|
搜索
搜 索
高等教育领域数字化综合服务平台
一种基于 GPU 的多尺度空间特征提取方法
本发明公开了一种基于 GPU 的多尺度空间特征提取方法，包括 以下步骤：利用多尺寸并行非线性滤波构造尺度空间、在尺度空间中 并行的进行关键点检测和描述符生成。其中尺度空间构造包括：多尺 寸数据打包、多尺寸并行降采样、多尺寸并行非线性滤波的具体执行 步骤。为了提高算法的并行度、降低数据依赖性，通过并行降采样提 前得到各个尺寸下的初始图像，使得各个尺寸下的非线性滤波、关键 点检测和描述符生成可以在 GPU 中并行的执行。
华中科技大学
2021-04-14
纳米材料-聚合物对道路沥青的改性特征及作用机理
该成果 2013 年获全国商业科技进步奖二等奖。本研究采用纳米 ZnO 和 SBS 为外掺剂，寻求合适的制备工艺，制备纳米材料/聚合物复合改性沥青。借鉴聚合物改性沥青的研究方法、试验手段及评价方法，探讨纳米材料/聚合物复合材料改性沥青及混合料的路用技术性能；并通过微观、化学分析手段，研究纳米 ZnO 和 SBS 加入到基质沥青中，与基质沥青的相互作用机理，以期望达到较为良好的改性效果，促进纳米材料/聚合物复合改性沥青的发展与应用。
扬州大学
2021-04-14
基于遥感影像的特征函数空间滤值回归模型并行化方法
本发明公开了一种基于遥感影像的特征函数空间滤值回归模型并行化方法，本发明针对遥感影像数 据回归建模过程中变量空间自相关性对模型的影响，提出采用特征函数空间滤值方法，通过将影像进行 分块，利用搭建的并行计算集群进行分布式计算，最后将分块计算的结果返回给主节点汇总，通过对比 串行和并行分别得到的回归模型拟合评价参数 MSE、RMSE、R2、Adj.R2 以及并行加速比 S，验证基于 遥感影像的特征函数空间滤值并行方法在空间统计回归建模中能够消除空间
武汉大学
2021-04-14
一种基于视觉感知特征的光谱降维方法及系统
本发明公开了一种基于视觉感知特征的光谱降维方法及系统，包括构造综合人眼视觉色度特性和光 谱特性的权函数 w(λ)，利用构造的权函数 w(λ)计算任意光谱样本集 S 的权函数 Siw(λ)，对样本集的权函 数 Siw(λ)进行均值化处理，得到样本集均值权函数矩阵 Wfv，构造用于均值权函数 Wfv 平滑优化模型及 约束目标函数，利用优化目标函数 ObjFunc 对平滑优化模型进行约束，确定权函数矩阵 Wfv 最佳平滑优 化函数参数 n 值，利用确
武汉大学
2021-04-14
基于特征树和关联度量的图像隐写分析研究
项目简介： 获取数字图像的多特征性，需要在其特征空间上构建或获取更多特征来发现元素间更复杂的依赖关系。
西华大学
2021-04-14
陈温福院士团队孟军教授课题组在生物炭-微生物协同治理抗生素污染方面取得新进展
陈温福院士团队孟军教授课题组在生物炭-微生物协同治理抗生素污染方面取得新进展
沈阳农业大学
2025-05-21
一种在图像中识别物体的方法
成果描述：本发明申请要解决的问题是，对环境噪声较大的场合，根据对象的结构进行实时识别。本专利建立一种实时的智能物体检测算法，根据动态区域连通性提取物体的结构特征，通过矩函数映射得到特征进行识别。市场前景分析：本发明最主要的任务是弱化了形态的特征，强调结构，从而加强的了抗噪能力，并通过概率模型，给出了精确的数据概率分析。已在实际的应用（自然生态保护区的熊猫识别）当中取得显著效果。与同类成果相比的优势分析：本发明主要面向复杂环境中颜色特征明显的对象，从对象的颜色特征出发得到结构，对结构进行判断从而进行识别。
电子科技大学
2021-04-10
一种新型的车牌识别处理设备
成果描述：本实用新型公开了一种新型的车牌识别处理设备,包括机体、显示屏、控制器面板、车牌信息录入模块和车牌拍摄模块,所述机体的顶部安装有摄像装置,所述显示屏与控制器面板镶嵌在机体的外表面上,且显示屏安装在控制器面板的上方,所述机体的两侧外壁上安装有照明灯,所述机体通过其底部端面安装的支撑腿安装在底座上,所述车牌信息录入模块的输出端与车牌信息储存模块的输入端电性连接,所述车牌信息储存模块的输出端与机体和车牌拍摄模块的输入端电性连接,所述车牌拍摄模块的输出端与车牌信息对比模块的输入端电性连接。本实用新型安装有照明灯,当光线强度不好时,照明灯可起到照明的作用,可使车牌照射的更加清楚,满足了工作的需求。市场前景分析：本实用新型安装有照明灯,当光线强度不好时,照明灯可起到照明的作用,可使车牌照射的更加清楚,满足了工作的需求。与同类成果相比的优势分析：国内领先
成都大学
2021-04-10
视频行人再识别方法、装置及存储介质
高校科技成果尽在科转云
电子科技大学
2021-04-10
基于生成图像数据的水下目标检测与识别
一、项目简介 水下目标检测与识别，是水下机器人等相关系统能够被高效应用的前提。然而现有系统难以应对水下图像能见度较低，对比度差，存在颜色漂移和边缘模糊等问题；另外，水下图像样本稀少且缺乏足够的变化性，使得相关基于机器学习的目标检测与识别系统由于缺乏训练样本而无法有效应用。 二、前期研究基础 项目利用深度学习等新的理论突破，提出两种解决方案，一种是通过结合水下成像原理与深度风格迁移、生成对抗网络等算法，由普通光学图像生成水下图像，构建水下图像目标检测与识别仿真库，该数据库一方面数据量大且具有较大的变化性，也即场景与目标均具有较大的变化性；另一方面，由于是由普通光学图像迁移获得，因而也可以直接应用普通光学图像自身的标签信息，无需再对其进行标注。另一种是研究基于水下退化图像处理算法的检测和识别系统，解决由水下图像的色彩漂移和细节丢失等退化现象带来的目标检测和识别问题。同时通过水下退化图像处理模块和检测识别系统的联合优化技术，可以实现退化图像的增强方法与检测识别系统的最佳匹配。在保证处理后的退化图像性能指标的前提下，进一步提升水下图像的目标检测识别性能。 三、应用技术成果 1）基于深度学习风格迁移的水下图像生成效果示例 a为自然场景图像中的目标检测结果；b为模拟生成的水下风格图像及其目标检测结果；c为图像增强后的目标检测结果。 四、合作企业 无
厦门大学
2021-04-11