本文公开了一种海底隧道路面裂缝提取方法和系统，涉及图像识别处理技术领域，该方法包括获取待分割真实裂缝图像；将待分割真实裂缝图像输入至CycleGAN网络预训练模型中，得到迁移图像；CycleGAN网络预训练模型为基于虚拟裂缝图像数据集和真实裂缝图像数据集训练得到的训练好的模型，包括两对交替对抗训练的生成器和判别器，通过对真实裂缝图像进行风格迁移和图像转换，得到与虚拟裂缝图像中的裂缝特征相似的迁移图像；将迁移图像输入至语义分割预训练模型中，提取得到待分割真实裂缝图像中对应的裂缝区域。本申请可以减小虚拟裂缝图像数据集与真实裂缝图像数据集之间的域间差异，提升模型对真实裂缝图像的分割精度。

本文提供了一种身份一致性掌静脉图像生成方法及系统，所述方法包括步骤:采集数量真实掌静脉图像并进行预处理，得到数量掌静脉样本图像；构造伪手掌轮廓并于每个伪手掌轮廓内随机构造若干伪静脉线条，得到掌静脉模板图像；构造掌静脉图像生成模型，并将掌静脉样本图像与掌静脉模板图像输入至掌静脉图像生成模型进行训练；将掌静脉模板图像输入至训练好的掌静脉图像生成模型，通过随机引入不同的噪声向量z与掌静脉模板图像进行特征融合生成伪掌静脉数据集样本。本申请的方法能够生成大量具备身份一致性且兼顾多样性的伪掌静脉数据集样本。

本技术涉及一种用于减轻莫尔效应的显示器下光学指纹传感器布置结构，具体公开了用于使具有感兴趣的结构特征的生物辨识特征对象成像的电子装置的系统和方法。所述电子装置包括:显示器，所述显示器包括成行的像素元件，所述成行的像素元件平行于沿第一轴线的第一主要方向；以及光学传感器，所述光学传感器被安装在所述显示器下方，所述光学传感器平行于沿第二轴线的第二主要方向。第二轴线相对于第一轴线以一角度旋转以将莫尔图案调整成在所述感兴趣的结构特征的频率范围之外。

 红外小目标检测模型的构建方法及红外小目标检测方法，属于计算机视觉技术领域，具体涉及红外图像小目标的检测；解决了现有红外图像小目标检测技术中所存在的检测困难、不够轻量化和实时性不足的问题。所述方法包括以下步骤:所述训练完成的红外小目标检测模型，用于根据输入的原始红外图像，获得最终检测的小目标。所述的红外小目标检测模型的构建方法及红外小目标检测方法，用于对红外图像小目标进行检测。

 本技术公开了一种基于遥感影像和深度学习超分算法的湿地精细化制图方法，首先，获取研究区高、低分辨率遥感影像，对其预处理后，将高分辨率湿地样本与低分辨率影像配对，得到高分辨率湿地数据集；其次，获取土地覆盖数据并提取湿地信息得到低分辨率湿地数据集；然后，将低、高分辨率湿地数据集输入基于卷积块注意力模块的卷积变换超分网络重建特征，并利用基于Scharr卷积和快速傅里叶卷积的U‑Net架构进行分割；接着，针对湿地制图任务，设计三种损失函数的加权损失函数，从图像细节、时序和图像一致性提高湿地制图精度；最后，经评估选最优模型用于湿地精细化制图，从而提升湿地精细化制图精度，为各领域的湿地研究提供有力支持。

本文提供一种目标检测方法、装置、终端设备及计算机可读存储介质。所述方法包括:获取待检测点云数据，所述待检测点云数据为来源于待检测场景的点云数据，所述待检测场景包括待检测目标；将所述待检测点云数据输入至训练好的第一神经网络模型，以使得该第一神经网络模型识别所述待检测点云数据中属于所述待检测目标的目标表面的各个点云点；根据属于所述目标表面的各个点云点，确定所述目标表面的尺寸。本申请可以在一定程度上解决现有技术中无法准确检测目标对象尺寸的技术问题。

本技术涉及图像处理技术领域，提出了用于肺部传染病的CT影像清晰处理方法、系统及设备，包括:根据真伪评价系数对所有肺部血管的边沿像素点进行筛选出，获得肺部血管的边缘像素点；根据每个肺部血管边缘区域中像素点的灰度分布情况，以及真伪评价系数，获取每个肺部血管边缘区域的磨玻璃影特征值；获得肺部磨玻病变区域；根据肺部磨玻病变区域与周围肺部磨玻病变区域之间像素点的灰度值的差异情况，获取患者肺部图像的窗宽调整幅度；根据窗宽调整幅度对患者肺部图像进行窗宽调整，获得调整后的患者肺部图像。本发明通过调整后的患者肺部图像能够提供更详细、更清晰的肺部病变区域的位置和形态。

 本技术涉及医疗图像处理与机器学习技术领域。提供了一种压力性损伤图像检测及评估方法，包括步骤:实时采集患者皮肤的视频图像数据，对采集到的数据进行预处理，得到预处理数据集；对预处理数据集进行视频放大处理，得到放大数据集；对放大数据集进行图像分割，划分出若干个初始压力性损伤预测区域；计算每个初始损伤预测区域的质心位置点，并根据质心位置点的各项特征指标数据，动态调整每个初始压力性损伤预测区域的边界，得到压力性损伤预测区域；将压力性损伤预测区域对应的检测结果以图表和报告形式进行输出，根据检测结果给出相应的预警信息和护理建议。解决了现有技术中压力性损伤图像数据检测准确性不足，难以准确识别和分割的技术问题。

 本文涉及高光谱遥感图像分类技术领域，公开了一种高光谱小样本分类方法、系统、设备及介质，该方法包括:获取高光谱的源域数据集及目标域数据集；构建多层次空间光谱特征融合网络（包括多层次空间光谱特征编码模块、自适应分层特征融合模块和特征集匹配模块），在多层次空间光谱特征编码模块提取空间光谱局部融合特征，在自适应分层特征融合模块中获得全局特征，并构建域分布特征损失函数；利用特征集匹配模块计算特征距离，并构建多层次特征匹配损失函数；结合这两类损失函数构建总损失函数，以训练多层次空间光谱特征融合网络，得到初始分类模型；将目标域数据集输入该模型进行自适应调整，以实现精确预测高光谱小样本分类。

 本技术公开了一种融合点云与影像数据的露天矿建筑物图像分割方法，属于计算机技术领域。该分割方法的步骤为:对矿区激光点云和无人机影像数据集进行预处理；将预处理得到的特征图像进行裁剪、标记、数据增强处理，并划分为训练集、验证集和测试集；将训练集、验证集和测试集数据进行尺寸重建操作；将尺寸重建后的图像送入SSC‑SeNet网络模型中进行训练，使用训练好的SSC‑SeNet网络模型对真实的三维建筑物图像进行分割；本发明采用特征提取主通道、空间提取通道、语义提取通道与特征融合模块分别提取建筑物全局特征、空间特征及语义特征；特征提取主通道关注全局上下文信息，实现了建筑物信息的有效提取。