本发明公开了一种基于 Zernike 矩的图像匹配方法，包括 S1 建立 N 层模板金字塔图像；S2 计算每层模板图像的 K 个矩并建立 RCS表；S3 建立 N 层目标金字塔图像；S4 通过查找 RCS 表计算 N 层中第L 层中每个目标子图像的 K 个矩；S5 计算第 L 层模板金字塔图像与第L 层每个目标金字塔图像子图像 K 个矩的相关系数，获得第 L 层目标金字塔图像匹配点位置；S6 判断 L 是否等于 1，若是，则进入 S8；若否 ， 则 L ＝ L 1 ， 进 入 S7 ； S7 在 第

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  

光伏发电实训装置HL-SNY03太阳能光伏并网发电教学实验台  一、系统实训应用范围：  主要提供于职高、大学、研究生、企业技工以太阳能发电为主课题的研究和培训。  二、技术参数  2.1、太阳能电池板  太阳能电池板采用阵列组装形式，主要采用4块（或更多）小型太阳能电池板组建，可实现太阳能电池板的并接方式和串接方式，进而提供大电流或大电压的两种太阳能电池板组网方式。  最大输出功率：100W*4块  开路电压：35V（并联）  短路电流：4*3.25A（并联）  2.2、照度计  量程：0-225Lx、200-2250Lx、2000-22500Lx和20K-225KLx（225000Lx）自动切换量程。  2.3、环境监测模块技术指标  含有照度计、温度表、湿度表，单片机时钟系统，实现时间的显示  2.4、17寸工控一体机，带触摸功能  CPU:Intel1037U1.8GHz22nm双核处理器TDP17W超低功耗处理器  主板:IntelM11工控固态节能主板  内存:1GDDR31333超高速内存,支持1333/1066MHz内存,最大可支持8GB。  硬盘:24GSSD固态硬盘  显卡:集成IntelHDGraphics核心显卡,提供VGA、LVDS、双HDMI显示输出,LVDS支持双通道24bit,支持单独显示、双显复制、双显扩展。  声卡:集成ALC6626声道高保真音频控制器  网卡:集成1个RTL千兆网卡,支持网络唤醒、PXE功能。  电源:外置电源（100V至220V宽幅电压，全球通用）  显示屏:13寸LED工控屏分辨率：1024*600  触摸屏:台湾军工Touchkit4线触摸屏，透光率高；性能稳定，触摸灵敏  整机接口:4*USB2.0接口,其中两个可支持USB3.0(需定制)，  1*HDMI接口:1*VGA接口,1*RJ-45网络接口,1*Lineout（绿色）,1*Mic（红色)  2*COM串口,1*12VDC_JACK输入接口  系统状态：  太阳能控制器（带报警功能）：  输入电压、电流、功率的数据显示及动态曲线显示  输出电压、电流、功率的数据显示及动态曲线显示  蓄电池：电压数据显示及动态曲线显示  2.5并网逆变器：  并网逆变器具有DC－DC和DC－AC两级能量变换的结构。DC－DC变换环节调整光伏阵列的工作点使其跟踪最大功率点；DC－AC逆变环节主要使输出电流与电网电压同相位，同时获得单位功率因数。  系统面板设有用来测量DC、AC相关参数的多个测试端口，可测量DC-DC电压电流变化和DC-AC逆变过程中的电压电流及曲线变化和波形对比。  6级功率搜索功能  在自动调整的过程中，会看到LOW灯不停的闪烁，功率会由0作为起点，向最大功率点加大输出功率，重启最多为6次，然后进入功率锁定状态，锁定时ST灯长亮。  在进行6级功率搜索程序时，所需的时间为10分钟。  直接连接到太阳能电池板（不需要连接电池）  AC标准电压范围：90V～140V/180V～260VAC  AC频率范围：55Hz～63Hz/45Hz～53Hz  并网输出功率：300W  输出电流总谐波失真：THDIAC<5%  相位差：<1%  孤岛效应保护：VAC;fAC  输出短路保护：限流  显示方式：LED  待机功耗：<2W  夜间功耗：<1W  环境温度范围：-25℃～60℃  环境湿度：0～99%(IndoorTypeDesign)  高性能自动功率点追踪（MPPT）  强大的MPPT算法，以优化来自太阳能电池板的功率收集，可精确地捕捉及锁定最大输出功率点，使发电量大幅提高到大于25%以上。  MPPT追踪图  电力输出:（逆向电力传输）  高效的电力逆向传输技术，专利技术之一，逆变器在并网输出模式时电力以反方向电力传输，自动检测电路中的负载并优先进行使用，用不完的电力才向电网逆方向传输供应到其他地方使用，电力传输率可达99.9%。在光伏发电应用系统中使输出效率更高。  三、教学及研究实训项目  2、1、光伏能量变换实验  实验1、光伏阵列单元组成原理。  实验2、太阳能光电池能量转换组合原理。  实验3、阵列电子最大功率跟踪器原理。  实验4、阵列汇流与防雷接地原理。  实验5、阵列结构件、防腐安装原理。  实验6、最大功率跟踪器与光伏转换提效实验。  实验7、在不同天气和日照强度下光波对光伏转换效率的影响实验。  实验8、在不同季节太阳运轨变换下对光伏能量转换的影响实验。  实验9、在不同季节环境温度变换下对光伏能量转换的影响实验。  实验10、阵列低、中、高通过开关组合后能量变换实验。  实验11、光感仪和风速传感仪各自作用实效实验。  2、2、同步逆变电源实验  实验1、逆变电源单元组成原理。  实验2、逆变电源MPPT的最大功率跟踪控制方法的实验。  实验3、逆变电源输出功率与光伏能量变换的实验。  实验4、MPPT与电子跟踪器有效结合和分离控制方面的比较实验。  实验5、晴天，多云，阴雨天情况下逆变电源输出交流电的波形、谐波含有率、功率因素的比较实验。  实验6、逆变器并入的电网供电中断，逆变器应在2s内停止向电网供电，同时发出警示信号的防孤岛效应保护试验。  实验7、逆变电源直流输入欠电压控制实验。  实验8、输入电压为额定值，负荷满载时距离设备水平位置1m处，的噪声测试实验。  2、3、光伏并网发电系统软件实验  实验1、在上位软件里查看单站监控项目：  ◆直流电压VDC、直流电流A、输入功率KW  ◆交流电压VDC、交流电流A、输出功率KW  ◆日发电量KWh、日运行时数hmin、总发电量KWh、总运行时数h、Co2减排量Kg  ◆系统运行状态正常/不正常  ◆系统运行温度正常/不正常  ◆系统监控PC机状态正常/不正常  ◆系统功率测试曲线  实验2、在上位软件里查看单站电量记录项目：  ◆设备编号1号机:  日发电度数、日运行时数hmin、总发电量度数、总运行时数h  实验3、在上位软件里查看单站故障记录项目：  ◆设备编号1号机:  直流过压、直流欠压、直流过流  交流过压、交流欠压、交流过流  系统过载、频率异常、孤岛保护、ADC异常（快速检测并网电压，电流）、IPM故障、过流保护、过温保护、温度异常、DSP异常（数字信号处理器，将模拟信号转为数字信号）

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