细节信息

摘要： 孕期维生素B_(12)摄入不足,影响孩子的语言和数学能力如果母亲在怀孕期间对维生素B,的摄入量不足,那么她们的孩子在童年期间语言和数学能力发育不良的风险增加。英国布里斯托大学的人口健康科学家从“雅芳亲子纵向研究”中收集了近14,000名孕妇的饮食细节信息,对她们的孩子进行常年跟踪,并在各个时间点测试了他们的认知功能。

摘要： 针对单幅图像雨线偏离垂直方向的现象,实现了斜角度雨线平移的全局稀疏去雨模型。文章算法利用中值滤波器对雨图像进行滤波处理,得到一个初步的雨线估计,并通过转换、平移、计算竖直方向梯度等策略使雨线垂直,然后,通过三个稀疏正则项构建全局稀疏模型进行去雨,最后,将通过全局稀疏模型进行雨线去除得到的图像进行对应的逆变换操作,得到无雨图像。实验结果表明,算法可较大程度地去除雨线并保留图像的背景细节信息。

摘要： 针对单幅图像雨线偏离垂直方向的现象,实现了斜角度雨线平移的全局稀疏去雨模型.文章算法利用中值滤波器对雨图像进行滤波处理,得到一个初步的雨线估计,并通过转换、平移、计算竖直方向梯度等策略使雨线垂直,然后,通过三个稀疏正则项构建全局稀疏模型进行去雨,最后,将通过全局稀疏模型进行雨线去除得到的图像进行对应的逆变换操作,得到无雨图像.实验结果表明,算法可较大程度地去除雨线并保留图像的背景细节信息.

摘要： 如果一直盯着房间里空白的墙面,除了油漆的颜色,你很难获得更多有用的信息。但如今,一项新技术能“悄悄”地扫描同一墙面上肉眼察觉不到的阴影和反射,并在分析这些信息后,确定房间内的细节信息,包括房间内有多少人以及他们正在做什么。这项技术可以通过局部视图推断对应空间中的更多信息,因此可以用于暗中监视拐角中的活动,也可以用于监控刻意回避摄像头的人。

摘要： 在新高考新题型的背景下,阅读理解题仍然占很大的分值。在考场上,考生不仅要做对阅读理解题,更要做得快,以为顺利解答后面的题目留有充足的时间,而依据题型巧用技巧解题比单纯地靠实力解题更省时、更高效。就在阅读理解题中占比约60%的细节理解题而言,如何高效、精准、省时地使用解题技巧显得至关重要。

摘要： 2021年底,苹果发布了全新MacBook Pro,搭载了新的M1系列处理器。和上次发布的M1系列处理器不同的是,本次苹果带来了性能更强的M1 Pro和M1 Max。在发布会上,苹果只是简单提及了这两款处理器的规格情况,对于它们的细节信息却闭口不谈。那么,M1 Pro和M1 Max究竟在规格、设计和性能上有哪些特别之处呢?

摘要： 针对行人再识别中待识别对象和目标对象的体态、衣服的颜色等外貌特征非常相似时,模型难以正确识别行人身份这一难点问题,提出了一个基于残差网络ResNet50改进的多尺度特征融合网络.通过利用最后一层特征协同多个中间层特征,采用顶层到下层递进式加和的特征层融合机制来提取行人图像特征,确保模型在总体特征表述基础上,提高对微小细节信息的表征能力.在3个主流的行人再识别公共数据集Market-1501、CUHK03(D)和DukeMTMC-reID上进行了实验,与2018年同类型的行人再识别网络DaRe相比,提出的方法比Market-1501数据集的Rank-1指标提升了2.82％,mAP指标提升了4.32％;比DukeMTMC-reID数据集的Rank-1指标提升了5.45％,mAP指标提升了6.4％.实验结果证明了所提出方法的有效性.

摘要： 在基于深度网络的目标检测模型中,仅利用串行的卷积操作,模型会缺少描述网络不同层次的细节信息和特征图全局信息的能力,减弱小目标的检测能力,影响检测精度.基于残差网络结构,文中提出融合多维空洞卷积(MDC)算子和多层次特征的深度网络检测算法.首先设计MDC算子,卷积核具有5种不同的感受野,可获取8种不同语义的特征图,并引入串行网络的特征提取环节,构造特征层.再通过转置卷积操作实现检测层升维,用于级联不同层次的特征层,得到检测层并保证能在最大程度上保留目标的原始特征.最后使用非极大抑制完成检测算法的构建.实验表明,文中算法有效提高目标平均检测精度和小目标的检测能力.

摘要： 图像中值滤波算法的优点是可以避免图像模糊,缺点是容易丢失"角点"和"线段"等细节信息;针对它的缺点,本文提出了一种可以保留细节信息的图像中值滤波算法,首先检查待处理的像素点是否是"角点"或"线段"上的点,如果是则保留该点,否则就利用中值滤波算法进行滤波处理.该算法既可以保留图像的细节信息,又可以避免图像模糊;数据分析和实验结果说明了文中方法的有效性.

摘要： 【教学设计】本单元Natural Disasters以自然灾害为话题,探讨在"人与自然"的主题之下,当人类面临自然灾害的威胁时,应该树立防灾意识,不断认识和研究自然灾害,提高在灾害中逃生和自救的能力。本单元开言以"Live to tell:Raising awareness,Reducing Mortality"为主题,呼吁全球人民重视自然灾害,树立防灾意识。

摘要： 针对红外偏振与光强图像在景物轮廓以及细节信息上的不同特点,提出了基于多尺度引导滤波的局部能量和平均梯度的红外偏振与光强图像融合算法.融合图像细节信息更丰富,更清晰,标准差、空间频率和熵都有较大提高,表明了融合方法有效性.

摘要： 提出一种能够保持图像细节的全变分多聚焦融合方法.针对多聚焦图像的成像特点,在目标函数中自适应优化图像保真因子,并引入细节保持算子、能够使算法在整体保真情形下充分保持图像边缘等细节信息.与传统的小波变换和全变分融合算法相比,融合图像具有更好的主、客观视觉质量.

摘要： 针对已有方法难以保持输入图像的色调分布的缺点,本文提出了一种基于色调优化的图像细节增强算法.它首先采用基于局部极值的边缘保持多尺度图像分解算法,快速地将输入图像分解成含有大尺度边缘信息的基图像和含有小尺度细节信息的细节层图像.然后,在用户输入的细节增强系数、输入图像的颜色值和增强图像的梯度值的期望下,基于能量优化的色调校正算法避免了细节增强图像与输入图像之间的显著色调差异.实验结果表明本文算法对于任意输入的图像均能取得色调保持的良好细节增强效果.

摘要： 本发明公开了一种能同时平衡上下文信息和空间细节的低光图像增强方法，涉及图像处理技术领域。本发明利用CIRNet子网络和SIRNet子网络恢复图像的上下文信息和空间细节，利用上下文‑空间特征融合模块融合两部分信息，包括以下步骤：S1.构建配对的数据集，数据集包括低光照图像和正常光照图像，其中每张低光照图像I

摘要： 本发明提供了一种细节信息逐步融入的卫星影像全色增强方法，首先将全色影像分解成高通部分和低通部分，然后将全色增强视为超分辨率问题，通过在超分辨率过程中融入高通部分，实现遥感影像空间细节信息的保持。本发明的优点在于：利用频率分离技术提前分离PAN图像信息，充分利用了PAN图像中的细节信息；采用渐进式组合重建和自学习上采样的方法，实现空间特征与多光谱特征的多层次融合，处理后的图像结构空间细节信息丰富，空间细节信息融合充分，具有较好的增强效果，能够增强图像的空间分辨率。

摘要： 本发明公开了一种体现情感细节信息的情感语料库构建方法，步骤一、构建语料库所使用的语句文本列表，步骤二、确认语料库使用的情感类别和表达程度，步骤三、通过若干录制人分别对语料库中的语句文本列表进行语音录制，生成若干情感语音样本；步骤四、通过若干评价人对所录制的情感语音样本进行评测，并以使用唤醒‑效价二维坐标的方式对每条情感语音样本进行情感标注，得到评测结果；步骤五、根据步骤四中得到的测评结果，对步骤三中每个录制人所录制的所有情感语音样本所表达的情感状态准确程度进行验证，步骤六、通过语句文本列表、经验证合格的情感语音样本和评测结果共同构建得到情感语料库。本发明解决了现有情感语料库不能体现情感强度的技术。

摘要： 本发明公开了一种具有细节信息学习能力的图像去噪方法，包括以下步骤：1）构建具有细节信息学习能力的图像去噪模型；2）使用该图像去噪模型对噪声图像进行去噪，获得干净图片；3）所述图像去噪模型先将噪声从噪声图像中分离，接着所述图像去噪模型从分离的噪声中学习丢失的图像细节信息；4）最后，所述图像去噪模型将学习的图像细节信息补充入干净图片，获得最终的去噪后的清晰图像。本发明提供一种新的图像去噪方法，能够有效地避免了光晕，振铃和马赛克效应，以及模糊和伪影现象，表现具有竞争力的去噪效果以及良好的视觉效果，同时还具有很强的泛化能力，可在超声图像，激光图像等真实图像去噪任务中表现出先进的去噪性能。

摘要： 本发明提出一种提取头发细节信息的方法、装置及终端设备，其中，方法包括：在原始图像中确定头发所对应的第一区域；根据所述头发的特征信息，从所述第一区域中确定头发所在的目标区域；从所述原始图像中提取包含头发目标区域的引导图像；基于所述原始图像对所述引导图像进行图像处理，获取包括头发细节信息的目标图像。通过该方法，能够实现准确提取人像的头发区域和发丝细节信息，解决现有技术中只能粗略地提取人像中的头发信息的问题。

摘要： 本发明涉及一种基于细节信息渐近恢复的图像超分辨率重建方法，属于图像超分辨率重建技术领域。该方法包括：针对基于学习的图像超分辨率重建算法中存在边缘信息丢失、易产生视觉伪影等问题。本发明首先对SR网络中边缘特征通过特征对齐模块和注意力模块分别将边缘特征迁移到SR网络和保留信息量多的特征，抑制信息量少的特征；再对上下文特征增强模块和特征细化模块融合网络不同深度的特征。其中，残差特征细化模块有效地帮助网络保留更丰富的图像内容和纹理细节并增强丢失的细节信息和上下文信息。最后获得超分辨率图像结果，对比现有的超分辨率方法，该方法显著提高超分辨率图像细节信息的性能。

摘要： 本发明公开了一种基于细节信息保持的多视点视图深度估计方法。本方法首先利用U型神经网络提取出图片序列在不同尺度的特征，在同一尺度的特征中，分为两个分支：一个分支进行分割操作，得到高质量细节保持的目标分割图；一个分支进行为后续的深度估计进行特征提取。将不同尺度的特征与同尺度下的分割图Fs相乘，按照单应矩阵映射融合为3D特征体素，最后通过回归得到深度图。将该深度图与对应大小的Fs逐像素相乘，通过由粗到细不同尺度的优化，输出最终的深度图，其中只有目标的深度信息有效。本发明提出的基于细节信息保持的多视点视图深度估计方法，避免了重建中背景对目标的影响，提高了深度估计的精度。

摘要： 本发明提供了一种细节信息逐步融入的卫星影像全色增强方法，首先将全色影像分解成高通部分和低通部分，然后将全色增强视为超分辨率问题，通过在超分辨率过程中融入高通部分，实现遥感影像空间细节信息的保持。本发明的优点在于：利用频率分离技术提前分离PAN图像信息，充分利用了PAN图像中的细节信息；采用渐进式组合重建和自学习上采样的方法，实现空间特征与多光谱特征的多层次融合，处理后的图像结构空间细节信息丰富，空间细节信息融合充分，具有较好的增强效果，能够增强图像的空间分辨率。

摘要： 本发明提供一种利用特征融合增强边缘和细节信息的图像分割方法，涉及计算机视觉技术领域。该方法利用卷积神经网络对输入的图像进行特征的提取；将提取出的特征输入到加入更多特征融合的解码结构,在恢复图像分辨率的同时丰富边缘和细节信息,得到密集特征图；通过归一化方法输出不同分类的最大值；计算交叉熵损失函数,利用随机梯度下降法更新网络中的权重。本发明方法可以在恢复特征图分辨率的同时恢复在编码阶段丢失的位置和边界细节信息，丰富图片的信息,得到密集的特征图,弥补了直接上采样所带来的稀疏特征图,使分割的边界和细节更加清晰,提升了对细节细小物体分割效果。

摘要： 本发明公开了一种具有细节信息学习能力的图像去噪方法，包括以下步骤：1）构建具有细节信息学习能力的图像去噪模型；2）使用该图像去噪模型对噪声图像进行去噪，获得干净图片；3）所述图像去噪模型先将噪声从噪声图像中分离，接着所述图像去噪模型从分离的噪声中学习丢失的图像细节信息；4）最后，所述图像去噪模型将学习的图像细节信息补充入干净图片，获得最终的去噪后的清晰图像。本发明提供一种新的图像去噪方法，能够有效地避免了光晕，振铃和马赛克效应，以及模糊和伪影现象，表现具有竞争力的去噪效果以及良好的视觉效果，同时还具有很强的泛化能力，可在超声图像，激光图像等真实图像去噪任务中表现出先进的去噪性能。