一、项目简介 项目旨在解决现有目标检测、识别和跟踪系统易受雨天、雾天、沙尘、低光照、水下等恶劣成像环境的影响问题，使得相关目标检测、识别与跟踪系统可以全天候工作，最大程度克服相关视觉应用系统受天气和工作场景的影响的局限。 二、前期研究基础 课题组通过多年攻关，在相关核心技术方面有多项突破，提出多项拥有自主知识产权的针对恶劣成像环境下退化图像的质量提升方法。相关研究处于国内领先水平，已在包括IEEE Trans.Image Processing， CVPR，ICCV等计算机视觉国际顶级期刊和会议上发表论文17篇。授权发明专利5项，软件著作权1项。 三、应用技术成果 1)    雾天图像增强2)      水下图像增强 3)    雾天图像增强

本发明公开了一种飞行器地面运动目标红外图像识别装置，所述装置包括红外图像非均匀性校正模块、图像旋转模块、图像配准模块、多级滤波模块、连通域标记模块、目标检测与特征识别模块、流程控制模块以及 FPGA 实现的互联模块。本发明采用图像处理和目标识别专用 ASIC/SoC 芯片、通用 DSP 处理器和 FPGA 处理器，完成不同层次的图像处理和目标识别算法，提高系统并行度、实时性，实时地实现了飞行器地面运动目标红外图像识别

AI心理情绪识别系统1.多模态信号采集：人脸动态图像、脑电信号采集、语音情感检测。2.功能模块包含：情绪检测、情绪档案、数据统计、用户管理、系统设置功能模块。3.系统基于情绪心理学相关理论，结合面部表情的二维情感空间分析技术、脑电信号的状态分析、语音的三维情感空间分析三种模态相互融合叠加技术，检测人心理情绪状态，提高其检测准确度。3.    基于摄像头面部情绪识别技术，可以实时分析人体面部所包含的情绪状态。通过非接触式的实时视采用 AI 人工智能学习技术，结合心理学，通过对被测试人员 60秒的测试，能够获取相关心理/心理指标。帮助被测试人员了解自己的心理健康状况，并且引起人们重视心理健康，从而在工作、学习、生活当中提高身心健康。并且通过定期测试，能够获取个体、准确的进行心理危机预警，显示被测人员心理危机测试报告，提醒心理医生重点关注。用户在进行注册登录后，根据语音提示可直接进入测试界面进行情绪识别。点击测试按钮，调整好站立位置，脸部朝向屏幕，人脸录入即可完成测试，测试完成即可生成测试报告并能打印报告。4    基于脑电生物传感器状态检测、实时展示人体脑波原始状态指标以及Delta、Theta、Alpha、Beta、Gamma等8个EEG参数。5.    采用任务态模式进行语音情感分析，测试者按照系统设定的特定语境信息进行朗读来进行情感分析。6.    检测结束后可实时出具“心理生理状态分析结果报告”，其中包括被测试人员信息、检测时间、12维度心理生理情绪数据，包含正面情绪（平衡、自信心、活力、调节水平），负面情绪（攻击性、压力、紧张、可疑），生理参数（抑制、神经质、消沉、幸福指数），以及综合状态指标：专注度、放松度、疲劳指数、焦虑指数、压力指数、抑郁指数等。7.    统计分析：系统自带数据中心的统计功能，可以按单位进行所有检测人员的压力分布图及重点关注人员的信息显示。8.    检测完成后系统自动生成检测报告，检测报告需包含每项参数的检测数据大小、参考范围、异常数据等，以及用情绪参数雷达图、饼状图、直方图、曲线视图等多种表示方法。9.    信息查询功能：管理员可通过多条件查询功能，只需通过任意一项查询条件即可快速查询出与之对应和匹配的测试者信息，以及该测试者的历史测试记录，并可对该测试者的测试记录进行纵向和横向对比，综合分析该名测试者的心理健康状况。9.用户管理端：以管理员身份登录该系统可对用户进行管理。可进行添加用户、删除用户、查询用户、用户信息修改、密码修改、级别权限设置、单位框架搭建、查看用户报告，以及导出、打印用户报告。10.系统具有特定场合模态设置功能，可关闭和开启语音检测功能。11.视频检测时面部框具有信号质量检测功能，通过不能的颜色在面部框进行彩色状态提示，同时具有人脸检测判别功能，比如面部不全、距离较远等识别功能

本项目将在目前硬件条件下，通过信号处理手段充分发挥硬件能力提高探地雷达的探测性能，使探地雷达能够高精度确定分层媒质中的层位、层厚及参数，对非层状目标能高精度地确定目标位置、几何形状和尺寸及其电性质，并给出根据目标特征辨识目标。本项目跨电磁学、地学、信号及图像处理等学科，涉及强相干干扰抑制、时域逆散射、图象处理、成象技术及目标识别等，是一项有理论意义并能使探

本发明公开了一种基于多波束相控阵声纳系统的三维声纳可视化处理方法，包括以下步骤：采集声纳数据，并通过网络发送；通过网络逐帧获取声纳数据，将每一帧声纳数据对应的范围图像转化为全局坐标系下的点云数据；对点云数据进行过滤，将过滤得到的点云数据连接成三角面片，并计算每个三角面片的法向量和顶点；将当前帧与前一帧进行配准，将配准后的当前帧和前一帧中的点云数据进行马赛克化处理，然后利用遍历交叉点算法将马赛克化后的当前帧和前一帧的点云数据进行融合，并进行三维场景图像模型点集的更新；依据融合后的点云数据的强度以及三角面片的法向量和顶点的法向量，生成三维场景图像。本发明方法，速度快，精度高。

1. 2D/CMC-中药注射液类过敏物分析仪 2.“2D/CMC-中药注射液类过敏物分析仪”系统界面 3.2D/CMC-中药注射液类过敏物分析仪 配体-受体相互作用研究 ：CMC模型完全适用于配体-膜受体相互作用研究 4. CMC-配体/受体作用分析仪

1. 痛点问题 我们生活在一个真实的三维世界中，二维环境感知是远无法满足我们的实际需求。在诸如自动驾驶、机器人抓取和三维目标识别等应用中（如图1），我们经常需要推理三维空间中物体之间的位置关系，从而能够理解真实三维场景并做出进一步的决策行为。 图1 自动驾驶、视觉抓取、物体识别 2. 解决方案 本技术成果提出了一种三维视觉目标检测与识别方法。在三维视觉目标检测方面，提出了一种基于关系推理网络的单目三维物体检测方法，方法流程图如图2所示。方法提出了一种新的单目三维物体检测架构，训练了一个深度关系推理网络来估计三维候选和真实物体之间的空间位置关系，通过测量投影结果和真实物体之间的视觉拟合度来实现高精的三维空间定位。 图2 三维目标检测的流程图 在三维视觉目标识别方法，提出了一种基于球面分形卷积神经网络的三维点云识别技术，方法流程图如图3所示。方法通过引入球面分形结构，将原始三维点云通过可学习的神经网络投影到球面，使得卷积神经网络可以高效处理三维点云数据并进行特征特征，同时通过设计基于分形结构的层次化学习框架，提高了三维点云物体识别的精度，实现了对于三维点云目标在旋转条件下特征表示的鲁棒性。 合作需求 寻求在人工智能、智能机器人、智慧城市等领域有相关技术开发、市场推广经验，能推进本技术落地的高科技企业，可以进行深度合作。本技术成果有望在自动驾驶、虚拟现实等场景进行落地应用。

近日，西安电子科技大学空间科学与技术学院在临近空间高速目标精细识别领域取得突破性进展，在航空航天领域全球排名Top 2的CJA (Chinese Journal of Aeronautics)上发表了题为“An unsupervised classification method of flight states for hypersonic targets based on hyperspectral features”的最新研究成果，并被评选为期刊亮点文章，通过官方微信公众号、Facebook、Twitter账号进行国内外推送。

本发明公开了一种前视雷达成像海面目标关键点检测识别方法，所述方法包括：将雷达回波数据量化为灰度图像；对灰度图像提取感兴趣区、分割，得到目标区域分割图像；利用雷达回波数据和图像感兴趣区，得到目标区域峰值点信息矩阵；对目标区域分割图像和目标区域峰值点信息矩阵进行信息融合，统计融合结果中目标区域内峰值点数目 K，选取前 K 个峰值点作为目标有效峰值点，二值化为目标有效峰值点图像，提取目标轴向特征，确定目标位置；计算目标能量