本技术公开了一种基于三维高斯泼溅的正射影像生成方法、装置及存储介质，包括:响应于被测建筑物区域的正射影像生成信号，获取从多个视角对被测建筑物区域进行拍摄得到的多视影像，并确定多视影像对应的影像采集装置的影像采集参数；对各影像中的特征点进行跨影像匹配，基于匹配结果，在各影像中确定特征点对；基于特征点对和影像采集参数，对特征点对所代表的被测建筑物区域中的区域点进行三维重建，得到三维点云，并对三维点云进行高斯分布处理，得到多个三维高斯椭球；确定二维投影平面，并确定各三维高斯椭球距离二维投影平面的深度信息，基于深度信息，将各三维高斯椭球泼溅到二维投影平面中，得到被测建筑物区域的正射影像。

 本技术涉及无人机视角文本检测技术领域，公开了一种基于边界适应的无人机视角文本检测模型，首先，使用ResNet50作为主干网络，并提出混合文本注意力机制，且将其引入到特征提取模块中，以增强对文本区域的感知能力。此外，本发明提出一种空间特征融合模块，用于自适应融合不同尺度的文本特征，从而增强模型的适应性。最后，本发明通过在文本细节边界迭代优化模块的Transformer中引入局部特征提取器，实现了复杂背景干扰下的文本边界精确优化和定位，避免了复杂的后处理步骤。在具有挑战性的文本检测数据集以及基于无人机的文本检测数据集上的大量实验验证了我们提出的方法的高鲁棒性和先进的性能，为实际应用奠定了坚实基础。

 本技术涉及海洋生态遥感技术领域，特别涉及一种用于水下珊瑚冠层辐射传输和荧光效应的建模方法，包括以下步骤:建立水下场景三维模型，构建水下珊瑚目标与底质的三维网格化模型；确定环境参数；正向模拟冠层内光传输过程，构建水下场景的辐照度空间分布模型，获得荧光发射辐亮度分布模型；基于荧光发射辐亮度分布模型，反向光谱成像模拟珊瑚荧光光谱；模型验证与优化，调节算法参数，提高模型准确性。本发明提供一种用于水下珊瑚冠层辐射传输和荧光效应的建模方法，通过将BRDF模型拓展到包含荧光项模拟荧光光线的传播和水下环境的特殊光学效应，能够综合考虑不同规模、珊瑚形态、底质类型和水体条件，实现高精度的水下珊瑚冠层建模。

 本技术属于三维重建与机器学习技术领域，公开了一种基于补丁提取的可泛化神经辐射场重建方法，基于多视图立体视觉和神经辐射场的体渲染算法，来隐式学习一个静态三维场景，实现复杂场景任意角度的新视角合成，进行场景的三维重建。首先，提取源视图与目标视图的二维图像特征，通过单应性变换利用平面扫描算法扭曲参考视图特征的坐标系来构造三维的成本体积；其次，对于当前场景所构造的成本体积，将其输入到一个三维卷积神经网络中，得到神经编码体积。将神经编码体积输入到多层感知机内，回归得到体积密度与颜色，从而构建神经辐射场；然后，利用当前神经辐射场渲染得到目标视图，分别提取目标视图与参考视图补丁，利用预训练的VGG‑16低层网络提取参考视图补丁特征与目标视图补丁特征进行对比。最后计算平均绝对误差量化得到目标视图补丁与参考视图补丁的内容特征差异，并作为整体损失函数的正则项来提高模型渲染质量。本发明可用于可泛化的多视图三维重建，能够通过高效的训练机制进行局部特征增强，提高对图像细节与物体边界的渲染能力。

 本技术提供一种基于YOLO‑DR的柑橘果树冠层识别方法及系统，包括构建柑橘果树冠层数据集，构建并训练YOLO‑DR检测模型；将训练好的YOLO‑DR检测模型部署到ZCU104运算平台。本发明的YOLO‑DR检测模型具有轻量化，精确度高的优点，适合移植进入边缘计算平台；本发明的RFEM通过扩展卷积来充分利用特征映射中感受野的优势，增加了特征图的感受野，从而提高了多尺度目标检测的精度；同时通过DSConv降低了卷积核中的内存使用量，并提高了运算速度；本发明结合了ARM的运算能力和FPGA的并行处理能力，并且使用了DPU对YOLO‑DR检测模型进行了加速；在复杂果园环境中实现实时柑橘果树冠层识别。

 一种基于双聚合网络增强的手部位姿估计方法，从手部深度图像生成手部点云，将手部深度图像和点云输入到局部编码融合模块生成融合的图像特征和点云特征；将融合的3D点云特征输入初始状态生成器，以初始化隐藏状态；将隐藏状态输入回归模块获得关节点的初始估计；初始估计与融合的图像特征和点云特征，输入点云图像一致性聚合模块，生成增强点云特征；增强点云特征与初始估计输入重采样模块输出高维手部关节点特征；增强点云特征与高维手部关节点特征和隐藏状态共同输入动态图增强聚合模块得到增强的高维关节点特征；将增强的高维关节点特征输入回归模块中，获得最终手部关节点坐标位置。本技术能够改善遮挡情况下的手势姿态估计，增强手关节输出。

 本技术公开了一种计算机断层扫描到磁共振成像的图像转换方法，包括以下步骤:步骤1：数据采集；步骤2：图像预处理；步骤3：特征提取；步骤4：MRI图像生成；步骤5：真伪判别；步骤6：循环一致性验证；步骤7：模型训练；步骤8：图像生成。本发明具有高效性、高保真度、无需配准和鲁棒性等特点，能够快速生成高质量的MRI图像，并保留原始CT图像的结构信息，满足医学诊断的需求。

 一种新型双目视差至单目深度的知识蒸馏方法，S1:训练视差深度转换模块：第一训练数据输入至预训练的双目立体视差教师模型，得到视差图；第一训练数据包括左眼彩色图像和右眼彩色图像；将视差图和原始的视差参考图输入至视差深度转换模块，得到伪标签深度图；根据伪标签深度图计算损失函数，更新视差深度转换模块的参数；S2：将视差深度转换模块输出的伪标签深度图和原始真标签深度图进行混合，得到混合标签深度图；S3：训练单目深度估计学生模型：通过第二训练数据训练单目深度估计学生模型；第二训练数据包括混合标签深度图和相应的原始参考图，本技术能够在较低数据量的数据集上进行训练，并且提升了全局精度。

 本技术公开了一种基于多尺度特征融合的对动物图像的零样本分类方法，该方法包括:通过利用ResNet101第三层与第四层的不同尺度特征，在零样本分类任务中进行局部特征的挖掘；将第三层与第四层特征输入多尺度特征增强模块，增强特征判别性；设立跨层融合模块，通过学习对方层的特征产生交互，增强模型泛化能力；将同层的特征融合，并输入到属性关注模块。本发明充分利用了不同层的特征信息，减少了零样本分类任务中，模型对可见类的偏见，提升了广义零样本和零样本分类的准确性。

本文适用于图像处理领域，提供了一种图像内容的提取方法、装置、终端和存储介质。其中，上述图像内容的提取方法具体包括:获取待处理图像；对所述待处理图像进行高反差保留处理，得到所述待处理图像的高反差图像；对所述待处理图像和所述高反差图像进行图像融合，得到融合图像；对所述融合图像进行线性光增强处理，得到线性光增强图像；将所述线性光增强图像中像素值在预设像素值范围内的第一像素点作为所述待处理图像的图像内容。本申请的实施例能够提高图形内容提取的完整性。