本技术涉及图像分割技术领域，尤其是指一种分数阶的低对比度图像分割方法及系统，所述方法包括:获取待检测图像的图像表征信息；计算所述图像表征信息的保真度、L2正则化项和分数阶正则化项，根据所述保真度、所述L2正则化项和所述分数阶正则化项，构建能量泛函模型；以最小化所述能量泛函模型为目标，对所述能量泛函模型进行数值求解，得到平滑近似图像；对所述平滑近似图像进行聚类分割，得到所述待检测图像的目标边界。本发明在图像分割领域具有显著的优势，为低对比度图像的精确分割提供了新的解决方案。

本公开涉及一种图像融合的方法、装置、车辆及存储介质，涉及多媒体技术领域，该方法包括:获取多个图像采集装置采集的图像。获取每个图像的图像特征。将每个图像的图像特征作为预先训练的图像融合模型的输入，得到图像融合模型输出的融合后的目标图像，图像融合模型用于将多个图像特征拼接为目标特征向量，对目标特征向量进行编码，得到编码后的编码向量，对编码向量进行解码，得到目标图像。本公开通过图像融合模型对多个图像采集装置采集到的多个图像进行编码和解码处理，得到多个图像融合后的目标图像，能够提高图像融合的准确度。

 本文涉及一种基于VMamba框架和通道‑空间注意力机制的场景文本检测方法、装置和计算机设备。该方法包括:获取包含文本的场景图像参考样本数据集和增强样本数据集；基于VMamba框架采用可变形卷积构建可变形VMamba特征编码器，获得各场景图像分别对应的多尺度文本实例特征图；采用插值和最大池化方法获得平衡特征图；基于通道‑空间注意力机制构建GASM模块，得到逐像素增强后的文本实例特征；构建傅里叶特征解码器，获得重构的文本实例轮廓；采用损失函数训练以增强样本数据集为输入、文本实例轮廓为输出的场景文本检测模型。采用本方法能够实现拥有全局感受野、快速收敛和精准定位的场景文本检测。

 本技术公开了一种细分体参数求值的GPU并行加速方法，S1、通过含有半边和半面的数据结构存储并遍历体网格，判断每个体单元的类型；S2、进行一次任意拓扑下的CC体细分，使体单元中如果有多条非规则边一定汇于一个非规则点，隔离非规则顶点；S3、针对不同的拓扑，使用含有半面和半边的数据结构对控制网格顶点进行编号，按照编号的顺序和CC细分规则得到细分矩阵，预计算细分矩阵特征结构；S4、对不同种类的体网格单元进行并行参数求值。本发明通过设计优化的并行算法，充分利用GPU的多核架构和浮点运算能力，有效提升了复杂体细分模型的参数求值速度。

 本说明书实施例提供一种模型数据的压缩、解压缩方法及设备。在该压缩方法中，压缩设备获得待压缩的目标模型后，可以在M个拍摄视角中确定N个关键视角，并通过在N个关键视角下对目标模型中各点云的位置信息进行投影和反投影得到第一稀疏模型，再对第一稀疏模型中的各点云的属性信息进行渲染得到第二稀疏模型，使得第二稀疏模型的场景表征能力趋于目标模型的场景表征能力，进而，在N个关键视角下对第二稀疏模型中各点云的位置信息和属性信息进行投影，得到第一投影图像集合，并对第一投影图像集合中的各投影图像分别进行图像压缩，得到第二投影图像集合，并将第二投影图像集合作为目标模型对应的压缩数据。

 本技术公开了一种裂隙复杂网络的连通损伤区域识别方法，涉及岩体裂隙识别技术领域，所述连通损伤区域识别方法根据裂隙的长度、裂隙欧氏距离、裂隙宽度，给裂隙网络节点赋权重值，通过节点权重大小，确定裂隙网络邻接矩阵；然后基于复杂网络理论和邻接矩阵，确定裂隙网络的度值和聚类系数，基于图论的最大连通区域算法识别裂隙连通损伤区域；最后根据网络节点度值、聚类系数，以及节点和边的权值，确定裂隙的最大连通区域。

 本技术公开了一种基于X线胸片的PICC定位审查方法及相关装置，其中方法包括:获取目标患者的X线胸片影像；建立X线胸片PICC定位模型，以识别X线胸片影像中解剖结构和PICC导管路径；X线胸片PICC定位模型包括解剖结构识别单元、导管路径识别单元以及位置评估单元；解剖结构识别单元，用于识别X线胸片影像中的解剖结构；导管路径识别单元，用于识别X线胸片影像中的PICC导管路径，PICC导管路径包括导管的起始点、走行路径和末端位置；位置评估单元，用于根据解剖结构和PICC导管路径对导管末端位置进行评估，生成位置评估结果；根据PICC导管尖端位置信息文本和位置评估结果对PICC导管定位进行审查。本发明通过X线胸片PICC定位模型提高了PICC定位审查的准确性与效率。

 本文实施例公开了一种手机玻璃盖板缺陷检测方法、系统、设备及存储介质，用于提高检测手机玻璃盖板的准确性。本申请实施例方法包括:获取待检测玻璃盖板的第一灰度图像以及标准玻璃盖板的第二灰度图像；将所述第二灰度图像与所述第一灰度图像逐像素对齐；计算所述第一灰度图像与所述第二灰度图像每个像素的灰度值差值，得到残差图像；计算所述残差图像的Otsu最佳阈值；根据所述Otsu最佳阈值对所述残差图像执行二值化处理，得到二值图像；根据所述二值图像确定所述待检测玻璃盖板的缺陷位置。

 本技术涉及土木工程装配式结构与计算机大模型技术领域，尤其是一种基于改进YOLOv框架的叠合板质检模型、方法和系统。本发明提出的一种基于改进YOLOv框架的叠合板质检模型构建方法，首先在YOLOv8n基础上进行模型框架改进，在浅层网络额外添加一条特征融合线路，以增加特征融合信息中小目标所占的比例。改进模型的颈部网络结构中，对主干网络提取的四层信息先分别进行卷积以调整特征图尺寸进行特征融合，融合后，信息分别由浅层到深层输出至四个尺寸分割头，进行目标分割。如此，采用实例分割方式对叠合板中组件进行检测，能够得到精确的目标轮廓，方便后续研究中得出目标面积、尺寸等信息，以满足工程实际应用，填补了适用于结构复杂的叠合板质量检测的图像识别方法的空白。

 本技术公开一种抗遮挡区域的无监督多视图立体重建方法，能够在无需依赖真实深度信息的情况下，通过处理来自多个视角的图像，有效解决遮挡区域的三维重建问题，并计算出具有高精度的点云模型。首先，提取多尺度特征；然后，采用可变形的大核注意力网络聚合全局信息，计算场景的深度图和对应的置信图；其次，计算对比一致性损失和感知一致性损失为深度估计过程提供伪监督信号，优化深度图；最后，融合深度图，即可获得点云模型。本发明充分利用基于多种监督项的无监督多视图立体计算方法，有效挖掘输入图像自身的特征，估计出高质量的深度图，进而计算出精确的点云模型。