摘要：本说明书实施例提供一种隔音材料的性能分析及改进方法和系统，该方法包括：通过播放设备发出预设声音特征的第一声音信号，播放设备设置于隔音材料外侧；通过收音设备，接收第二声音信号，收音设备设置于隔音材料内部，第二声音信号为第一声音信号通过隔音材料传递的声音信号；基于第一声音信号和第二声音信号，确定测试数据；基于测试数据，确定目标改进策略。

摘要：本发明公开了一种混合式谐振驱动电路及控制方法，属于开关电源领域。该电路包括混合桥式结构、谐振电感和主功率器件；所述混合桥式结构包括第一开关管、第二开关管、第一二极管和第二二极管，所述第一开关管的漏极和所述第一二极管的阴极均与驱动电源正极相连，所述第一开关管的源极与所述第二二极管的阴极相连，所述第一二极管的阳极与所述第二开关管的漏极相连，所述第二二极管的阳极和所述第二开关管的源极均连接到驱动电源负极；所述谐振电感的一端连接到所述第一开关管的源极，另一端与所述第二开关管的漏极和主功率器件的栅极连接。本发明降低了驱动损耗，简化了控制结构，而且器件数量有所减少，从而体积进一步降低。

摘要：本发明公开了一种基于深度神经网络的动物识别方法，包括以下步骤：1)接收用户提交动物的图片，将用户提交的原始动物图片进行剪裁后框选出动物的面部区域得到动物面部图片；2)根据动物面部图片，通过特征提取模型对动物的特征进行提取；3)计算特征向量t和动物特征信息数据库中的动物特征的欧几里得距离，使用KNN算法进行特征匹配，进行识别。本发明中采用的动物面部特征提取方法，能够对动物的面部进行矫正，保证提取出的特征更加具有辨识度，识别模型具有良好的识别性能。

摘要：本发明公开了一种基于区块链的云辅助物联网认证方法及系统，其中的方法首先执行初始化步骤：由第三方密钥生成中心KGC生成公共参数，并初始化区块链；然后云服务器和IoT设备向KGC进行注册，再执行认证与密钥协商步骤，阶段1由云服务器基于想要访问的IoT设备的可辨识标识生成第一消息认证元组，并发送给想要访问的IoT设备；阶段2由目标IoT设备基于接收的第一消息认证元组生成第二消息认证元组，发送给对应的云服务器；阶段3由云服务器对第二消息认证元组进行认证，如果认证通过则接收会话密钥。本发明，设计了一个可以灵活进行访问控制，适用于多服务器环境的认证方案，该方案结合了PUF、MRE和区块链，并可根据使用场景灵活选择MRE方案。

摘要：本申请提出了一种基于同一蜡块的多染色图像精准匹配方法、装置及其应用，包括首先对HE和IHC染色的图像进行包括裁剪、旋转和缩放的预处理，确保图像初步对齐。接着进行特征提取，通过SIFT特征和FLANN算法进行图像配准。然后使用RANSAC算法计算包括平移、旋转和缩放参数的变换矩阵，并根据该矩阵对IHC图像进行变换，变换中对非整数坐标进行图像重采样。之后对配准后的图像进行优化处理和验证，保障配准结果的准确可靠。最终通过比较不同染色方法下的同一区域，实现多种染色结果的精确匹配和综合分析。本发明提高了诊断准确性，简化了操作流程，降低了实验成本，在医学图像处理领域具有显著优势。

摘要：本申请涉及病理切片图像检测技术领域，尤其涉及一种病理图像上三级淋巴结构的识别方法、装置、计算机设备及可读存储介质，其方法包括获取目标病理图像；采用改进的自适应补丁大小算法计算补丁边长确定目标病理图像拟切割的补丁边长，并基于补丁边长，将目标病理图像切割为若干目标子图像；对目标子图像进行识别，得到目标子图像是否有三级淋巴结构的检测结果。本申请通过自适应病理图像拟切割的补丁尺寸，尽可能在确保高分辨率的前提下，保证切割补丁尺寸大小能够更多地覆盖三级淋巴结构的图像区域，提高病理图像上三级淋巴结构检测精度的效果。

摘要：本申请涉及图像融合技术领域，提供了一种桥梁图像融合方法及设备，该方法包括：对可见光图像分解得到可见光结构层图像和可见光纹理层图像，对红外图像分解得到红外结构层图像和红外纹理层图像；对可见光图像和红外图像进行增强得到增强可见光图像和增强红外图像；将增强可见光图像和增强红外图像优化得到优化可见光图像和优化红外图像；将优化可见光图像、可见光结构层图像、优化红外图像和红外结构层图像融合得到最终结构层图像，将优化可见光图像、可见光纹理层图像、优化红外图像和红外纹理层图像融合得到最终纹理层图像；将最终结构层图像和最终纹理层图像相加并基于边缘信息进行锐化得到最终图像。本申请的方法能提高图像融合的准确性。

摘要：本发明提出了数字病理切片的多幅同步方法、装置及可读存储介质，针对现有数字病理切片单一对焦层图片信息不全的问题，本发明通过获取病理切片子区域不同对焦层的图像形成集合，选择并拼接最优图像得到全景图像，还可生成动画图像。包括获取模块、拼接模块和显示模块的装置实现该方法。该技术可提高病理诊断准确性和效率，减少漏诊误诊风险，还便于教学科研，具有广阔应用前景。

摘要：本发明涉及人工智能技术领域和图像技术领域，公开了基于强化学习和扩散模型的图像生成方法、装置及设备，方法包括：获取预设文本描述信息、预设输入图像和预设输入图像的边缘信息；对预设文本描述信息进行特征提取，得到第一文本嵌入向量，对预设输入图像进行特征提取，得到图像嵌入向量，对预设输入图像的边缘信息进行特征提取，得到边缘信息嵌入向量；根据第一文本嵌入向量和图像嵌入向量，确定第二文本嵌入向量；通过扩散模型对第二文本嵌入向量进行处理，得到初始图像，根据初始图像和边缘信息嵌入向量，确定生成图像；获取训练后的扩散模型输出的当前目标图像。本发明有利于提高扩散模型生成的当前目标图像的可靠性。

摘要：本发明提出了一种基于自适应DeepZoom的多模态医学图像实时标注与协同浏览方法、装置及其可读存储介质，通过构建多分辨率金字塔，将医学图像逐层下采样为多个分辨率层级，每层划分为标准尺寸分块，基于视窗动态加载并通过LRU算法管理缓存，解决GB级图像加载卡顿与内存溢出问题；利用WebSocket协议实现多用户标注操作实时同步，支持包含病变区域、细胞类型、组织分级的三级语义标签体系，结合时间戳优先策略解决标注冲突并支持版本回溯；设计医疗合规日志系统，记录病例等信息，通过本地Sqlite缓存与云端HIPAA加密同步实现操作全流程可追溯。本发明显著提升医学图像浏览效率与标注协同性，满足医疗数据合规要求。