专利交易市场

一种基于全局优化流线微分方程的前端视觉通路重建方法，包括以下步骤：1)基于流体力学微分方程对纤维方向分布进行描述，假设脑白质中水分子沿神经纤维方向做扩散运动是一种流体运动，流线对应于脑神经纤维轨迹，流场表示粒子运动轨迹的切向量，通过三维空间上的流场分布函数来描述空间上连续的纤维方向分布；2)基于全局流场分布函数进行前端视觉通路重建，估计流场分布函数，并用四阶Runge‑Kutta算法计算每一步的纤维跟踪方向，从而完整重建出前端视觉通路。本发明能够显著减少重建时间，提高重建精度，从而提高前端视觉通路重建的时效性和实用性。

一种基于流体力学微分方程的脑纤维非对称重构方法，将纤维束看作流束，通过引入流体力学中的相关概念对纤维重构进行建模；以流体力学中的散度概念来描述纤维在体素内的连续性；通过延伸散度在体素间的概念来描述纤维束的空间一致性；通过这两个约束条件最优化计算非对称型脑纤维微结构重构。实验分别在模拟磁共振数据和实际临床数据上与目前流行的纤维重构方法进行对比，实验结果证明本发明提出的方法提高了纤维重构的精确性。

本发明提供一种基于目标CF的矢量量化压缩体绘制方法，包括：根据预先定义的可信度计算准则，对输入矢量的每一个点计算可信度，并统计对应各CF区间的比重；CF值高对应的优先级也高，CF值低对应的优先级也低；查看第一优先级的比重，若该优先级的比重低于第一阈值，继续，否则给该矢量最高优先级的CF值，结束；当第一优先级的比重过低，比较第二优先级的比重，若该比重低于第二阈值，继续，否则给该矢量第二优先级的CF值，结束；当第二优先级的比重仍不满足要求，则计算第三优先级，若比重低于第三阈值，那么赋给第四优先级的CF值，否则赋给第三优先级的CF值，利用得到的CF值，去影响失真测度计算，码书分裂偏向可信度高的区域。

本发明公开一种基于张量近似的海量数据多分辨率体绘制方法，首先对原始数据进行分块处理，得到若干数据块，然后对每一个数据块进行张量分解和多分辨率处理，最后对经张量分解和多分辨率处理后的每一个数据块进行重构处理，并创建二维纹理，完成地震数据的绘制。通过采用秩截断的方法有效的过滤原始数据中的噪声，并采用因子矩阵和核心张量秩截断的方式来替代对每一次秩试探所做的张量分解，准确的对每一个数据块确定秩的大小，节省数据块最佳秩选取的时间，并根据秩截断后的得到的数据，选择每个数据块的细节水平，快速有效地降低数据的整体分辨率大小，减少处理时间，从而实现多分辨率处理，并得到比传统基于信息熵的多分辨率更好的绘制效果。

本公开涉及一种信息处理方法及装置、电子设备和存储介质，其中，所述方法包括：获取当前场景的色彩图像和第一体素信息，所述第一体素信息携带有当前场景的几何信息；基于所述当前场景的色彩图像以及所述第一体素信息，得到针对所述当前场景进行补全的补全结果。本公开实施例可以得到当前场景更加准确的补全结果。