新葡京娱乐场-大陆娱乐场开户注册

本發(fā)明公開了一種實(shí)現(xiàn)電子和離子速度影像同時(shí)測量的方法及裝置，所述方法包括以下步驟：S1、在離子速度影像儀排斥極電極板和提取極電極板分別施壓不同大小的負(fù)壓，用于加速電子至探測屏，生成電子的二維動(dòng)量譜；S2、將排斥極電極板和提取極電極板上的電壓分別從負(fù)壓跳變到正壓，用于加速離子至探測屏，以生成離子的二維動(dòng)量譜。本發(fā)明還提供了實(shí)現(xiàn)上述方法的裝置，裝置包括離子速度影像儀，與離子速度影像儀中排斥極電極板和提取極電極板分別連接的脈沖電源，用于對(duì)排斥極電極板和提取極電極板分別施加跳變電壓。實(shí)施本發(fā)明無需改變原有裝

項(xiàng)目成果/簡介:醫(yī)療內(nèi)窺鏡是目前常用的一種臨床診斷工具，尤其對(duì)于消化科的醫(yī)生而言，他們通過內(nèi)窺鏡能直接觀察到人體消化器官內(nèi)部的病變情況，如潰瘍、腫瘤等，甚至還可以利用內(nèi)窺鏡進(jìn)行微創(chuàng)的外科手術(shù)，在醫(yī)學(xué)界應(yīng)用廣泛。與放射科的閱片相比，消化內(nèi)鏡是消化道病變篩查和診斷的金標(biāo)準(zhǔn)，也是微創(chuàng)和無創(chuàng)治療的主要手段。由一款圍棋人工智能程序AlphaGo(阿爾

一種基于非監(jiān)督特征學(xué)習(xí)的高分辨率遙感影像場景分類方法，包括對(duì)輸入的原始高分辨率遙感圖像 進(jìn)行劃分得到場景，從每個(gè)場景中隨機(jī)地提取若干個(gè)訓(xùn)練圖像塊，將訓(xùn)練圖像塊聚集起來做預(yù)處理操作; 計(jì)算所有訓(xùn)練圖像塊的低維流形表示，聚類得到一組聚類中心;對(duì)每一幅場景密集采樣得到局部圖像塊， 對(duì)每個(gè)局部圖像塊做預(yù)處理操作后映射到相同的低維流形空間中，然后進(jìn)行編碼獲得場景的所有局部特 征;將所有場景的局部特征集合起來進(jìn)行特征量化，統(tǒng)計(jì)每一幅場景的局部特征直方圖，得到場景的全 局特征表達(dá);隨機(jī)挑選若干幅場景作為訓(xùn)練樣本，由分類器得到每一幅場景的預(yù)測類別標(biāo)號(hào)，完成原始 高分辨率遙感場景的標(biāo)注任務(wù)。

本發(fā)明公開了一種結(jié)合全球 DEM 與立體視覺的衛(wèi)星影像云檢測方法，利用密集匹配的 DSM 數(shù)據(jù) 和現(xiàn)有的全球 DEM 數(shù)據(jù) SRTM，結(jié)合高程與影像灰度信息提取云區(qū)域。主要步驟如下：通過多影像多 匹配基元方法獲得模型匹配的 M-DSM，基于特征線的方法配準(zhǔn) M-DSM 與 SRTM，通過高程差值獲得 初始種子點(diǎn)，然后把種子點(diǎn)計(jì)算到像方，結(jié)合影像的灰度信息提取出云區(qū)域。本發(fā)明在有大面積雪的影 像，能有效的避免雪的干擾，準(zhǔn)確地檢測出云區(qū)，提高了遙感影像的利用率。 

用于彩色數(shù)字影像系統(tǒng)的色適應(yīng)變換尋優(yōu)方法及系統(tǒng)，包括輸入影像客體各樣本可見光范圍光譜反 射率數(shù)據(jù)；計(jì)算各樣本在目標(biāo)光源照明條件下色度信息，求解各樣本在各種模擬光源照明條件下色度信 息；利用各種色適應(yīng)變換方法預(yù)測色適應(yīng)變換后在目標(biāo)光源照明條件下的色度信息；計(jì)算各模擬光源下 各待尋優(yōu)的色適應(yīng)變換方法對(duì)各樣本的色適應(yīng)變換平均精度；構(gòu)建 BP 神經(jīng)網(wǎng)絡(luò)對(duì)模擬光源的相對(duì)光譜 功率分布曲線與色適應(yīng)變換平均精度之間關(guān)系進(jìn)行擬合；對(duì)于任意光源，利用各條 BP

武漢大學(xué)張永軍教授項(xiàng)目組在國際上首次提出攝影測量遙感的科學(xué)概念，構(gòu)建了多模態(tài)衛(wèi)星影像一體化攝影測量遙感智能處理技術(shù)體系，突破了匹配干擾地物快速智能分割、語義輔助幾何處理與大范圍影像鑲嵌合成、地物信息智能提取等關(guān)鍵技術(shù)，成功研制出我國首套多模態(tài)衛(wèi)星影像一體化攝影測量遙感智能處理系統(tǒng)MIPS。 一、項(xiàng)目分類 關(guān)鍵核心技術(shù)突破 二、成果簡介 武漢大學(xué)張永軍教授項(xiàng)目組在國際上首次提出攝影測量遙感的科學(xué)概念，構(gòu)建了多模態(tài)衛(wèi)星影像一體化攝影測量遙感智能處理技術(shù)體系，突破了匹配干擾地物快速智能分割、語義輔助幾何處理與大范圍影像鑲嵌合成、地物信息智能提取等關(guān)鍵技術(shù)，成功研制出我國首套多模態(tài)衛(wèi)星影像一體化攝影測量遙感智能處理系統(tǒng)MIPS，相關(guān)技術(shù)理論《多模態(tài)衛(wèi)星影像一體化攝影測量遙感智能處理技術(shù)及應(yīng)用》2021年榮獲測繪科技進(jìn)步特等獎(jiǎng)。 技術(shù)特色： (1) 首次提出基于人工智能技術(shù)的多模態(tài)衛(wèi)星影像語義分割與幾何處理融合新理論。創(chuàng)建了衛(wèi)星影像跨域穩(wěn)健語義分割技術(shù)，通過自適應(yīng)增量優(yōu)化提升深度分割網(wǎng)絡(luò)模型的遷移性和普適性，保證多類型地物語義分割的時(shí)效性、容錯(cuò)性、穩(wěn)定性和區(qū)域一致性。 (2) 通過語義分割結(jié)果全自動(dòng)進(jìn)行多源地理信息控制點(diǎn)粗差剔除，實(shí)現(xiàn)超大范圍多模態(tài)影像精準(zhǔn)幾何處理；提出輻射不變特征變換算法進(jìn)行多模態(tài)影像高可靠性匹配；單臺(tái)機(jī)器2.5分鐘可完成8000景衛(wèi)星影像的并行區(qū)域網(wǎng)平差，大幅提高了自動(dòng)化處理精度和效率。 (3) 突破了基于深度學(xué)習(xí)的多視遙感影像三維地形及大范圍合成影像智能生成技術(shù)，采用物方半全局優(yōu)化提升困難區(qū)域的密集匹配精度，并在語義分割結(jié)果的輔助下進(jìn)行大范圍遙感影像無縫鑲嵌合成。 (4) 基于深度學(xué)習(xí)進(jìn)行建筑物、道路、農(nóng)作物等典型地物目標(biāo)語義信息智能提取；基于多尺度語義分割網(wǎng)絡(luò)融合經(jīng)驗(yàn)知識(shí)實(shí)現(xiàn)建筑物矢量邊緣精確提取；結(jié)合語義分割和多起點(diǎn)中心線追蹤優(yōu)化提取道路網(wǎng)拓?fù)涫噶浚换?D卷積和注意力機(jī)制實(shí)現(xiàn)多類農(nóng)作物精細(xì)分類及其時(shí)空特征智能提取。 (5) 構(gòu)建了全新的多模態(tài)衛(wèi)星遙感影像幾何語義一體化智能處理技術(shù)體系，研制出我國首套自主產(chǎn)權(quán)的多模態(tài)衛(wèi)星影像一體化攝影測量遙感智能處理軟件系統(tǒng)MIPS，其數(shù)據(jù)處理效果和效率均有明顯優(yōu)勢，顯著提升了融合處理的精準(zhǔn)度和智能化水平。 先進(jìn)性 MIPS具備快速語義分割、語義輔助精準(zhǔn)幾何處理、三維地形提取與多影像時(shí)序合成、地物語義信息智能提取等特色功能。系統(tǒng)采用最新的衛(wèi)星影像攝影測量處理、多源影像融合、語義信息提取的相關(guān)理論與方法，結(jié)合先進(jìn)的計(jì)算機(jī)技術(shù)、CPU/GPU兩級(jí)加速并行處理及深度學(xué)習(xí)技術(shù)，處理效果和效率均明顯優(yōu)于國內(nèi)外同類軟件。例如單機(jī)情況下19小時(shí)即可完成1551景2米分辨率衛(wèi)星影像的全自動(dòng)處理，包括云區(qū)檢測、影像融合、影像匹配、區(qū)域網(wǎng)平差、正射影像糾正等全部處理流程。語義分割結(jié)果約束的立體衛(wèi)星影像區(qū)域網(wǎng)平差自動(dòng)化程度和精度均顯著提升，例如在1:1萬基礎(chǔ)測繪產(chǎn)品DEM/DOM的輔助下，高分七號(hào)立體衛(wèi)星影像的全自動(dòng)處理高程精度從2.6米大幅提升至0.8米以內(nèi)，鑲嵌接邊精度優(yōu)于1像素。

機(jī)載LiDAR與航空影像聯(lián)合城市三維建模系統(tǒng)（LiDARPro）主要以機(jī)載LiDAR點(diǎn)云及多視航空影像作為輸入數(shù)據(jù)，通過點(diǎn)云語義分割、點(diǎn)云影像配準(zhǔn)、實(shí)景三維模型重建、建筑物單體結(jié)構(gòu)化模型重建、人機(jī)交互等功能模塊，實(shí)現(xiàn)高效率、（半）自動(dòng)的城市實(shí)體三維模型重建，具備全自動(dòng)大測區(qū)城市建模、半自動(dòng)城市高精度精細(xì)實(shí)體模型重建等多種解決方案，致力于提高智慧城市建設(shè)的自動(dòng)化程度，推進(jìn)實(shí)景三維中國建設(shè)進(jìn)程。 一、項(xiàng)目分類 關(guān)鍵核心技術(shù)突破 二、技術(shù)分析 創(chuàng)新性： 機(jī)載LiDAR與航空影像聯(lián)合城市三維建模系統(tǒng)（LiDARPro）主要以機(jī)載LiDAR點(diǎn)云及多視航空影像作為輸入數(shù)據(jù)，通過點(diǎn)云語義分割、點(diǎn)云影像配準(zhǔn)、實(shí)景三維模型重建、建筑物單體結(jié)構(gòu)化模型重建、人機(jī)交互等功能模塊，實(shí)現(xiàn)高效率、（半）自動(dòng)的城市實(shí)體三維模型重建，具備全自動(dòng)大測區(qū)城市建模、半自動(dòng)城市高精度精細(xì)實(shí)體模型重建等多種解決方案，致力于提高智慧城市建設(shè)的自動(dòng)化程度，推進(jìn)實(shí)景三維中國建設(shè)進(jìn)程。系統(tǒng)主要由兩部分功能模塊組成：自動(dòng)化模型重建模塊及三維可視化交互管理系統(tǒng)模塊。其中自動(dòng)建模模塊由點(diǎn)云影像自動(dòng)配準(zhǔn)、實(shí)景三維模型重建、點(diǎn)云濾波、點(diǎn)云分類、建筑物單體化分割、建筑物結(jié)構(gòu)化模型重建等軟件子模塊構(gòu)成。系統(tǒng)支持DEM、DOM、實(shí)景三維模型、建筑物L(fēng)oD1至LoD3模型等多種產(chǎn)品生產(chǎn)；支持多核、多CPU、多GPU架構(gòu)的任務(wù)并行化管理，支持搭建點(diǎn)云、影像、模型數(shù)據(jù)庫，支持人機(jī)交互進(jìn)行語義分割、模型編輯、紋理編輯等功能。 軟件解決的關(guān)鍵問題： LiDAR點(diǎn)云與傾斜影像異源異構(gòu)數(shù)據(jù)配準(zhǔn)問題，點(diǎn)云影像數(shù)據(jù)難以聯(lián)合應(yīng)用； 單一數(shù)據(jù)源三維信息與紋理信息不全，高質(zhì)量模型結(jié)果依賴高精度數(shù)據(jù)輸入，導(dǎo)致數(shù)據(jù)獲取成本昂貴、效率較低； 城市級(jí)實(shí)景三維模型重建自動(dòng)化程度低，低精度自動(dòng)結(jié)構(gòu)化模型成果難復(fù)用，而手動(dòng)模型繪制難度高、工藝繁瑣； 實(shí)景三維數(shù)據(jù)制作單位高度依賴國外軟件，國產(chǎn)化難。 先進(jìn)性： 當(dāng)前，國內(nèi)90%以上地形級(jí)實(shí)景三維數(shù)據(jù)制作測繪單位都基于國外軟件進(jìn)行三維重建，而城市級(jí)實(shí)景三維模型則重度依賴全人工手動(dòng)勾繪且需調(diào)用國外專業(yè)三維建模軟件，模型重建學(xué)習(xí)成本極高、軟件針對(duì)性不強(qiáng)而效率低下。 機(jī)載LiDAR與航空影像聯(lián)合城市三維建模系統(tǒng)軟件系統(tǒng)以高精度、高效率、高自動(dòng)化程度城市級(jí)實(shí)景三維模型重建為首要目標(biāo)。軟件系統(tǒng)具備高精度點(diǎn)云影像配準(zhǔn)模塊提供異源數(shù)據(jù)聯(lián)合應(yīng)用基礎(chǔ)；采用LiDAR點(diǎn)云約束的多視影像密集匹配策略實(shí)現(xiàn)高精度、全覆蓋三維數(shù)據(jù)輸入以實(shí)現(xiàn)高質(zhì)量實(shí)景三維模型重建；采取地面點(diǎn)濾波、非地面點(diǎn)地物分類、目標(biāo)地物單體實(shí)例分割遞進(jìn)式流程得到建筑物等地物單體化三維數(shù)據(jù)；優(yōu)化自動(dòng)結(jié)構(gòu)化模型重建與人工干預(yù)的結(jié)構(gòu)化建模流程，無需額外依賴專業(yè)建模軟件；提供針對(duì)建筑物結(jié)構(gòu)化建模的模型編輯、紋理編輯模塊，不達(dá)標(biāo)的自動(dòng)模型可復(fù)用，三維點(diǎn)云端、二維影像端可獨(dú)立或聯(lián)合編輯，具備交互友好的參照式、勾繪式、半自動(dòng)編輯模式。 獨(dú)占性： 系統(tǒng)主要搭建兩條生產(chǎn)路線，以適應(yīng)不同地域模型精度要求差異、不同應(yīng)用時(shí)間響應(yīng)要求。其一是以LiDAR點(diǎn)云為主的快速建筑物結(jié)構(gòu)化模型重建，經(jīng)過點(diǎn)云分類、建筑物實(shí)例分割、結(jié)構(gòu)化模型重建等步驟構(gòu)建人工地物結(jié)構(gòu)化模型，并利用配準(zhǔn)后多視影像對(duì)模型紋理映射，此生產(chǎn)線主要產(chǎn)品包括DOM、DEM、 LoD2為主的建筑物結(jié)構(gòu)化模型、典型地物真實(shí)色彩點(diǎn)云等輕量基礎(chǔ)數(shù)據(jù)；其二是在LiDAR點(diǎn)云約束下生成高精度密集匹配點(diǎn)云構(gòu)造高質(zhì)量實(shí)景三維模型，并在此基礎(chǔ)上提取建筑物單體三角網(wǎng)數(shù)據(jù)，經(jīng)過模型簡化抽象得到建筑物L(fēng)oD3模型，此生產(chǎn)線主要產(chǎn)品包括實(shí)景三維模型、建筑物L(fēng)oD3模型等城市級(jí)實(shí)景三維數(shù)據(jù)要素。 此外，軟件系統(tǒng)支持在Windows (Win7/10)、Ubuntu (16.04/18.04/ 20.04)、國產(chǎn)麒麟(V4/V10)等多操作系統(tǒng)中運(yùn)行，已階段性實(shí)現(xiàn)國產(chǎn)化。

本發(fā)明公開了一種面向關(guān)系數(shù)據(jù)庫擴(kuò)展的自適應(yīng)影像金字塔切片方法，本發(fā)明針對(duì)空間數(shù)據(jù)管理系 統(tǒng)發(fā)展現(xiàn)狀，綜合考慮局域網(wǎng)網(wǎng)絡(luò)帶寬和服務(wù)器端數(shù)據(jù)庫存儲(chǔ)塊大小，并結(jié)合局域網(wǎng)客戶端硬件情況， 提出了自適應(yīng)影像切片模型，根據(jù)自適應(yīng)影像切片模型自適應(yīng)的選擇影像切片尺寸。本發(fā)明可在多種不 同的數(shù)據(jù)庫、網(wǎng)絡(luò)和客戶端條件下實(shí)現(xiàn)影像數(shù)據(jù)智能化高效存儲(chǔ)與訪問，為高效的影像數(shù)據(jù)管理提供了 可行的思路和方法，有助于在 C/S 架構(gòu)的網(wǎng)絡(luò)環(huán)境下高效存取和管理基于數(shù)據(jù)庫技術(shù)的遙感影像數(shù)據(jù)。 

本發(fā)明公開了一種基于改進(jìn) SIFT 算子的低空多視角遙感影像匹配方法，首先采用優(yōu)化的 DoG 算子 對(duì)第一影像和第二影像進(jìn)行特征點(diǎn)檢測，然后利用基于局部區(qū)域采樣模擬的 SIFT 描述子對(duì)特征點(diǎn)進(jìn)行 描述形成特征向量，最后采用 NNDR 策略形成初始匹配特征點(diǎn)，并利用基于極幾何約束的 RANSAC 算 法對(duì)匹配點(diǎn)進(jìn)行提純。本發(fā)明能夠有效地解決低空遙感影像匹配中存在的多視角以及弱紋理等問題。 

本發(fā)明提供了一種基于快速二值編碼的高分辨率遙感影像場景分類方法，包括步驟:步驟 1，劃分 待分類遙感影像獲得場景單元;步驟 2，從場景單元中提取尺寸相同的圖像塊作為局部圖像塊訓(xùn)練樣本; 步驟 3，采用非監(jiān)督學(xué)習(xí)法學(xué)習(xí)局部圖像塊訓(xùn)練樣本獲得濾波器組;步驟 4，將場景單元與濾波器組中 各濾波器分別做卷積獲得各場景單元的幅濾波器響應(yīng)圖，采用二值編碼法分別融合各場景單元的幅濾波 器響應(yīng)圖獲得各場景單元的全局特征描述;步驟 5，基于場景單元的全局特征描述進(jìn)行場景單元分類。 本發(fā)明在保證場景分類精度的前提下，大大降低了非監(jiān)學(xué)習(xí)法的計(jì)算代價(jià)。