|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺(tái)
州大學(xué).jpg){kind=logo}
一種具有保健功能的五行足浴泡騰片及其制備方 法
足浴浴劑及相關(guān)專利產(chǎn)品尚未見報(bào)道。我們根據(jù)中醫(yī)理論設(shè)計(jì)為五種顏色五種花香具有保健功能的五行足浴泡騰片，填補(bǔ)了國(guó)內(nèi)該領(lǐng)域空白。
揚(yáng)州大學(xué)
2021-04-14
.jpg){kind=logo}
一種基于頻域消偏結(jié)構(gòu)的光譜偏振無(wú)關(guān)測(cè)量的裝置與方法
本發(fā)明公開了一種基于頻域消偏結(jié)構(gòu)的光譜偏振無(wú)關(guān)測(cè)量的裝 置與方法，該裝置包括泵浦光源模塊、消偏模塊、SBS 效應(yīng)發(fā)生模塊 以及數(shù)據(jù)采集與光譜重構(gòu)模塊。本發(fā)明提出的方法包括：泵浦光源模 塊發(fā)出偏振態(tài)固定的激光；泵浦光源模塊輸出端的激光通過(guò)消偏模塊 成為消偏光；將此消偏光作為泵浦光輸入到 SBS 效應(yīng)發(fā)生模塊與外界 輸入到 SBS 效應(yīng)發(fā)生模塊的待測(cè)信號(hào)光發(fā)生相互作用；待測(cè)信號(hào)光經(jīng) 過(guò) SBS 效應(yīng)發(fā)生模塊放大后由數(shù)據(jù)采
華中科技大學(xué)
2021-04-14
一種用于提取半導(dǎo)體納米結(jié)構(gòu)特征尺寸的方法
本發(fā)明公開了一種用于提取半導(dǎo)體納米結(jié)構(gòu)特征尺寸的方法，包括待提取參數(shù)取值范圍的劃分，子光譜數(shù)據(jù)庫(kù)的建立，支持向量機(jī)分類器訓(xùn)練光譜的生成，支持向量機(jī)分類器的生成、測(cè)量光譜的映射和在子光譜數(shù)據(jù)庫(kù)中進(jìn)行的最相似光譜搜索。與現(xiàn)有方法相比，本發(fā)明方法通過(guò)額外增加一個(gè)可以離線進(jìn)行的支持向量機(jī)分類器訓(xùn)練環(huán)節(jié)，實(shí)現(xiàn)了將測(cè)量光譜映射到一個(gè)小范圍的子數(shù)據(jù)庫(kù)中。與在整個(gè)大數(shù)據(jù)庫(kù)中進(jìn)行最相似光譜檢索相比，在子數(shù)據(jù)庫(kù)中展開的檢索所消耗的時(shí)間大大減少。并且，通過(guò)增加每個(gè)分類器中包含的類數(shù)，可以得到更小的子數(shù)據(jù)庫(kù)，從而進(jìn)一步加速參數(shù)的提取。該方法實(shí)現(xiàn)了參數(shù)的提取速度可預(yù)期與可控。
華中科技大學(xué)
2021-04-11
.jpg){kind=logo}
一種基于不變量特征匹配的車輛測(cè)速方法
本發(fā)明公開了一種基于不變量特征匹配的車輛測(cè)速方法，其包括步驟：（1）確定兩幅初始圖像中車輛大致區(qū)域圖像；（2）提取兩幅車輛大致區(qū)域圖像的特征點(diǎn)，獲得兩組不變量特征點(diǎn)的集合；（3）在兩組特征點(diǎn)集合中進(jìn)行特征匹配，得到兩幅車輛大致區(qū)域圖像的匹配特征點(diǎn)集合；（4）計(jì)算每一對(duì)匹配特征點(diǎn)在車輛縱向方向上的相對(duì)距離；（5）對(duì)所有匹配特征點(diǎn)進(jìn)行聚類，聚類中心處的相對(duì)距離即為車輛在圖像中的移動(dòng)距離；（6）將圖像距離轉(zhuǎn)化為車輛實(shí)際的行駛距離，除以獲取兩幀圖像的時(shí)間差得到車輛速度。本發(fā)明解決了運(yùn)動(dòng)物體在圖像中的精確定位
安徽建筑大學(xué)
2021-01-12
.jpg){kind=logo}
一種基于顯著性特征的人臉痣檢測(cè)方法
人臉識(shí)別由于具有直接，友好，方便的特點(diǎn)，使用者無(wú)任何心理障礙，易于為用戶所接受，從而得到了廣泛的研究與應(yīng)用。除此之外，我們還能夠?qū)θ四樧R(shí)別的結(jié)果作進(jìn)一步的分析，得到有關(guān)人的性別，表情，年齡等諸多額外的豐富信息，擴(kuò)展了人臉識(shí)別的應(yīng)用前景。人臉中痣的檢測(cè)可以作為人臉識(shí)別的輔助方法，具有重大的應(yīng)用價(jià)值。目前該問(wèn)題已經(jīng)得到了很多人的重視，但是從不同的人臉中提取痣特征是一個(gè)比較困難的工作。困難主要體現(xiàn)在，人臉成像時(shí)的光照不一致，有的光照比較強(qiáng)烈，有的比較暗淡，另外臉上的眼角，嘴角，皺紋和鼻孔等組織對(duì)痣檢測(cè)的干擾很強(qiáng)烈。本成果很好的結(jié)果了人臉痣檢測(cè)問(wèn)題，對(duì)于人臉識(shí)別能夠起到很好的輔助作用。本發(fā)明解決了人臉識(shí)別過(guò)程中的人臉痣檢測(cè)問(wèn)題。人臉的痣檢測(cè)對(duì)于提高人臉識(shí)別的速度和減小搜索人臉庫(kù)的規(guī)模具有很大的優(yōu)勢(shì)。本文提出了一種基于痣的顯著特征的檢測(cè)方法，結(jié)果表明了這種方法的優(yōu)越性。具有很大的潛在的應(yīng)用。
青島大學(xué)
2021-04-13
一種結(jié)合語(yǔ)義特征的 ERVQ 圖片索引與檢索方法
本發(fā)明公開了一種結(jié)合語(yǔ)義特征的 ERVQ 索引，包括以下步驟：準(zhǔn)備訓(xùn)練索引的圖片集 P1 和待索引圖片集 P2，對(duì) P1 提取低層特征(SIFT、SURF 等)，使用殘差量化索引(RVQ)訓(xùn)練方法訓(xùn)練得到一個(gè) L層的 RVQ 碼書 Codebook1，使用 ERVQ 優(yōu)化方法調(diào)整 Codebook1 生成碼書 Codebook2，將碼書 Codebook2 多層質(zhì)心一一組合構(gòu)建索引字典，將索引字典每個(gè)索引項(xiàng)上根據(jù)語(yǔ)義劃分成多個(gè)倒排鏈表結(jié)構(gòu)，對(duì) P2 提取低層特征和語(yǔ)義特征，根據(jù)低層特征找到索引項(xiàng)，根
華中科技大學(xué)
2021-04-14
一種基于簽到特征的用戶位置分類方法及系統(tǒng)
本發(fā)明公開了一種基于簽到特征的用戶位置分類模型，其應(yīng)用 在針對(duì)性的廣告推薦、智能導(dǎo)航、智慧交通等基于位置的服務(wù)中，該 模型包括：針對(duì)用戶當(dāng)前的“簽到”場(chǎng)所，查詢其是否已在用戶的歷 史“簽到”位置集里面；如果不在，則分別基于社交網(wǎng)絡(luò)全局用戶知 識(shí)域、用戶好友知識(shí)域、用戶個(gè)人知識(shí)域提取用戶的“簽到”特征； 應(yīng)用已訓(xùn)練的 SVM 分類模型對(duì)用戶當(dāng)前的“簽到”場(chǎng)所進(jìn)行分類，預(yù) 測(cè)該位置是否為用戶將來(lái)頻繁“簽到”的場(chǎng)所。本發(fā)明
華中科技大學(xué)
2021-04-14
基于冗余特征消減的醫(yī)學(xué)超聲圖像自動(dòng)識(shí)別方法
本發(fā)明公開了一種基于冗余特征消減的醫(yī)學(xué)超聲圖像自動(dòng)識(shí)別方法。首先從待處理的醫(yī)學(xué)超聲圖像中提取感興趣區(qū)域，從感興趣區(qū)域提取特征；然后對(duì)提取的特征進(jìn)行主成分分析，以去除冗余和無(wú)關(guān)的特征分量，確定獨(dú)立有效的特征；最后依據(jù)獨(dú)立有效的特征，利用分類器對(duì)感興趣區(qū)域分類。本發(fā)明通過(guò)計(jì)算機(jī)對(duì)醫(yī)學(xué)超聲圖像進(jìn)行分析，提取的圖像特征涵蓋了空域和頻域，更為全面地反映了圖像的本質(zhì)特性，有助于進(jìn)行正確分類，具有較好的臨床實(shí)用性。
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
一種基于顯著直方圖特征的行人檢測(cè)方法及系統(tǒng)
一種基于顯著直方圖特征的行人檢測(cè)方法及系統(tǒng)，訓(xùn)練階段包括首先分別將樣本數(shù)據(jù)集中每個(gè)正樣 本或負(fù)樣本歸一化為預(yù)設(shè)尺寸，然后作為輸入圖像提取特征，根據(jù)所得特征訓(xùn)練分類器;正樣本的圖像 包含行人，負(fù)樣本的圖像不包含行人;測(cè)試階段包括對(duì)測(cè)試數(shù)據(jù)集中任一測(cè)試圖像，首先以測(cè)試圖像為 輸入圖像，分別以輸入圖像的每個(gè)像素為中心建立預(yù)設(shè)尺寸的局部區(qū)域，并提取每個(gè)局部區(qū)域的特征， 然后將每個(gè)局部區(qū)域的特征輸入訓(xùn)練階段所得分類器，得到各局部區(qū)域是否包含行人的分類結(jié)果。提取 特征時(shí)，將梯度的幅值和相應(yīng)局部區(qū)域顯著概率值結(jié)合
武漢大學(xué)
2021-04-14
一種基于局部哈希特征的視頻目標(biāo)實(shí)時(shí)跟蹤方法
本發(fā)明公開了一種基于感知哈希特征的視頻目標(biāo)跟蹤方法，其特征在于，包括以下步驟：(1)讀取待跟蹤視頻序列的第一幀；(2)在圖像中畫一恰好將目標(biāo)包圍的矩形框，作為目標(biāo)框；(3)對(duì)視頻幀圖像進(jìn)行灰度化處理；(4)提取目標(biāo)框的局部哈希特征，并對(duì)特征進(jìn)行為運(yùn)算化處理；(5)讀取視頻下一幀，并采用同步驟(3)同樣的方式對(duì)圖像進(jìn)行灰度化處理；(6)在當(dāng)前幀中，采用倒金字塔候選框搜索方法在上一幀目標(biāo)相同位置附近獲取候選框；(7)采用
華中科技大學(xué)
2021-04-14