CN101477628A - 车辆阴影去除方法和装置 - Google Patents
车辆阴影去除方法和装置 Download PDFInfo
- Publication number
- CN101477628A CN101477628A CNA2009100003418A CN200910000341A CN101477628A CN 101477628 A CN101477628 A CN 101477628A CN A2009100003418 A CNA2009100003418 A CN A2009100003418A CN 200910000341 A CN200910000341 A CN 200910000341A CN 101477628 A CN101477628 A CN 101477628A
- Authority
- CN
- China
- Prior art keywords
- image
- result images
- vehicle
- grey scale
- difference image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明公开一种车辆阴影去除方法和装置,涉及图像处理领域。为解决现有车辆阴影去除方案受光线和场景的限制而不能够准确地去除车辆阴影的问题而发明。本发明提供的技术方案为:将拍摄的背景图像和目标图像做差并进行灰度处理,得到灰度差分图像;在灰度差分图像中标注运动车辆;将标注运动车辆的灰度差分图像依次进行提取边缘、提取车辆区域和二值化处理,得到第一结果图像;将标注运动车辆的灰度差分图像依次进行二值化处理、提取车辆区域和提取边缘,得到第二结果图像;扫描第一结果图像,当第一结果图像中存在像素点的位置在第二结果图像中不存在像素点,保留像素点;其余位置设置为背景点。本发明实施例适用于智能交通系统中。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种车辆阴影去除方法和装置。
背景技术
随着经济的发展,汽车数量不断增加,地面交通情况变得日益复杂。为了适应地面交通的迅速发展,现有技术采用智能交通系统实现对地面交通的管理和控制。在所述智能交通系统中,车辆图像采集是一个重要问题。
目前,车辆图像采集方案主要包括两种:一种是基于模型的方法,由于模型的建立需要场景、对象和光照等方面的先验知识,故这类算法只适合特殊场合中的简单对象的阴影去除,在实际应用中阴影去除结果往往不是很准确;另一种是基于阴影的属性的方法,通过纹理属性或者不同的颜色空间进行阴影去除,但这类方法无法分辨暗色前景引起的阴影。
发明内容
本发明的实施例提供一种车辆阴影去除方法和装置,能够准确地去除车辆阴影。
为达到上述目的,本发明的实施例采用如下技术方案:
一种车辆阴影去除方法,包括:
将拍摄的背景图像和目标图像做差并进行灰度处理,得到灰度差分图像;
在灰度差分图像中标注运动车辆;
将标注运动车辆的灰度差分图像依次进行提取边缘、提取车辆区域和二值化处理,得到第一结果图像;
将标注运动车辆的灰度差分图像依次进行二值化处理、提取车辆区域和提取边缘,得到第二结果图像;
扫描第一结果图像,当第一结果图像中存在像素点的位置在第二结果图像中不存在像素点,确定该位置为目标边缘,保留像素点;其余位置设置为背景点,从而得到去除阴影边缘的目标边缘图像。
上述方法中,在得到第二结果图像之后,扫描第一结果图像之前,对所述第二结果图像进行膨胀处理。
以上方法,得到去除阴影边缘的目标边缘图像之后,还包括:
将所述目标边缘图像与差分图像进行“与”操作。
上述方法中,得到灰度差分图像之后,在灰度差分图像中标注运动车辆之前,还包括以下步骤:
用12*12模板对灰度差分图像进行腐蚀,然后用3*3模板进行膨胀。
以上方法,所述在灰度差分图像中标注运动车辆的步骤包括:
从下向上,从左向右扫描图像,遇到没有被标注的白色像素点将其标注,将此时的列付给左边界,将现在的行付给底边界;
以刚被标注的白色像素点为起点,向右扫描,如果遇到白点继续向右,遇到黑点停下,并将此时的列付给右边界;
向上一行,如果从左边界到右边界没有白色像素点,将该行付给顶边界,确定标注运动车辆的区域;否则从左边界开始向左,如果遇到白色像素点继续向左,遇到黑点停下,并将此时的列付给左边界,从右边界开始向右,如果遇到白色像素点继续向右,遇到黑点停下,并将此时的列付给右边界,然后向上一行,重复本步骤,直到找到顶边界行,确定标注运动车辆的区域。
以上方法,从左向右扫描图像时,如果连续的白色像素点个数小于10个,忽略所述连续的白色像素点,继续从左向右扫描图像。
上述方法中,设定阈值,如果标注运动车辆的区域小于阈值,将该区域的白色像素点转为黑点,忽略该区域。
以上方法,所述阈值为100。
一种车辆阴影去除装置,包括:
灰度差分图像获取模块:将拍摄的背景图像和目标图像做差并进行灰度处理,得到灰度差分图像;
标注模块:提取灰度差分图像获取模块获得的灰度差分图像,在灰度差分图像中标注运动车辆;
第一结果图像获取模块:将标注模块获得的标注运动车辆的灰度差分图像依次进行提取边缘、提取车辆区域和二值化处理,得到第一结果图像;
第二结果图像获取模块:将标注模块获得的标注运动车辆的灰度差分图像依次进行二值化处理、提取车辆区域和提取边缘,得到第二结果图像;
目标边缘图像获取模块:扫描第一结果图像获取模块获取的第一结果图像,当第一结果图像中存在像素点的位置在第二结果图像中不存在像素点,确定该位置为目标边缘,保留像素点;其余位置设置为背景点,从而得到去除阴影边缘的目标边缘图像。
上述装置中还包括:
膨胀模块:在第二结果图像获取模块得到第二结果图像之后,目标边缘图像获取模块扫描第一结果图像之前,对所述第二结果图像进行膨胀处理。
本发明实施例提供的车辆阴影去除方法和装置,对车辆区域的灰度差分图像先进行提取边缘,再进行二值化处理,得到包括阴影的车辆区域的整体图像;然后对车辆区域的灰度差分图像先进行二值化处理,再进行提取边缘,得到包括阴影的车辆区域的外轮廓图像;最后从整体图像中去掉包括阴影的外轮廓图像,从而去掉阴影。本发明不受光线和场景的限制,相对于现有技术能够准确地去除车辆阴影。
附图说明
图1为本发明方法实施例一流程图;
图2为本发明方法实施例二流程图;
图3为本发明装置实施例一流程图;
图4为本发明装置实施例二流程图。
具体实施方式
下面结合附图对本发明实施例视频车辆检测方法和装置进行详细描述。
本发明方法实施例一,如图1所示,包括:
S101、将拍摄的背景图像和目标图像做差并进行灰度处理,得到灰度差分图像。
S102、在灰度差分图像中标注运动车辆。
S103、将标注运动车辆的灰度差分图像依次进行提取边缘、提取车辆区域和二值化处理,得到第一结果图像。
对标注运动车辆的灰度差分图像先进行提取边缘,与背景灰度值不同的像素点一般都可以提取出来,这样可以得到更多的非背景像素点,再提取车辆区域和二值化处理,得到的白色像素点的显示效果可以较好地体现包括阴影部分的车辆区域的整体图像,尤其是车辆区域内部的图像。
S104、将标注运动车辆的灰度差分图像依次进行二值化处理、提取车辆区域和提取边缘,得到第二结果图像。
对标注运动车辆的灰度差分图像先进行二值化处理,将与背景灰度值明显不同的像素点提取出来,一般来说,包括阴影部分的车辆区域二值化处理后会与背景灰度值明显不同,这样包括阴影部分的车辆区域会变成几乎全部是白色像素点,这时再提取车辆区域和提取边缘,由于车辆区域几乎全是白色像素点,提取边缘得到的将是包括阴影的车辆区域的外轮廓图像。
S105、扫描第一结果图像,当第一结果图像中存在像素点的位置在第二结果图像中不存在像素点,确定该位置为目标边缘,保留像素点;其余位置设置为背景点,从而得到去除阴影边缘的目标边缘图像。
本步骤的实际效果类似于在第一结果图像中去除第二结果图像中存在的白色像素点,也就等于从包括阴影部分的车辆区域的整体图像中减去包括阴影的车辆区域的外轮廓图像,这样阴影被去除掉了,从而得到去除阴影边缘的目标边缘图像。
本实施例中,S103与S104不存在必然的先后顺序。
本实施例对车辆区域的灰度差分图像先进行提取边缘,再进行二值化处理,得到包括阴影的车辆区域的整体图像;然后对车辆区域的灰度差分图像先进行二值化处理,再进行提取边缘,得到包括阴影的车辆区域的外轮廓图像;最后从整体图像中去掉包括阴影的外轮廓图像,从而去掉阴影。本实施例不受光线和场景的限制,相对于现有技术能够准确地去除车辆阴影。
本发明方法实施例二,如图2所示,包括:
S201、将拍摄的背景图像和目标图像做差并进行灰度处理,得到灰度差分图像。
S202、用12*12模板对灰度差分图像进行腐蚀,然后用3*3模板进行膨胀。
腐蚀和膨胀属于图像形态学操作。数学形态学是由一组形态学的代数运算子组成的。图像形态学就是利用这些运算子机器组合来进行图像形状和结构的分析及处理。
腐蚀:作用就是消除物体的边界点。腐蚀可以把小于结构元素(模板)的物体去除,这样选区不同大小的结构元素,就可以去掉不同大小的物体。具体操作过程如下:
利用n*n大小的结构元素(即模板,本实施例采用12*12模板)扫描图像。将模板中心点放于当前像素点上,求取模板范围内图像像素的最小值,赋给当前像素。直至扫描结束。
膨胀:作用是把图像周围的背景点合并到物体中。如果两个物体之间距离比较近,那么膨胀运算可能会使这两个物体连通在一起。膨胀对填补图像分割后物体中的空洞很有用。具体操作过程如下:
利用n*n大小的结构元素(即模板,本实施例采用3*3模板)扫描图像。将模板中心点放于当前像素点上,求取模板范围内图像像素的最大值,赋给当前像素。直至扫描结束。
在数学形态学中,先腐蚀后膨胀称为开运算,开运算可以消除散点和毛刺,即对图像进行平滑处理。本步骤利用开运算这一特性去噪音,同时又修补了运动物体。
S203、从下向上,从左向右扫描图像,遇到没有被标注的白色像素点将其标注,将此时的列付给左边界(left),将现在的行付给底边界(bottom)。
为了进一步消除噪音,本步骤在执行时可以加入以下条件:从左向右扫描图像时,如果连续的白色像素点个数小于10个,则认为是噪音,忽略所述连续的白色像素点,继续向右扫描图像。
S204、以刚被标注的白色像素点为起点,向右扫描,如果遇到白点继续向右,遇到黑点停下,并将此时的列付给右边界(right)。
S205、向上一行,如果从左边界到右边界没有白色像素点,将该行付给顶边界(top),确定标注运动车辆的区域;否则从左边界开始向左,如果遇到白色像素点继续向左,遇到黑点停下,并将此时的列付给左边界,从右边界开始向右,如果遇到白色像素点继续向右,遇到黑点停下,并将此时的列付给右边界,然后向上一行,重复本步骤,直到找到顶边界行,确定标注运动车辆的区域。
左边界、右边界、顶边界、底边界找到后就确定了标注运动车辆的区域。
S206、设定阈值,如果标注运动车辆的区域小于阈值,将该区域的白色像素点转为黑点,忽略该区域。所述阈值的优选值为100。
S207、将标注运动车辆的灰度差分图像依次进行提取边缘、提取车辆区域和二值化处理,得到第一结果图像。
对标注运动车辆的灰度差分图像先进行提取边缘,与背景灰度值不同的像素点一般都可以提取出来,这样可以得到更多的非背景像素点,再提取车辆区域和二值化处理,得到的白色像素点的显示效果可以较好地体现包括阴影部分的车辆区域的整体图像,尤其是车辆区域内部的图像。
这里提取边缘方法用sobel算子进行。
Sobel边缘算子:如下式所示的两个卷积核形成了sobel边缘算子。图像中的每个点都用这两个核做卷积,一个核对通常的垂直边缘响应最大,而另一个对水平边缘响应最大。两个卷积的最大值作为该点的输出位,运算结果是一幅边缘幅度图像。
-1 -2 -1 -1 0 1
0 0 0 -2 0 2
1 2 1 -1 0 1
现有提取边缘的方法本发明都适用,本实施例选取Sobel边缘算子对噪声具有平滑作用,可以提供较为精确的边缘方向信息。
S208、将标注运动车辆的灰度差分图像依次进行二值化处理、提取车辆区域和提取边缘,得到第二结果图像。
对标注运动车辆的灰度差分图像先进行二值化处理,将与背景灰度值明显不同的像素点提取出来,一般来说,包括阴影部分的车辆区域二值化处理后会与背景灰度值明显不同,这样包括阴影部分的车辆区域会变成几乎全部是白色像素点,这时再提取车辆区域和提取边缘,由于车辆区域几乎全是白色像素点,提取边缘得到的将是包括阴影的车辆区域的外轮廓图像。
S209、对所述第二结果图像进行膨胀处理。
步骤S208得到的第二结果图像白色像素点往往较少,对所述第二结果图像进行膨胀处理,增大白色像素点面积,在步骤S210中可以更好的去掉阴影轮廓。
S210、扫描第一结果图像,当第一结果图像中存在像素点的位置在第二结果图像中不存在像素点,确定该位置为目标边缘,保留像素点;其余位置设置为背景点,从而得到去除阴影边缘的目标边缘图像。
本步骤的实际效果类似于在第一结果图像中去除第二结果图像中存在的白色像素点,也就等于从包括阴影部分的车辆区域的整体图像中减去包括阴影的车辆区域的外轮廓图像,这样阴影被去除掉了,从而得到去除阴影边缘的目标边缘图像,由于步骤S209对所述第二结果图像进行了膨胀处理,第一结果图像中去除的像素会更多,有利于去掉阴影轮廓。
本实施例中,S207与S208不存在必然的先后顺序。
S211、将所述目标边缘图像与差分图像进行“与”操作。
本步骤的目的与步骤S209类似,都是为了更好的去掉阴影轮廓,只是手段不同,本步骤将所述目标边缘图像与差分图像进行“与”操作后,会减少目标边缘图像的白色像素点,进一步消除阴影轮廓。
本实施例对车辆区域的灰度差分图像先进行提取边缘,再进行二值化处理,得到包括阴影的车辆区域的整体图像;然后对车辆区域的灰度差分图像先进行二值化处理,再进行提取边缘,得到包括阴影的车辆区域的外轮廓图像;最后从整体图像中去掉包括阴影的外轮廓图像,从而去掉阴影。本实施例不受光线和场景的限制,相对于现有技术能够准确地去除车辆阴影。
另外,本实施例对灰度差分图像进行先腐蚀后膨胀的开运算,既去除了噪音,同时又修补了运动物体。
本实施例在灰度差分图像中标注运动车辆时,采取了噪音消除手段,提高了标注运动车辆的正确率。
此外,本实施例通过对第二结果图像进行膨胀处理和对目标边缘图像与差分图像进行“与”操作,增强了消除阴影轮廓的效果。
本发明装置实施例一,如图3所示,包括:
灰度差分图像获取模块1:将拍摄的背景图像和目标图像做差并进行灰度处理,得到灰度差分图像;
标注模块2:提取灰度差分图像获取模块获得的灰度差分图像,在灰度差分图像中标注运动车辆;
第一结果图像获取模块3:将标注模块获得的标注运动车辆的灰度差分图像依次进行提取边缘、提取车辆区域和二值化处理,得到第一结果图像;
第二结果图像获取模块4:将标注模块获得的标注运动车辆的灰度差分图像依次进行二值化处理、提取车辆区域和提取边缘,得到第二结果图像;
目标边缘图像获取模块5:扫描第一结果图像获取模块获取的第一结果图像,当第一结果图像中存在像素点的位置在第二结果图像中不存在像素点,确定该位置为目标边缘,保留像素点;其余位置设置为背景点,从而得到去除阴影边缘的目标边缘图像。
本实施例对车辆区域的灰度差分图像先进行提取边缘,再进行二值化处理,得到包括阴影的车辆区域的整体图像;然后对车辆区域的灰度差分图像先进行二值化处理,再进行提取边缘,得到包括阴影的车辆区域的外轮廓图像;最后从整体图像中去掉包括阴影的外轮廓图像,从而去掉阴影。本实施例不受光线和场景的限制,相对于现有技术能够准确地去除车辆阴影。
本发明装置实施例二,如图4所示,包括:
灰度差分图像获取模块1:将拍摄的背景图像和目标图像做差并进行灰度处理,得到灰度差分图像。
开运算模块6:提取灰度差分图像获取模块获得的灰度差分图像,用12*12模板对灰度差分图像进行腐蚀,然后用3*3模板进行膨胀。
标注模块2:在开运算模块处理后的灰度差分图像中标注运动车辆。
第一结果图像获取模块3:将标注模块获得的标注运动车辆的灰度差分图像依次进行提取边缘、提取车辆区域和二值化处理,得到第一结果图像。
第二结果图像获取模块4:将标注模块获得的标注运动车辆的灰度差分图像依次进行二值化处理、提取车辆区域和提取边缘,得到第二结果图像。
膨胀模块7:对所述第二结果图像进行膨胀处理。
目标边缘图像获取模块5:扫描第一结果图像获取模块获取的第一结果图像,当第一结果图像中存在像素点的位置在经过膨胀处理的第二结果图像中不存在像素点,确定该位置为目标边缘,保留像素点;其余位置设置为背景点,从而得到去除阴影边缘的目标边缘图像。
“与”操作模块8:将所述目标边缘图像与差分图像进行“与”操作。进一步的,所述标注模块2包括:
底部和左边查找子模块21:从下向上,从左向右扫描图像,遇到没有被标注的白色像素点,如果连续的白色像素点个数小于10个,忽略所述连续的白色像素点,将其标注,将此时的列付给左边界,将现在的行付给底边界。
右边查找子模块22:以刚被标注的白色像素点为起点,向右扫描,如果遇到白点继续向右,遇到黑点停下,并将此时的列付给右边界。
边界确定子模块23:向上一行,如果从左边界到右边界没有白色像素点,将该行付给顶边界,确定标注运动车辆的区域;否则从左边界开始向左,如果遇到白色像素点继续向左,遇到黑点停下,并将此时的列付给左边界,从右边界开始向右,如果遇到白色像素点继续向右,遇到黑点停下,并将此时的列付给右边界,然后向上一行,重复本步骤,直到找到顶边界行,确定标注运动车辆的区域。
阈值设定子模块24:设定阈值,如果标注运动车辆的区域小于阈值,将该区域的白色像素点转为黑点,忽略该区域。所述阈值的优选值为100。
本实施例通过第一结果图像获取模块对车辆区域的灰度差分图像先进行提取边缘,再进行二值化处理,得到包括阴影的车辆区域的整体图像;然后通过第二结果图像获取模块对车辆区域的灰度差分图像先进行二值化处理,再进行提取边缘,得到包括阴影的车辆区域的外轮廓图像;最后通过目标边缘图像获取模块从整体图像中去掉包括阴影的外轮廓图像,从而去掉阴影。本实施例不受光线和场景的限制,相对于现有技术能够准确地去除车辆阴影。
另外,本实施例通过开运算模块对灰度差分图像进行先腐蚀后膨胀的开运算,既去除了噪音,同时又修补了运动物体。
本实施例在灰度差分图像中标注运动车辆时,采取了噪音消除手段,提高了标注运动车辆的正确率。
此外,本实施例通过膨胀模块对第二结果图像进行膨胀处理和“与”操作模块对目标边缘图像与差分图像进行“与”操作,增强了消除阴影轮廓的效果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1、一种车辆阴影去除方法,其特征在于,包括:
将拍摄的背景图像和目标图像做差并进行灰度处理,得到灰度差分图像;
在灰度差分图像中标注运动车辆;
将标注运动车辆的灰度差分图像依次进行提取边缘、提取车辆区域和二值化处理,得到第一结果图像;
将标注运动车辆的灰度差分图像依次进行二值化处理、提取车辆区域和提取边缘,得到第二结果图像;
扫描第一结果图像,当第一结果图像中存在像素点的位置在第二结果图像中不存在像素点,确定该位置为目标边缘,保留像素点;其余位置设置为背景点,从而得到去除阴影边缘的目标边缘图像。
2、根据权利要求1所述的车辆阴影去除方法,其特征在于,在得到第二结果图像之后,扫描第一结果图像之前,对所述第二结果图像进行膨胀处理。
3、根据权利要求2所述的车辆阴影去除方法,其特征在于,得到去除阴影边缘的目标边缘图像之后,还包括:
将所述目标边缘图像与差分图像进行“与”操作。
4、根据权利要求3所述的车辆阴影去除方法,其特征在于,得到灰度差分图像之后,在灰度差分图像中标注运动车辆之前,还包括以下步骤:
用12*12模板对灰度差分图像进行腐蚀,然后用3*3模板进行膨胀。
5、根据权利要求4所述的车辆阴影去除方法,其特征在于,所述在灰度差分图像中标注运动车辆的步骤包括:
从下向上,从左向右扫描图像,遇到没有被标注的白色像素点将其标注,将此时的列付给左边界,将现在的行付给底边界;
以刚被标注的白色像素点为起点,向右扫描,如果遇到白点继续向右,遇到黑点停下,并将此时的列付给右边界;
向上一行,如果从左边界到右边界没有白色像素点,将该行付给顶边界,确定标注运动车辆的区域;否则从左边界开始向左,如果遇到白色像素点继续向左,遇到黑点停下,并将此时的列付给左边界,从右边界开始向右,如果遇到白色像素点继续向右,遇到黑点停下,并将此时的列付给右边界,然后向上一行,重复本步骤,直到找到顶边界行,确定标注运动车辆的区域。
6、根据权利要求5所述的车辆阴影去除方法,其特征在于,从左向右扫描图像时,如果连续的白色像素点个数小于10个,忽略所述连续的白色像素点,继续从左向右扫描图像。
7、根据权利要求5所述的车辆阴影去除方法,其特征在于,设定阈值,如果标注运动车辆的区域小于阈值,将该区域的白色像素点转为黑点,忽略该区域。
8、根据权利要求7所述的车辆阴影去除方法,其特征在于,所述阈值为100。
9、一种车辆阴影去除装置,其特征在于,包括:
灰度差分图像获取模块:将拍摄的背景图像和目标图像做差并进行灰度处理,得到灰度差分图像;
标注模块:提取灰度差分图像获取模块获得的灰度差分图像,在灰度差分图像中标注运动车辆;
第一结果图像获取模块:将标注模块获得的标注运动车辆的灰度差分图像依次进行提取边缘、提取车辆区域和二值化处理,得到第一结果图像;
第二结果图像获取模块:将标注模块获得的标注运动车辆的灰度差分图像依次进行二值化处理、提取车辆区域和提取边缘,得到第二结果图像;
目标边缘图像获取模块:扫描第一结果图像获取模块获取的第一结果图像,当第一结果图像中存在像素点的位置在第二结果图像中不存在像素点,确定该位置为目标边缘,保留像素点;其余位置设置为背景点,从而得到去除阴影边缘的目标边缘图像。
10、根据权利要求9所述的车辆阴影去除装置,其特征在于,还包括:
膨胀模块:在第二结果图像获取模块得到第二结果图像之后,目标边缘图像获取模块扫描第一结果图像之前,对所述第二结果图像进行膨胀处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2009100003418A CN101477628A (zh) | 2009-01-06 | 2009-01-06 | 车辆阴影去除方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2009100003418A CN101477628A (zh) | 2009-01-06 | 2009-01-06 | 车辆阴影去除方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101477628A true CN101477628A (zh) | 2009-07-08 |
Family
ID=40838337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2009100003418A Pending CN101477628A (zh) | 2009-01-06 | 2009-01-06 | 车辆阴影去除方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101477628A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102997900A (zh) * | 2011-09-15 | 2013-03-27 | 歌乐株式会社 | 外界识别方法、装置以及车辆系统 |
CN102999750A (zh) * | 2012-12-31 | 2013-03-27 | 清华大学 | 一种去除背景干扰的现场指纹增强方法 |
CN103379268A (zh) * | 2012-04-25 | 2013-10-30 | 鸿富锦精密工业(深圳)有限公司 | 省电监控系统及方法 |
CN103377478A (zh) * | 2012-04-25 | 2013-10-30 | 鸿富锦精密工业(深圳)有限公司 | 移动物体侦测系统及方法 |
CN103530867A (zh) * | 2013-05-07 | 2014-01-22 | 天津大学 | 一种数码照片闪光灯阴影检测方法 |
CN106778829A (zh) * | 2016-11-28 | 2017-05-31 | 常熟理工学院 | 一种主动学习的肝脏损伤类别的图像检测方法 |
WO2018068311A1 (zh) * | 2016-10-14 | 2018-04-19 | 富士通株式会社 | 背景模型的提取装置、交通拥堵状况检测方法和装置 |
CN108145344A (zh) * | 2018-02-02 | 2018-06-12 | 中科和光(天津)应用激光技术研究所有限公司 | 非接触式焊条偏心值检测装置与方法 |
CN110443763A (zh) * | 2019-08-01 | 2019-11-12 | 山东工商学院 | 一种基于卷积神经网络的图像阴影去除方法 |
CN111369505A (zh) * | 2020-02-26 | 2020-07-03 | 广东省电信规划设计院有限公司 | 一种贴片元器件的位置矫正方法及装置 |
-
2009
- 2009-01-06 CN CNA2009100003418A patent/CN101477628A/zh active Pending
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102997900A (zh) * | 2011-09-15 | 2013-03-27 | 歌乐株式会社 | 外界识别方法、装置以及车辆系统 |
CN102997900B (zh) * | 2011-09-15 | 2015-05-13 | 歌乐株式会社 | 外界识别方法、装置以及车辆系统 |
CN103379268A (zh) * | 2012-04-25 | 2013-10-30 | 鸿富锦精密工业(深圳)有限公司 | 省电监控系统及方法 |
CN103377478A (zh) * | 2012-04-25 | 2013-10-30 | 鸿富锦精密工业(深圳)有限公司 | 移动物体侦测系统及方法 |
CN102999750A (zh) * | 2012-12-31 | 2013-03-27 | 清华大学 | 一种去除背景干扰的现场指纹增强方法 |
CN102999750B (zh) * | 2012-12-31 | 2015-08-12 | 清华大学 | 一种去除背景干扰的现场指纹增强方法 |
CN103530867A (zh) * | 2013-05-07 | 2014-01-22 | 天津大学 | 一种数码照片闪光灯阴影检测方法 |
WO2018068311A1 (zh) * | 2016-10-14 | 2018-04-19 | 富士通株式会社 | 背景模型的提取装置、交通拥堵状况检测方法和装置 |
CN109479120A (zh) * | 2016-10-14 | 2019-03-15 | 富士通株式会社 | 背景模型的提取装置、交通拥堵状况检测方法和装置 |
CN106778829A (zh) * | 2016-11-28 | 2017-05-31 | 常熟理工学院 | 一种主动学习的肝脏损伤类别的图像检测方法 |
CN106778829B (zh) * | 2016-11-28 | 2019-04-30 | 常熟理工学院 | 一种主动学习的肝脏损伤类别的图像检测方法 |
CN108145344A (zh) * | 2018-02-02 | 2018-06-12 | 中科和光(天津)应用激光技术研究所有限公司 | 非接触式焊条偏心值检测装置与方法 |
CN110443763A (zh) * | 2019-08-01 | 2019-11-12 | 山东工商学院 | 一种基于卷积神经网络的图像阴影去除方法 |
CN110443763B (zh) * | 2019-08-01 | 2023-10-13 | 山东工商学院 | 一种基于卷积神经网络的图像阴影去除方法 |
CN111369505A (zh) * | 2020-02-26 | 2020-07-03 | 广东省电信规划设计院有限公司 | 一种贴片元器件的位置矫正方法及装置 |
CN111369505B (zh) * | 2020-02-26 | 2024-04-30 | 广东省电信规划设计院有限公司 | 一种贴片元器件的位置矫正方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101477628A (zh) | 车辆阴影去除方法和装置 | |
CN109784344B (zh) | 一种用于地平面标识识别的图像非目标滤除方法 | |
CN106067003B (zh) | 一种车载激光扫描点云中道路矢量标识线自动提取方法 | |
CN101382997B (zh) | 夜间车辆的检测与跟踪方法及装置 | |
CN101673338B (zh) | 基于多角度投影的模糊车牌识别方法 | |
CN106650553A (zh) | 车牌识别方法及系统 | |
CN109145915A (zh) | 一种复杂场景下车牌快速畸变矫正方法 | |
CN111563412B (zh) | 一种基于参数空间投票和贝塞尔拟合的快速车道线检测方法 | |
CN110414355A (zh) | 基于视觉的右方位空停车位与泊车过程中车位线检测方法 | |
CN106815583B (zh) | 一种基于mser和swt相结合的夜间车辆车牌定位方法 | |
Li et al. | Nighttime lane markings recognition based on Canny detection and Hough transform | |
CN104361336A (zh) | 一种水下视频图像的文字识别方法 | |
CN103116751A (zh) | 一种车牌字符自动识别方法 | |
CN109800752B (zh) | 一种基于机器视觉的汽车车牌字符分割识别算法 | |
KR20130105952A (ko) | 차량 번호판 인식 방법과 그 장치 | |
CN102693423A (zh) | 一种在强光条件下车牌精确定位的方法 | |
CN107895151A (zh) | 一种强光照条件下基于机器视觉的车道线检测方法 | |
CN104021574A (zh) | 路面病害自动识别方法 | |
CN109064411B (zh) | 一种基于光照补偿的路面图像去阴影方法 | |
CN110659644B (zh) | 书法单字的笔画自动提取方法 | |
CN105117727A (zh) | 一种车牌快速定位方法 | |
CN105701490B (zh) | 一种基于图像熵的集装箱箱号自适应定位方法 | |
CN103336961A (zh) | 一种交互式的自然场景文本检测方法 | |
CN109724988B (zh) | 一种基于多模板匹配的pcb板缺陷定位方法 | |
JP3800785B2 (ja) | 白線認識装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20090708 |