|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺(tái)
.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(jì)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(fèi)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?yàn)樾滦涂诜蒯尳o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(dú)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(jì)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(jì)算機(jī)視覺和模式識(shí)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(jiǎn)單細(xì)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(jìn)行零件增材制造的路徑規(guī)劃；③利用分層切片軟件對(duì) STL 模型進(jìn)行合理切片，由計(jì)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(shí)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(gè)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(shí)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(shí)別方法，包括對(duì)工件的原始圖像進(jìn)行濾波處理；對(duì)上述濾波處理后的圖像進(jìn)行二值化處理；對(duì)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(diǎn)；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(gè)子序列；使用邊緣幾何特征算子計(jì)算上述四個(gè)子序列中各子序列的能量值；確定上述四個(gè)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(shí)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(shí)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(shí)別方法，包括對(duì) 工件的原始圖像進(jìn)行濾波處理；對(duì)上述濾波處理后的圖像進(jìn)行二值化 處理；對(duì)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(diǎn)；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(gè)子序列；使用邊緣幾何特征算子計(jì)算上述四個(gè) 子序列中各子序列的能量值；確定上述四個(gè)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(shí)別系統(tǒng)。 本發(fā)明無需建立
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
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(cè)度模型量化道路網(wǎng)絡(luò)中各個(gè)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(jí)的子區(qū)，并對(duì)各個(gè)子 區(qū)計(jì)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(duì)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(dòng)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(dòng)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(dòng)局部特征轉(zhuǎn)換的噪聲人臉超分辨率重建方法，包括對(duì)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(duì)于輸入低分辨率人臉圖像的每一個(gè)位置上的 圖像塊，分別從低分辨率人臉樣本圖像對(duì)應(yīng)位置的圖像塊中找出 K 個(gè)最近鄰的圖像塊，并對(duì)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(jì)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(shí)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(shí)現(xiàn)對(duì)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(duì)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(duì)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(diǎn)并建立邊緣點(diǎn)匹配特征關(guān)系，所述目標(biāo)圖像進(jìn)行 匹配時(shí)先提取目標(biāo)圖像的各邊緣點(diǎn)，再利用上述建立的邊緣點(diǎn)匹配特 征關(guān)系對(duì)提取的圖像進(jìn)行匹配，從而獲得匹配位置點(diǎn)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
基于視覺特征的視頻指紋檢測(cè)及視頻序列匹配方法及系統(tǒng)
本發(fā)明提出一種基于視覺特征的視頻指紋檢測(cè)方法，具體為：按照幀間相關(guān)性對(duì)視頻序列分段，在分段中提取關(guān)鍵幀；在各關(guān)鍵幀中提取視頻特征；利用像素點(diǎn)特征字典對(duì)像素點(diǎn)分類；對(duì)各關(guān)鍵幀分別進(jìn)行多次不同數(shù)量的分塊，在各子塊中依據(jù)像素點(diǎn)的分類結(jié)果統(tǒng)計(jì)像素點(diǎn)特征字典各元素的出現(xiàn)次數(shù)，得到該子塊的特征向量；將所有子塊的特征向量拼接得到關(guān)鍵幀的高維視頻指紋；對(duì)各高維視頻指紋進(jìn)行降維；將各視頻片段關(guān)鍵幀的低維視頻指紋按照時(shí)間先后順序連成關(guān)鍵幀視頻指紋串。本發(fā)明還提供了基于上述指紋檢測(cè)方法的視頻匹配方法。本發(fā)明通過對(duì)視頻內(nèi)容的關(guān)鍵信息進(jìn)行有效描述，在不影響匹配率的情況下，大大降低了算法的復(fù)雜度，有效提高了檢測(cè)效率。
華中科技大學(xué)
2021-04-11
.jpg){kind=logo}
重大環(huán)境污染事件特征污染物現(xiàn)場(chǎng) 快速檢測(cè)技術(shù)系統(tǒng)
近年來，我國(guó)突發(fā)性重大環(huán)境污染事件頻繁發(fā)生，對(duì)國(guó)民健康、生態(tài)環(huán)境產(chǎn)生了嚴(yán)重影響。從我國(guó)當(dāng)前重大環(huán)境污染事件發(fā)生的實(shí)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(chǎng)快速檢測(cè)技術(shù)系統(tǒng)，是提升我國(guó)環(huán)境保護(hù)技術(shù)水平，推進(jìn)環(huán)境友好型社會(huì)建設(shè)的迫切要求。
特征污染物現(xiàn)場(chǎng)快速檢測(cè)作為應(yīng)對(duì)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(cè)手段給出定性、半定量和定量的檢測(cè)結(jié)果，確認(rèn)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(chǎng)檢測(cè)技術(shù)系統(tǒng)，對(duì)于現(xiàn)場(chǎng)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(jī)組合，建立環(huán)境污染事件的現(xiàn)場(chǎng)快速檢測(cè)技術(shù)系統(tǒng)，最終形成具有自主知識(shí)產(chǎn)權(quán)的環(huán)境污染物現(xiàn)場(chǎng)快速檢測(cè)技術(shù)和儀器裝備，為國(guó)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