该系统是与北大医学部物理教研室联合研制。涵盖了脉搏、语音等非电量的信号采集、频谱分析、分解与合成等功能；结合数字图像处理技术，进行傅里叶光学实验模拟。系统可完成多个设计性、创新性、趣味性的实验内容。 《脉搏语音图像分析系统》是与北京大学医学部物理教研室联合研制开发。 该系统涵盖了脉搏、语音等非电量的信号采集、频谱分析、分解与合成等功能；并结合数字图像处理技术，进行傅里叶光学实验模拟。 仪器可应用于开设“压力传感器测量脉搏”、“语音形态观测”、“数字图像的离散傅里叶变换”等多个实验，更能够让学生自主设计各类频谱滤波器，完成多个设计性、创新性、趣味性的实验内容。 系统特色： 1.  直观地展现语音、脉搏等生活中常见的信号,实现脉搏信号和语音信号的可视化； 2.  快捷地分析脉搏、语音信号的频谱构成、选频、重建； 3.  轻松地完成阿贝成像空间滤波物理研究性实验内容，以及数字图像的二维频谱分析、滤波、重建等功能； 4.  高灵敏度的采集探头对脉搏信号进行真实呈现，精确分析脉搏强度，实现科学定量地脉搏诊断。 功能模块 一、脉搏语音实验仪 二、信号分析软件 1. 脉搏信号测量分析测量脉搏波，并对脉搏信号作傅里叶频谱分析；并根据信号频谱图，进行原信号的分解以及合成还原。 教学应用： 可用于研究脉搏波的不同频率构成，通过任意分解和还原脉搏信号，分析不同频率对于脉搏图像的影响程度和变化规律。 2.  语音信号观察测量语音，并对语音信号作傅里叶频谱分析；在此基础上对原信号分解、合成、还原。 (1) 不同语音图像和频谱对比； (2) 分析同一实验者的不同音节，并进行信号的傅里叶变换，对比两段语音的时域差别和频域差别；(3) 分析不同实验者语音频谱，理解和掌握语音识别的原理； (4) 长时动态傅里叶频谱观察，进行长时间动态观察语音信号的时域图像和频域图像。教学应用：(1) 方便学生观察不同音节的语音形态，分析语音结构的细节特征；(2) 直观地反映语音信号在短时间内重复的周期变化，对不同类周期信号进行分析，研究类周期信号之间的异同点；(3) 对语音进行时-频分析，观察不同人、不同声音的频谱特征。 3.  多通道信号叠加分析 将多通道信号进行叠加,频谱分析、信号分解、分离和还原。将实验中多种信号通过传感器转换为电信号，接入外接通道，进行信号观察、检测和时-频分析。 教学应用： (1) 用标准信号进行实验分析，并与理论计算公式作对比，对傅里叶变换公式进行实验验证； (2) 根据实际需要，可以让学生设计测量各种物理量的传感器，直接输入到实验仪的外接通道，进行待测信号的测量。 4.  数字图像处理与光学实验模拟 观察黑白图片的二维傅里叶频谱，使用不同形状和参数的滤波器，对图像频谱进行低通、高通以及带通处理，对比处理后图像与原图的异同。 教学应用： (1) 将数字图像作为二维函数，通过傅立叶变换转换到频率域上，让学生根据具体需要，对频谱进行各种滤波处理，并将滤波后的频谱反变换，得到特定增强滤波处理后的图像； (2) 使用不同的图片模拟光学实验，进行空间滤波。无需到实验室搭建实际光路，就能够让学生观察到复杂的光学成像结果。 典型应用 教学中可开展的实验内容  1.压力传感器测量脉搏 压力的测量是各种测量技术中最常见的一种测量。本实验采用压电晶体式压力传感器测量脉搏波的波形及脉搏频率。 2.  语音形态观测实验由话筒采集语音信号，信号放大后输入计算机由数/模转换器转换为数字信号，经软件处理后显示在监视器上。实验中可通过观察同一人发不同音、不同人发相同音，理解语音识别的基本原理。 3.  傅里叶光学的空间频谱与空间滤波实验滤波器：低通滤波，高通滤波，带通滤波，自定义滤波器滤波 物屏：一维光栅滤波，二维光栅滤波， “光”字屏滤波。

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

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。  

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。

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。

清华大学利用具有自主知识产权的 DMB-T 系统所开发出来的应急双向视频图像传输系统，在国务院应急办领导视察时获得了好评，并已经在国内部分地区获得了应用，反应良 好，有效地解决了特殊情况下图像信息的传输和发送问题，如在反恐演习、奥运安保、2008 年雪灾、地震灾害的现场图像回传中发挥了作用。该系统对于构建和谐社会、维护社会治安、 打击犯罪提供了重要的技术保障。清华大学数字电视技术研究中心在原有技术基础上，针对 当前频率资源紧张的现状，提出了图像传输带宽可变的新一代系统。该方案已经被公安部正 式接收成为其标准技术方案之一，未来不少要害行业和部门(公安、消防、电力、卫生、水 利、森林防火、库区大坝安全等)都可能需要配备该系统。我们愿意与当地企业合作，根据 需求进一步做好系统优化并完成产品设计，使之成为一个具有低成本、高可靠性和产业化成 熟度高的产品。

该技术是利用图像处理的方法自动计算人眼感兴趣区域，再根据人眼对于图像亮度信息、对比度以及颜色特性的感知机理自动生成 2.5D 中的图像高度信息，借助于高打印重复精度的设备，可以完成 2.5D 图像的自动打印技术

本研究成果基于数字图像处理和智能识别原理，依据CCD工业摄像机获得的黑白彩色图像，进行滤波、校正、灰度化、白平衡、差分等数字图像处理，采用小波变换等技术，获得监测对象的轮廓外形，然后与基准图像轮廓比较，获得监测对象状态等信息。