CN102663398A - 一种彩色图像颜色特征提取方法及装置 - Google Patents
一种彩色图像颜色特征提取方法及装置 Download PDFInfo
- Publication number
- CN102663398A CN102663398A CN2012100928603A CN201210092860A CN102663398A CN 102663398 A CN102663398 A CN 102663398A CN 2012100928603 A CN2012100928603 A CN 2012100928603A CN 201210092860 A CN201210092860 A CN 201210092860A CN 102663398 A CN102663398 A CN 102663398A
- Authority
- CN
- China
- Prior art keywords
- image
- color
- subregion
- blob
- algorithm
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种彩色图像颜色特征提取方法及装置，用于图像处理技术领域，传统彩色图像分割方法难以获得高质量、精细化的分割结果，且实时性不能满足大规模数据库要求的问题，所述方法包括：当接收到视频图像时，建立背景模型，提取所述视频图像的前景图像；对获得的所述前景图像进行颜色归一化处理，获得归一化后的图像并作为图像数据分割的对象；根据像素点间的颜色特征的不相似性量度，利用图像分割算法对图像各像素点进行聚类，将图像分割成一块块blob子区域，并提取各子区域对应的颜色和位置特征，其中，所述子区域内部颜色差异小，子区域间的颜色差异大。本发明能够精确、有效的进行目标图像识别，并有较高的实时性能。如不特别说明，本发明所指的图像均为彩色图像。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种彩色图像颜色特征提取方法及装置。
背景技术
随着多媒体技术的迅速发展，视频数据日趋庞大，如何对这些海量视频数据进行分析、搜索和识别，成为相关研究领域的重要挑战，特别是在智能监控和数字安防领域，越来越成为研究的热点和难点。为了对图像中的目标对象进行识别和跟踪，通常需要提取目标的图像特征进行比对，作为一种鲁棒性高的视觉特征，颜色特征对于物体本身的尺寸、方向和视角等因素依赖性较小，因而被广泛使用。
提取颜色特征的方法有很多，如采用图像分割的方法，将图像分成若干不同的色彩区域，然后存储其对应的特征以供后续查询和匹配。传统的图像分割技术，包括分水岭算法、区域分割及合并、频域技术等，在图像和视频处理的诸多应用中很有用，然而这些方法基本上都难以产生彩色图像的精细化分割结果，而且对于大规模的数据库满足不了实时性的要求。因此，有人提出基于Graph理论的图像分割方法，但都是基于对全局图像进行操作，计算效率同样受到制约。
发明内容
本发明实施例的目的是针对传统图像分割方法难以获得高质量、精细化的分割结果，且实时性不能满足大规模数据库要求的问题，对传统方法进行改进和优化，而提出一种新的图像颜色特征提取方法及装置。
为了达到上述发明目的，本发明实施例提出的一种图像颜色特征提取方法是通过以下技术方案实现的：
一种图像颜色特征提取方法，所述方法包括：
当接收到视频图像时，建立背景模型，提取所述视频图像的前景图像；
对获得的所述前景图像进行颜色归一化处理，获得归一化后的图像并作为图像数据分割的对象；
根据像素点间的颜色特征的不相似性量度，利用图像分割算法对图像各像素点进行聚类，将图像分割成一块块blob子区域，并提取各子区域对应的颜色和位置特征，其中，所述子区域内部颜色差异小，子区域间的颜色差异大。
优选地，所述背景模型包括基于MRF的背景模型、混合高斯模型，概率密度函数模型，或基于贝叶斯网络的背景模型；
优选地，所述对获得的所述前景图像进行颜色归一化处理具体包括：
像素颜色值对R，G，B三通道亮度之和或者对三通道最大值进行归一。
优选地，所述图像分割算法包括基于Graph的算法、分水岭算法、区域分割及合并、形态学算法、Quadtree分割算法、并行区域算法、或频域算法。
进一步优选地，当所述算法为基于Graph的算法时，所述利用图像分割算法对图像各像素点进行聚类，将图像分割成一块块子区域具体包括：
根据待分割的对像建立一个无向权图G(V，E)，其中，像素点为图的顶点，边连接相邻像素点，边的权重为两像素点的不相似性度量，自适应地迭代合并聚类。
进一步优选地，所述方法还包括：
对分割的子区域利用计算几何学方法拟合成较规则的几何形状，其中，每个blob块对应有RGB颜色和空间坐标信息。
进一步优选地，所述方法还包括：
赋予每个blob位置的预先确定的等分网格属性以使后续快速索引。
优选地，所述方法还包括：
对每个blob的位置属性进行bit位编码并将特征传输到相应的服务器进行上存储。
为了实现前述发明目的，本发明实施例还提出了一种图像颜色特征提取装置，所述装置是通过以下技术方案实现的：
一种图像颜色特征提取装置，所述装置包括：
图像前景提取模块，用来当接收到视频图像时，建立背景模型，提取所述视频图像的前景图像；
图像预处理模块，用来对获得的所述前景图像进行颜色归一化处理，获得归一化后的图像并作为图像数据分割的对象；
图像分割模块，用来根据像素点间的颜色特征的不相似性量度，利用图像分割算法对图像各像素点进行聚类，将图像分割成一块块blob子区域，并提取各子区域对应的颜色和位置特征，其中，所述子区域内部颜色差异小，子区域间的颜色差异大。
进一步优选地，所述装置还包括：
特征拟合模块，用来对分割的子区域利用计算几何学方法拟合成较规则的几何形状，其中，每个blob块对应有RGB颜色和空间坐标信息。
进一步优选地，所述装置还包括：
特征索引模块，用来赋予每个blob位置的预先确定的等分网格属性以使后续快速索引。
优选地，所述装置还包括：
特征编码模块，用来对每个blob的位置属性进行bit位编码并将特征传输到相应的服务器进行上存储。
与现有技术相比，本发明实施例提出的一种图像颜色特征提取方法及装置，能够精确、有效的用于行人等目标识别中的智能视频搜索的彩色图像特征提取、编码，因为只对前景区域处理，提高了实时性能，并对图像进行颜色归一化操作，从而弥补了不同点位的多个监控摄像机捕获的图像质量的差异性，改善了识别效果。另外，引入基于Graph的图像分割算法提取颜色特征，并加以改进，使得图像分割更为精确。
另外，本发明实施例还拟合blob区域成规则几何形状，最大程度地还原被分割对象的空间分布并易于表达和使用；
另外，采用二进制编码，极大压缩存储空间，同时，将分割图像等分成若干个网格区域，最终分割出来的blob都会有一个对应的网格属性，以后查找的时候都只在相应区域里面进行查找，缩少了搜索范围。
附图说明
通过下面结合附图对其示例性实施例进行的描述，本发明上述特征和优点将会变得更加清楚和容易理解。
图1为本发明实施例1一种图像颜色特征提取方法的流程图；
图2为本发明实施例2一种图像颜色特征提取装置组成示意图；
图3为本发明实施例3另一种图像颜色特征提取装置组成示意图；
图4为本发明实施例4另一种图像颜色特征提取装置组成示意图；
图5为本发明实施例5另一种图像颜色特征提取装置组成示意图；
具体实施方式
下面结合附图对本发明作进一步详细说明。
如图1所示，为本发明实施例1一种图像颜色特征提取方法的流程图，所述方法包括：
S101.当接收到视频图像时，建立背景模型，提取所述视频图像的前景图像；
S102.对获得的所述前景图像进行颜色归一化处理，获得归一化后的图像并作为图像数据分割的对象；
S103.根据像素点间的颜色特征的不相似性量度，利用图像分割算法对图像各像素点进行聚类，将图像分割成一块块blob子区域，并提取各子区域对应的颜色和位置特征，其中，所述子区域内部颜色差异小，子区域间的颜色差异大。
在本发明实施例中，不同点位的摄像头实时采集视频信号，传输给特征提取服务器，不间断地提取颜色特征；
特征提取服务器接收到每帧视频图像时，建立和更新背景模型，同时提取前景对象，然后对获得的前景图像进行颜色归一化处理，得到的归一化后的图像作为分割的图像数据。由于采集的视频图像受图像背景噪声的干扰，既影响视频对象特征的精确提取，又降低了图像分割的实时性，而基于背景模型的前景提取技术可有效解决此类问题。
其中，背景模型可以采用多种模型，如基于MRF的背景模型，混合高斯方法，概率密度函数(PDF)模型，基于贝叶斯网络的背景建模等，本发明实施例不限制背景模型的具体实施方式。
另外，颜色归一化操作可使用像素颜色值对R，G，B三通道亮度之和或者对三通道最大值进行归一。由于实际场景千差万别，光照、物体表面特性、环境光源等会对识别结果产生很大的影响。针对这个问题，本发明实施例对图像进行颜色归一化操作，从而弥补了不同点位的多个监控摄像机捕获的图像质量的差异性，改善了识别效果。
对图像进行分割，得到一个个blob子区域。根据像素点间的颜色特征的不相似性量度，对图像各像素点进行聚类，将图像分割成一块块子区域，子区域内部颜色差异小，子区域间的颜色差异大，并提取各子区域对应的颜色和位置特征。本发明实施例特别地，针对以前都是对全图进行分割的做法，只对提取的前景点进行处理，忽略背景区域，这样能极大地提高计算效率。可用的图像分割方法包括基于Graph的算法、分水岭算法、区域分割及合并、形态学方法、Quadtree分割技术、并行区域技术、频域技术等。
本发明实施例以改进的基于Graph的算法为例，根据待分割的图像建立一个无向权图G(V，E)，像素点为图的顶点，边连接相邻像素点，边的权重为两像素点的不相似性度量，如各分量的绝对差和等。之后自适应地迭代合并聚类，最终得到的各子区域内部差异较小，区域间的差异较大。
对分割结果用计算几何学方法拟合成较规则的几何形状，矩形或者椭圆均可，每个blob块对应有RGB颜色和空间坐标信息。由于以上步骤分割出来的区域并不规则，不利于存储和后续的匹配等处理，本发明实施例对不规则的blob区域进行几何拟合，最大程度地还原被分割对象的空间分布。
为了后续能快速索引所需要的blob块，赋予每个blob所在的预先确定的等分网格属性，快速索引同样可以使用基于四叉树的空间索引方式。
优选地，本发明实施例方法还包括：
对每个blob的位置属性采用按bit位编码，压缩不用的bits，并将特征传输到相应的服务器进行上存储，以备后用。为了减少blob位置信息的存储量，对其坐标采用按bit编码而非byte编码的方式，极大地压缩了存储空间。同时，将分割图像等分成若干个网格区域，最终分割出来的blob都会有一个对应的网格属性，以后查找的时候都只在相应区域里面进行查找，缩少了搜索范围。
如图2所示，为了实现前述发明目的，本发明实施例2还提出了一种图像颜色特征提取装置，所述装置是通过以下技术方案实现的：
一种图像颜色特征提取装置，所述装置包括：
图像前景提取模块，用来当接收到视频图像时，建立背景模型，提取所述视频图像的前景图像；
图像预处理模块，用来对获得的所述前景图像进行颜色归一化处理，获得归一化后的图像并作为图像数据分割的对象；
图像分割模块，用来根据像素点间的颜色特征的不相似性量度，利用图像分割算法对图像各像素点进行聚类，将图像分割成一块块blob子区域，并提取各子区域对应的颜色和位置特征，其中，所述子区域内部颜色差异小，子区域间的颜色差异大。
进一步优选地，如图3所示，所述装置还包括：
特征拟合模块，用来对分割的子区域利用计算几何学方法拟合成较规则的几何形状，其中，每个blob块对应有RGB颜色和空间坐标信息。
进一步优选地，如图4所示，所述装置还包括：
特征索引模块，用来赋予每个blob位置的预先确定的等分网格属性以使后续快速索引。
优选地，如图5所示，所述装置还包括：
特征编码模块，用来对每个blob的位置属性进行bit位编码并将特征传输到相应的服务器进行上存储。
与现有技术相比，本发明实施例提出的一种图像颜色特征提取方法及装置，能够精确、有效的用于行人等目标识别中的智能视频搜索的彩色图像颜色特征提取、编码，只对前景区域处理，提高了实时性能，并对图像进行颜色归一化操作，从而弥补了不同点位的多个监控摄像机捕获的图像质量的差异性，改善了识别效果。另外，引入基于Graph的图像分割算法提取颜色特征，并加以改进，使得图像分割更为精确。
另外，本发明实施例还拟合blob区域成规则几何形状，最大程度地还原被分割对象的空间分布并易于表达和使用；
另外，采用二进制编码，极大压缩存储空间，同时，将分割图像等分成若干个网格区域，最终分割出来的blob都会有一个对应的网格属性，以后查找的时候都只在相应区域里面进行查找，缩少了搜索范围。
本发明所属领域的一般技术人员可以理解，本发明以上实施例仅为本发明的优选实施例之一，为篇幅限制，这里不能逐一列举所有实施方式，任何可以体现本发明权利要求技术方案的实施，都在本发明的保护范围内。
需要注意的是，以上内容是结合具体的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施方式仅限于此，在本发明的上述指导下，本领域技术人员可以在上述实施例的基础上进行各种改进和变形，而这些改进或者变形落在本发明的保护范围内。
Claims (12)
1.一种图像颜色特征提取方法，其特征在于，所述方法包括：
当接收到视频图像时，建立背景模型，提取所述视频图像的前景图像；
对获得的所述前景图像进行颜色归一化处理，获得归一化后的图像并作为图像数据分割的对象；
根据像素点间的颜色特征的不相似性量度，利用图像分割算法对图像各像素点进行聚类，将图像分割成一块块blob子区域，并提取各子区域对应的颜色和位置特征，其中，所述子区域内部颜色差异小，子区域间的颜色差异大。
2.如权利要求1所述的图像颜色特征提取方法，其特征在于，所述背景模型包括基于MRF的背景模型、混合高斯模型，概率密度函数模型，或基于贝叶斯网络的背景模型。
3.如权利要求1所述的图像颜色特征提取方法，其特征在于，所述对获得的所述前景图像进行颜色归一化处理具体包括：
像素颜色值对R，G，B三通道亮度之和或者对三通道最大值进行归一。
4.如权利要求1所述的图像颜色特征提取方法，其特征在于，所述图像分割算法包括基于Graph的算法、分水岭算法、区域分割及合并、形态学算法、Quadtree分割算法、并行区域算法、或频域算法。
5.如权利要求4所述的图像颜色特征提取方法，其特征在于，当所述算法为基于Graph的算法时，所述利用图像分割算法对图像各像素点进行聚类，将图像分割成一块块子区域具体包括：
根据待分割的对像建立一个无向权图G(V，E)，其中，像素点为图的顶点，边连接相邻像素点，边的权重为两像素点的不相似性度量，自适应地迭代合并聚类。
6.如权利要求1所述的图像颜色特征提取方法，其特征在于，所述方法还包括：
对分割的子区域利用计算几何学方法拟合成较规则的几何形状，其中，每个blob块对应有RGB颜色和空间坐标信息。
7.如权利要求1所述的图像颜色特征提取方法，其特征在于，所述方法还包括：
赋予每个blob位置的预先确定的等分网格属性以使后续快速索引。
8.如权利要求7所述的图像颜色特征提取方法，其特征在于，所述方法还包括：
对每个blob的位置属性进行bit位编码并将特征传输到相应的服务器进行上存储。
9.一种图像颜色特征提取装置，其特征在于，所述装置包括：
图像前景提取模块，用来当接收到视频图像时，建立背景模型，提取所述视频图像的前景图像；
图像预处理模块，用来对获得的所述前景图像进行颜色归一化处理，获得归一化后的图像并作为图像数据分割的对象；
图像分割模块，用来根据像素点间的颜色特征的不相似性量度，利用图像分割算法对图像各像素点进行聚类，将图像分割成一块块blob子区域，并提取各子区域对应的颜色和位置特征，其中，所述子区域内部颜色差异小，子区域间的颜色差异大。
10.如权利要求9所述的图像颜色特征提取装置，其特征在于，所述装置还包括：
特征拟合模块，用来对分割的子区域利用计算几何学方法拟合成较规则的几何形状，其中，每个blob块对应有RGB颜色和空间坐标信息。
11.如权利要求9所述的图像颜色特征提取装置，其特征在于，所述装置还包括：
特征索引模块，用来赋予每个blob位置的预先确定的等分网格属性以使后续快速索引。
12.如权利要求9所述的图像颜色特征提取装置，其特征在于，所述装置还包括：
特征编码模块，用来对每个blob的位置属性进行bit位编码并将特征传输到相应的服务器进行上存储。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012100928603A CN102663398A (zh) | 2012-03-31 | 2012-03-31 | 一种彩色图像颜色特征提取方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012100928603A CN102663398A (zh) | 2012-03-31 | 2012-03-31 | 一种彩色图像颜色特征提取方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102663398A true CN102663398A (zh) | 2012-09-12 |
Family
ID=46772882
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2012100928603A Pending CN102663398A (zh) | 2012-03-31 | 2012-03-31 | 一种彩色图像颜色特征提取方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102663398A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102724484A (zh) * | 2012-06-25 | 2012-10-10 | 中国科学院自动化研究所 | 一种公交站台人群监控装置及其监控方法 |
| CN103886614A (zh) * | 2014-04-14 | 2014-06-25 | 重庆威堪科技有限公司 | 基于网络节点分形维数的图像边缘检测方法 |
| CN104239411A (zh) * | 2014-08-12 | 2014-12-24 | 中国科学技术大学 | 一种基于颜色、位置聚类和角点检测的栅格状雷达的检测方法 |
| CN104835154A (zh) * | 2015-05-03 | 2015-08-12 | 华东理工大学 | 一种基于随机游走的彩色图像目标获取方法 |
| CN105879392A (zh) * | 2016-03-31 | 2016-08-24 | 大连文森特软件科技有限公司 | 基于背景减除法对图像进行分解存储的在线图形化游戏制作系统 |
| CN106227827A (zh) * | 2016-07-25 | 2016-12-14 | 华南师范大学 | 服装图像前景颜色特征提取方法及服装检索方法和系统 |
| CN107367465A (zh) * | 2017-06-23 | 2017-11-21 | 华南理工大学 | 一种fpc柔性板铜箔氧化检测方法 |
| CN110609617A (zh) * | 2013-08-04 | 2019-12-24 | 艾斯适配有限公司 | 虚拟镜子的装置、系统和方法 |
| CN111680544A (zh) * | 2020-04-24 | 2020-09-18 | 北京迈格威科技有限公司 | 人脸识别方法、装置、系统、设备及介质 |
| CN114693554A (zh) * | 2022-03-28 | 2022-07-01 | 唐山学院 | 一种大数据图像处理方法及系统 |
| CN114743223A (zh) * | 2022-05-19 | 2022-07-12 | 澜途集思生态科技集团有限公司 | 基于Fitness-NMS算法的生态生物识别方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1234569A (zh) * | 1998-02-06 | 1999-11-10 | 富士通株式会社 | 彩色图象处理装置及图案抽取装置 |
| CN101211355A (zh) * | 2006-12-30 | 2008-07-02 | 中国科学院计算技术研究所 | 一种基于聚类的图像查询方法 |
| CN101777180A (zh) * | 2009-12-23 | 2010-07-14 | 中国科学院自动化研究所 | 基于背景建模和能量最小化的复杂背景实时替换方法 |
| US20110202273A1 (en) * | 2010-02-12 | 2011-08-18 | Samsung Electronics Co., Ltd. | Method and apparatus for transmitting and receiving map data |
| CN102257513A (zh) * | 2008-12-19 | 2011-11-23 | 坦德伯格电信公司 | 用于加速人脸检测的方法 |
-
2012
- 2012-03-31 CN CN2012100928603A patent/CN102663398A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1234569A (zh) * | 1998-02-06 | 1999-11-10 | 富士通株式会社 | 彩色图象处理装置及图案抽取装置 |
| CN101211355A (zh) * | 2006-12-30 | 2008-07-02 | 中国科学院计算技术研究所 | 一种基于聚类的图像查询方法 |
| CN102257513A (zh) * | 2008-12-19 | 2011-11-23 | 坦德伯格电信公司 | 用于加速人脸检测的方法 |
| CN101777180A (zh) * | 2009-12-23 | 2010-07-14 | 中国科学院自动化研究所 | 基于背景建模和能量最小化的复杂背景实时替换方法 |
| US20110202273A1 (en) * | 2010-02-12 | 2011-08-18 | Samsung Electronics Co., Ltd. | Method and apparatus for transmitting and receiving map data |
Non-Patent Citations (1)
| Title |
|---|
| 吕晶飞等: "《图像测量中多件分割提取方法的应用研究》", 《图像处理》, vol. 26, no. 22, 31 May 2010 (2010-05-31), pages 203 - 204 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102724484A (zh) * | 2012-06-25 | 2012-10-10 | 中国科学院自动化研究所 | 一种公交站台人群监控装置及其监控方法 |
| CN110609617B (zh) * | 2013-08-04 | 2023-09-26 | 艾斯适配有限公司 | 虚拟镜子的装置、系统和方法 |
| CN110609617A (zh) * | 2013-08-04 | 2019-12-24 | 艾斯适配有限公司 | 虚拟镜子的装置、系统和方法 |
| CN103886614A (zh) * | 2014-04-14 | 2014-06-25 | 重庆威堪科技有限公司 | 基于网络节点分形维数的图像边缘检测方法 |
| CN104239411A (zh) * | 2014-08-12 | 2014-12-24 | 中国科学技术大学 | 一种基于颜色、位置聚类和角点检测的栅格状雷达的检测方法 |
| CN104239411B (zh) * | 2014-08-12 | 2018-04-10 | 中国科学技术大学 | 一种基于颜色、位置聚类和角点检测的栅格状雷达的检测方法 |
| CN104835154A (zh) * | 2015-05-03 | 2015-08-12 | 华东理工大学 | 一种基于随机游走的彩色图像目标获取方法 |
| CN105879392B (zh) * | 2016-03-31 | 2019-05-24 | 快创科技（大连）有限公司 | 基于背景减除法对图像进行分解存储的在线图形化游戏制作系统 |
| CN105879392A (zh) * | 2016-03-31 | 2016-08-24 | 大连文森特软件科技有限公司 | 基于背景减除法对图像进行分解存储的在线图形化游戏制作系统 |
| CN106227827B (zh) * | 2016-07-25 | 2019-04-12 | 华南师范大学 | 服装图像前景颜色特征提取方法及服装检索方法和系统 |
| CN106227827A (zh) * | 2016-07-25 | 2016-12-14 | 华南师范大学 | 服装图像前景颜色特征提取方法及服装检索方法和系统 |
| CN107367465A (zh) * | 2017-06-23 | 2017-11-21 | 华南理工大学 | 一种fpc柔性板铜箔氧化检测方法 |
| CN111680544A (zh) * | 2020-04-24 | 2020-09-18 | 北京迈格威科技有限公司 | 人脸识别方法、装置、系统、设备及介质 |
| CN111680544B (zh) * | 2020-04-24 | 2023-07-21 | 北京迈格威科技有限公司 | 人脸识别方法、装置、系统、设备及介质 |
| CN114693554A (zh) * | 2022-03-28 | 2022-07-01 | 唐山学院 | 一种大数据图像处理方法及系统 |
| CN114743223A (zh) * | 2022-05-19 | 2022-07-12 | 澜途集思生态科技集团有限公司 | 基于Fitness-NMS算法的生态生物识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102663398A (zh) | 一种彩色图像颜色特征提取方法及装置 | |
| Chen et al. | An end-to-end shape modeling framework for vectorized building outline generation from aerial images | |
| US10127454B2 (en) | Method and an apparatus for the extraction of descriptors from video content, preferably for search and retrieval purpose | |
| Yuan et al. | Robust lane detection for complicated road environment based on normal map | |
| CN104598883B (zh) | 一种多摄像机监控网络中目标再识别的方法 | |
| CN105528794A (zh) | 基于混合高斯模型与超像素分割的运动目标检测方法 | |
| CN104850850A (zh) | 一种结合形状和颜色的双目立体视觉图像特征提取方法 | |
| CN103473551A (zh) | 基于sift算子的台标识别方法及系统 | |
| CN103336957A (zh) | 一种基于时空特征的网络同源视频检测方法 | |
| CN103390040A (zh) | 一种视频拷贝检测方法 | |
| CN105160649A (zh) | 基于核函数非监督聚类的多目标跟踪方法及系统 | |
| CN112070070B (zh) | 一种用于城市遥感场景识别的lw-cnn方法和系统 | |
| CN101872415A (zh) | 适用于iptv的视频拷贝检测方法 | |
| CN107358189B (zh) | 一种基于多视目标提取的室内环境下物体检测方法 | |
| CN112989985B (zh) | 一种融合夜间灯光数据与Landsat8 OLI影像的城市建成区提取方法 | |
| CN108537816A (zh) | 一种基于超像素和背景连接先验的显著物体分割方法 | |
| CN103309982A (zh) | 一种基于视觉显著点特征的遥感影像检索方法 | |
| CN104063701B (zh) | 基于surf词汇树和模板匹配的快速电视台台标识别系统及其实现方法 | |
| CN106529472B (zh) | 基于大尺度高分辨率高光谱图像的目标探测方法及装置 | |
| Alvarado-Robles et al. | An approach for shadow detection in aerial images based on multi-channel statistics | |
| CN107480580B (zh) | 图像识别方法和图像识别装置 | |
| CN103578105A (zh) | 一种基于区域特征的多源异类图像配准方法 | |
| CN107832793B (zh) | 一种高光谱图像的分类方法及系统 | |
| CN106603888A (zh) | 图像颜色提取处理结构 | |
| Jeyabharathi | Cut set-based dynamic key frame selection and adaptive layer-based background modeling for background subtraction |
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 |
Application publication date: 20120912 |