摘要： 一种多功能梳子包括：有梳体腔和梳体口的梳体，带有与梳体腔相通的齿腔的外齿，位于梳体腔内的内梳体，具有可调节流量的流量控制机构。该机构由传动杆、限位装置、内盖以及弹簧构成。内 梳体由内梳体上部和多个内齿组成。梳体由梳体上部和有多个外齿的梳体下部组成。

摘要：本发明实施例提供了一种温室大棚控制系统及设备。其中，所述系统包括：移动终端，用于读取温室大棚环境数据，并根据所述温室大棚环境数据，发送控制指令；云服务器，用于存储温室大棚环境数据，以及传输所述移动终端发送的控制指令；控制模块，用于接收所述移动终端发送的控制指令，并输出控制量。本发明实施例提供的温室大棚控制系统及设备，可以实时控制温室大棚的内部环境，保证温室大棚内种植养殖产品的良好生长。

摘要：本发明提供一种左心室内外膜自动分割方法、系统及设备，属于核磁共振技术领域。该方法包括：在左心室核磁共振成像MRI的每层图像上提取感兴趣区域，并分别定位左心室血池区域；判断当前层MRI图像的血池区域是否含有左心室流出道LVOT，并采用不同的方法分别提取含有LVOT的左心室内膜轮廓和不含LVOT的左心室内膜轮廓；将左心室内膜轮廓基于形态学膨胀确定内部标记，并在心肌区域的适当位置标识外部标记，采用基于标记控制的分水岭算法提取左心室外膜轮廓。利用本发明提供的方法对左心室内外膜进行分割准确率较高，且稳定性和普适性较好。

摘要：本发明公开了一种彩色文本图像校正方法及系统，所述方法包括如下步骤：对输入的文本图像进行预处理，并提取出所述文本图像的背景图像以及前景图像；对所提取的背景图像进行光照均匀化调整，并计算所述背景图像的光照比例因子bk；估计前景图像的光照比例因子fk，并基于所估计的fk对前景图像进行光照均匀化调整；将均匀化调整后的前景图像和背景图像进行叠加，得到光照均匀化的校正图像。本发明对分割得到的前景图像和背景图像采用了不同的均匀化校正方法，这种针对前景、背景特性的处理方式有效的避免了全局处理中出现的明暗区域差异明显、部分细节丢失等现象；因而其具有图像提取效率高、且图像提取精度高等优点。

摘要：本发明公开了一种卡片图像的提取方法及系统，其包括如下步骤：S1、对读入的待提取卡片图像进行预处理；S2、分别基于彩色图像自适应边缘检测方法、相位一致性检测方法，自经预处理的卡片图像中提取出各自对应的边缘图像，并对当前所提取的两幅边缘图像进行求与运算后合成卡片图像所对应的粗提取图像；S3、在HSV空间下，基于相位一致性检测方法对所述粗提取图像进行边缘检测，以获得最终的边缘图像；S4、基于S3中所获得边缘图像，采用霍夫变换检测直线合成卡片图像最终的提取图像。本发明能够有效去除图像伪边缘，提高图像提取的效果以及精度，同时本发明可以有效去除复杂背景纹理边缘，且对复杂背景图像的鲁棒性好。

摘要：本发明提供一种基于多样本联合表示足迹图像的识别方法。该方法包括如下步骤：首先，样本联合表示字典的构建，对足迹图像进行分区、几何变换、形态学等操作扩充图像库，提取图像特征，经归一化后作为字典的原子，建立具有多个样本类别的联合字典。其次，足迹图像的识别，将待识别足迹图像提取特征后，利用联合字典稀疏表示该足迹图像，根据足迹花纹的占空比加权重构稀疏系数，分析重构系数，输出待识别足迹图像所属类别。该方法可以增强图像识别的鲁棒性，即在样本足迹图像较少的情况下，能够较为精确的识别出相似图像，还能避免由于足迹图像畸变导致的错误分类情况，有效的识别出图像的所属类别，同时，还可筛选出足迹花纹质量较差的图像。

摘要：本发明公开了一种基于词袋模型且兼顾语义相关性的鞋印花纹表达方法及系统。本发明具体步骤包括：S1.构建鞋印花纹图像语义词汇关系表；S2.采集鞋印花纹图像；S3.提取鞋印花纹图像基元；S4.提取鞋印花纹图像基元的纹理特征；S5.判断鞋印花纹图像基元语义类别；S6.统计鞋印花纹图像语义频率直方图；S7.获得能够表达图像语义相关性的鞋印花纹图像语义表达直方图。本发明通过构建语义相关性模型有效的避免了语义相关性对语义表达的干扰，提高了语义表达的准确性。

摘要：本发明公开了一种结合主观显著性的现场鞋底花纹检索方法，包括以下步骤：S1：输入待检索图像，人工选定其主观显著性区域，并记录初始边界点坐标，S2：对待检索图像旋转多个角度，产生待检索图像的旋转副本；S3：由显著性区域及其旋转副本构建滤波器组，并计算待检索图像与数据库中所有图像的主观匹配得分；S4：通过小波傅里叶梅林频谱特征计算待检索图像和数据库中所有图像的客观相似度得分；S5：综合主观匹配得分和客观相似度得分，得到排序得分，并按照排序的结果输出数据库中的图。由于现场鞋底花纹通常是高度失真，且受到大量噪声干扰的，因此鞋底花纹的每一个部分并不都可以对检索产生正面作用。通过本申请公开的主观显著性，可以选择失真较小、噪声干扰较少的区域以减少高度失真以及噪声带来的影响。

摘要：本发明提供一种鞋底花纹图像的特征弱相关聚类方法，包括：采用非迭代式聚类模型对待聚类鞋底花纹图像集进行引导聚类；提取聚类结果判断样本是否为优秀聚类结果；对优秀聚类结果进行迁移学习，以得到新的聚类模型；根据新的聚类模型，对非优秀聚类结果的图像特征提取与再聚类；反复执行上述步骤直至聚类结果满足迭代终止条件，则判定得到的聚类标签为聚类结果。本发明具有聚类特征弱相关特性，削弱了现有聚类方法对聚类特征的依赖性，并且通过调整迁移学习的目标模型，可以提高学习特征的鲁棒性，达到簇内“高内聚”、簇间“低耦合”的状态。此外，本发明添加了聚类迭代加速因子，可以依据需求加快聚类速度，提高聚类效率。

摘要：本发明提供一种结合区域置信度和压力分布方向强度的足迹表达方法，至少包括以下步骤：获取待识别的足迹图像并对图像进行预处理；将所述待识别的足迹图像分块积分并对积分后的足迹图像计算；将所述分块后的足迹图像区域置信度计算；基于区域置信度的足迹特征表达通过主成分分析技术以及线性判别分析技术，将对得到的区域置信度的压力方向梯度特征进行特征选择。本发明的方法不直接提取足迹的长度、角度等特征，因此不易受噪声的影响。同时兼顾足迹重压分布以及轮廓形状信息，能够更好的体现了人行走时足底压力的分布特点。进一步的本发明采用的方法消除了穿袜时纹理影响，无需对赤足和穿袜进行区分，适用性更加广泛。