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

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。

设计并实现了一个图像半自动标注系统，以减轻自动驾驶场景中图像数据标注的工作量。该系统打通图像自动标注流程，利用基于深度学习的目标检测方法对图像中的交通目标进行预标注，随后交于用户检查标注结果，并自动整理输出图像标注数据。此外还开发实现了大量实用的图像标注功能，以支持用户进行图像标注，例如2D目标标注、交通标志标注、车道线标注、车灯标注、施工区域标注、目标跟踪标注、2.5D目标标注、停车位标注等。该系统投入使用后大幅提升了图像标注工作的效率，道路交通目标的平均标注速度相较于手工标注提升了115%。 相关技术指标：自动标注系统的平均标注速度为280张/人天。标注算法的漏检率为6.2%、准确率为92.3%、贴合率为81.2%。 技术指标满足系统设计要求，实际效果令人满意。 技术创新点： 1）实现了标注流程的半自动化，大幅减轻在标注流程上的工作量。 2）在标注功能上，相比已有可获得的工具，在交通目标的类型及标注特性上有了较大扩充。 3）在标注性能上，应用了成熟、领先的目标检测算法和机制如ResNeXt、注意力机制、Focal Loss、GIoU Loss等，并进行若干改进，设计了定位置信度模块、倒金字塔注意力模块、稀疏结构注意力机制等，显著提升了模型的检测效果，特别是小目标以及全局性关联目标检测性能。

图像识别服务基于大数据和深度学习实现，可精准识别图像中的视觉内容，包括上千种物体标签、数十种常见场景等，包含图像打标、场景分类、鉴黄等在线API服务模块，应用于智能相册管理、图片分类和检索、图片安全监控等场景。

产品详细介绍 图像定位系统  系统概述 电教摄影师都有这样一个体会：工作很辛苦！尤其是在多机位拍摄时，更加辛苦。当富有激情的老师授课时，在讲台上来回走动，不断展示新的PPT幻灯片，经常与学生交流，为了拍摄好这样的授课情景，摄影师十分忙碌：需要不断推拉摄像机跟踪拍摄老师图像，需要通过切换台不断在VGA与摄像机之间进行切换，还需要调整摄像机对准回答问题的学生，并进行镜头切换。有了PowerCreator Graphic Position System 图像定位系统后，这些工作都可以自动完成（还需要PowerCreator Media Cast配合使用，后面有详细介绍），无需人工参与。 　　　　　　　　　　　 图像定位系统结构图如下所示：    功能特点 系统组成 PowerCreator Graphic Position System 由两个子系统组成：教师跟踪系统与学生定位系统。教师跟踪系统自动计算教师在讲台上的位置，通知教师摄像机进行转动；学生定位系统自动识别站立学生所处的位置，通知学生摄像机进行定位，以特写的方式进行拍摄。 跟踪目标不会丢失 与市场上同类产品相比，PowerCreator Graphic Position System 的一个最大特点就是：跟踪目标不会丢失，即使在讲台上以最快的速度跑动。    真正满足常态化教学要求 录播系统解决方案中，对于如何拍摄学生画面一直是一个难题，一般解决方案都需要学生按一个触发器（可能是按键、 手持麦克、压力感应器等），这些技术不具备实用价值，违反了常态化教学要求。PowerCreator Graphic Position System很好的解决了这个问题，学生和老师无需做任何操作，只需要回答问题时，站立起来就可以了。 抗干扰性强 基于红外技术的产品，容易受太阳光、热光源等因素干扰；基于超声波技术的产品，长时间使用，对人身体健康有害。相比前两种技术，PowerCreator Graphic Position System 基于图像识别技术，很好的解决了以上问题。 部署简单 安装部署PowerCreator Graphic Position System，只需要在教室的几个不同位置安装摄像机就可以了，十分方便。

产品详细介绍 灵活的跟踪策略  老师与学生配置不同的跟踪策略，用户只需选择不同跟踪策略,同时用户可以自行定义跟踪与 切换方案。 双板书跟踪  支持独立板书分析，支持左右两边板书特写跟踪。 多机位协同跟踪，无垃圾镜头，切换延时小  场景采用多机位协同跟踪，切换镜头的方式实现跟踪拍摄（包括教师、学生作答特写画面、 板书特写画面），不出现画面摇动、变焦等不稳定画面。 光流法柔性跟踪  特写镜头的缓和转动，使摄像头画面无拖拽镜头，人体走动跟踪更自然。 区域屏蔽和热点跟踪  避免拍摄区域的亮斑、阴影等干扰，提高系统识别效果；具有多人员识别与拍摄策略；单人 员是特写拍摄、多人员是全景拍摄。可以设置热点区域做跟踪策略。

本发明公开了一种双加工点共轨运动控制方法、加工方法及其装置，用于在数控机床加工轮廓轨迹时实现主加工点和副加工点同时位于该轮廓轨迹上，包括 S1 根据主加工点的坐标、行进方向以及与副加工点的距离，计算副加工点在轮廓轨迹上的位置以及弦线的方向；S2 计算弦线在下一时刻的方向；S3 计算该弦线旋转的角度；S4 计算弦线旋转需要加工点在工件坐标系下分别在 X 轴和 Y 轴方向的补偿量；S5 结合工件坐标系和机床坐标系的换算关系，获得主加工点和副加工点的绝对坐标，实现双加工点共轨控制。本发明方法填补了实际加工