分利用了数据库和信息检索的现有研究和实现成果，基于已有的空间数据查询方法的扩展和融合可以非常方便快捷的提供最匹配模糊轨迹问题的查询能力，提供最好的性能。

通过采用两个不同光学放大倍率图像采集系统，进行巧妙的光路切换，实现了针对检测对象变换图像分辨率的要求，有效解决了高密度PCB检测速度和微小元件检测准确度的矛盾，破解了长期困扰自动光学检测技术领域共性技术难题；应用企业已累计生产销售682台套，用户已达到300多家，部分产品出口到了欧盟、东南亚等国家和地区，打破了相关高端设备一直被国外设备垄断的局面，有效促进了行业的技术进步。

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。