本技术提供一种基于开放域的跨模态遥感图像目标分割方法及装置，涉及遥感图像分割技术领域。该方法包括:对俯瞰遥感大图进行数据处理，获得文本引导遥感图像数据集；基于物体掩码标注获得前景标签数据以及背景标签数据；根据文本引导遥感图像数据集，通过开放域图像分割模型进行图像分割预测，获得分类预测结果；根据分类损失、图像特征重构损失和文本特征重构损失，对开放域图像分割模型进行参数优化，获得优化开放域图像分割模型；将待分割标注遥感图像输入优化开放域图像分割模型，获得遥感图像分割结果。本发明是一种开放性的分割类别灵活且分割目标精准的跨模态遥感图像目标分割方法。

 本文公开了一种稠密视觉场景重建方法及系统，涉及场景重建领域，该方法包括构建包括3D高斯体表示模块、相机跟踪模块、关键帧管理模块和地图更新模块的稠密视觉场景重建架构；根据待重建的图片数据，采用稠密视觉场景重建架构，重建稠密视觉场景。本申请能够在复杂光照条件下实现高质量的场景重建和快速的场景渲染。

 本文提供一种地质建模并行显式化采样方法、装置、设备及存储介质，该方法包括:采集地质勘查钻孔数据构建点集合，训练全连接神经网络得地层分类模型。设置八叉树结构参数，用点集合创建结构，并通过模型获取地层属性。递归分裂节点，若深度未达到最大且属性不一致，则分裂；若达到最大深度或属性一致，则输出。直至节点栈空，汇总子节点数据生成三维可视化数据。此方法在传统三维地质建模基础上，引入自适应八叉树和并行显式化采样，解决了传统栅格采样效能不足问题，为地质建模提供了新思路和方法。

 本技术涉及图像分类技术领域，公开了一种基于深度学习的乳腺图像分类评估方法及系统，其中，该方法包括:对样本乳腺图像数据进行预处理，得到综合特征数据；基于综合特征数据进行特征增强，得到增强特征数据；对增强特征数据进行多模态双向特征融合，得到多模态融合特征数据；基于多模态融合特征数据，构建并训练半监督局部特征保留稠密连接上下文感知图卷积网络，得到图卷积分类模型；根据多模态融合特征数据，构建并训练多分支残差注意力重建网络，得到多尺度特征融合模型；通过图卷积分类模型和多尺度特征融合模型对实时乳腺图像数据进行分类评估和预测结果集成，得到目标乳腺图像分类结果，该方法提高乳腺图像分类的准确性和可靠性。

 本技术公开了一种基于SIFT算法的口腔图像分割方法、装置及介质，该方法包括:采集包含口腔黏膜疾病的口腔图像数据集；对尺度不变特征变换算法进行学习，并输出关于口腔图像数据的像素级SIFT描述符向量；将像素级SIFT描述符向量输入至Unet网络中，并输出对应的分割结果，构建得到基于SIFT的Unet语义分割模型；利用基于SIFT的Unet语义分割模型对指定的口腔图像数据进行分割处理。本发明采用尺度不变特征变换算法对口腔图像数据中的每一像素计算局部特征描述符，再结合Unet网络来实现对多种口腔黏膜疾病病灶区域的像素级分割，如此可以提高对于口腔图像的分割精度，解决口腔黏膜疾病图像病灶分割问题。

 本技术公开了一种基于图的三维扫描室内平面图重建方法，其特征在于，包括以下步骤:（1）获取开源数据集；（2）构建基元估计网络SeqPNet得到墙点热图；基元估计网络SeqPNet包括：墙体热图回归层、房间热图回归层及点热图回归层；依次生成三种类型的热图墙B、房间R和点P掩码得到墙点热图；（3）对墙点热图进行三角化、三角剪枝处理，得到初始图；（4）根据初始图求解最优子图，得到最终的重建结构；（5）评估重建结果；本发明有效地捕捉了细节，并保持了平面图的整体完整性。

 本技术涉及多尺度立体匹配技术领域，公开了一种基于超像素分割的多尺度立体匹配方法及系统，该方法包括以下步骤:获取左右图像和拍摄环境的光照强度；对左图像进行图像分割；检测左图像中的小目标物体确定高斯金字塔层数并构建左右图像的高斯金字塔；计算改进的Census代价、SAD代价和梯度代价及各代价的环境权重系数，计算高斯金字塔的总融合代价；进行代价聚合；计算左图像中所有像素点的视差值并进行视差优化。本发明不仅可以有效地解决现有超像素分割算法中超像素个数需要人为设定、结果图过分割现象严重的问题，而且还可以有效地解决单一匹配代价造成的匹配精度低和匹配代价对光照变化不敏感的问题。

 本文涉及图像处理领域，公开了一种基于transformer网络的水下图像增强方法、系统、设备及介质，方法包括构建增强网络并训练，获取浅层特征图像并馈入第N‑1层编码模块，获得深层特征图像；将第N‑1层编码模块的输出图像与第N层解码模块的输出图像通过第N‑1层特征融合模块融合，输入第N‑1层解码模块后输出残差图像；特征融合模块用于获取对应层编码模块输出图像的概率图，将概率图与上一层解码模块的输出图像进行初步融合，将第N‑1层编码模块输出图像与融合结果进行通道维度的融合；将残差图像与输入图像逐元素相加，获得增强后的水下图像。本申请可以有效解决水下图像存在的颜色偏差、对比度差、复杂场景下增强效果有限等问题。

 本技术提出一种输电线路缺陷检测方法及系统，属于目标检测领域，包括:S1：建立初始数据集；对初始数据集进行分组处理，构建目标检测训练集；对初始数据集中的识别困难的缺陷目标进行裁剪，构建分类训练集；步骤S2：构建基于十字交叉注意力与集成学习的目标检测网络，使用目标检测训练集对其进行训练；步骤S3：将分类训练集输入分类网络进行训练；S4：将待检测的图像输入训练好的基于十字交叉注意力与集成学习的目标检测网络，得到每条分支网络的检测结果；筛选需要二次分类的检测结果输入训练好的分类网络，进行进一步分类，得到最终的检测结果。本发明方法提升了目标检测的精度和鲁棒性。

 本技术公开一种面向车辆超限预警的雷达与视频信息融合编码方法，步骤包括:通过雷达模块获取三维点云数据；实时测量目标车辆的长、宽、高三维尺寸；利用视频信息采集模块获取车辆图像数据，视频数据通过改进YOLO的深度学习算法识别车牌号码和车辆外观特征，辅助判断车辆是否超限；通过数据处理模块将雷达测得的车辆三维尺寸与数据库中的标准尺寸进行对比，用阈值法判断车辆是否存在超限情况，通过算法将雷达数据和视频数据进行有效融合，并对融合后的数据进行压缩处理。本发明利用雷达与视频信息融合技术，结合高效的编码方案，能够实现高精度、高效率的车辆超限预警功能，适应复杂的道路环境和多变的交通场景。