|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺
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(biāo)特征提取領(lǐng)域。基于螺旋槳尾流壓力脈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(biāo)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}
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(jìn)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(jìn)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(jìn)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(jìn)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(zhǔn)確率高，具有較強(qiáng)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(zhǔn)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(zhǔn)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(jìn)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(dá) 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}
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(jī)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(yùn)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(zhǔn)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(jìn)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(jìn)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(jìn)行合理切片，由計算機(jī)根據(jù)這些輪廓信息生成控制指令；④板料送料機(jī)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(dá)
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(jìn)行濾波處理；對上述濾波處理后的圖像進(jìn)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
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(jìn)行濾波處理；對上述濾波處理后的圖像進(jìn)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
華中科技大學(xué)
2021-04-14
一種量化路網(wǎng)特征及其土地利用效應(yīng)的方法
本發(fā)明涉及一種量化路網(wǎng)特征及其土地利用效應(yīng)的方法，屬于交通與土地利用規(guī)劃領(lǐng)域。本發(fā)明提 供的道路與土地利用相關(guān)性的研究方法先采用復(fù)雜網(wǎng)絡(luò)多中心性測度模型量化道路網(wǎng)絡(luò)中各個路段的 中心值，然后通過核密度估算和重分類的方法按照中心程度將區(qū)域劃分成不同等級的子區(qū)，并對各個子 區(qū)計算景觀指數(shù)，最后利用 Spearman 秩相關(guān)分析分別得到道路中心度與土地利用景觀格局之間的相關(guān) 系數(shù)。本發(fā)明從地理空間的角度考慮了道路網(wǎng)絡(luò)的中心特性，對道路網(wǎng)絡(luò)的結(jié)構(gòu)進(jìn)行了度量，相比于傳 統(tǒng)的道路特征參數(shù)更好的量化了道路的網(wǎng)絡(luò)特征及其和區(qū)域土地利用之間的互動關(guān)系，有利于為交通網(wǎng) 絡(luò)與土地利用規(guī)劃提供理論支持。
武漢大學(xué)
2021-04-13
基于數(shù)據(jù)驅(qū)動局部特征轉(zhuǎn)換的噪聲人臉超分辨率重建方法
一種基于數(shù)據(jù)驅(qū)動局部特征轉(zhuǎn)換的噪聲人臉超分辨率重建方法，包括對待重建的輸入低分辨率人臉 圖像和高、低分辨率訓(xùn)練集相應(yīng)劃分相互重疊的圖像塊;對于輸入低分辨率人臉圖像的每一個位置上的 圖像塊，分別從低分辨率人臉樣本圖像對應(yīng)位置的圖像塊中找出 K 個最近鄰的圖像塊，并對應(yīng)找出相應(yīng) 高分辨率人臉樣本圖像中的圖像塊，進(jìn)行去均值化;利用映射系數(shù)計算出各圖像塊相應(yīng)的高分辨率人臉 圖像塊，重構(gòu)出高分辨率人臉圖像，進(jìn)行迭代后處理。本發(fā)明解決了主成分分析無法捕獲處于高維流形 空間人臉特征的問題，利用局部流形的線性特性有效的進(jìn)行了噪聲人臉圖像的超分辨率重建，同時進(jìn)行 高分辨率圖像后處理，進(jìn)一步提高了重建結(jié)果的主、客觀圖像質(zhì)量。
武漢大學(xué)
2021-04-13
基于局部不變幾何特征的廣義霍夫變換圖像匹配方法
本發(fā)明公開了一種基于局部不變幾何特征的廣義霍夫變換圖像 匹配方法，用于實現(xiàn)對具有任意旋轉(zhuǎn)角度的目標(biāo)圖像的匹配，其特征 在于，該方法包括對模板圖像進(jìn)行預(yù)處理的步驟和利用該模板圖像的 處理結(jié)果對目標(biāo)圖像進(jìn)行匹配的步驟，其中，模板圖像處理步驟中包括提取圖像各邊緣點并建立邊緣點匹配特征關(guān)系，所述目標(biāo)圖像進(jìn)行 匹配時先提取目標(biāo)圖像的各邊緣點，再利用上述建立的邊緣點匹配特 征關(guān)系對提取的圖像進(jìn)行匹配，從而獲得匹配位置點和相應(yīng)的旋轉(zhuǎn)角 度，完成目標(biāo)圖像匹配。本發(fā)明的方法通過改進(jìn)傳統(tǒng)的廣義霍夫變換， 建立改進(jìn)的參考表，能夠?qū)θ我饨嵌刃D(zhuǎn)的目標(biāo)圖像進(jìn)行匹配，具有 很高的匹配速度和匹配精度。
華中科技大學(xué)
2021-04-11