|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺(tái)
大學(xué).jpg){kind=logo}
基于多源異構(gòu)的新冠肺炎疫情數(shù)據(jù)分析技術(shù)
南京工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院史本云教授團(tuán)隊(duì)聯(lián)合香港浸會(huì)大學(xué)計(jì)算機(jī)科學(xué)系與中國疾病預(yù)防控制中心寄生蟲病預(yù)防控制所（國家熱帶病研究中心）共建的智能化疾病監(jiān)控聯(lián)合實(shí)驗(yàn)室，及時(shí)搜集疫情相關(guān)信息，追蹤相關(guān)數(shù)據(jù)，運(yùn)用多源異構(gòu)數(shù)據(jù)驅(qū)動(dòng)的傳染病學(xué)模型和分析方法，針對(duì)武漢（新冠肺炎發(fā)源地）、北京、天津（京津冀地區(qū)）、深圳（粵港澳大灣區(qū)）、杭州和蘇州（長三角經(jīng)濟(jì)區(qū)）6座典型城市，開展了新冠肺炎疫情的回顧性分析和趨勢預(yù)判，精準(zhǔn)評(píng)估了不同復(fù)工場景下的疫情風(fēng)險(xiǎn)和經(jīng)濟(jì)損失。該研究針對(duì)新冠肺炎疫情發(fā)展期、控制期和恢復(fù)期的不同階段，以及不同城市的傳播特點(diǎn)（本地傳播為主/輸入病例為主），綜合考慮了各個(gè)城市內(nèi)不同年齡段的人口分布和不同人群（如學(xué)生、上班族和老人）的接觸強(qiáng)度、接觸時(shí)長等，設(shè)計(jì)了居家場所、學(xué)校場所、工作場所和公共場所4種主要接觸場景。通過結(jié)合城市間的人口流動(dòng)數(shù)據(jù)，構(gòu)建了數(shù)據(jù)驅(qū)動(dòng)的傳染病動(dòng)力學(xué)模型，對(duì)不同城市不同干預(yù)手段下的疫情走勢進(jìn)行了評(píng)估。在此基礎(chǔ)上，研究人員結(jié)合不同城市的GDP增長預(yù)期和產(chǎn)業(yè)結(jié)構(gòu)，基于對(duì)未來數(shù)日各城市疫情走勢的研判，對(duì)下一階段有序推動(dòng)恢復(fù)正常生產(chǎn)提出了若干建議并進(jìn)行了相應(yīng)的經(jīng)濟(jì)損失評(píng)估。據(jù)悉，該研究成果和建議已經(jīng)通過國務(wù)院參事提交國家相關(guān)部門。
南京工業(yè)大學(xué)
2021-04-10
.jpg){kind=logo}
基于遙感影像DN值多元參量定標(biāo)模型的自適應(yīng)成像方法
本發(fā)明涉及一種基于遙感影像值多元參量定標(biāo)模型的自適應(yīng)成像方法,其步驟包括建立成像系統(tǒng)電子學(xué)參數(shù)與遙感圖像的定量數(shù)學(xué)關(guān)系；獲取遙感成像系統(tǒng)的位置和姿態(tài)參數(shù),并計(jì)算成像區(qū)域獲取成像區(qū)域地物覆蓋類型、地物反射光譜以及成像區(qū)域上空大氣和氣溶膠參數(shù),根據(jù)輻射傳輸方程計(jì)算該成像區(qū)域?qū)?yīng)的入瞳輻亮度；對(duì)每一景遙感影像入瞳輻亮度進(jìn)行排序得到最大入瞳輻亮度值,并通過成像系統(tǒng)調(diào)節(jié)成像參數(shù)使其不超過成像系統(tǒng)最大輸出圖像值,然后驅(qū)動(dòng)成像設(shè)備獲取遙感影像。
北京大學(xué)
2021-02-01
.jpg){kind=logo}
基于 LiDAR 點(diǎn)云輔助的立體影像密集匹配方法及系統(tǒng)
一種基于 LiDAR 點(diǎn)云輔助的立體影像密集匹配方法及系統(tǒng)，將投影獲取立體像對(duì)重疊范圍內(nèi)的 LiDAR 點(diǎn)云并濾波處理；將濾波后的點(diǎn)云投影到核線立體像對(duì)上，確定后續(xù)密集匹配的視差范圍；建立 金字塔，從金字塔頂層開始，采用三角網(wǎng)約束改造代價(jià)矩陣，進(jìn)行 SGM 密集匹配，并進(jìn)行左右一致性 檢測，得到頂層最終的視差圖；將金字塔當(dāng)前層的視差圖傳遞到下一層作為初始視差圖，根據(jù)當(dāng)前層的 視差圖相應(yīng)確定下一層的視差范圍，將下一層作為新的當(dāng)前層；基于新的當(dāng)前層，同樣處理得到當(dāng)前層 最終的視差圖，直到金字塔的底層，輸出原始影像的視差圖，根據(jù)視差圖，得到立體像對(duì)的同名點(diǎn)，生 成密集匹配的點(diǎn)云。
武漢大學(xué)
2021-04-13
.jpg){kind=logo}
基于機(jī)器學(xué)習(xí)的多模態(tài)醫(yī)學(xué)影像信息處理與分析
多模態(tài)醫(yī)學(xué)影像信息處理與分析，具有重大的應(yīng)用背景，是國家和社會(huì)當(dāng) 前高度重視的研究領(lǐng)域之一。 本項(xiàng)目擬基于機(jī)器學(xué)習(xí)方法，主要研究醫(yī)學(xué)影像的特征描述、設(shè)備無關(guān)性 的特征評(píng)價(jià)與特征選擇、基于內(nèi)容的多模態(tài)醫(yī)學(xué)影像檢索、醫(yī)學(xué)影像信息挖掘、 參考庫建設(shè)與算法輔助研究平臺(tái)的設(shè)計(jì)與開發(fā)等內(nèi)容。研究目標(biāo)為： （1）建立統(tǒng)一的特征描述模型，實(shí)現(xiàn)跨模態(tài)醫(yī)學(xué)影像的統(tǒng)一特征描述； （2）提出有效解決特征提取層面上醫(yī)學(xué)影像信息處理與分析算法的設(shè)備無 關(guān)性問題的通用框架； （3）在醫(yī)學(xué)影像標(biāo)注數(shù)據(jù)有限、數(shù)據(jù)庫為海量等條件下，實(shí)現(xiàn)高效率單模 50 態(tài)影像檢索，有效提高多模態(tài)、跨模態(tài)醫(yī)學(xué)影像檢索的精度，實(shí)現(xiàn)用戶友好的 檢索結(jié)果展示； （4）從結(jié)構(gòu)復(fù)雜的多模態(tài)醫(yī)學(xué)影像數(shù)據(jù)中，挖掘有用的知識(shí)，構(gòu)建有效的 輔助診斷模型、實(shí)現(xiàn)個(gè)人疾病風(fēng)險(xiǎn)預(yù)警； （5）完成首期參考庫建設(shè)與算法輔助研發(fā)平臺(tái)的開發(fā)，為項(xiàng)目研究內(nèi)容的 開展提供有效數(shù)據(jù)和環(huán)境支撐。本項(xiàng)目獲得國家自然科學(xué)基金重點(diǎn)項(xiàng)目資助，項(xiàng)目執(zhí)行期 2013.1-2017.12。
山東大學(xué)
2021-04-13
.jpg){kind=logo}
腫瘤前期診斷分子探針的合成及其分子影像活體診斷系統(tǒng)
常見腫瘤的前期診斷是目前的一個(gè)技術(shù)難點(diǎn)，也是目前急需解決的一個(gè)難題，目前最好的解決方法是分子熒光探測技術(shù)，這些技術(shù)的核心是小分子熒光探針的合成以及這種分子探針的腫瘤靶向特性，我們已經(jīng)合成了可以進(jìn)行部分腫瘤標(biāo)記的近紅外分子探針，并在幾種腫瘤的前期診斷中獲得了成功。同時(shí)我們也已經(jīng)成功開發(fā)了活體熒光成像系統(tǒng)，可以進(jìn)行分子熒光探針應(yīng)用的相關(guān)研究。應(yīng)用于醫(yī)療器械：腫瘤的前期診斷，獲發(fā)明專利2項(xiàng)，市場前景不可估量。 我們已經(jīng)合成了可以進(jìn)行部分腫瘤標(biāo)記的近紅外分子探針，并在幾種腫瘤的前期診斷中獲得了
南京航空航天大學(xué)
2021-04-14
基于投影數(shù)字高程模型的正射影像鑲嵌線自動(dòng)提取方法
本發(fā)明公開了一種基于投影數(shù)字高程模型的正射影像鑲嵌線自動(dòng)提取方法，包括步驟：步驟 1，獲 取單片正射影像的投影數(shù)字高程模型；步驟 2，確定待鑲嵌正射影像對(duì)；步驟 3，將待鑲嵌正射影像對(duì) 的投影數(shù)字高程模型按地理坐標(biāo)疊加獲得疊加圖像，將疊加圖像二值化得到二值疊加圖像；步驟 4，采 用圖像形態(tài)學(xué)方法提取二值疊加圖像的骨架線獲得骨架線網(wǎng)絡(luò)，采用 Dijkstra 算法在骨架線網(wǎng)絡(luò)中搜尋 最短路徑，即待鑲嵌影像對(duì)的鑲嵌線。本發(fā)明方法能自動(dòng)獲取高質(zhì)量的正
武漢大學(xué)
2021-04-14
基于遙感影像的特征函數(shù)空間濾值回歸模型并行化方法
本發(fā)明公開了一種基于遙感影像的特征函數(shù)空間濾值回歸模型并行化方法，本發(fā)明針對(duì)遙感影像數(shù) 據(jù)回歸建模過程中變量空間自相關(guān)性對(duì)模型的影響，提出采用特征函數(shù)空間濾值方法，通過將影像進(jìn)行 分塊，利用搭建的并行計(jì)算集群進(jìn)行分布式計(jì)算，最后將分塊計(jì)算的結(jié)果返回給主節(jié)點(diǎn)匯總，通過對(duì)比 串行和并行分別得到的回歸模型擬合評(píng)價(jià)參數(shù) MSE、RMSE、R2、Adj.R2 以及并行加速比 S，驗(yàn)證基于 遙感影像的特征函數(shù)空間濾值并行方法在空間統(tǒng)計(jì)回歸建模中能夠消除空間
武漢大學(xué)
2021-04-14
.jpg){kind=logo}
一種補(bǔ)償粒子速度影像儀球面像差的方法及裝置
本發(fā)明公開一種補(bǔ)償粒子速度影像儀球面像差的方法，所述方法為：在粒子速度影像儀提取極電極板添加跳變電壓，以在聚焦電場的基礎(chǔ)上添加發(fā)散電場，從而補(bǔ)償原有靜電聚焦透鏡球面像差。本發(fā)明還提供一種補(bǔ)償粒子速度影像儀球面像差的裝置，所述裝置包括與粒子速度影像儀提取極電極板連接的跳變電壓控制單元，用于在提取極電極板上產(chǎn)生跳變電壓。本發(fā)明可補(bǔ)償粒子速度影像儀補(bǔ)償原有靜電聚焦透鏡球面像差，實(shí)施本發(fā)明無需改變?cè)醒b置結(jié)構(gòu)，實(shí)施簡便、成本低、成像分辨率高。
華中科技大學(xué)
2021-04-14
利用激光點(diǎn)云輔助的可量測全景影像生成方法
本發(fā)明公開了一種利用激光點(diǎn)云輔助的可量測全景影像生成方法，包括：步驟 1，將全景影像進(jìn)行 虛擬成像獲得多幅框幅式影像；步驟 2，選取初始點(diǎn)對(duì)，并初始化各框幅式影像的外方位元素；步驟 3， 以初始點(diǎn)對(duì)中所有激光點(diǎn)到對(duì)應(yīng)框幅式影像上的投影誤差的和最小為條件方程，調(diào)整外方位元素初始值， 獲得精確的外方位元素值；步驟 4，構(gòu)建激光點(diǎn)云的空間索引，在空間索引中選取以曝光中心為球心的 球形鄰域，球形鄰域內(nèi)激光點(diǎn)云即全景影像的鄰域點(diǎn)云；步驟 5，計(jì)算鄰域點(diǎn)云中各激光點(diǎn)的法向量， 獲得鄰域點(diǎn)云的特征；步驟 6，將鄰域點(diǎn)云的深度和特征投影到全景影像。采用本發(fā)明生產(chǎn)的可量測全 景影像具有較高精度，可廣泛運(yùn)用于測量領(lǐng)域及資產(chǎn)調(diào)查。
武漢大學(xué)
2021-04-13
一種真正射影像絕對(duì)遮擋區(qū)域修補(bǔ)方法及系統(tǒng)
一種真正射影像絕對(duì)遮擋區(qū)域修補(bǔ)方法及系統(tǒng)，包括加載真正射影像及相應(yīng)的坐標(biāo)系統(tǒng)參數(shù)，分別 加載真正射影像相應(yīng)的 DEM 三角網(wǎng)格數(shù)據(jù)和 DBM 三角網(wǎng)格數(shù)據(jù)，將真正射影像中被 DEM 三角網(wǎng)格所 覆蓋的區(qū)域內(nèi)像素點(diǎn)標(biāo)定為地面點(diǎn)，將真正射影像中被 DBM 三角網(wǎng)格所覆蓋的區(qū)域內(nèi)像素點(diǎn)標(biāo)定為建 筑點(diǎn)；根據(jù)鄰域范圍內(nèi)相同屬性進(jìn)行像素點(diǎn)修補(bǔ)。本發(fā)明能夠有效修補(bǔ)真正射影像中絕對(duì)遮蔽區(qū)域，各 像素屬性明確，能夠采用相同屬性的像素進(jìn)行修補(bǔ)，因此保證了最大程度的保真，基本不存在地面像素 補(bǔ)到屋頂面上或屋頂面像素補(bǔ)到地面上的情況
武漢大學(xué)
2021-04-13