CN102938156A - 一种基于积分图像的面状注记配置方法 - Google Patents
一种基于积分图像的面状注记配置方法 Download PDFInfo
- Publication number
- CN102938156A CN102938156A CN201210371618XA CN201210371618A CN102938156A CN 102938156 A CN102938156 A CN 102938156A CN 201210371618X A CN201210371618X A CN 201210371618XA CN 201210371618 A CN201210371618 A CN 201210371618A CN 102938156 A CN102938156 A CN 102938156A
- Authority
- CN
- China
- Prior art keywords
- rectangle
- intersection point
- integral image
- rectangles
- annotation
- 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.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
一种基于积分图像的面状注记配置方法,对图形执行:步骤1,图形旋转、栅格化、细化,记录所有位于图形内部的交点;步骤2,分别计算交点各自的积分图像;步骤3,取交点中的任意两个,作为矩形的对角点,根据各交点的积分图像,判断此对角点连线形成的矩形是否全部落在图形内部,是则保留,否则不保留;步骤4,对保留的所有矩形分别计算属性,根据矩形的属性选择注记位置,进行注记自动配置;所述属性包括矩形最小边长度和矩形面积。本发明技术方案能够快速准确地定位注记点的位置,自动配置注记,明显优于传统的面状注记自动配置算法,适用于大比例尺条件下的规则几何图形,对其它图形处理系统如房产测绘系统同样具有一般适用性。
Description
技术领域
本发明属于计算机制图技术领域,特别涉及一种基于积分图像的面状注记配置方法。
背景技术
图形注记对图形要素的识别、理解具有重要意义。图形注记自动配置涉及图像处理、模式识别、计算几何等学科。面状注记配置的一般原则是定位准确而又美观,且注记尽可能配置在图形内部。在大比例尺图形处理系统中,待标注的图形一般是规则几何图形,因此可以设计相关算法按照一定原则查找注记最适位置,以实现面状注记的自动配置。
目前的注记配置方法有多边形骨架线法及其改进算法、基于几何信息熵的面状要素注记配置、采用平行线法确定面状要素名称注记定位线及其改进算法、长对角线法实现面状地物汉字注记的自动配置、基于视觉中心的面状要素注记的配置方法、基于双视觉中心的面状要素注记的配置方法、基于视觉变量的地图注记自动分类配置方法等。这些算法常需要复杂的处理过程,系统开销较大,执行效率不高,同时不恰当的注记配置,不仅影响视觉效果,而且会造成图形理解的误差。并且,多数传统算法注记配置完成后,还需要相应检查和手工处理,未能实现自动化配置,因此不能满足当今海量图形注记快速配置的需求。
积分图像源自Crow提出的summed-area tables算法,Viola将其应用于人脸图像分析中,并命名为积分图像(Integral Image)。Veksler将积分图像应用于双目立体匹配,Jung将积分图像应用于模版匹配。积分图像是图像的一种中间表示,可用于计算图像窗口的灰度均值。积分图像算法只需对图像遍历一次,可以快速准确地获取图像上任意一点的积分图像。根据图像上任意点的积分图像,可以快速得到任意区域的积分图像。在大比例尺图形处理系统中,积分图像算法能够快速地得到原始图像的适宜注记区域,系统执行该算法的开销小,处理速度快。但目前尚未出现基于积分图像的面状注记配置方法。
发明内容
本发明的目的在于针对现有技术的缺点和不足,提供一种基于积分图像的面状注记配置方法,克服传统算法的瓶颈问题,提供的方法能适用于大比例尺图形处理系统。
本发明的技术方案为一种基于积分图像的面状注记配置方法,输入面状的图形,对图形执行以下步骤,
步骤1,图形预处理,包括以下子步骤,
步骤1.1,图形旋转,包括选取图形的最长边,计算最长边与水平方向的夹角β,将图形顺时针旋转β度,使图形最长边与水平方向平行;
步骤1.2,栅格化图形,包括根据预设的分辨率d,将图形的最小外接矩形沿水平和垂直方向分别扩展d距离,然后根据分辨率d栅格化图形,图形内部的灰度赋值为1,图形外部的灰度赋值为0;
步骤1.3,图形细化,包括将图形的各边无限延长,得到各边延长线相交的交点;
步骤1.4,记录所有位于图形内部的交点,包括判断各延长线之间交点的灰度值,若交点处灰度值为0,则舍去,若交点处灰度值为1,则保留,设所有位于图形内部的交点记为{a1,a2,…,an},n为图形内部的交点个数;
步骤2,遍历图形,分别计算图形中每个像素的积分图像;
步骤3,取交点{a1,a2,…,an}中的任意两个交点,作为矩形的对角点,根据各交点的积分图像,判断此对角点连线形成的矩形是否全部落在图形内部,是则保留,否则不保留;
步骤4,对步骤3保留的所有矩形分别计算属性,根据矩形的属性选择注记位置,进行注记自动配置;所述属性包括矩形最小边长度和矩形面积,其中矩形面积根据矩形顶点的积分图像计算得到。
而且,步骤2中,对于交点{a1,a2,…,an}中某交点am,计算相应积分图像am(x,y)的公式如下
am(x,y)=Σx′≤x,y′≤yP(x′,y′) (1)
其中,x′、y′表示原图像中位于交点am左上方某一点的横坐标值和纵坐标值;am(x,y)通过迭代计算得到,计算公式如下,
s(x,y)=s(x,y-1)+P(x,y) (2)
am(x,y)=am(x-1,y)+s(x,y) (3)
其中,1≤m≤n,P(x,y)表示原始图像中点(x,y)像素灰度值,s(x,y)为原始图像中点(x,y)及其y方向上所有像素灰度值之和,而且s(x,-1)=0,am(-1,y)=0。
而且,步骤3中,设两交点A(x1,y1)和D(x4,y4)作为矩形的对角点,
先判断是否能够形成矩形,包括比较两交点横坐标值x1与x4的大小,以及两交点纵坐标值即y1与y4的大小;若x1=x4或者y1=y4,则交点A(x1,y1)和D(x4,y4)不能形成矩形;否则能形成矩形;
设交点A(x1,y1),B(x2,y2),C(x3,y3),D(x4,y4)形成的矩形记为Ax,利用交点A(x1,y1),B(x2,y2),C(x3,y3),D(x4,y4)的积分图像,计算出矩形Ax的像素灰度总和,公式如下,
Ax=am(x4,y4)+am(x1,y1)-(am(x2,y2)+am(x3,y3)) (4)
求取矩形Ax的灰度均值α,即:
α=[A+D-(B+C)]/[|x4-x1|×|y4-y1|] (5)
其中,A为矩形Ax的左上顶点积分图像,B为矩形Ax的右上顶点积分图像,C为矩形Ax的左下顶点积分图像,D为矩形Ax的右下顶点积分图像;如果灰度均值α为1,则矩形Ax全部落在图形内部,如果灰度均值α不为1,则矩形Ax未全部落在图形内部。
而且,步骤4中,根据矩形的属性选择注记位置的实现方式如下,
设步骤3保留的所有矩形为{B1,B2,…,Bi},比较矩形{B1,B2,…,Bi}的最短边长度,若最短边长度为最大值的矩形是唯一的,则取最短边长度为最大值的矩形的对角线中点作为注记位置,其中0≤i≤n(n-1)/2;若最短边长度为最大值的矩形多于一个,则比较这些矩形的面积,取面积最大的矩形的对角线中点作为注记位置。
本发明提供的技术方案的有益效果为:只需对栅格图像遍历一次,得到原图像的积分图像,利用积分图像的性质,即可快速判断积分图像上任意两对角点所形成的矩形是否全部落在原图形内部,系统的开销较小,能够快速准确地定位注记点的位置,自动配置注记,明显优于传统的面状注记自动配置算法,适用于大比例尺条件下的规则几何图形,对其它图形处理系统如房产测绘系统同样具有一般适用性。
附图说明
图1为本发明实施例的流程图。
图2为本发明实施例的积分图像示意图。
具体实施方式
本发明技术方案可采用计算机软件技术实现自动运行,以下结合附图和实施例详细说明本发明技术方案。
本发明的实施例是对深圳市地籍测绘大队房屋测绘数据进行面状注记自动配置。如图1,本发明实施例的流程依次包括如下步骤:
步骤1,图形预处理,包括旋转并栅格化图形实体,并对图形细化。
实施例的步骤1包括以下子步骤:
步骤1.1,图形旋转,包括选取图形的最长边,计算最长边与水平方向的夹角β,将图形顺时针旋转β度,使图形最长边与水平方向平行。图形实体旋转有助于生成规则的栅格图像,简化后续积分图像的相关运算。
步骤1.2,栅格化图形,包括根据预设的分辨率d,将图形的最小外接矩形沿水平和垂直方向分别扩展d距离,然后根据分辨率d栅格化图形,图形内部的灰度赋值为1,图形外部的灰度赋值为0。获取旋转后图形实体的最大最小坐标,即可获取图形实体的最小外接矩形。
步骤1.3,图形细化,包括将图形的各边无限延长,得到各边延长线相交的交点。图形细化即将图形实体各边无限延长,得到各边延长线相交的交点。图形细化增加了各边界之间的交点个数,也增加了边界交点形成的矩形个数,因此提高了最佳注记区域被选择的概率,使得基于积分图像的注记算法更精确,注记配置更美观合理。
步骤1.4,记录所有位于图形内部的交点,包括判断各延长线之间交点的灰度值,若交点处灰度值为0,则舍去,若交点处灰度值为1,则保留,设所有位于图形内部的交点记为{a1,a2,…,an},n为图形内部的交点个数。
步骤2,遍历图形,分别计算图形中每个像素的积分图像。后续步骤主要使用交点{a1,a2,…,an}各自的积分图像。
实施例只需对栅格化后图形实体遍历一次,将原图像转化为积分图像。积分图像是图像的一种中间表示,交点{a1,a2,…,an}中某交点am的积分图像am(x,y)表示原图像中该点左上方所有像素灰度值的积分,即:
am(x,y)=Σx′≤x,y′≤yP(x′,y′) (1)
其中,x′、y′表示原始图像中位于交点am左上方某一点的横坐标值和纵坐标值,am(x,y)可以通过迭代计算得到,即:
s(x,y)=s(x,y-1)+P(x,y) (2)
am(x,y)=am(x-1,y)+s(x,y) (3)
其中1≤m≤n,且m为实数,P(x,y)表示原始图像中点(x,y)像素灰度值,s(x,y)为原始图像中点(x,y)及其y方向上所有像素灰度值之和,而且s(x,-1)=0,am(-1,y)=0。
图像中{a1,a2,…,an}交点以外像素采用同样方式计算积分图像。积分图像的引用,可以只对图像进行一次遍历计算,就能够用固定的时间完成灰度值的计算,使得图像灰度计算的速度大大提升。
步骤3,取交点{a1,a2,…,an}中的任意两个交点,作为矩形的对角点,根据步骤2计算的各交点的积分图像,判断此对角点连线形成的矩形是否全部落在图形内部,是则保留,否则不保留。
实施例通过顺序选取一对交点作为对角点,判断是否形成矩形,若否则直接选取下一对交点作为对角点进行处理。否则对形成的矩形继续判断是否落在图形内部,否则舍去且取下一对交点作为对角点进行处理,是则记录后取下一对交点作为对角点进行处理。
即从步骤a记录的交点{a1,a2,…,an}中,首先选取a1点,判断a1与{a2,…,an}中各点作为矩形对角点,是否能够形成矩形,若不能形成矩形,则判断a2与{a3,a4,…,an}中各点作为矩形对角点,是否能够形成矩形,依此类推。记其中任意两交点为A(x1,y1)、D(x4,y4),判断A(x1,y1)、D(x4,y4)作为对角顶点是否能够形成矩形,需要比较两交点横坐标值即x1与x4的大小,以及两交点纵坐标值即y1与y4的大小。若x1=x4或者y1=y4,则交点A(x1,y1)和D(x4,y4)不能形成矩形。
若交点a1与{a2,…,an}中各点作为矩形对角点能形成矩形,则依次记录矩形{A1,A2,…,An}。根据步骤2所得交点{a1,a2,…,an}的积分图像,依次计算矩形区域Ax的积分图像,即是矩形区域内Ax像素灰度总和。此时1≤x≤n。不论区域Ax的大小,均可以根据矩形四个端点A(x1,y1),B(x2,y2),C(x3,y3),D(x4,y4)的积分图像计算出区域Ax的像素灰度总和,如图2。即:
Ax=am(x4,y4)+am(x1,y1)-(am(x2,y2)+am(x3,y3)) (4)
求取矩形Ax的灰度均值α,即:
α=[A+D-(B+C)]/[|x4-x1|×|y4-y1|] (5)
其中A为矩形Ax的左上顶点的积分图像,B为矩形Ax的右上顶点的积分图像,C为矩形Ax的左下顶点的积分图像,D为矩形Ax的右下顶点的积分图像。在没有积分图像的情况下,要计算一幅图像中大量矩形区域的灰度值总和,需要对每一个矩形区域进行遍历,计算量很大,而在积分图像的基础上计算则很方便,它可以避免对区域的多次遍历求灰度值,只需遍历一次原图像,计算开销很小。基于积分图像可以快速地计算矩形区域的灰度均值,提高判断矩形区域是否为适宜注记区域的效率。
如果灰度均值α为1,则矩形Ax全部落在图形内部,如果灰度均值α不为1,则矩形Ax未全部落在图形内部。分别求取矩形{A1,A2,…,An}的灰度均值α,即可判断相应矩形是否全落在图形内部。
对a2与{a3,a4,…,an}中各点作为矩形对角点形成的矩形判断是否全部落在图形内部,实现方式一致。依次类推。对交点{a1,a2,…,an}中的任意两个交点(共可取n(n-1)/2对交点)处理完成后,记录下所有完全落在图形内部的矩形{B1,B2,…,Bi},其中i为完全落在图形内部的矩形总数,0≤i≤n(n-1)/2。
步骤4,对步骤3保留的所有矩形分别计算属性,根据矩形的属性选择注记位置,进行注记自动配置。本发明利用的矩形属性包括矩形最小边长度和矩形面积。
实施例比较步骤3中所得矩形{B1,B2,…,Bi}的最短边长度,若最短边长度为最大值的矩形是唯一的,则取最短边长度为最大值的矩形的对角线中点作为注记的最适宜位置。若最短边长度为最大值的矩形有多个,则比较这些矩形的面积,取面积最大的矩形对角线中点作为注记最适宜位置。比较矩形的最短边长度和面积属性使注记标注在矩形区域最适宜位置,符合注记美观配置要求。
综上所述,本发明提出的基于积分图像的面状注记配置方法,首先提出了一种利用积分图像进行注记适宜区域自动选择的方法,该方法能够根据积分图像的特性,快速地选取图形内部若干矩形区域;充分利用积分图像的特性可以快速地判断图形内部适宜注记的若干矩形区域,比较有限个矩形的最短边长度和矩形面积即可选择最合适矩形的对角线中点作为注记的适宜位置,使注记位置合理美观。
以上内容是结合最佳实施方案对本发明所做的进一步详细说明,不能认定本发明的具体实施只限于这些说明。本领域的技术人员应该理解,在不脱离由所附权利要求书限定的情况下,可以在细节上进行各种修改,都应当视为属于本发明的保护范围。
Claims (4)
1.一种基于积分图像的面状注记配置方法,其特征在于:输入面状的图形,对图形执行以下步骤,
步骤1,图形预处理,包括以下子步骤,
步骤1.1,图形旋转,包括选取图形的最长边,计算最长边与水平方向的夹角β,将图形顺时针旋转β度,使图形最长边与水平方向平行;
步骤1.2,栅格化图形,包括根据预设的分辨率d,将图形的最小外接矩形沿水平和垂直方向分别扩展d距离,然后根据分辨率d栅格化图形,图形内部的灰度赋值为1,图形外部的灰度赋值为0;
步骤1.3,图形细化,包括将图形的各边无限延长,得到各边延长线相交的交点;
步骤1.4,记录所有位于图形内部的交点,包括判断各延长线之间交点的灰度值,若交点处灰度值为0,则舍去,若交点处灰度值为1,则保留,设所有位于图形内部的交点记为{a1,a2,…,an},n为图形内部的交点个数;
步骤2,遍历图形,分别计算图形中每个像素的积分图像;
步骤3,取交点{a1,a2,…,an}中的任意两个交点,作为矩形的对角点,根据各交点的积分图像,判断此对角点连线形成的矩形是否全部落在图形内部,是则保留,否则不保留;
步骤4,对步骤3保留的所有矩形分别计算属性,根据矩形的属性选择注记位置,进行注记自动配置;所述属性包括矩形最小边长度和矩形面积,其中矩形面积根据矩形顶点的积分图像计算得到。
2.根据权利要求1所述的基于积分图像的面状注记配置方法,其特征在于:步骤2中,对于交点{a1,a2,…,an}中某交点am,计算相应积分图像am(x,y)的公式如下
am(x,y)=Σx′≤x,y′≤yP(x′,y′) (1)
其中,x′、y′表示原图像中位于交点am左上方某一点的横坐标值和纵坐标值;am(x,y)通过迭代计算得到,计算公式如下,
s(x,y)=s(x,y-1)+P(x,y) (2)
am(x,y)=am(x-1,y)+s(x,y) (3)
其中,1≤m≤n,P(x,y)表示原始图像中点(x,y)像素灰度值,s(x,y)为原始图像中点(x,y)及其y方向上所有像素灰度值之和,而且s(x,-1)=0,am(-1,y)=0。
3.根据权利要求1所述的基于积分图像的面状注记配置方法,其特征在于:步骤3中,设两交点A(x1,y1)和D(x4,y4)作为矩形的对角点,
先判断是否能够形成矩形,包括比较两交点横坐标值x1与x4的大小,以及两交点纵坐标值即y1与y4的大小;若x1=x4或者y1=y4,则交点A(x1,y1)和D(x4,y4)不能形成矩形;否则能形成矩形;
设交点A(x1,y1),B(x2,y2),C(x3,y3),D(x4,y4)形成的矩形记为Ax,利用交点A(x1,y1),B(x2,y2),C(x3,y3),D(x4,y4)的积分图像,计算出矩形Ax的像素灰度总和,公式如下,
Ax=am(x4,y4)+am(x1,y1)-(am(x2,y2)+am(x3,y3)) (4)
求取矩形Ax的灰度均值α,即:
α=[A+D-(B+C)]/[|x4-x1|×|y4-y1|] (5)
其中,A为矩形Ax的左上顶点积分图像,B为矩形Ax的右上顶点积分图像,C为矩形Ax的左下顶点积分图像,D为矩形Ax的右下顶点积分图像;如果灰度均值α为1,则矩形Ax全部落在图形内部,如果灰度均值α不为1,则矩形Ax未全部落在图形内部。
4.根据权利要求1所述的基于积分图像的面状注记配置方法,其特征在于:步骤4中,根据矩形的属性选择注记位置的实现方式如下,
设步骤3保留的所有矩形为{B1,B2,…,Bi},比较矩形{B1,B2,…,Bi}的最短边长度,若最短边长度为最大值的矩形是唯一的,则取最短边长度为最大值的矩形的对角线中点作为注记位置,其中0≤i≤n(n-1)/2;若最短边长度为最大值的矩形多于一个,则比较这些矩形的面积,取面积最大的矩形的对角线中点作为注记位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210371618.XA CN102938156B (zh) | 2012-09-29 | 2012-09-29 | 一种基于积分图像的面状注记配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210371618.XA CN102938156B (zh) | 2012-09-29 | 2012-09-29 | 一种基于积分图像的面状注记配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102938156A true CN102938156A (zh) | 2013-02-20 |
CN102938156B CN102938156B (zh) | 2015-06-24 |
Family
ID=47697049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210371618.XA Active CN102938156B (zh) | 2012-09-29 | 2012-09-29 | 一种基于积分图像的面状注记配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102938156B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107689083A (zh) * | 2017-09-01 | 2018-02-13 | 武大吉奥信息技术有限公司 | 一种自适应几何面的信息标注方法及装置 |
CN108536647A (zh) * | 2018-03-26 | 2018-09-14 | 中国电建集团昆明勘测设计研究院有限公司 | 一种采用界址点和45°外接矩形进行宗地四至查找的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006275802A (ja) * | 2005-03-29 | 2006-10-12 | Nippon Steel Corp | 欠陥検査方法及び装置 |
CN101713641A (zh) * | 2009-10-09 | 2010-05-26 | 山西农业大学 | 一种基于数码图像技术的叶片面积分析方法及其装置 |
-
2012
- 2012-09-29 CN CN201210371618.XA patent/CN102938156B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006275802A (ja) * | 2005-03-29 | 2006-10-12 | Nippon Steel Corp | 欠陥検査方法及び装置 |
CN101713641A (zh) * | 2009-10-09 | 2010-05-26 | 山西农业大学 | 一种基于数码图像技术的叶片面积分析方法及其装置 |
Non-Patent Citations (2)
Title |
---|
BHATIA,A. ET AL.: "Stacked Integral Image", 《ROBOTICS AND AUTOMATION (ICRA), 2010 IEEE INTERNATIONAL CONFERENCE ON》, 7 May 2010 (2010-05-07), pages 1530 - 1535 * |
邵平 等: "旋转45°矩形窗口的积分图像算法改进及应用", 《计算机应用与软件》, vol. 25, no. 3, 31 March 2008 (2008-03-31) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107689083A (zh) * | 2017-09-01 | 2018-02-13 | 武大吉奥信息技术有限公司 | 一种自适应几何面的信息标注方法及装置 |
CN107689083B (zh) * | 2017-09-01 | 2020-09-15 | 武大吉奥信息技术有限公司 | 用于地理信息系统的自适应几何面信息标注方法及装置 |
CN108536647A (zh) * | 2018-03-26 | 2018-09-14 | 中国电建集团昆明勘测设计研究院有限公司 | 一种采用界址点和45°外接矩形进行宗地四至查找的方法 |
CN108536647B (zh) * | 2018-03-26 | 2021-11-26 | 中国电建集团昆明勘测设计研究院有限公司 | 一种采用界址点和45°外接矩形进行宗地四至查找的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102938156B (zh) | 2015-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105931295B (zh) | 一种地质图专题信息提取方法 | |
CN105333883B (zh) | 一种用于抬头显示器的导航路径轨迹显示方法和装置 | |
CN103258203B (zh) | 遥感影像的道路中线自动提取方法 | |
CN107066916B (zh) | 基于反卷积神经网络的场景语义分割方法 | |
CN107679531A (zh) | 基于深度学习的车牌识别方法、装置、设备及存储介质 | |
CN111104538A (zh) | 一种基于多尺度约束的细粒度车辆图像检索的方法及装置 | |
CN104933738B (zh) | 一种基于局部结构检测和对比度的视觉显著图生成方法 | |
CN106446862A (zh) | 一种人脸检测方法及系统 | |
CN105160686B (zh) | 一种基于改进sift算子的低空多视角遥感影像匹配方法 | |
CN112418216A (zh) | 一种复杂自然场景图像中的文字检测方法 | |
Liu et al. | Road centerlines extraction from high resolution images based on an improved directional segmentation and road probability | |
CN111126459A (zh) | 一种车辆细粒度识别的方法及装置 | |
Montserrat et al. | Logo detection and recognition with synthetic images | |
CN102521597A (zh) | 一种基于分级策略的影像直线特征匹配方法 | |
CN110008900A (zh) | 一种由区域到目标的可见光遥感图像候选目标提取方法 | |
CN112396655A (zh) | 一种基于点云数据的船舶目标6d位姿估计方法 | |
CN103914829A (zh) | 一种含噪图像边缘检测方法 | |
CN114519819A (zh) | 一种基于全局上下文感知的遥感图像目标检测方法 | |
WO2021023111A1 (zh) | 一种识别图像中票据数量、多个票据区域的方法及装置 | |
CN109658523A (zh) | 利用ar增强现实应用实现车辆各功能使用说明的方法 | |
CN113420648A (zh) | 一种具有旋转适应性的目标检测方法及系统 | |
CN107038710B (zh) | 一种以纸张为目标的视觉跟踪算法 | |
CN102938156B (zh) | 一种基于积分图像的面状注记配置方法 | |
CN107146215A (zh) | 一种基于颜色直方图和凸包的显著性检测方法 | |
CN111104539A (zh) | 细粒度车辆图像检索方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |