本发明提供一种扫描电子显微镜堆叠颗粒图像交互实例分割方法，包括:步骤(一)、构建图像数据集并划分为训练集、验证集和测试集；步骤(二)、在YOLOv8n主干网络的基础上，增加连续馈入级联自注意力模块，构建主干网络；步骤(三)、构建颈部网络；步骤(四)、构建高效串并联式分割头；步骤(五)、根据构建的主干网络、颈部网络和分割头，组建分割网络；利用训练集和验证集对分割网络进行训练，获得分割模型；步骤(六)、利用测试集数据，输入到分割模型，得到分割结果。本发明能够解决现有技术中人工识别方法人机交互程度较低、效率低下且耗费成本较高、同时错误率高的技术问题。

 本发明公开了一种基于页岩油藏孔隙网络模型的油水两相流动模拟分析方法及系统，所述方法包括以下步骤:获取泥页岩储层的岩石，并对岩石进行切片扫描，获得切片图像；选取切片图像中孔隙集中发育的区域进行分割，获得分割后的图像；对分割后的图像进行预处理，获得预处理图像；对预处理图像进行连通性阈值分割，获得最终图像；基于最终图像，通过最大内切球方法建立孔隙网络模型；通过孔隙网络模型进行泥页岩油水两相流动模拟，得到模拟结果。本发明不再依赖于传统的测井、钻井和生产动态数据，而是直接从岩石样本的图像中提取信息，然后进行油水两相流动模拟，从而避免了传统方法可能引入的误差和不确定性。

 本发明涉及深度学习领域，具体公开了一种小样本红外遥感图像去噪方法和装置。包括构建去噪模型，包括两个生成器和两个鉴别器，将灰度遥感噪声图像样本和灰度遥感干净图像样本分别输入去噪模型，利用不同鉴别器并利用不同生成器的下采样层进行特征提取，得到多个特征图，利用多个卷积串联结构，进行特征分离和交叉重构计算，得到丰富信息特征图，利用生成器的上采样层重构去噪后图像，得到单向映射图像并输入另一鉴别器，通过另一生成器进行处理，得到双向映射图，计算生成器MES损失，得到初步训练后去噪模型，利用真实红外遥感图像对初步训练后去噪模型进行训练，得到最终去噪模型。解决了深度学习模型训练中对训练样本需求量大的问题。

 本发明提供一种基于机器视觉的淡水鱼表型数据无接触测量装置及方法，装置包括捕捞模块、视觉模块、供电模块、控制模块；本发明利用水下摄像机和工业相机获取鱼群图像数据，并上传上位机进行图像处理，上位机在SVR模型中引入非线性组合和交互项，为了让SVR模型能够根据不同的鱼类特征重要性进行调整，为每个形态特征引入不同的权重系数，并通过SOA算法优化这些系数，最终实现对鱼类表型数据的精确测量。本发明能够在自然环境下实现对淡水鱼表型数据的无接触测量，在提高测量精度的同时降低测量难度，减少鱼体的损伤，提升鱼类表型测量的机械化与智能化水平，帮助养殖者优化管理决策。

 本发明提供了一种统一框架增量学习遥感场景分类方法及系统，属于图像处理技术领域，包括统一数据库构建、统一骨干网络、分类头网络模型构建、统一超参数构建、线性规划增量学习有监督训练范式网络训练、分类预测结果输出和统一模型验证；本发明能够构建统一的遥感图像分类模型框架范式，框架支持多种模型嵌入，使得模型精确、通用且易于验证，而且支持各类模态数据作为模型输入，显著增强了框架的通用性；同时设计出一种基于线性规划增量学习的有监督学习训练范式，使得模型能够在大规模异源数据集上进行连续的全监督训练，增强了模型的泛化性。

 一种针对红外光谱图像的空谱域联合压缩感知方法，属于高分辨光谱成像和压缩成像领域。本发明实现方法为:生成空谱域联合压缩成像编码矩阵，将此矩阵作为编码模版加载到DMD上，使其对目标光信息进行空间调制，使用衍射光栅对空间调制后的光谱图像进行光谱调制，使用低分辨率红外相机对调制后的图像进行空间下采样和光谱下采样，获得低分辨率二维混叠图像。通过空域压缩成像与谱域压缩成像突破红外相机空间分辨率和光谱分辨率的限制，采集的低空间低光谱分辨率红外图像使用重建算法即能够恢复出原高空间高光谱分辨率红外图像。本发明利用光谱图像的空间、光谱相关性，通过压缩成像方法在数据采集前对数据压缩，显著减少采集、存储、传输的数据量。

 本发明公开了一种图像配准方法和装置，涉及图像处理技术领域。该方法包括:通过傅里叶变换，将图像系列中的多张空间域图像转换为对应的第一频域振幅图；叠加各张第一频域振幅图像，构建出频域振幅加和图；基于设置的漂移曲线，校正图像系列中的各张空间域图像；叠加各张校正后的空间域图像，构建出空间域加和图；通过傅里叶变换，将空间域加和图转换为第二频域振幅图；对比频域振幅加和图和第二频域振幅图；并将调整后的漂移曲线作为设置的漂移曲线，输出目标漂移曲线；利用目标漂移曲线，对图像系列进行图像配准处理。本方案能够有效地提高图像配准效率，并降低图像配准对计算资源的消耗。

 本发明公开了一种基于频率相位引导的复数模型临床图像语义分割方法，包括:对原始临床图像进行预处理；数据输入Gabor小波变换模块转换为复值域图像；将复值域图像输入编码网络，通过复值的混合注意模块选择性地调整相位分量的感知和对不同频率成分的偏好，得到复值域特征；将复值域特征输入频率自适应分离模块，将复值域特征分解为高频特征和低频特征，且将低频特征与高频特征合并通过频率通道注意力模块筛选出重要特征；将重要特征输入下一级编码器，并将高频特征与解码器各层次特征合并，得到临床图像的分割结果。本发明有效地利用了相位信息和频率信息，可以更好地将临床图像中的目标区域与相似背景区分开来，提升分割效果。

 本发明属于计算机视觉领域，具体涉及一种基于长短曝光融合的无人机航拍夜间图像增强方法。包括以下步骤:首先，构建一个低照度合成数据集；其次，对低照度合成数据集中的长曝光和短曝光图像进行数据预处理，得到含模糊和噪声的长短曝光图像；然后，构建了一个轻量级去噪去模糊网络，一阶段包含多尺度输入模块、双核特征融合模块和特征重建模块，二阶段采用通道注意力机制模块进行微调；设计多尺度感知损失函数，引导网络训练；最后，使用训练好的最终模型增强待测试的无人机航拍夜间图像。本发明利用连续短曝光和长曝光的互补信息，有效地提高了低照度无人机航拍图像的视觉效果和保真度。

 本发明属于温度预测技术领域，具体公开了一种基于深度可逆网络的时空联合温度预测方法。该方法使用的预测模型包括像素混洗层、正向编码器、反向解码器以及用于桥接正向编码器和反向解码器的长短期集成预测模块；输入图像经过一个像素混洗层进行形状变换，正向编码器用于提取深层特征，长短期集成预测模块对深层特征进一步提取时空特征，反向解码器用于时空特征的解码，解码特征经过另一个像素混洗层将分辨率还原至与输入图像相同；正向编码器和反向解码器的结构相同且参数共享，均包括多个多层级可逆仿射耦合结构；长短期集成预测模块多个长短期集成预测单元，当前长短期集成预测单元的输出特征与前一长短期集成预测单元的输入特征相加后作为下一个长短期集成预测单元的输入特征。本发明能够更加灵活地进行特征提取，实现信息丢失的最小化，并且充分保留了时空信息，提高了预测精度。