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
一种基于边缘几何特征的图像识别方法及系统
本发明公开了一种基于边缘几何特征的图像识别方法,包括对 工件的原始图像进行滤波处理;对上述滤波处理后的图像进行二值化 处理;对二值化处理后的图像查找获得轮廓序列集;从上述轮廓序列 集中筛选出合格的工件轮廓;确定上述工件轮廓的最小外接矩形,并 确定上述工件轮廓的中心点;沿上述最小外接矩形的四条边的方向截 取上述工件轮廓的四个子序列;使用边缘几何特征算子计算上述四个 子序列中各子序列的能量值;确定上述四个子序列中能量值最大的子 序列,并确定工件的方向角。本发明还提供了相应的图像识别系统。 本发明无需建立
华中科技大学 2021-04-14
基于核相似区分布特性的图像角点检测方法及系统
本发明公开了一种基于核相似区分布特性的图像角点检测方法及系统,包括:步骤 1,构造一个圆 模板和 m 个角模板;步骤 2,获得圆模板和角模板的核相似区面积;步骤 3,按核相似区面积大小对角 模板对应的方向排序,获得方向序列;步骤 4,基于方向序列确定主方向并判断主方向连续性;步骤 5, 根据圆模板的核相似区面积、角模板中最大核相似区面积和最小核相似区面积的差值、主方向数量和主 方向连续判断模板中心是否为候选角点;步骤 6,基于步骤 5 的判断结果进行非极大值抑制,确定图像 角点。在角点提取过程中,本发明同时考虑了核相似区的面积和分布特性,可避免角点的误提取,从而 提高角点检测精度。
武汉大学 2021-04-13
基于对象随机游走的遥感图像视觉显著性检测方法及系统
一种基于对象随机游走的遥感图像视觉显著性检测方法及系统,包括进行多尺度分割,并在每个尺 度下分别对颜色特征相似的邻接区域进行合并;对于每个尺度下的分割结果,分别提取每个分割区域的 视觉特征,构建当前尺度下的对象集合;对于每个尺度下的对象集合,通过对象间的特征差异计算对应 的边缘权重,并计算注意焦点在对象间的转移概率,获得注意焦点的转移概率矩阵,分别根据注意焦点 的转移概率矩阵计算注意焦点在所有对象间的平稳分布,由该平稳分布中每个对象对应的概率进一步计 算视觉显著性并归一化,获得当前尺度下的归一化视觉显著图;融合各个尺度下的视觉显著图,即可获 得该遥感图像最终的视觉显著图。
武汉大学 2021-04-13
一种图像压缩光学芯片的实时在线制作检测系统及方法
本发明属于光电子芯片加工制造技术领域,公开了一种图像压缩光学芯片的实时在线制作检测系统及方法。利用计算机对待压缩图像进行压缩得到第一图像,并扫描得到第一图像灰度信息,根据第一图像得到第一控制信息;超快激光器根据第一控制信息对光学芯片材料进行波导结构加工;激光器阵列根据第一图像灰度信息产生对应功率的激光并通过光纤进入至光学芯片材料;利用光功率探测器阵列接收光学芯片材料输出的激光并得到功率信息;计算机根据功率信息得到第二图像灰度信息,重构得到第二图像,根据第一图像和第二图像得到第二控制信息;超快激光器根据第二控制信息对光学芯片材料进行在线矫正加工。本发明能够提高光学芯片的生产效率、降低制造成本。
湖北工业大学 2021-01-12
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
高速 CMOS 图像传感器
已有样品/n主要技术指标:图像分辨率 800×600;量化位宽 12bit;图像帧率 1000fps;动 态范围 70dB;工作温度范围在-25℃至 85℃;芯片功耗 0.67W;同时定制的图像传 感器工艺和设计流程,具有更佳的高速图像获取能力。 高速图像传感器可应用于工业生产、农业生产、智能交通、虚拟现实、科学研 究、国防军事及其他民用领域。具体来说,高速图像传感器可应用于汽车碰撞试验、 火箭发射、弹道测试、体育赛事、目标追踪、微表情研究和高速车牌识别等领域。
中国科学院大学 2021-01-12
基于内容的图像检索(产品)
成果简介: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的局限,直接对图像内容进
北京理工大学 2021-04-14
废水处理过程中的加药系统
废水处理是我国面临的一个相当艰巨的任务,pH控制是其中一个典型的控制难题。废水的pH随时会在2到11之间大幅度变化,要求处理后的排放水pH值接近中性。 本方案采用美国通控集团博软公司的MFA无模型自适应专利控制技术,不但有效克服了pH过程本身的严重非线性和大时滞造成的控制难点,而且其强大的鲁棒性和自适应功能对由于工况变化引起的过程动态特性的变化有很好的适应能力。 系统特点:精确控制药剂的投加量,改善了pH控制的质量,至少使波动减小了50%;避免过量投药,化学试剂(酸液和碱液)消耗大大减少;减少人为失误和返工,避免因排污超标而遭罚款;系统实施简单易行,所有投资几个月就可收回。
东华大学 2021-02-01
首页 上一页 1 2
  • ...
  • 18 19 20
  • ...
  • 616 617 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