专利交易市场

本发明涉及图像处理技术领域，具体涉及基于图像处理的畜牧兽医用废弃物处理检测方法。方法包括：获取畜牧兽医用废弃物堆积区域的灰度图像；根据灰度图像中各像素点与其邻域内像素点的灰度差异，得到局部互异特征值；根据各像素点的每个预设方向上相邻像素点的局部互异特征值之间的差异，得到各像素点在每个预设方向上的对比权值，并进一步获取插值核函数值；对灰度图像进行插值处理获得超分辨率图像，根据超分辨率图像中各插值像素点与其邻域内映射像素点的相对位置以及插值核函数值，确定各插值像素点的灰度值，进而获得重建图像；基于重建图像对废弃物进行分类。本发明提高了畜牧兽医用废弃物分类的准确精度。

本发明涉及图像数据处理技术领域，具体涉及一种室内环境用图像处理方法及免碰撞系统，该方法包括：获取目标车辆对应的两帧初始室内环境图像；对每帧初始室内环境图像进行环境光线提取处理，得到初始室内环境图像对应的参考图像；基于每帧初始室内环境图像对应的参考图像，以及初始室内环境图像中的每个像素点对应的预设滑窗和预设卷积窗口，对初始室内环境图像中的每个像素点进行自适应反射干扰消除处理，得到像素点对应的目标灰度值；将每帧初始室内环境图像中的每个像素点对应的灰度值，更新为像素点对应的目标灰度值。本发明通过对两帧初始室内环境图像进行图像处理，提高了图像质量和交通的安全性。

本发明公开了一种基于边缘分布引导的图像分割方法，属于图像处理和深度学习领域。本发明包括：1)采集原始图像数据，进行数据预处理形成训练数据集；2)构建特征提取器；3)构建边缘分布生成模块；4)构建基于边缘分布引导的解码器；5)将边缘分布预测模块和边缘分布引导的解码器插入到特征提取器，构建基于边缘分布引导的分割网络；6)利用训练数据集对基于边缘分布引导的分割网络进行训练；7)输入新的图像，使用已经训练好的基于边缘分布引导的分割网络输出最终的分割结果。本发明基于边缘分布引导的解码器使用生成的边缘分布图自动纠正分割结果中与边缘分布矛盾的部分，从而生成更加精确的图像分割结果。

本发明涉及农业科技技术领域，具体为基于图像处理的叶片病虫害识别方法及系统，包括以下步骤：设置多光谱和热成像设备，收集目标频段的多光谱图像和热成像数据，删除清晰度不足的图像和噪声过多的数据，得到优化多光谱图像，并将数据按照收集的日期进行标记和分类，形成时间序列图像数据集。本发明中，通过动态调整网络参数，反映叶片生长的各阶段状态，使得病虫害预测不仅基于静态数据，而是反映植物生长的实际变化，提高预测模型的实时应用价值和准确性，状态转移学习的引入使得从健康到病虫害各阶段的转变能够被更精准地预测，进行早期诊断和及时干预，提高病虫害具体位置的识别精度，能够进行局部处理，有效提升处理的针对性和经济效率。

本发明实施例提供了一种用于图像处理的神经网络训练方法、装置以及计算机设备。用于图像处理的神经网络训练方法包括：训练用于图像识别的第一深度神经网络；通过标注有图像美学分类数据的第一图像训练样本对所述第一深度神经网络的网络参数进行第一更新；将网络参数进行第一更新后的所述第一深度神经网络的分类器层的参数，替换为用于图像识别的分类器层的参数以及用于图像美学分类的分类器层的参数；通过所述第一图像训练样本对分类器层的参数替换后的所述第一深度神经网络的网络参数进行第二更新。由此，可获得图像识别分类的分类器和图像美学分类的分类器，并且提高该两个分类器的准确性和鲁棒性。

本公开实施例公开了一种模型训练及图像处理方法、装置、电子设备和存储介质，模型训练方法包括：获取多个类别的样本图像；利用样本图像对预设的教师模型进行训练，得到预训练的教师模型；对样本图像中不同类别的图像均衡采样，得到采样的样本图像；利用采样的样本图像对预设的学生模型训练，以及对预训练的教师模型进行知识蒸馏，得到训练后的学生模型。

本发明公开了一种OpenCV图像处理技术下的交通信号灯控制系统图像采集装置，涉及信息采集领域，包括横向支架、纵向支架、转动机构、双头支架、摄像头以及清理机构，本发明通过设置两个独立的摄像头，均能够根据需要实现图像的采集工作，切换过程中对正常的图像采集工作影响较小，不仅如此，在切换的过程中，备用摄像头进入到清理机构内，借助于清理机构能够对其进行清洗，以提高图像采集的精度。