新葡京娱乐场-大陆娱乐场开户注册

本發(fā)明屬于通信領(lǐng)域，尤其涉及超高速移動(dòng)、較大多普勒頻移和多徑時(shí)延的快時(shí)變信道的基于正交頻分復(fù)用的變換域通信系統(tǒng)系統(tǒng)（OFDM-TDCS）的軟解調(diào)接收方案。

本發(fā)明屬于視頻圖像數(shù)據(jù)處理領(lǐng)域，公開了一種監(jiān)控視頻行人檢測(cè)匹配方法，包括視頻行人目標(biāo)檢測(cè)步驟；幀間同目標(biāo)關(guān)聯(lián)步驟；目標(biāo)序列及待匹配目標(biāo)特征提取步驟；特征相似度計(jì)算步驟和目標(biāo)匹配判別步驟。由于相鄰幀間行人目標(biāo)不會(huì)有太大的位移，本發(fā)明使用被檢測(cè)出的行人的位置信息對(duì)序列連續(xù)幀中的同一目標(biāo)進(jìn)行關(guān)聯(lián)得到目標(biāo)序列；目標(biāo)序列特征提取的方法一是提取目標(biāo)序列多幀的灰度直方圖特征，一是目標(biāo)序列的 PCA 模板，由于都采用了多幀的信息，相

1.痛點(diǎn)問(wèn)題 隨著圖在各領(lǐng)域的廣泛應(yīng)用，對(duì)圖上相關(guān)高效查詢方法的需求也與日俱增，特別是在社交網(wǎng)絡(luò)、金融、電商、安全和航天等眾多領(lǐng)域具有重要作用的子圖匹配查詢。 然而，現(xiàn)有子圖匹配方法在實(shí)際使用中速度均較慢，當(dāng)數(shù)據(jù)量較大時(shí)，現(xiàn)有方法的時(shí)間開銷巨大，難以滿足具體匹配過(guò)程中的時(shí)效性需求。同時(shí)，這些方法沒(méi)有充分利用圖數(shù)據(jù)的本質(zhì)結(jié)構(gòu)特點(diǎn)進(jìn)行剪枝，在運(yùn)行效率上仍有較大的改進(jìn)空間。 2.解決方案 本技術(shù)提出一種基于社區(qū)結(jié)構(gòu)的子圖匹配方法，基于社區(qū)結(jié)構(gòu)在匹配過(guò)程中進(jìn)行剪枝從而加快子圖匹配的速度。流程圖如圖1所示。 圖1 本技術(shù)子圖匹配計(jì)算流程 首先，本技術(shù)識(shí)別數(shù)據(jù)圖中的社區(qū)結(jié)構(gòu)，將數(shù)據(jù)圖劃分為若干“內(nèi)部緊密關(guān)聯(lián)、相互之間連接松散”的社區(qū)。接著，基于社區(qū)結(jié)構(gòu)，提出三種優(yōu)化策略對(duì)子圖匹配過(guò)程進(jìn)行優(yōu)化，并實(shí)現(xiàn)了相關(guān)技術(shù)。 具體地，這三種優(yōu)化策略包括兩階段破對(duì)稱策略、基于社區(qū)路徑的剪枝策略和基于社區(qū)結(jié)構(gòu)的邊界剪枝策略。其中，兩階段破對(duì)稱策略利用模式圖中的自同構(gòu)映射，根據(jù)已得到的若干匹配結(jié)果推斷出新的匹配結(jié)果，從而減少匹配過(guò)程中的計(jì)算量；基于社區(qū)路徑的剪枝策略根據(jù)數(shù)據(jù)圖中的跨社區(qū)的路徑構(gòu)建索引，在匹配過(guò)程中提前發(fā)現(xiàn)無(wú)法產(chǎn)生匹配結(jié)果的匹配嘗試，減少匹配開銷；基于社區(qū)結(jié)構(gòu)的邊界剪枝則考慮各社區(qū)的邊界節(jié)點(diǎn)，即那些和其他社區(qū)的節(jié)點(diǎn)間有邊關(guān)聯(lián)的節(jié)點(diǎn)，根據(jù)邊界節(jié)點(diǎn)的鄰居情況進(jìn)行剪枝，減小搜索空間，加快子圖匹配速度。 基于上述優(yōu)化策略，本技術(shù)提出的基于社區(qū)結(jié)構(gòu)的高效子圖匹配方法能根據(jù)給出的數(shù)據(jù)圖和模式圖快速返回子圖匹配結(jié)果。該技術(shù)可以作為模塊嵌入金融、電商和航天等已有軟件系統(tǒng)，也可作為單獨(dú)軟件工具并支持二次開發(fā)。 3.合作需求 1）應(yīng)用場(chǎng)景：在圖數(shù)據(jù)中快速查找滿足某種特定結(jié)構(gòu)的子圖結(jié)構(gòu)，進(jìn)而作為查詢結(jié)果返回或用于后續(xù)深入分析。可用于包括但不限于社交網(wǎng)絡(luò)、金融、電商、安全和航天等眾多場(chǎng)景中。 2）資源對(duì)接：對(duì)圖查詢、圖分析有需求且對(duì)其高效性有要求的個(gè)人、單位和企業(yè)等。

本發(fā)明公開了一種基于模板匹配的芯片定位方法，具體包括以 下步驟:步驟一，制作模板;步驟二，對(duì)待定位圖片進(jìn)行預(yù)處理，增 大背景與芯片基體的對(duì)比度;步驟三，對(duì)預(yù)處理后的圖片進(jìn)行圖像分 割，得到 blob 塊，利用 blob 塊的面積和 blob 塊對(duì)應(yīng)的最小外接矩形 的邊長(zhǎng)信息排除存在連晶、缺損缺陷的芯片;獲取剩下的 blob 塊的最小外接矩形的中心位置坐標(biāo)，以及短邊與水平方向的夾角;步驟四， 根據(jù)步驟三得出的中心位置坐標(biāo)和

項(xiàng)目簡(jiǎn)介 冷卻系統(tǒng)是現(xiàn)代汽車的重要組成部分，它對(duì)于汽車的動(dòng)力性、經(jīng)濟(jì)性以及整車的運(yùn) 行可靠性均有很大的影響，目前的研究主要集中在風(fēng)洞試驗(yàn)測(cè)試和對(duì)系統(tǒng)單個(gè)部件的優(yōu) 化設(shè)計(jì)，而對(duì)整個(gè)系統(tǒng)的匹配性研究較少。本項(xiàng)目可針對(duì)常規(guī)發(fā)動(dòng)機(jī)汽車、混合動(dòng)力汽 車以及新能源汽車，結(jié)合一維和三維耦合仿真技術(shù)，通過(guò)計(jì)算分析獲取各個(gè)部件之間的 匹配性能，并提出散熱器、中冷器、電子風(fēng)扇等部件及系統(tǒng)整體匹配的優(yōu)化設(shè)計(jì)方案。 在此基礎(chǔ)上，還可凝練出風(fēng)扇、水泵壓縮機(jī)等的部件的最佳控制策略

本發(fā)明公開了一種多相機(jī)系統(tǒng)的取像同步控制設(shè)備，包括同步脈沖發(fā)生器、第一和第二脈沖可調(diào)模塊、光束發(fā)生器和分光鏡組件，其中同步脈沖發(fā)生器用于按照所設(shè)定的脈沖周期和寬度，對(duì)所有相機(jī)和第一脈沖可調(diào)模塊同步發(fā)出脈沖信號(hào)；第一、第二脈沖可調(diào)模塊分別用于對(duì)脈沖信號(hào)執(zhí)行前沿后移和后沿前移處理，并發(fā)送至光束發(fā)生器；光束發(fā)生器按照脈沖信號(hào)發(fā)出準(zhǔn)直光束或無(wú)衍射光束，并經(jīng)由分光鏡分光后同步到達(dá)各個(gè)相機(jī)，由此實(shí)現(xiàn)對(duì)同一光束的取像同步控制過(guò)程。本發(fā)明還公開了相應(yīng)的取像同步控制方法及其應(yīng)用。通過(guò)本發(fā)明，能夠以結(jié)構(gòu)緊湊、便于操作的

本發(fā)明公開了一種基于圖像邊緣矢量的匹配方法。利用邊緣的 方向和大小，實(shí)現(xiàn)對(duì)縮放、噪聲、光照變化、局部遮擋、旋轉(zhuǎn)平移等 情況的匹配；提取模板邊緣中有代表性的矢量，與目標(biāo)圖像的邊緣特 征進(jìn)行比較，而不是逐邊緣點(diǎn)比較，大大減少計(jì)算量，具有較好匹配 準(zhǔn)確度；先用金字塔得到較小的模板和目標(biāo)圖像，并采用較大且合適 的參數(shù)步長(zhǎng)，得到較為粗匹配的匹配位置和參數(shù)，再選取更為精細(xì)且 滿足匹配要求的參數(shù)步長(zhǎng)，在粗匹配的結(jié)果基礎(chǔ)上再次搜索匹配，得 到精確的匹配位置和參數(shù)。 

本發(fā)明公開了一種基于 Zernike 矩的圖像匹配方法，包括 S1 建 立 N 層模板金字塔圖像；S2 計(jì)算每層模板圖像的 K 個(gè)矩并建立 RCS 表；S3 建立 N 層目標(biāo)金字塔圖像；S4 通過(guò)查找 RCS 表計(jì)算 N 層中第L 層中每個(gè)目標(biāo)子圖像的 K 個(gè)矩；S5 計(jì)算第 L 層模板金字塔圖像與第 L 層每個(gè)目標(biāo)金字塔圖像子圖像 K 個(gè)矩的相關(guān)系數(shù)，獲得第 L 層目標(biāo) 金字塔圖像匹配點(diǎn)位置；S6 判斷 L 是否等于 1，若是，則進(jìn)入 S8；若 否，則 L＝L-1，進(jìn)入 S7；S7 在第 L 層以

本發(fā)明公開了一種基于圖像邊緣矢量的匹配方法。利用邊緣的方向和大小，實(shí)現(xiàn)對(duì)縮放、噪聲、光照變化、局部遮擋、旋轉(zhuǎn)平移等情況的匹配；提取模板邊緣中有代表性的矢量，與目標(biāo)圖像的邊緣特征進(jìn)行比較，而不是逐邊緣點(diǎn)比較，大大減少計(jì)算量，具有較好匹配準(zhǔn)確度；先用金字塔得到較小的模板和目標(biāo)圖像，并采用較大且合適的參數(shù)步長(zhǎng)，得到較為粗匹配的匹配位置和參數(shù)，再選取更為精細(xì)且滿足匹配要求的參數(shù)步長(zhǎng)，在粗匹配的結(jié)果基礎(chǔ)上再次搜索匹配，得到精確的匹配位置和參數(shù)。

本發(fā)明公開了一種基于 Zernike 矩的圖像匹配方法，包括 S1 建立 N 層模板金字塔圖像；S2 計(jì)算每層模板圖像的 K 個(gè)矩并建立 RCS表；S3 建立 N 層目標(biāo)金字塔圖像；S4 通過(guò)查找 RCS 表計(jì)算 N 層中第L 層中每個(gè)目標(biāo)子圖像的 K 個(gè)矩；S5 計(jì)算第 L 層模板金字塔圖像與第L 層每個(gè)目標(biāo)金字塔圖像子圖像 K 個(gè)矩的相關(guān)系數(shù)，獲得第 L 層目標(biāo)金字塔圖像匹配點(diǎn)位置；S6 判斷 L 是否等于 1，若是，則進(jìn)入 S8；若否 ， 則 L ＝ L 1 ， 進(jìn) 入 S7 ； S7 在 第