本技术公开了一种基于去偏变分推断提示调优的图像识别方法，属于人工智能和计算机视觉领域。本发明将CLIP作为基准框架，该基准框架包括一个图像分支、一个文本分支；本发明基于图像分支，设计一种基于风格扰动的图像编码器，获得去偏的视觉特征；基于去偏的视觉特征和文本分支，设计一种基于去偏变分推断的文本编码器，获得去偏的文本特征；并通过设计的一种基于变分推断的损失函数，将训练集数据通过基于变分推断的损失函数最小化优化模型参数，得到参数最优的模型；将测试图像数据输入参数最优的模型得到图像识别结果。本发明为数据稀缺或受限场景提供了一种通用的小样本图像识别方法，在有限数据下仍能保持较高的识别准确率和泛化性能。

本技术提供了一种图像识别的导弹跟踪智能化处理方法及系统，涉及图像处理技术领域，该方法通过自旋状态数据对目标物体第一图像数据进行自旋畸变分析得到旋转模糊位移，通过气流扰动分析得到导弹气动升力和导弹侧向力，根据导弹气动升力、导弹侧向力和导弹姿态角进行气动畸变分析得到视场偏移量，将视场偏移量与旋转模糊位移叠加得到联合畸变量，根据联合畸变量通过几何畸变校正对目标物体第一图像数据校正得到目标物体第二图像数据，将目标物体第二图像数据通过快速特征点匹配算法识别目标物体图像位置并与预设飞行轨迹上预期位置进行比对，当偏离预期位置范围阈值时触发预警机制并执行预设导弹飞行调整策略，实现更加准确的导弹智能化跟踪。

一种面向高精度血管分割模型训练应用的粗细血管分类方法，包括以下步骤:步骤1：从眼底血管标签中提取血管骨架；步骤2：在每个血管骨架像素所在的窗口内，计算血管骨架与血管面积的比值；步骤3：使用阈值将血管骨架分为粗血管骨架与细血管骨架；步骤4：根据血管骨架的分类结果，使用8邻域投票的方法确认其他血管像素的分类；步骤5：使用形态学方法将位于粗细血管断裂交叉区域的血管重新分类，保证血管的整体结构。本技术方法不仅适用于基于深度学习的神经网络眼底血管分割模型的训练，同样也适用于提升其他监督式眼底血管分割算法的分割性能。

本技术一个或多个实施例提供了一种轨道识别方法、装置、存储介质及设备，其中，轨道识别方法可包括:获取轨道周围的第一点云数据；将所述第一点云数据转换到X‑Y平面；根据转换后的第一点云数据的几何特征建立第一模型；将所述第一模型与预设轨道模型进行对比，确定所述第一点云数据中与所述预设轨道模型匹配的目标点云，其中，预设轨道模型基于所述轨道的点云的几何特征建立；根据所述目标点云识别所述轨道，可提高轨道识别精度。

本文实施例提供了图像处理方法、装置、电子设备及存储介质，该方法包括:对目标图像进行保线畸变校正，得到目标图像对应的目标保线畸变校正图像；将该目标保线畸变校正图像输入到保形网络中，得到该目标图像对应的目标保形畸变校正映射图；利用该目标保形畸变校正映射图对该目标保线畸变校正图像进行保形畸变校正，得到校正后的图像。得到的校正后的图像具有保线效果和保形效果，通过保形网络得到目标图像对应的目标保形畸变校正映射图，而无需多次迭代，提升图像处理过程的速度，同时，无需通过人像分割模型确定图像人体的位置，保形效果不受人像分割模型的精度影响。

本技术提供一种基于可变焦单目摄像头的场景建模方法，包括:控制单目摄像头在当前的取景角度下变焦至第一变焦倍数，将第一变焦倍数下的取景图像划分为多个取景块；控制单目摄像头依次对准多个取景块中的每个取景块；在单目摄像头对准任一取景块时，控制单目摄像头由第一变焦倍数变焦至第二变焦倍数；确定特征点在第一变焦倍数变焦至第二变焦倍数后的第一移动距离；根据第一移动距离，确定特征点的移动速度；根据特征点的移动速度、第二变焦倍数和预设系数，确定对准的取景块的深度值；控制单目摄像头旋转，重复执行上述步骤；根据多个取景角度下的多个取景块的深度值，构建三维模型。降低了场景建模的复杂度、操作难度、金钱成本和时间成本。

本技术涉及一种眼底图像血管的识别方法、装置、电子设备及存储介质，该方法包括:获取待测眼底图像；基于检测算子，提取待测眼底图像的第一特征图像及第二特征图像；基于语义分割模型，提取待测眼底图像的空间形状特征图像；根据第一特征图像、第二特征图像及空间形状特征图像，重建待测眼底图像；将重建后的待测眼底图像输入血管分割模型，得到待测眼底图像的血管分割图像；其中，语义分割模型为根据眼底图像训练集训练得到的；血管分割模型为根据重建的眼底图像训练集训练得到的。本发明通过重建待测眼底图像，提升了图像清晰度，使图形特征更加明显，通过将重建后的眼底图像输入血管分割模型进行血管识别，得到了分割精度更高的血管分割图像。

本文涉及一种针对短视频相似度的质量评价方法及装置，通过采集短视频的待评价片段的质量评价记录，将属于相似情节匹配区间值的评价指标的待评价片段数大于第一阈值时，将对应的质量水平确定为短视频的质量水平，依据水平，基于短视频的待评价片段的质量评价记录库进行分级以得到对应于质量水平的短视频片段集，进行信息关联过滤，以确定属于正向或非正向关联，确定对应于质量水平的相似情节匹配区间值；本方案只需采集短视频当前的质量评价记录，便可通过匹配区间值直接确定短视频的质量水平，无需运行复杂模型即可实现，更为高效、准确，降低计算复杂度的同时可以进一步地减少误识别或漏识别。

本技术提供了一种利用卫星图像的建筑物三维模型自动生成方法及装置，该方法包括:采集包含建筑物的卫星图像，对所述卫星图像进行预处理；将经过预处理后的卫星图像进行卫片分块，以识别出建筑物屋顶轮廓；基于预处理后的卫星图像提取建筑物的建筑体轮廓；根据所述建筑物屋顶轮廓和建筑体轮廓校正屋顶位置并计算建筑物高度；利用校正后的屋顶位置和建筑物高度，采用三维重建算法生成建筑物的三维模型。本发明通过高精度的图像识别和处理技术，实现了对建筑物屋顶轮廓和建筑体映射轮廓的自动识别，并根据这些轮廓的形状和位置信息，校正建筑物屋顶的位置，同时计算建筑物的高度，从而自动生成三维模型。

本技术公开了一种机器人自主重定位方法、装置、机器人及存储介质，方法包括:获取融合地图及当前位置的深度视觉图像和激光扫描数据；其中，融合地图由视觉地图、视觉词袋和激光栅格地图生成；利用深度视觉图像在融合地图中进行匹配，确定机器人在融合地图中匹配度最大的初始位姿；当匹配度大于等于预设阈值时，利用初始位姿及激光扫描数据确定机器人在融合地图中的精确位姿；当匹配度小于预设阈值时，控制机器人运动至下一位置，直至下一位置匹配到的初始位姿对应的匹配度大于等于预设阈值时，利用下一位置的初始位姿及激光扫描数据确定精确位姿。本方法可确保机器人在任意位置自主重定位的可靠性及准确性，进而提升用户使用体验。