本技术属于图像数据处理技术领域，尤其为一种基于Mamba的遥感图像作物分类方法。该方法包括输入层、预处理模块、ENVI嵌入模块、3D卷积层、EMA通道注意力模块、Mamba Block模块、Uper Net解码器和输出层，Mamba Block通过独特的结构设计实现了高效的特征提取和信息融合，NDVI嵌入模块通过独特的算法设计将NDVI信息融入图像，提高了模型的分类精度和计算效率。本发明不仅提高了作物分类的精度，还优化了模型的计算效率，适合大规模遥感图像处理任务，具有重要的应用价值。

 本技术属于点云数据处理技术领域，公开了一种基于局部密度参数调整与强度优化的点云平滑拟合方法，获取原始点云数据经预处理后进行局部密度计算，进行动态调整搜索半径策略和动态扩展邻域，边界判断后对边界点边界保护机制或计算联合权重和更新平滑拟合，获得拟合重建后的点云可视化结果图。本发明有效解决了现有技术在稀疏点云平滑、噪声鲁棒性、强度特征保留和边界特征模糊等方面的不足，能够动态适应点云的稀疏性与非均匀分布，显著提升点云平滑拟合的精度与强度信息的优化能力，为前视三维声呐的地形测绘、水下目标探测和环境建模提供了更精确、高效的技术方案。

 本技术提供一种图像情感分析方法及装置、存储介质及电子设备，属于图像分析领域，该方法包括:确定目标图像的元数据集合，包括描述文本信息和标签信息；对标签信息进行语义描述形式转换，获得标签描述信息；对目标图像、描述文本信息和标签描述信息进行统一表征，得到元数据特征和图像特征；对元数据特征和图像特征进行信息增强，得到元数据增强特征和图像增强特征；对元数据增强特征和图像增强特征进行跨模态特征融合处理，获得目标图像的融合特征；基于融合特征进行情感识别，得到目标图像的情感类别。应用本发明的方法，可利用图像的元数据特征和视觉特征对图像呈现的情感进行多维度分析，有利于提高图像情感识别的准确性。

 本技术提出了一种基于CLIP损失与感知损失的扩散模型LoRA微调优化方法及系统，所述方法包括:步骤1，在LoRA微调过程中，结合CLIP损失和感知损失，动态调整CLIP损失和感知损失的权重；步骤2，利用CLIP模型计算去噪后的中间图像与目标文本的语义相似度，并根据相似度差异优化扩散模型的噪声预测能力；步骤3，采用感知损失计算中间图像与目标图像在特征空间的差异，并优化扩散模型的噪声预测能力，提升生成图像的视觉质量与细节保真度；步骤4，根据训练进展调整是否启用CLIP损失和感知损失。通过引入CLIP损失，模型在微调训练过程中能够更好地将图像与文本进行对齐，使得生成的图像更加符合文本提示的描述。

 本技术公开了一种融合时空立方体各向异性的图结构生成方法及装置，涉及图像处理及遥感数据处理技术领域，主要目的在于解决现有遥感数据处理受空缺值影响，导致准确性较低的问题。主要包括获取待处理遥感数据，并依据待处理遥感数据提取多个子时空立方体；对时空立方体进行有效元素提取，得到节点集合；依据节点集合中的有效节点进行边构建，得到匹配所述节点集合的边集合，其中，边集合中的各个边的属性嵌入有对应有效节点的时空偏移量，时空偏移量用于表征对应有效节点之间的时空距离和各向异性；依据节点集合和匹配所述节点集合的边集合进行图结构生成，得到待处理遥感数据所对应多个子时空立方体的图结构。主要用于生成遥感数据的图结构。

 本文涉及遥感图像处理技术领域，具体涉及基于多光谱遥感融合技术的生态环境检测方法及系统，该方法包括:采集目标区域的多光谱遥感图像；确定每个波段的遥感图像中各像素级的前景信息率；计算每个波段的遥感图像的失真系数；获取每个波段的遥感图像中各像素级的相对损失系数；将每个波段的遥感图像划分为各超像素块，确定每个波段的遥感图像中各超像素块的波段独立性；筛选各超像素块内的候选像素点，确定大气光值，结合暗通道先验法对每个波段的遥感图像进行去雾；基于去雾后所有波段的遥感图像进行生态环境检测。从而提高了生态环境检测的准确性。

 本技术涉及一种提示学习和SAR数据辅助光学影像外参数自主标定方法，与现有技术相比实现了摆脱地面控制点依赖和融合多源信息，构建光学影像外参数补偿模型。本发明包括以下步骤:提示学习和SAR辅助的光学影像外参数自主标定方法准备工作；SAR卫星影像转换伪光学影像；基于提示学习的光学影像外参数自主标定模型构建；基于提示学习的光学影像外参数自主标定模型训练；光学影像外参数自主标定模型的应用。本发明通过引入SAR影像和提示学习技术，在传统标定方法无法覆盖的区域，如极地、沙漠和山林区域中外参数定标性能表现尤为突出。

 本技术公开了一种基于图神经网络时空填补夜间灯光数据缺失的方法及装置，涉及遥感数据处理技术领域，主要目的在于解决现有夜间灯光数据缺失的准确度较低的问题。主要包括抽取待处理夜间灯光数据中缺失像素点的时空拓扑图；利用特征嵌入网络对时空拓扑图进行节点特征嵌入和边特征嵌入，得到节点特征高维表示和边特征高维表示；依据节点特征高维表示、边特征高维表示及时空拓扑图的邻接矩阵，利用拓扑处理网络中的图注意力层进行预测处理，得到缺失像素点的时空拓扑特征；利用特征回归网络对时空拓扑特征进行处理，得到缺失像素点的预测结果，并以预测结果作为缺失像素点的像素数据进行时空填补，得到待处理夜间灯光数据的时空填补结果。

 本技术属于图像超分辨率重建领域，为解决目前超分辨率重建效果差的问题，提供基于混合专家和稳定扩散的图像超分辨率重建方法及系统。基于混合专家和稳定扩散的图像超分辨率重建方法包括得到多尺度控制条件及空间控制条件；生成加噪特征隐层空间表示；经过多个采样时间步，不断从去噪主干网络的当前采样时间步的输入中减去当前时间步的去噪主干网络预测的噪声，然后将去噪结果作为下一个时间步去噪主干网络的输入，多个采样时间步完成后，得到重建图像的隐层空间表达；将重建图像的隐层空间表达解码至图像像素空间，得到图像超分辨率重建结果，提高了真实清晰的超分辨率重建效果。

 本技术涉及图像处理技术领域，公开了基于计算机视觉的人员操作行为识别方法及系统，该系统包括图像数据采集模块、图像数据分析模块和人员操作行为识别预警模块，图像数据采集模块包括图像清晰度判断单元、穿戴行为识别单元、清洗行为识别单元和操作行为识别单元。通过读取穿戴区设置的摄像头来获取穿戴图像数据、清洗区设置的摄像头来获取清洗图像数据、读取操作区设置的摄像头来获取操作图像数据来对人员的行为进行识别，基于清洗图像数据判断是否执行第一预警指令、基于穿戴图像数据判断是否执行第二预警指令、基于操作图像数据判断是否执行第三预警指令，能够准确地根据医护人员的操作行为判断其是否规范和疲劳程度，保证了手术的安全进行。