|
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}
一種基于VR結(jié)合眼動跟蹤的城市風(fēng)貌特征識別的方法
本發(fā)明涉及城市設(shè)計規(guī)劃，提供在城市規(guī)劃設(shè)計中識別城市風(fēng)貌要素，通過建立城市在地建筑風(fēng)貌案例庫、理論分析、實驗數(shù)據(jù)采集、數(shù)據(jù)公式分析、實際校正等手段，精準(zhǔn)識別城市風(fēng)貌要素的權(quán)重關(guān)系。
一、項目分類
顯著效益成果轉(zhuǎn)化
二、成果簡介
本發(fā)明涉及城市設(shè)計規(guī)劃，提供在城市規(guī)劃設(shè)計中識別城市風(fēng)貌要素，通過建立城市在地建筑風(fēng)貌案例庫、理論分析、實驗數(shù)據(jù)采集、數(shù)據(jù)公式分析、實際校正等手段，精準(zhǔn)識別城市風(fēng)貌要素的權(quán)重關(guān)系。依靠要素分類簇群的數(shù)值為基準(zhǔn)，動態(tài)平衡城市風(fēng)貌控制區(qū)內(nèi)的各類風(fēng)貌要素的控制比例，科學(xué)系統(tǒng)地指導(dǎo)城市風(fēng)貌規(guī)劃設(shè)計和保護(hù)的一種基于VR結(jié)合眼動跟蹤的城市風(fēng)貌特征識別的方法。
在當(dāng)前大力宣揚(yáng)城市特色文化的背景下，為了突出地域風(fēng)貌特色，許多城市常將具有一定城市地域文化代表性的舊城或歷史街區(qū)進(jìn)行整治和修復(fù)，城市風(fēng)貌識別是開展城市風(fēng)貌保護(hù)及塑造工作的重要基礎(chǔ)。這是利用數(shù)字技術(shù)來感知、認(rèn)知城市，進(jìn)而科學(xué)精細(xì)化挖掘和智慧化發(fā)展城市風(fēng)貌的新方法，該技術(shù)用于城市風(fēng)貌特征要素分區(qū)和精細(xì)化識別、監(jiān)控和提升，為城市風(fēng)貌規(guī)劃管理提供科學(xué)系統(tǒng)的指導(dǎo)建議。
廈門大學(xué)
2022-07-28
.jpg){kind=logo}
一種基于四點二元模型的圖像紋理特征值的提取方法
本發(fā)明提出一種基于四點二元模型的圖像紋理特征值的提取方法,首先計算2x2像素塊內(nèi)四個像素點像素值的均值;其次計算每個像素點與均值的差值,若差值大于等于一給定閾值,就置該像素塊的位置編碼值為1,否則為0;最后將四個像素塊的位置編碼值乘以相對應(yīng)的權(quán)重后,再將4個乘積求和,就得到該2x2像素塊的紋理特征值,本發(fā)明只需要計算四個像素點與其均值的差值,得到4bit的二進(jìn)制碼,計算量減少一半且復(fù)雜度低,且能有效地表示人臉的局部紋理信息,可應(yīng)用于人臉檢測,識別和目標(biāo)跟蹤系統(tǒng).
華僑大學(xué)
2021-04-29
.jpg){kind=logo}
一種多物理域特征信息融合方法
本發(fā)明公開了一種多物理域特征信息融合方法，包括：（1）通過測量工具獲取工程事件中所需要的先驗信息，去除其中的冗余信息，獲得優(yōu)化的特征信息集；（2）將優(yōu)化的特征信息集中的每個特征信息值 Xi 轉(zhuǎn)換成區(qū)間形式；（3）求取廣義隱馬爾科夫初始模型；（4）根據(jù)獲得的廣義隱馬爾科夫初始模型λ，獲取最優(yōu)模型；（5）求得每個單物理域的最優(yōu)的廣義隱馬爾科夫模型，再各單物理域最優(yōu)模型參數(shù)間的耦合關(guān)系，合成聯(lián)合的廣義區(qū)間后驗概率分布，完成獲得多物理域特征信息融合。本發(fā)明的方法通過廣義貝葉斯法則
華中科技大學(xué)
2021-01-12
.jpg){kind=logo}
河南省新冠肺炎疫情時空特征初步分析
河南大學(xué)黃河文明與可持續(xù)發(fā)展研究中心成立“新型冠狀病毒感染肺炎疫情時空擴(kuò)散研究”課題組，研究完成《河南省新型冠狀病毒感染肺炎疫情時空特征初步分析》，圍繞河南省此次疫情的輸入和擴(kuò)散過程、空間差異特征展開研究，建立新冠肺炎個體病例地理信息數(shù)據(jù)庫，搜集并整理了自2020年1月21日以來我省18個省轄市衛(wèi)健委公布的個體病例信息，通過數(shù)據(jù)分析得出疫情發(fā)展的初步判斷。
河南大學(xué)
2021-04-11
.jpg){kind=logo}
一種基于人工免疫與行為特征的垃圾郵件識別方法
成果描述：本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)，公開了一種郵件行為特征庫生成方法、垃圾郵件判斷方法、垃圾郵件特征庫更新方法。本發(fā)明實施采用分類已知的垃圾郵件的行為特征庫生成方法，并使用生成的特征對分類未知的郵件進(jìn)行判斷。市場前景分析：本發(fā)明實施采用分類已知的郵件行為特征庫生成方法，并使用生成的特征對分類未知的郵件進(jìn)行判斷。此發(fā)明方案，在應(yīng)對當(dāng)前不斷變化的垃圾郵件具有顯著優(yōu)勢，可為垃圾郵件過濾產(chǎn)品采用，具有一定的市場推廣前景。與同類成果相比的優(yōu)勢分析：在數(shù)據(jù)庫更新時，用已經(jīng)識別的垃圾郵件，通過克隆變異算法實現(xiàn)抗體庫的更新，更能適應(yīng)一定時期內(nèi)垃圾郵件行為特征變化趨勢和垃圾郵件變化趨勢。
電子科技大學(xué)
2021-04-10
.jpg){kind=logo}
一種基于無線信道特征量化私有不對稱密鑰的信息傳輸方法
本發(fā)明介紹了一種基于無線信道特征量化私有不對稱密鑰的信息傳輸方法。由通信雙方測量無線信道特征，提取出各自的私有密鑰。通信的一方使用私有密鑰對需要傳輸?shù)男畔⑾冗M(jìn)行信道編碼后再進(jìn)行異或操作，實現(xiàn)對傳輸信息的加密。接收方使用其私有密鑰對接收的信息進(jìn)行異或操作，實現(xiàn)對傳輸信息的解密。由于無線信道和設(shè)備特征的影響，通信雙方的私有密鑰可能不對稱，即有一定的差異。接收方解密的信息需要再使用信道糾錯譯碼，解出正確的傳輸信息。使用該方法可以不需要通過額外的信息調(diào)和和隱私放大過程，實現(xiàn)共享無線信道特征的安全信息傳輸。
東南大學(xué)
2021-04-11
一種基于 Delaunay 三角剖分的特征點坐標(biāo)自動對應(yīng)方法
本發(fā)明屬于機(jī)器視覺領(lǐng)域，具體為一種基于 Delaunay 三角剖分的特征點坐標(biāo)自動對應(yīng)方法。該方法包括以下步驟：（1）二值分割，篩選有效特征點圖像區(qū)域；（2）最小二乘橢圓擬合計算特征點的像素坐標(biāo)；（3）對特征點集進(jìn)行 Delaunay 三角剖分；（4）篩選有效剖分三角形；（5）遍歷有效剖分三角形的非最長邊，建立特征點集合的四鄰域信息表；（6）查詢四鄰域信息表，四鄰域遞歸搜索遍歷特征點集合，在遍歷過程中計算每個特征點的世界坐標(biāo)，完成其像素坐標(biāo)與世界坐標(biāo)的對應(yīng)。當(dāng)圖像存在拍攝傾角、畸變以及特征點缺失時，本發(fā)明提出的方法仍可有效運(yùn)行，特別適合 IC 封裝視覺定位系統(tǒng)的在線標(biāo)定。
華中科技大學(xué)
2021-04-11
.jpg){kind=logo}
融合反射強(qiáng)度和幾何特征的鐵路軌道半自動檢測方法
本發(fā)明公開了一種融合反射強(qiáng)度和幾何特征的鐵路軌道半自動檢測方法，包括步驟：步驟 1，分別 計算激光掃描數(shù)據(jù)中各激光腳點的局部幾何特征，所述的局部幾何特征包括激光腳點的鄰域點分布的主 方向和法向量；步驟 2，利用反射強(qiáng)度和局部幾何特征進(jìn)行點云聚類，提取鐵路軌道點云。采用本發(fā)明 可快捷穩(wěn)健地實現(xiàn)鐵路軌道點云數(shù)據(jù)的半自動化提取，提高了鐵路軌道點云數(shù)據(jù)提取的精度、效率和自 動化程度，且方法簡單、容易實現(xiàn)。
武漢大學(xué)
2021-04-13
可有效保留邊界和局部特征的復(fù)雜曲面零件點云精簡方法
本發(fā)明屬于精密加工與測量技術(shù)領(lǐng)域，并公開了一種可有效保留邊界和局部特征的復(fù)雜曲面零件點云精簡方法，包括:對復(fù)雜曲面 零件生成掃描點云;針對點云中的各個點獲得多個鄰域點并計算得出 法線向量;繼續(xù)以各個點為球心找出最短半徑范圍內(nèi)的 m 個點，然后 求出點云中各個點的法線向量與這 m 個點的法線向量之間夾角的平均 值;基于夾角平均值來設(shè)定閾值，然后執(zhí)行特征粗分類;進(jìn)行二次細(xì) 分以完成第一個精簡子集的選取，然后基于定向Hausdorff距離來完成 第二個精簡子集的選取
華中科技大學(xué)
2021-04-14
可有效保留邊界和局部特征的復(fù)雜曲面零件點云精簡方法
本發(fā)明屬于精密加工與測量技術(shù)領(lǐng)域，并公開了一種可有效保留邊界和局部特征的復(fù)雜曲面零件點云精簡方法，包括：對復(fù)雜曲面 零件生成掃描點云；針對點云中的各個點獲得多個鄰域點并計算得出 法線向量；繼續(xù)以各個點為球心找出最短半徑范圍內(nèi)的 m 個點，然后 求出點云中各個點的法線向量與這 m個點的法線向量之間夾角的平均 值；基于夾角平均值來設(shè)定閾值，然后執(zhí)行特征粗分類；進(jìn)行二次細(xì) 分以完成第一個精簡子集的選取，然后基于定向 Hausdorff 距離來完成 第二個精簡子集的選取；最后對兩個精簡子集進(jìn)行合并，由此獲得
華中科技大學(xué)
2021-04-14