本技术属于数字岩心图像技术领域，公开了一种基于颗粒分区的大尺寸数字岩心图像生成方法及相关装置，将若干幅岩心的二值化图像进行拼接；对拼接图像进行像素反转处理；通过开运算操作对反转图像中的拼接边界进行平滑修饰；提取修饰图像的像素骨架中轴图像；对像素骨架中轴图像进行连通域分析，按连通性划分各个颗粒分区，对各个颗粒分区进行涂色；在颗粒分区图上，根据颗粒分区位置提取图像拼接交接区域的颗粒分区边界，并计算该处的孔喉特征点与分区质心；将颗粒分区边界按分区质心依照孔喉特征点进行不同比例收缩；将重构颗粒区域涂成黑色；将拼接图像中的图像拼接交接区域替换为重构颗粒图像，得到大尺寸数字岩心图像。

 本技术公开了一种基于知识引导可微调的工件缺陷定位方法和装置，涉及工业检测技术领域，方法包括:采用工件正常图像集训练确定目标残差流模型；基于目标残差流模型构建初始知识引导边缘细化网络，并采用工件正常图像集和工件伪缺陷图像集训练确定目标知识引导边缘细化网络；基于各工件难检缺陷图像的难检图像特征构建难检缺陷知识库；根据待测工件图像和难检缺陷知识库确定疑似缺陷区域图像特征和缺陷先验知识；通过目标知识引导边缘细化网络，采用疑似缺陷区域图像特征结合缺陷先验知识进行对待测工件图像的困难样本微调，并基于目标残差流模型对待测工件图像进行纹理结构异常特征增强，输出工件缺陷定位图像。整体上提升了工件缺陷定位准确度。

 本技术公开了一种元学习框架下基于深度多尺度融合的菊花图像智能筛选方法，包括:通过基于密集连接的深度特征提取模块，获取到深度融合特征；将深度融合特征作为语义分析模块的特征输入，得到语义特征；将深度特征提取模块、语义分析模块和线性连接层共同组成骨干网络，通过元学习框架学习并模拟骨干网络的参数更新模式，得到的先验知识保存；将菊花失真图像输入到骨干网络中，经过先验知识融合到骨干网络后进行微调，获得适用于菊花质量评价的模型。本发明能够有效地从不同类型失真图像中获得先验知识，并融入菊花质量评价任务中，同时能够利用少量标签数据准确地预测菊花质量，从而进行质量筛选，具有高效、健壮、以及可用性强的优势。

 本技术涉及交通路面监测技术领域，尤其涉及一种基于DCE‑Pothole‑YOLOv10算法的在低光照条件下提高道路坑洞的检测方法，包括:步骤1：采用DCE‑Pothole模块，对DCE‑Net的照明平滑度损失函数进行改进，引入基于局部梯度的L1范数变种项，并通过两个可调节的权重系数，平衡图像的平滑度和边缘保留；步骤2：重新设计光照增强曲线，利用局部梯度信息和Sobel滤波器实现对边缘特征的强化；步骤3：通过改进的DCE‑Pothole网络与YOLOv10结构整合，并采用并联的特征融合策略进行模型训练，采用阶段性推理策略进行模型推理；步骤4：在多任务学习框架中利用动态权重平均法构建联合损失函数，实现光照增强与目标检测的协同优化。本发明使得目标检测模型更好地对低暗度条件下进行道路坑洞的识别。

本技术公开了一种机场开放数据交换平台，包括以下模块:登录服务模块,获取数据模块,回执服务模块,发布服务模块，登出服务模块；本发明可实施性，获取数据模块同时具有高度的稳定性和足够的精度,同时基于分层聚类的方法合并面片，可以很好地解决部分像素点鲁棒性差和边界不准确的问题，发布服务模块耗时少，具有更好的性能，使用体验满意指数函数和效用函数实提高了数据传输的效率。

本技术提出对开式刀闸的开合角度的精确检测方法，包括:采集刀闸的模板图像并根据其建立刀闸臂的边界线模型且保存为模型文件，再计算刀闸臂的中点和中线；同等条件下采集同一刀闸的目标图像并进行边缘检测，获取边缘线集合；计算目标图像的刀闸臂的左中点和右中点到边缘线集合中的每条边缘线的距离，将不在阈值范围内的距离所对应的边缘线剔除，获取更新边缘线集合；利用中线将更新边缘线集合左右区分，分别获取左刀闸臂边缘线集合和右刀闸臂边缘线集合并分配权重再进行对称配对，确定最终的左刀闸臂边缘线和右刀闸臂边缘线；计算左右刀闸臂之间的夹角。本发明解决了对开式刀闸在实际使用中难以快速准确识别是否开合到位的问题，提高识别精度。

本文涉及一种膨胀点云识别方法、装置、计算机设备。方法包括:获取当前视场对应的环境点云数据和环境图像数据，基于环境图像数据进行第一目标物体检测，得到环境图像数据对应的第一目标物体区域；基于环境点云数据进行障碍物聚类，得到各个障碍物点云簇，基于各个障碍物点云簇对环境点云数据进行过滤，得到已过滤点云数据；基于已过滤点云数据对应的反射强度信息从已过滤点云数据中确定第二目标物体点云数据；基于第二目标物体点云数据进行投影，得到第二目标物体投影区域，计算第一目标物体区域与第二目标物体投影区域的匹配程度；基于匹配程度确定环境点云数据中是否存在膨胀点云数据。采用本方法能够提高膨胀点云识别准确性。

本公开提供了一种回归模型的训练方法、对象评估方法、装置、设备、介质和产品，涉及人工智能领域，尤其涉及深度学习技术领域。回归模型的训练方法包括:将原始训练样本输入回归模型，得到针对原始训练样本的初始评估值；根据预定输出阈值和初始评估值，得到加噪评估值，其中，加噪评估值与初始评估值之间的差小于等于预定输出阈值；根据加噪评估值，得到附加噪声值；将附加噪声值添加到原始训练样本，得到更新后训练样本；利用更新后训练样本对回归模型进行训练。

本公开提供一种图像处理方法、图像处理装置、存储介质和电子设备，涉及图像处理技术领域。通过运动区域掩膜对备选融合区域掩膜进行修正得到融合区域掩膜，使得根据融合区域掩膜进行图像融合得到的高动态范围图像中与运动区域对应像素的像素值仅仅来自于参考图像，而不与其他曝光度的帧融合，如此，高动态范围图像中不会由于运动区域对应的像素被融合而产生鬼影，从而能够增加图像细节，提高图像质量。

 本技术公开了一种考虑亚像元信息的湿地景观格局监测方法，通过对具有高空间分辨率的第一遥感影像和具有高时间分辨率的第二遥感影像融合为融合影像，并对融合影像中的混合像元分解为亚像元，并基于对混合像元的分解结果，在亚像元层面，通过对融合影像计算景观格局指数、景观格局空间动态度、景观格局时序变化特征，实现了对遥感影像的景观格局变化的细颗粒度的精准监测。