Ø  成果简介：超分辨率图像重建技术是近年来发展迅速的图像处理新技术，其目的是超越成像传感器、成像和信道的分辨极限，利用所获低分辨率图像，实现高分辨率图像的重建。超高分辨率图像增强与显示芯片项目利用超分辨率图像实时处理技术，实现从一幅或多幅低分辨率视频图像处理获得高分辨率图像，在图像被放大的同时增强图像更多的细节，提高图像的清晰度和分辨率，实现摄像传感器的低分辨率与显示器高分辨率之间的匹配，解决目前图像获取与显示分辨率不匹配的瓶颈问题，在现有图像获取技术的基础上提高显示器的画面质

本发明公开一种动态直接呈现图像的方法和成像系统。本发明通过将微观量子理论推广到宏观物质，提出了广义量子理论，并基于广义量子理论提出一种动态直接呈现图像的方法。所述的方法通过生成感应环境场，使感应粒子与感应物质感应，感应粒子自组织运动，形成感应粒子密度分布，最终感应粒子密度分布与感应环境场达到平衡状态时，感应粒子的密度分布状态动态实时直接呈现图像。进一步地，本发明还提供一种成像系统，该系统包括感应环境场生成模块和图像显示成像模块，感应环境场生成模块中的感应物质与检测对象作用，形成感应环境场；感应环境场使图像显示成像模块中的感应粒子自组织运动，其密度分布状态动态实时直接呈现图像。

本发明公开了一种基于噪声识别的红外图像降噪方法，本方法引入了噪声识别的基本思想，分别计 算了当前像素基于截尾均值的和基于梯度的隶属度，考察当前像素受噪声干扰的程度，采用联合判据判 断当前像素是否为噪声像素，最后根据判断结果进行降噪，实现对红外图像的降噪。本发明计算量小， 易于实时实现;相对传统算法能更有效的保护图像边缘与细节;在对噪声点进行降噪的过程中也考虑了 图像的纹理梯度信息，更为准确的对原有信号进行估计。

本发明公开了一种基于点线对偶的图像匹配方法，包括：从参 考图像 R 和目标图像 S 中分别提取直线，以得到参考直线集合和目标 直线集合，分别将参考直线集合和目标直线集合中所有的直线段从图像 空 间 映 射 到 对 偶 空 间 ， 以 得 到 参 考 对 偶 点 集 共有 m 个对偶点， 以 及 目 标 对 偶 点 集共有 n 个对偶点，分别将参考对偶点集和目标对偶点集中邻近 的对偶点进行融合，以得到新的参考对偶点集和新的目标对偶点集， 估计新的参考对偶点集和新的目标对偶点集之间的旋转变换参数，估 计新的参考对偶点集和新的目标对偶点集之间的平移变换参数。本发 明等效地把图像空间中断裂破碎的多条直线段重新融合为一条直线 段，提高了匹配效率和稳定性。 

本发明公开了一种基于超图模型的RGBD图像显著性检测方法，该方法包括：对待检测彩色图像和深度图像进行超像素分割，对深度图像的每一个超像素区域进行邻域深度对比图的计算，依据邻域深度对比值构建深度背景超边；提取位于图像边界的超像素区域构建边界背景超边；计算两个超边的权重，并根据超图学习算法进行超边展开，构建诱导图；基于诱导图的空间邻接关系和边权重，利用边界连通性先验计算边界背景显著图；采用基于元胞自动机的显著度更新算法和结合深度先验的融合算法得到最终的显著性检测图。本发明弥补了传统2D边界背景先验中的不足，利用深度信息和超图模型进行改进，与以往结合彩色和深度信息的图像显著性检测方法相比取得了更好的效果。

产品详细介绍系统概述： 本系统采用最先进的图像（人脸、色彩、物体移动趋势等多种方案联动）跟踪方案，其优势部分在于其跟踪策略的组合及配置（多位优质课专家参于设计，并在数千堂实况课实时测试更新），配合其它厂家的录播主机可满足智能跟踪系统的需求，学生和教师跟踪主机可分别单独使用，同时使用可以达到最佳的无人值守的学生及教师跟踪轨迹，是目前教育市场上最佳的图像跟踪方案，此方案的跟踪策略完全由主机智能分析完成，兼容市面大部分主机厂家录播主机，不需要录播厂商或系统集成商二次开发。 教师跟踪主机（型号：WIS-ITRACE-T01）： 学生跟踪部分（型号：WIS-ITRACE-S01）：     功能简述： l         平滑的教师跟踪、清晰的板书跟踪、准确的学生跟踪; l         自带窗口化调试工具，安装调试及使用调试，有基本电脑常识的老师即可设置; l         满足教学PC的鼠标键盘移动侦测响应; l         灵活的摄像机拉近拉选，可用鼠标的滚轮来按制，像操作窗口滚动条一样拉近拉选; l         简单的云台控制，实现平滑的画面感且可设定移动速度 l         快捷的场景切换，可预置远中近和全景四个场景，由快捷按钮一键实现 l         方便配合云台的预置位，而且可以用鼠标光标直观控制，人机操作方便   系统特点： 1、  教师跟踪模式：智能图像识别，直接对录制视频图像进行分析，老师讲课时无需佩戴任何定位设备，也无需安装任何红外、超声波、射频发射器以及图像辅助定位摄像机，实现常态化教学（含板书跟踪、鼠标移动侦测）； 2、  学生机跟踪模式：由一台广角全景定位摄像机和跟踪摄像机组成，定位摄像机监控整个教室内学生起立和举手动作并控制跟踪摄像同进行追踪和定位，准确度较其它跟踪方案高，且安装简单； 3、  跟踪距离：2M～50M（视摄像机的焦距能力而定）； 4、  跟踪角度：0～355度； 5、  最小跟踪目标：≥4*4像素； 6、  抗干扰能力：采用领先的人体特征跟踪算法，完全不受光线、声音、电磁等外在的环境影响； 7、  定位与实时：自动识别目标位置，定位精确，多种跟踪策略可选，并可自定义跟踪策略； 8、  标准1U机架式设备，功耗低，稳定性强，兼容性强，标准化云台接口，支持多种云台设备； 9、  支持高清摄像机的方案；   方案的对比   智能图像跟踪系统 红外跟踪 超声波 图像流畅度 流畅 不流畅 不流畅 定位准确度 误差<2% 误差>10% 误差>20% 抗干扰性 强 太阳光，热光源都会差生干扰 有辐射，对人体有害 安装难易 简单，只装摄像机，安装调试半天 复杂，还要安装发射和接收，一般2-3天 复杂，安装接收和发射，一般2-3天 产品升级 容易，更新主机即可 困难 困难 系统组成部分 跟踪主机独立完成 需辅助设备 需辅助设备 实时跟踪，目标跟踪 350度跟踪目标，不会丢失，跟踪流畅 角度受限，有盲区 角度90度左右，有盲区   主机参数： l         通迅、管理、扩展接口：RS232 l         视频接口：CVBS l         电源：AC 5V   主机应用： l         精品录播课程 l         多媒体教学 l         校园电视台 l         手术示教 l         微格教室 l         优质课评选 l         各种会议 l         指挥调度  

中国科学技术大学徐铜文教授团队在高镁锂比盐湖卤水提锂领域取得重要进展,启发于传统的多级塔板精馏机制与层析色谱分离机制，针对化工特种分离领域复杂物料分离难题，团队原创性地提出一种“离子精馏”概念，并首次应用于高镁锂比盐湖提锂。

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。

成果描述：本实用新型公开了一种便于信息采集的智能化翻耕机,包括牵引悬挂装置(1)、安装在牵引悬挂装置(1)上的机架(2)、设置在机架(2)下端面上的铧(3),所述机架(2)上还设置有安装座(4),所述安装座(4)上安装有土地信息采集装置(5),所述土地信息采集装置(5)包括犁地深度传感器、土壤养分传感器、土壤墒情传感器、pH值传感器,并且均为具有WiFi或者ZigBee或者RJ45接口的传感器,在传感器本体外套接有圆钢保护管(6),其探头外套接有橡胶保护套(7)。采用上述结构,可从而减少了现有技术中土地信息采集的难度,并降低了信息采集的成本,同时也能加速农业信息化生产的发展进程,从源头上解决农业信息采集的发展瓶颈。市场前景分析：本实用新型公开了一种便于信息采集的智能化翻耕机,包括牵引悬挂装置(1)、安装在牵引悬挂装置(1)上的机架(2)、设置在机架(2)下端面上的铧(3),所述机架(2)上还设置有安装座(4),所述安装座(4)上安装有土地信息采集装置(5),所述土地信息采集装置(5)包括犁地深度传感器、土壤养分传感器、土壤墒情传感器、pH值传感器,并且均为具有WiFi或者ZigBee或者RJ45接口的传感器,在传感器本体外套接有圆钢保护管(6),其探头外套接有橡胶保护套(7)。采用上述结构,可从而减少了现有技术中土地信息采集的难度,并降低了信息采集的成本,同时也能加速农业信息化生产的发展进程,从源头上解决农业信息采集的发展瓶颈。与同类成果相比的优势分析：国内领先

本发明基于压缩感知理论将将测量的信号通过1比特量化，去掉了之前被测信号能量为1的假设，通过循环迭代的公式最小化凸的替代函数，最终恢复出要测量的信号，相比于之前相关算法明显的提高的信号的恢复精度。