专利交易市场

本发明公开了一种拍摄所得的二值带网格曲线图的曲线提取方法。现有的二值纸质信号图数字化方法没有考虑拍摄所得图像时产生畸变等的影响，从而无法准确、有效的得到数字信号。本发明的如下：一、拍摄图像进行预处理，将图像分为n个图像块，并提取各纵向网格线的位置。二、统计每一个图像块的连通域并保留像素数量最多的连通域。三、以像素的列坐标为权重值，统计图像块每行黑色像素的权重和；将权重和小于阈值的行去除。四、修复图像中断点。五、根据信号线像素和背景网格线像素的位置关系，并采用分段采样的方法得到数字信号。本发明大大降低了图像畸变对二值纸质信号图数字化的影响，提高了数字化的精度。

本申请公开了一种基于深度学习的图像对齐方法、系统、设备及存储介质，采用特征提取模块对两张待对齐图像进行特征提取，得到第一多尺度特征图和第二多尺度特征图；其中，特征提取模块采用两个权重共享的特征提取网络和循环特征金字塔网络进行构建得到；基于第一多尺度特征图和第二多尺度特征图，采用特征匹配模块计算每个尺度上的相似矩阵，得到最终相似矩阵；其中，特征匹配模块采用自注意力机制与交叉注意力机制进行构建得到；将最终相似矩阵输入至图像对齐模块，得到单应性矩阵；其中，图像对齐模块采用多个卷积块进行构建得到；根据单应性矩阵将两张待对齐图像进行单应性变换，得到对齐图像。本申请能够提高图像对齐的精确度和稳定性。

本发明涉及一种肠道胶囊内镜视频溃疡片段自动定位方法、计算机设备及系统，建立以初始时间边界规范、结合策略梯度和评估的溃疡片段自动定位网络；以查询图像‑参考视频对训练溃疡片段自动定位网络；将查询图像‑参考视频对输入训练后的溃疡片段自动定位网络，输出参考视频中与查询图像关联的溃疡片段；基于方法实现计算机设备；系统以输入单元输入查询图像‑参考视频对，定位单元执行方法并定位溃疡片段，由输出单元输出。本发明以感兴趣的肠道胶囊内镜溃疡病灶图像为查询图像，以肠道胶囊内镜长视频为参考视频，基于强化学习对视频进行分析，通过起始和终止标识的序贯决策细化时间边界，精确定位与查询图像相关的片段，完成视频重定位任务。

本发明公开了一种基于TensorFlow的可识别绘画作品中四角坐标的方法，通过OpenCV将随机来自艺术品图片集中的一张网络艺术品图片与随机来自室内场景图片集中的一张网络室内场景图片进行合成，并形成待训练图样集；对待训练图样集进行预处理，并与若干张拍摄的具有真实艺术品图片的照片一同制作成数据集，然后将此数据集划分训练集、验证集和测试集；采用改进VGG16网络模型在训练集上进行训练学习，每经过一定轮次的训练后，得到网络艺术品图片或真实艺术品图片的四角坐标，然后随机挑选测试集的图片进行测试以监视当前轮次训练效果。本发明采用了TensorFlow框架，结合改进VGG16神经网络解决了在捕捉图片中拥有复杂背景的艺术作品四角坐标只能依靠人工的问题，大幅提高了效率。

本申请实施方式公开了一种文字图像处理方法、装置、设备、存储介质以及计算机程序，其中的文字图像处理方法主要包括：获取包含有待处理文字图像中的文字的至少一个图像块；基于形态变换神经网络，获取所述图像块的图像块形态变换信息，所述图像块形态变换信息用于使所述图像块中的文字方向转变为预定方向；所述形态变换神经网络是利用具有形态变换标注信息的图像块样本训练获得的；根据所述图像块形态变换信息对所述待处理文字图像进行形态变换处理；对形态变换之后的待处理文字图像进行文字识别。本申请提供的技术方案有利于提高文字识别的准确率。

本发明涉及通信系统技术领域，尤其涉及基于残差注意力网络的波前畸变校正方法。本发明通过采用残差网络作为主干网络，并构建多尺度残差混合注意力网络结构，使用卷积操作将光强图像转换为特征图向后传播；通过不同尺度的卷积核来分布式提取特征，利用注意力机制提高网络对破损光斑特征的识别率；最后设计网络损失函数，从而得到符合实际波前像差的zernike系数。本发明通过残差注意力网络能快速准确地重构湍流相位，从而有效校正畸变；通过混合注意力网络的设置，能较少增加时间复杂度的情况下大幅提高准确率。本发明的方法具有精确度高、实时性好和灵活性强的特点，为深度学习在AO系统中的实际应用提供了保障。

本发明提出一种面部姿态调整方法、装置和终端，所述方法包括：获取人脸面向屏幕时的当前面部姿态角度；根据当前面部姿态角度和已存储的参考面部姿态角度，计算得到姿态角度差；当姿态角度差超出预设的姿态阈值时，生成面部姿态的调整信息。通过比较姿态角度差和姿态阈值，得到面部姿态调整信息，使得面部姿态调整的准确度有效提高，效率也有效提高。