|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺
.jpg){kind=logo}
基于人體組織區(qū)別性特征表示的低劑量CT成像相關(guān)算法
申請人自2002年8月開始在醫(yī)學(xué)低劑量CT圖像成像、處理等方向開展學(xué)習(xí)和研究工作，從理論探索和應(yīng)用拓展兩個方面同時開展科學(xué)研究，先后提出了“基于區(qū)別性稀疏表示的低劑量CT成像”，“基于大尺度平均的低劑量CT圖像后處理”，“基于深度學(xué)習(xí)的低劑量CT成像”等一系列創(chuàng)新算法，其中“基于區(qū)別性稀疏表示的低劑量CT成像”算法已通過專利形式轉(zhuǎn)讓到國內(nèi)龍頭大型醫(yī)療設(shè)備商上海聯(lián)影醫(yī)療設(shè)備有限公司，目前已經(jīng)在其即將推出的最新的U780 CT機上得到了應(yīng)用。
東南大學(xué)
2021-04-11
大學(xué).jpg){kind=logo}
基于螺旋槳尾流壓力脈動計算的空化噪聲特征估計方法
（專利號：ZL 201410345592.0） 簡介：本發(fā)明公開了基于螺旋槳尾流壓力脈動計算的空化噪聲特征估計方法，屬于水聲目標特征提取領(lǐng)域?；诼菪龢擦鲏毫γ}動計算的空化噪聲特估計取方法，包括以下步驟：(1)備用網(wǎng)格生成并導(dǎo)入計算程序后生成算例文件，(2)空化模型和湍流模型設(shè)定，(3)數(shù)值計算參數(shù)設(shè)定，(4)數(shù)值計算，(5)數(shù)值方法可靠性驗證及網(wǎng)格確定，(6)空化尾流壓力脈動非定常數(shù)值計算，(7)壓力脈動信號功率譜變換及低頻線譜幅值提取，(8)線譜特征估計及分析。本發(fā)明將現(xiàn)代流體力學(xué)、空泡動力學(xué)和信號處理領(lǐng)域中相關(guān)研究成果引入水下目標的噪聲特征分析，體現(xiàn)多學(xué)科和多領(lǐng)域的交叉性。
安徽工業(yè)大學(xué)
2021-04-11
.jpg){kind=logo}
一種智能視覺監(jiān)控檢索中提取目標運動軌跡特征的方法
本發(fā)明公開了一種智能視覺監(jiān)控檢索中提取目標運動軌跡特征的方法，包括以下步驟：獲取目標運動軌跡，以二維空間坐標序列對目標運動軌跡進行描述；根據(jù)描述目標運動軌跡的二維空間坐標序列，計算描述每次采樣中目標運動方向的水平分量和垂直分量；將每次采樣中目標的二維空間坐標和描述每次采樣中目標運動方向的縱向斜率和橫向斜率合并組成每次采樣中目標的流矢量；以流矢量序列對目標運動軌跡進行描述；讀取預(yù)先建立的參考矢量集合；計算描述目標運動軌跡的流矢量序列到各參考矢量的距離作為該目標運動軌跡的特征向量。本發(fā)明方法使用流矢量序列描述目標運動軌跡并提取特征向量，可以在軌跡描述中同時包含位置和方向信息，避免了測量誤差。
浙江大學(xué)
2021-04-11
.jpg){kind=logo}
基于多源光譜特征融合的食用油種類快速鑒別方法
其他成果/n一種基于多源光譜特征融合的食用油種類快速鑒別方法，包括如下步驟：選取待鑒別的未知種類的食用油樣品；采集拉曼光譜圖和近紅外光譜圖；分別對采集的拉曼光譜圖和近紅外光譜圖進行預(yù)處理，得到預(yù)處理拉曼光譜圖和預(yù)處理近紅外光譜圖；分別對預(yù)處理拉曼光譜圖和預(yù)處理近紅外光譜圖進行特征提取，得到拉曼特征變量和近紅外特征變量；將拉曼特征變量和近紅外特征變量進行光譜特征融合，得到特征融合光譜圖；采用優(yōu)化定性模型對所述未知種類的食用油樣品進行種類鑒別。本發(fā)明提供的基于多源光譜特征融合的食用油種類快速鑒別方法，安全快速、檢測便捷，鑒別準確率高，具有較強的實用價值和推廣價值。
武漢輕工大學(xué)
2021-04-11
.jpg){kind=logo}
基于直方圖特征點配準的影像勻色與融合方法及系統(tǒng)
本發(fā)明公開了一種基于直方圖特征點配準的影像勻色與融合方法及系統(tǒng)，該方法根據(jù)影像亮度直方 圖特征提取直方圖極值點，并采用一維高斯平滑抑制亮度直方圖局部噪聲點;同時，使用匹配代價函數(shù) 對匹配矩陣消元的方式構(gòu)建直方圖極值點間的匹配關(guān)系，并以匹配的直方圖極值點作為直方圖特征點。 利用直方圖特征點，采用影像重疊區(qū)的直方圖特征點對應(yīng)亮度值修正影像亮度。本發(fā)明能對大視角、近 距離色差較大的影像進行色調(diào)差異處理，能自動消除多張影像重疊區(qū)域內(nèi)以及非重疊區(qū)的色調(diào)差異，達 到影像局部區(qū)域色調(diào)均衡與拼接后街景的全景影像整體色調(diào)均衡的效果。
武漢大學(xué)
2021-04-13
.jpg){kind=logo}
重大環(huán)境污染事件特征污染物現(xiàn)場 快速檢測技術(shù)系統(tǒng)
近年來，我國突發(fā)性重大環(huán)境污染事件頻繁發(fā)生，對國民健康、生態(tài)環(huán)境產(chǎn)生了嚴重影響。從我國當前重大環(huán)境污染事件發(fā)生的實際狀況出發(fā)，研究開發(fā)重大環(huán)境污染事件特征污染物現(xiàn)場快速檢測技術(shù)系統(tǒng)，是提升我國環(huán)境保護技術(shù)水平，推進環(huán)境友好型社會建設(shè)的迫切要求。特征污染物現(xiàn)場快速檢測作為應(yīng)對突發(fā)性環(huán)境污染事件的前提，首先要求判斷污染物的種類，利用快速檢測手段給出定性、半定量和定量的檢測結(jié)果，確認污染事件的危害程度和污染范圍等。開發(fā)一套功能完善、便攜、快速的特征污染物現(xiàn)場檢測技術(shù)系統(tǒng)，對于現(xiàn)場決策、減少污染危害程度等具有極其重要的意義。本課題采用納米生物技術(shù)、電化學(xué)或光化學(xué)傳感技術(shù)和信息技術(shù)，并將其有機組合，建立環(huán)境污染事件的現(xiàn)場快速檢測技術(shù)系統(tǒng)，最終形成具有自主知識產(chǎn)權(quán)的環(huán)境污染物現(xiàn)場快速檢測技術(shù)和儀器裝備，為國家環(huán)境安全和人民健康提供保障。
華東理工大學(xué)
2021-04-13
.jpg){kind=logo}
基于內(nèi)部結(jié)構(gòu)特征調(diào)控藥物釋放的三維打印藥片
三維打印技術(shù)是一種依據(jù)“逐層打印，層層疊加”的概念，通過CAD模型及計算機控制直接制備具有特殊外型或復(fù)雜內(nèi)部結(jié)構(gòu)物體的快速成形技術(shù)。該技術(shù)加工過程靈活、成形速度快、運行費用低且可靠性高。由于突破了傳統(tǒng)制劑技術(shù)的一些局限性，三維打印能夠為新型口服控釋給藥系統(tǒng)的研究提供新的策略與途徑，這使得其在藥學(xué)中的應(yīng)用引起了越來越多的關(guān)注。根據(jù)“安全、有效、方便”的給藥治療原則，可以從給藥系統(tǒng)的內(nèi)部結(jié)構(gòu)、局部成分與組成的差異、特殊幾何外型、獨特表面特征、控釋材料（或藥物）的梯度或離散分布、多藥在同一系統(tǒng)中的準確定位與分布等方面出發(fā)，設(shè)計并制備多種新型口服控釋給藥系統(tǒng)。 可以根據(jù)用戶需要進行新型藥物緩控釋給藥系統(tǒng)的研制和開發(fā)。
上海理工大學(xué)
2021-04-13
.jpg){kind=logo}
一種基于亮度特征和輪廓完整性的輪廓提取方法
本發(fā)明公開了一種基于亮度特征和輪廓完整性的輪廓提取方法，屬于計算機視覺和模式識別的交叉鄰域，意在從復(fù)雜的環(huán)境背景中將物體的輪廓完整的提取出來。本發(fā)明包括最大能量響應(yīng)圖的求取步驟、亮度特征調(diào)制的非經(jīng)典感受野抑制步驟、物體輪廓的提取和基于概率模型的高低自適應(yīng)閾值等后處理步驟、基于輪廓完整性的最近鄰朝向一致性連接斷裂輪廓的處理步驟。本發(fā)明利用 Gabor 濾波器模擬人類簡單細胞經(jīng)典感受野的響應(yīng)，得到最大的 Gabor 能量
華中科技大學(xué)
2021-04-14
一種基于輪廓特征的金屬零件增材制造方法
本發(fā)明公開了一種基于輪廓特征的金屬零件增材制造方法，包括以下步驟：①建立金屬零件 CAD 幾何模型，并提取 STL 模型；②根據(jù)零件輪廓特征及復(fù)雜程度確定其制造方向，并進行零件增材制造的路徑規(guī)劃；③利用分層切片軟件對 STL 模型進行合理切片，由計算機根據(jù)這些輪廓信息生成控制指令；④板料送料機構(gòu)在控制指令的控制下送出設(shè)定寬度及厚度的板料并剪斷；⑤在電阻焊或摩擦攪拌焊產(chǎn)生的熱量及輥壓作用下完成層與層之間的焊合，同時復(fù)合同工位銑削完成輪廓毛刺的去除；重復(fù)上述④至⑤過程，直至完成整個零件的成形加工，如未達
華中科技大學(xué)
2021-04-14
一種基于邊緣幾何特征的圖像識別方法及系統(tǒng)
本發(fā)明公開了一種基于邊緣幾何特征的圖像識別方法，包括對工件的原始圖像進行濾波處理；對上述濾波處理后的圖像進行二值化處理；對二值化處理后的圖像查找獲得輪廓序列集；從上述輪廓序列集中篩選出合格的工件輪廓；確定上述工件輪廓的最小外接矩形，并確定上述工件輪廓的中心點；沿上述最小外接矩形的四條邊的方向截取上述工件輪廓的四個子序列；使用邊緣幾何特征算子計算上述四個子序列中各子序列的能量值；確定上述四個子序列中能量值最大的子序列，并確定工件的方向角。本發(fā)明還提供了相應(yīng)的圖像識別系統(tǒng)。本發(fā)明無需建立工件的模板數(shù)據(jù)庫
華中科技大學(xué)
2021-04-14