本技术涉及红外图像检测技术领域，提供一种改进型红外小目标检测方法、系统及装置。获取并预处理图像，获得预处理后的图像；基于YOLOv9框架建立网络模型，预处理后的图像输入网络模型后，依次经过主干网络、多尺度特征融合网络处理，并由检测头模块检验合格后输出；主干网络包括SD_BS模块，多尺度特征融合网络包括GSELAN模块。本发明通过引入了SD_BS模块和GSELAN模块，解决了深度卷积造成的浅层信息的丢失的技术问题，达到了缓解深度卷积造成的浅层信息的丢失，同时减小模型复杂度与计算量，增强特征的非线性表达能力，更高效地捕获和利用特征中的信息的技术效果。

 本技术公开基于频域感知状态空间模型的前列腺MRI超分辨率重建方法，涉及医学图像处理技术领域，其特征在于，包括以下步骤:S1：对患者前列腺MRI进行图像预处理，通过降采样操作获取低分辨率MRI图像；S2：基于空间和频域信息构建空间‑频域Mamba模块，提取并融合MRI图像的空间信息和频域信息；S3：将所述S1中获得的低分辨率图像特征输入到由多个级联SFMamba组成的特征提取编码器和解码器中，提取图像多层次语义特征，重建高分辨率MRI图像。本发明要解决的技术问题是提供基于频域感知状态空间模型的前列腺MRI超分辨率重建方法，方便实现前列腺MRI超分辨率重建。

 本技术提供了一种基于荷花定律的人工兔搜索机制图像分割方法，涉及图像处理技术领域，本发明结合最大类间方差法和最大熵法的优点设计了联合判别方程，避免了采用单一阈值分割方法时分割精度不高的缺点。在搜索机制上，本发明将荷花定律这一人生哲理与人工兔搜索机制相结合并用于设计人工兔搜索机制在能量收缩阶段的能量方程，使求解机制更符合大自然生物的能量消耗规律，同时优化了人工兔搜索机制在绕道觅食阶段和随机隐藏阶段的位置更新公式，减小陷入局部最优解的可能。本发明所设计的基于荷花定律的人工兔搜索机制图像分割方法拥有更快的收敛速度、更高的收敛精度、更高的分割精度和更好的鲁棒性。

 本技术公开了一种适用于3D光场交互的实时渲染及立体显示方法、装置，涉及三维光场显示技术领域。使用画笔模块进行空间绘画；通过空间定位模块捕捉画笔模块的绘画轨迹；利用实时渲染模块将画笔模块的绘画轨迹经过的空间坐标映射为对应的3D光场像素编码坐标，并在得到的3D光场像素编码坐标对应的位置进行3D光场像素编码；三维显示模块根据实时渲染模块得到的3D光场像素编码后的坐标以及像素信息显示画笔模块所画的三维图像。本发明直接根据编码原理将坐标映射到显示器的子像素以达到实时渲染的三维立体显示效果，无需进行密集视点渲染，实现方法简单且节省渲染时间。

 本技术涉及图像处理技术领域，公开了一种基于乘性偏场建模的图像分割方法及系统，包括利用非线性双边引导滤波对待分割图像进行滤波，获取优化图像；基于多个预设二维高斯基函数与优化图像的拟偏场基函数，构建基函数组，与系数列向量相乘，获取优化图像的初始偏场分量；将优化图像划分为子图像域，为每个子图像域预设利用伪水平集方法表示的初始轮廓线，并获取每个子图像域的初始区域均值常量；利用能量函数差值对初始偏场分量，以及每个子图像域的伪水平集函数和初始区域均值常量进行迭代更新，直至满足预设要求，获取每个子图像域的目标伪水平集函数作为目标轮廓线；基于每个子图像域的目标轮廓线对待分割图像进行分割，获取图像分割结果。

 本技术公开了一种基于样本选择和标签分布学习的带噪声图像分类方法，涉及计算机视觉技术领域，解决了目前的分类方法难以区分困难样本和噪声样本，导致图像分类的精度低的技术问题。该方法包括:对训练样本分别进行弱数据增强和强数据增强；构建图像分类网络，将训练样本输入图像分类网络开始训练；建立图像分类网络全局的记忆化队列；若训练样本在当前训练轮次的损失值都大于第n个阶段的损失值，则将训练样本标记为噪声样本；否则，则将训练样本标记为干净样本。本发明能更好地区分容易样本、困难样本和噪声样本，避免在训练前期将损失还未下降的难区分样本归为噪声标签样本，提高模型的精度。

 本技术提供掩模与语义协同优化扩散模型的石材表面瑕疵检测方法，属于瑕疵检测领域，包括:获取数据集；将输入图片输入编码器以得到输入表征，对输入表征进行高斯噪声向前扩散得到全噪声表征；将各输入表征与掩模图片点乘后输入掩模引导的知识提炼网络以生成掩模表征；将输入表征输入含多维特征金字塔的语义引导增强网络以得到语义表征；将全噪声表征、掩膜表征和语义表征进行拼接后，进行反向扩散以逐步去除噪声，并解码生成重建图片；将输入图片及其对应的重建图片均输入特征提取网络，进而计算得到异常得分；根据异常得分进行排序并形成异常得分列表，将异常得分列表对应的输入图片的热力图反馈至用户。本发明能够有效提升对瑕疵的检测精度。

 本技术提供了一种基于光谱指数的人参种植区遥感识别方法及系统，涉及遥感影像处理与农业资源监测技术领域，本发明通过对遥感影像进行预处理，提取参棚及其他地物的光谱信息并进行分析，将参棚类型划分为黄棚和蓝棚两类。基于光谱特征和可分性分析，构建参棚识别指数，通过有效波段组合和计算，放大黄棚和蓝棚与其他地物之间的光谱特征差异，抑制背景干扰。通过随机样本生成与人工判别，进行精度迭代确定最佳分割阈值，实现对不同类型参棚的快速和高效地自动识别。本发明能够同时有效识别黄色和蓝色参棚，具有良好的区域适用性，并有效抑制裸土和蓝色屋顶等地物干扰，具有较高的识别精度和稳定性。

 本技术属于智能导航技术领域，提出了一种单目偏振视觉深度估计方法、装置、设备及介质，通过对偏振图像进行预处理，获得偏振信息与像素位置的方向信息融合的表示方法。构建非法线指导的深度估计网络用于输出偏振图像的非法线指导的深度。构建场景级法线指导的深度估计网络生成偏振图像的场景级法线，并用图像分割网络与对象级偏振法线估计物理模型构建损失函数，以加速网络收敛，最后通过引入法线距离建立了表面法线与深度的逐像素计算关系模型，将生成的场景级法线转化为场景级法线指导的深度。将场景级法线指导的深度、非法线指导的深度通进行融合优化，得到偏振图像最终的深度信息。本发明可有效提升单目深度估计的鲁棒性。

 本技术公开了一种面向对抗补丁攻击的防御方法，利用掩码重构任务具有良好特征提取能力的特点，通过设计对抗性掩码生成方法和分类‑重构联合训练方法，实现了一种面向对抗补丁攻击的防御方法，面向对抗补丁攻击的防御方法将图像识别模型划分为主干网络和全连接层，分别用于特征提取和分类预测，将重构模型连接在主干网络后，用于接收主干网络提取的图像特征并重构图像，连接后的图像识别模型主干网络、全连接层和重构模型总体称为训练模型。这种连接方式无需修改原有图像识别模型的结构，只优化原有模型的权重参数，适用于任意架构的深度学习视觉模型，适用于任意训练状态的模型，而无需强制从头训练。