本申请涉及一种图像转换方法、装置、计算机设备和存储介质。所述方法包括:采用位深度扩展模块对低位标准颜色通道图进行位深度扩展处理，得到高位标准颜色通道图；采用逆图像处理模块对所述高位标准颜色通道图进行图像转换，得到高位原始图。采用本方法能够减小转换得到的Raw图和原始的Raw图之间的误差。

本发明公开了一种基于光度立体视觉的表面缺陷检测及量化方法，包括多个不同方向光源照射下的待测物体表面图像；根据不同光源的方向向量和图像灰度计算物体表面法向量；根据法向量计算待测物体特征；将不同特征分别归一化至灰度值0‑255之间即可得到特征图；将特征图进行图像融合，得到一张融合图；检测融合图的边缘；检测候选缺陷；量化候选缺陷的深度。本发明利用散度和旋度表示缺陷表面法向量场的聚散或者旋转强度，平均曲率和高斯曲率表示缺陷表面的弯曲情况，本发明对光度立体视觉的散度图、旋度图、高斯曲率图、平均曲率图进行图像融合，使得单张图像具有更多的特征信息，能够更好地凸显缺陷的特征。

本发明属于人脸识别技术领域，并具体公开了一种人脸识别装置，包括摄像头和遮光件，遮光件包括入光部和遮光部，入光部设置于摄像头的入光侧，入光部上设置有入光孔，入光孔与摄像头的镜头正对，入光孔的入光范围小于镜头的拍摄范围，遮光部沿入光部的外周向设置，遮光部的遮光范围大于镜头的拍摄范围。通过设置遮光件，摄像头的拍摄范围由原来的镜头的拍摄范围缩小为入光部的入光孔的入光范围，入光孔的入光范围外的光线被遮光部遮挡以避免该部分光线入射镜头，减少脸部范围外的光线对曝光时长的影响，增加对脸部的特征信息的采集，提高人脸识别效率及识别准确度。

本申请提供一种玉米果穗表型分析方法、装置及设备，其中，方法能够对玉米果穗的原始图像进行深度处理得到玉米果穗的深度图，通过金字塔式融合策略，在不同尺度的深度图像中利用局部特征动态调整分割阈值，对金字塔各层得到的玉米果穗掩码图像进行融合，得到对应的果穗掩码图像；对果穗掩码图像进行基于纹理信息和深度信息的区域扩散处理，划分出各个单果穗掩码；通过对玉米果穗原始图像进行单果穗掩膜遍历，提取出单果穗图像；利用颜色信息区分算法将单果穗图像划分为秃尖区域和籽粒区域，从而得到秃尖区域掩码、籽粒区域掩码；根据秃尖区域掩码、籽粒区域掩码以及果穗掩码，确定玉米果穗的各种表型参数，计算果穗均匀度和/或籽粒紧实度。

 本发明公开了一种焊缝关键点识别方法、装置、设备、介质及程序产品，该方法包括:基于训练图像数据和标注数据生成数据集，构建原始识别模型，对原始识别模型进行改进，基于数据集对改进后的原始识别模型进行训练和优化，获得目标识别模型；通过焊接机器人上的图像采集设备采集焊接件的深度图像和RGB图像；将RGB图像输入至目标识别模型进行焊缝关键点识别，基于识别结果和深度图像确定焊接件的焊缝关键点坐标，实现对焊缝关键点的精准识别，从而引导焊接机器人准确到达焊缝关键点坐标位置进行焊接，提升了关键点识别自主性和适应性，有效地适配不同需求的焊接任务，确保焊接质量的同时，大幅提升了焊接效率，降低时间成本。

 本申请提供了基于三维点云数据的辅助加工质量评估方法、介质及设备，涉及加工件质量检测技术领域。该方法首先获取待检测加工件对应的三维点云，并将其与待检测加工件对应的极限模型进行对比，确定超差区域，用于重点检测以确定待检测加工件是否合格。在待检测加工件合格的情况下，利用OBB方向包围法确定待检测加工件的目标表面对应的目标坐标系，并结合目标表面的至少两个目标评价指标，建立目标点云对应的多维特征张量，以通过多维的数据结构对目标点云的质量特性进行表示。最后将目标点云对应的多维特征张量输入预置的质量评估模型中，预测得到目标表面的质量等级，从而辅助实现对工件加工表面质量的全面、准确评估。

 本发明公开了跨令牌引导Transformer的弱监督定位方法，包括如下步骤:采集图像并对图像进行预处理；构建由依次连接的多个基础Transformer块和多个位置Transformer块组成的Transformer编码器，将预处理后的图像依次经过基础Transformer块和位置Transformer块进行处理；将每个位置Transformer块的中间量取出并平均，得到平均后的中间量；构建滤波调节模块FRM，将平均后的中间量输入到滤波调节模块进行优化，得到最终定位图；本发明通过编码器有效缓解了目标区域周围的上下文偏差问题，通过滤波调节模块进一步提高了定位图的清晰度和语义一致性。

 本发明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。

 本发明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。

 本发明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。