|
搜索
搜 索
高等教育领域数字化综合服务平台
一种遥感卫星图像处理载荷多任务主控系统
本发明公开了一种遥感卫星图像处理载荷多任务主控系统，采用“CPU+2FPGA”架构，其中，将嵌入式实时操作系统移植到 CPU作为主控管理模块，用于完成遥感卫星图像处理载荷的状态监管和任务调度，具有足够的灵活性、安全性和稳定性；FPGA 用于通讯信息整合分发，可弥补 CPU 中断优先级有别、中断向量表有限在面对多个时序接口时的缺陷，同时用于图像预处理可满足较大数据量实时低延迟的要求。本发明的系统结构设计既能有效满足主控
华中科技大学
2021-04-14
RA3900型医用X线数字图像处理系统
医用X线数字图像处理系统（DSA/DSI）设备是X线机的主要配件，在临床诊断和治疗中起着重要作用，是市场上最重要的大型医疗电子设备之一，拥有非常好的市场前景，因此，国外各大医疗器械公司均有自己的产品。当前国外的该类型产品的性能指标较高，可达：分辨率：1024×1024×10BIT；帧存容量64Mbytes;采集和减影速度为416帧，最好的可达25-30帧/
西安交通大学
2021-01-12
图像智能识别系统准确性测试技术和流程研究
悬赏金额：15万元
发榜企业：中科软件测评（广州）有限公司
需求领域：图形图像处理 数据库系统及数据处理 软件开发 检测分析技术及服务 信息技术及系统服务
产业集群：新一代电子信息产业集群
技术关键词：图像,识别,准确率
中科软件测评（广州）有限公司
2021-11-17
视频与图像理解
研究视频与图像的视觉特征表示与特定对象的视觉跟踪
和识别，分析视频结构化语义信息，综合视频与图像检索、
动作识别与行为分析、视频目标跟踪等技术，进而解决视频
与图像理解的难题。
浙江工业大学
2021-05-06
图像目标定位
成果与项目的背景及主要用途： 基于最大整体相似性的超像素网格，随着当今拍照设备像素不断提高，同时 照片数量成几何级数增长，在图像中进行语义级别的快速目标定位已是当下热门 问题。 技术原理与工艺流程简介： 快速的在输入图像里找到事先定义的目标物体，也是当今图像检索领域里面 的一个核心技术。 如下图所示： (a) 图中人偶为用户定义的查询目标 (b) 图为待查询图像 (e)~(h) 目前现有方法的目标定位的结果及所用时间 (i) 我们的技术的图像定位效果和所用时间 （注：红色框出的部分为算法定位并分割出的结果） 算法在图像快速目标定位上：快！准！狠！
天津大学
2021-04-11
智能图像信息萃取
自然场景下的文字识别更加贴近于生活和生产中的需要，可以运用到许多领域： 1. 将自然场景下的文字识别应用到试卷批阅与作业批改的过程中。通过自然场景下的文字识别技术，将试卷和作业中的答案提取出来，然后依据语义分析等技术实现对整份作业试卷的批阅，使老师有更多的精力和时间投入到日常教学任务中。 2. 将自然场景下的
南京大学
2021-04-14
图像处理器
图像处理器
嵌入式设计、任意拼接组合、录播全方位检测、自定义轮巡预案
轻松满足：
·督导巡课 ·电子巡考 ·录播管理
优势特点：
·稳定低耗
采用嵌入式架构设计，高稳定、低功耗 超强网络防护能力，有效抵御病毒攻击
·一机多用
视频解码、状态监控等录播管理应用 图像处理、画面拼接等视频处理应用
·便捷督导
对录播信号源进行自定义分组与分类管理 调取预览分组信号，分类巡课督导便捷化
·自由拼接
多组画面自由拼接组合，支持任意跨屏、漫游 场景保存和自动轮巡，支持多个大屏同时监视
·集中监测
全面录播状态监控，远程集中监视管理 实现监视状态同步显示，系统维护高效
广州市奥威亚电子科技有限公司
2022-12-21
第二代促血小板生成素
第二代促血小板生成素是采用重组技术将促血小板生成素模拟肽和长效载体蛋白人血清白蛋白连接形成融合蛋白，使它们互不影响各自的结构，而促血小板生成素模拟肽部分可维持正常的生物学活性，且肾脏对它的清除率降低，体内的半衰期延长。具有有自主知识产权，已获得国家发明专利授权 2 项，并成功进行 PCT 申请，已获欧盟专利授权 1 项，可申报治疗用生物制品注册分类 1 类新药。化疗、骨髓移植、白血病及恶性淋巴瘤等多种疾病均可诱导血小板减少症，严重者危及生命。尽管已上市多种药物可用于这一疾病的治疗，但是，目前临床上仍
兰州大学
2021-04-14
一种采用多特征融合的图像自动标注方法和系统
本技术成果公开了一种采用多特征融合的图像自动标注方法和系统，标注方法是使用多种特征类型来 表示图像内容，引入多特征表示的特征签名，结合K-Means聚类算法得到基于多特征融合的图像语义统计 模型，用于对图像自动标注
中山大学
2021-04-10
基于多光谱图像的植物叶片水分含量的检测方法及系统
本发明公开了一种基于多光谱图像的植物叶片水分含量的检测方法及系统，检测方法包括以下步骤：a、获取样本植物叶片的绿光波段、红光波段和近红外波段的单色图像；b、获取单色图像的灰度信息，并获取所述样本植物叶片的灰度纹理特征量；c、将灰度信息转化为样本植物叶片的反射率信息，通过反射率信息获取叶片植被指数值；d、以灰度纹理特征量和叶片植被指数值为输入向量，以样本植物叶片的实测水分含量值为输出向量，建立模型；e、按照步骤a～c的操作获取待测植物叶片的灰度纹理特征量和叶片植被指数值，带入步骤d中模型，即得待测植物叶片的水分含量值。该方法能够实现对植物叶片的水分含量进行准确、快速、无损、实时的检测。
浙江大学
2021-04-11