CN102945360B - 基于形态学和逻辑运算的多普勒雷达图像逆风区检测方法 - Google Patents
基于形态学和逻辑运算的多普勒雷达图像逆风区检测方法 Download PDFInfo
- Publication number
- CN102945360B CN102945360B CN201210351076.XA CN201210351076A CN102945360B CN 102945360 B CN102945360 B CN 102945360B CN 201210351076 A CN201210351076 A CN 201210351076A CN 102945360 B CN102945360 B CN 102945360B
- Authority
- CN
- China
- Prior art keywords
- image
- analyzed
- wind zone
- zone
- doppler
- 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.)
- Expired - Fee Related
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属图像分析和识别领域,具体涉及基于形态学和逻辑运算的多普勒雷达图像逆风区检测方法,该方法包括:对一幅多普勒雷达径向速度图像预处理的步骤,采用形态学和逻辑学运算的组合操作方法检测雷达图像中逆风区区域的步骤,以及逆风区尺度筛选并突出显示的步骤。本发明提供的方法,能够快速准确的检测并突出显示多普勒雷达图像中的逆风区区域,具有方法简单、速度快、准确率高、易于软硬件实现的特点。本方法可以很方便的应用到个人计算机或者移植到嵌入式系统中,为实现多普勒雷达图像逆风区迅速且准确地自动检测提供了基础技术支持。
Description
技术领域
本发明属图像分析和识别领域,具体涉及多普勒雷达图像预处理、分析及目标检测的方法。
背景技术
逆风区是一种强对流性天气产生的天气现象在多普勒雷达径向速度图像上的反映,是强降水、冰雹等灾害性天气区域的特有流场特征,具有发生时间和地点随机性大、生消周期短暂、危害严重等特点。所以,如果当多普勒气象雷达径向速度图像上出现逆风区时,应能快速准确的判断和识别,才能达到对强对流区域的早期预警,对国防民生具有十分重要的意义。
目前,国外采用图像分析和识别的方法在逆风区快速自动预警方面进行了很多的研究工作,并且已经开展了实际应用,例如:气象监测预报软件PUP,但是该软件是根据美国的天气特征编写的,在我国应用时识别的准确率较低,漏报和错报率较高。近几年,在国内也有研究者开始关注这方面的工作,其中以天津大学王萍教授的科研组最具代表性。例如:胡大海[1] 采用了边界追踪和连通域处理等图像分析和识别方法检测逆风区;钱鑫洪[2]采用统计正、负速度区域轮廓外包点方法判断逆风区。但是,上述研究仍存在识别率不高,漏报和错报率高等问题。
因此,提出更加有效的逆风区检测新方法,为自动检测逆风区这一灾害性气象天气提供基础技术支持是十分必要的和迫切的。
[1] 胡大海. 基于多普勒雷达径向速度图的风暴信息提取, 天津大学硕士论文, 2010.5
[2] 钱鑫洪. 中小尺度气旋场及逆风区识别算法研究, 天津大学硕士论文, 2011.12。
发明内容
本发明的目的在于在多普勒雷达径向速度图像上迅速且准确的找到逆风区的位置。
为此,本发明为自动分析和检测多普勒雷达径向速度图像上的逆风区区域提供了一种基于形态学和逻辑运算组合操作的多普勒雷达图像逆风区检测方法。
本发明在对多普勒雷达径向速度图像实现去噪及二值化等预处理步骤基础上,采用形态学和逻辑运算进行特殊的组合操作方法,准确地判断雷达图像上逆风区区域的位置,然后依据尺度大小进行逆风区突出显示,实现了逆风区快速准确的检测。
本发明提供的方法具有算法简单、速度快、准确率高、易于软硬件实现的特点。本发明的基于形态学和逻辑运算组合操作的多普勒雷达图像逆风区检测方法可以很方便的应用到个人计算机或者移植到嵌入式系统中,为强对流天气现象预测提供了更多更丰富的信息支持。
本发明所提供的基于形态学和逻辑运算的多普勒雷达图像逆风区检测方法,包括步骤:
(a)获取待分析图像步骤,具体包括:
(a1)从一幅雷达仰角在0.5至19.5范围内的多普勒雷达径向速度图像的文字信息中,读取该图像获取时多普勒雷达仰角值,记为
;读取多普勒雷达分辨率,记为r;
(a2)计算所述的多普勒雷达径向速度图像的宽度(单位:像素)和高度(单位:像素),从读入的多普勒雷达径向速度图像的左上角第一个像素开始,向右向下裁剪图像,将读入的多普勒雷达径向速度图像裁剪成两个部分:一是只包含多普勒速度区域的图像部分;一是多普勒雷达径向速度图像颜色表和文字信息部分;
(a3)选用结构元素,对只包含多普勒速度区域的图像进行“开运算”形态学滤波,滤除图像上的噪声,将去噪后的图像作为待分析图像。
(b)待分析图像二值化步骤,具体包括:
(b1)根据所述的多普勒雷达径向速度图像的颜色表,读取正速度颜色索引范围,记为[p1,p2];读取负速度颜色索引范围,记为[n1,n2];其中,p1为正速度颜色索引下限,p2为正速度颜色索引上限,n1为负速度颜色索引下限,n2为负速度颜色索引上限;
(b2)采用双阈值法,对待分析图像区域进行二值化运算:即由p1作为阈值下限,p2作为阈值上限,将待分析图像中阈值范围内的像素赋值为1,阈值范围外的像素值赋值为0,得到一幅正向风场区域二值图像;由n1作为阈值下限,n2作为阈值上限,将待分析图像中阈值范围内的像素赋值为1,阈值范围外的像素值赋值为0,得到一幅负向风场区域二值图像。
(c)逆风区检测步骤,具体包括:
(c1)采用形态学孔洞填充方法,分别对(b2)中得到的正向风场区域二值图像和负向风场区域二值图像进行邻域孔洞填充,得到填充后的正向风场区域二值图像和填充后的负向风场区域二值图像;
(c2)将(c1)中填充后的正向风场区域二值图像和(b2)中负向风场区域二值图像进行逻辑“与”运算,得到一幅二值图像,即为以负速度为中心的逆风区图像,记为I1;
(c3)将(c1)中填充后的负向风场区域二值图像和(b2)中正向风场区域二值图像进行逻辑“与”运算,得到一幅二值图像,即为以正速度为中心的逆风区图像,记为I2;
(c4)将(c2)步骤得到的图像I1和(c3)步骤得到的图像I2进行逻辑“或”运算,得到待分析图像的逆风区区域初步检测结果二值图像。
(d)逆风区突出显示步骤,具体包括:
(d1)计算(c4)所述待分析图像的逆风区区域初步检测结果二值图像中像素值为1的各连通区域面积;
(d2)根据气象观测需要确定以天气尺度为单位的逆风区面积,将(d1)所述面积值与(a1)所述仰角下多普勒雷达图像分辨率r相乘,得到以像素为单位的逆风区观测面积尺度阈值;
(d3)在(c4)所述待分析图像的逆风区区域初步检测结果二值图像中,将大于或等于(d1)所述逆风区面积尺度阈值的区域赋值为1;将小于(d1)所述逆风区面积尺度阈值的区域赋值为0,得到重新赋值的逆风区区域检测结果二值图像;
(d4)将(a1)所述待分析图像各像素值冲蚀后与(d3)中重新赋值的逆风区区域检测结果二值图像相加合成,得到突出显示逆风区区域的多普勒雷达径向速度图像。
附图说明
图1为本发明的多普勒雷达图像逆风区检测方法步骤框图。
图2为本发明提供的形态学和逻辑运算组合操作步骤流程图。
图3为本发明具体实施例过程流程图。
图4为本发明实施例的一幅多普勒雷达原始图像。
图4-1原始彩色图像。
图4-2为图4-1的灰度化显示。
图5为本发明方法在图4所示图像上的实施结果图像。
图5-1实施结果彩色图像。
图5-2为图5-1的灰度化显示。
具体实施方式
现对本发明的基于形态学和逻辑运算组合操作的多普勒雷达图像逆风区检测方法具体实现予以详细描述。
图2为本发明所提供的形态学和逻辑运算组合操作步骤的流程图,参照图2。
本发明为自动分析和检测逆风区提供了一种基于形态学和逻辑运算组合操作的多普勒气象雷达图像逆风区检测方法。在获取待分析图像步骤和待分析图像二值化步骤之后,进行形态学和逻辑运算组合操作步骤,其步骤具体流程描述如下:
(1)采用形态学孔洞填充方法,分别对待分析图像二值化步骤中得到的正向风场区域二值图像和负向风场区域二值图像进行8邻域孔洞填充,得到填充后的正向风场区域二值图像和填充后的负向风场区域二值图像;
(2)将填充后的正向风场区域二值图像和图像二值化步骤中负向风场区域二值图像进行逻辑“与”运算,得到一幅二值图像,记作以负速度为中心的逆风区图像I1;将填充后的负向风场区域二值图像和图像二值化步骤中中正向风场区域二值图像进行逻辑“与”运算,得到一幅二值图像,记作以正速度为中心的逆风区图像I2;
(3)将图像I1和图像I2进行逻辑“或”运算,得到待分析图像的逆风区区域检测结果二值图像;
(4)计算待分析图像的逆风区区域检测结果二值图像中像素值为1的各连通区域面积;
(5)设置逆风区尺度参数,即根据气象观测需要确定以天气尺度为单位的逆风区面积,将该面积值与仰角下多普勒雷达图像的分辨率r相乘,得到以像素为单位的需要观测的逆风区面积尺度阈值;
(6)在待分析图像的逆风区区域检测结果二值图像中,比较各连通区域面积与逆风区面积尺度阈值的大小;“大于或等于”,则将连通域内所有像素赋值为1;“小于”,则将连通域内所有像素赋值为0,得到重新赋值的逆风区区域检测结果二值图像。
(7)将步骤(6)重新赋值的图像与冲蚀后的待分析图像相加合成,得到突出显示逆风区区域位置和面积尺度的检测结果图像。
(8)选择是否重新设置逆风区尺度参数。“是”,则转向步骤(5),“否”,则保存当前结果图像;
(9)结束。
图3为本发明的具体实施例过程流程图,参照图3。
采用本发明提供的基于形态学和逻辑运算组合操作的多普勒雷达图像逆风区检测方法,具体实施例过程步骤如下:
步骤1:读入一幅多普勒雷达径向速度图像,采用图像裁剪、形态学滤波方法除去图像噪声,得到只包含多普勒速度区域的图像作为待分析图像的步骤。具体步骤为:
(a1)读入一幅多普勒雷达径向速度图像,从图像的文字信息中读取雷达仰角值为0.5,记作=0.5,读取雷达分辨率为1.00km,记为r=1.00km;计算读入的仅包含多普勒雷达径向速度区域的图像宽度为512像素,高度为512像素,从该多普勒雷达径向速度图像的左上角第一个像素开始,向右向下截取512个像素,将读入的多普勒雷达径向速度图像裁剪成两个部分:一是只包含多普勒速度区域的图像部分;一是多普勒雷达径向速度图像颜色表和文字信息部分;将只包含多普勒速度区域的图像作为后续的待分析图像,图像大小为512Ï512像素;
(a2)选用尺度为3个像素的正方形结构元素,对整幅待分析图像进行“开运算”形态学滤波,滤除待分析图像上的噪声,排除一些杂波、细小杂点和极坐标轴线。
步骤2:采用双阈值方法,对待分析图像进行两次二值化运算,得到一幅正向风场区域二值图像和一幅负向风场区域二值图像。具体步骤为:
(b1)根据所述读入的多普勒雷达径向速度图像的颜色板,读取负速度场对应的索引范围是[1,6],正速度场对应的索引范围是[9,14],零速度场对应的索引范围是[7,8],无效速度场对应的索引值为15,黑色区域对应索引为0;因此,正速度颜色索引范围,记为[9,14];读取负速度颜色索引范围,记为[1,6];其中,9为正速度颜色索引下限,14为正速度颜色索引上限,1为负速度颜色索引下限,6为负速度颜色索引上限。
(b2)采用双阈值法,对待分析图像区域进行二值化运算:即由9作为阈值下限,14作为阈值上限,将待分析图像中阈值范围内的像素赋值为1,阈值范围外的像素值赋值为0,得到一幅正向风场区域二值图像;由1作为阈值下限,6作为阈值上限,将待分析图像中阈值范围内的像素赋值为1,阈值范围外的像素值赋值为0,得到一幅负向风场区域二值图像。
步骤3:对正向风场区域二值图像和负向风场区域二值图像进行二值形态学运算和逻辑运算的组合操作,分析检测待分析图像中逆风区区域,得到逆风区初步检测结果二值图像。具体步骤为:
(c1)采用形态学孔洞填充方法,分别对(b2)中得到的正向风场区域二值图像和负向风场区域二值图像进行8邻域孔洞填充,得到填充后的正向风场区域二值图像和填充后的负向风场区域二值图像;
(c2)将(c1)中填充后的正向风场区域二值图像和(b2)中负向风场区域二值图像进行逻辑“与”运算,得到一幅二值图像,记作以负速度为中心的逆风区图像I1;
(c3)将(c1)中填充后的负向风场区域二值图像和(b2)中正向风场区域二值图像进行逻辑“与”运算,得到一幅二值图像,记作以正速度为中心的逆风区图像I2;
(c4)将(c2)步骤得到的图像I1和(c3)步骤得到的图像I2进行逻辑“或”运算,得到逆风区区域初步检测结果二值图像。
步骤4:在逆风区区域初步检测结果二值图像中,突出显示大于某一以像素为单位的逆风区面积尺度阈值的逆风区区域,并与冲蚀后的待分析图像相加合成,得到突出显示逆风区区域的多普勒雷达径向速度图像。具体步骤为:
(d1)计算(c4)所述待分析图像的逆风区区域初步检测结果二值图像中像素值为1的各连通区域面积;
(d2)根据气象观测需要确定以天气尺度为单位的逆风区面积,本例设置为50(单位:公里/km),将该面积值与(a1)所述仰角为0.5度下多普勒雷达图像的分辨率1.00km相乘,得到以像素为单位的需要观测的逆风区面积尺度阈值为50(单位:像素);
(d3)在(c4)所述待分析图像的逆风区区域初步检测结果二值图像中,将连通域面积大于或等于50个像素的区域赋值为1;将连通域面积小于50个像素的区域赋值为0,得到重新赋值的逆风区区域检测结果二值图像;
(d4)将(d3)中重新赋值的逆风区区域检测结果二值图像与(a1)所述待分析图像各像素值冲蚀为原来的四分之一后相加合成,得到突出显示逆风区区域的多普勒雷达径向速度图像。
本发明方法综合采用了数学形态学和逻辑运算的特殊组合操作方法,能够快速且较准确的检测多普勒雷达图像上的逆风区区域,具有算法简单、速度快、准确率高、易于软硬件实现等特点。可以很方便的应用到个人计算机或者移植到嵌入式系统中,为实现多普勒雷达图像逆风区迅速且准确地自动检测提供了基础技术支持。
图4-1为本发明的多普勒气象雷达图像的原始彩色图像,实施时直接使用多普勒雷达原始彩色图像进行处理和分析。
图4-2为图4-1的灰度化显示。
图5-1为本发明方法在图4-1所示图像上的实施结果,检测到的逆风区区域用白色突出显示。
图5-2为实施结果的灰度化显示。
具体应用实例如下:
数据构成:2005-2011年,湖南地区,长沙雷达站多普勒雷达图像47幅(含逆风区图像45幅,无逆风区图像2幅),图像分辨率均为1.00km,雷达仰角包括有0.5、1.5、2.4、6.0。
处理平台:采用本发明提供的方法,在个人计算机上使用MATLAB计算机程序设计语言设计开发的应用软件。
作用:2005-2011年,湖南地区,长沙雷达站多普勒雷达图像47幅(含逆风区图像45幅,无逆风区图像2幅),实现了逆风区快速准确的检测,生成逆风区检测结果图像。
效果:图4-1为本例中一幅多普勒雷达原始彩色图像,雷达仰角值为0.5,雷达分辨率为1.00km;图4-2为多普勒雷达原始图像的灰度化显示;图5-1为利用本发明方法对图4-1的多普勒雷达原始彩色图像逆风区检测的结果图像,图5-2为结果图像的灰度化显示。本实施例中检测出的符合设置尺度要求的逆风区区域在结果图像中用白色突出显示。
采用本发明提供的方法,对47幅长沙雷达站多普勒雷达图像进行逆风区检测,逆风区检测结果正确率达到了89%,方法的漏检率为4.2%,错误率为6.3%。本发明提供的方法对多普勒雷达图像逆风区自动检测具有较高的可靠性,较低的漏检率和误检率,对实现多普勒雷达图像逆风区自动检测具有重要意义和实用价值。
最后说明:上面的描述是用于实现本发明及其实施例,本发明的范围不应该由该描述来限定。本领域的技术人员应该理解,在不脱离本发明范围的任何的修改或局部替换,均属本发明要求权利限定的范围。
Claims (3)
1.基于形态学和逻辑运算的多普勒雷达图像逆风区检测方法,其特征是,包括步骤:
(a)获取待分析图像步骤:读入一幅多普勒雷达径向速度图像,采用图像裁剪方法去除色板、文字信息;采用形态学滤波方法去除图像噪声,得到只包含多普勒速度区域的图像,作为待分析图像;
(b)待分析图像二值化步骤:采用双阈值方法,对待分析图像进行二值化运算,得到一幅正向风场区域二值图像和一幅负向风场区域二值图像;
(c)逆风区检测步骤:采用对正向风场区域二值图像和负向风场区域二值图像进行二值形态学运算和逻辑运算的组合操作方法,检测待分析图像中逆风区区域,得到逆风区初步检测结果二值图像;
(d)逆风区突出显示步骤:在逆风区初步检测结果二值图像中,计算像素值为1的各连通域面积,将连通域面积大于或等于设定逆风区面积尺度阈值的区域像素赋值为1,小于设定面积尺度阈值的区域像素赋值为0;然后,将该重新赋值的图像与颜色冲蚀后的待分析图像相加,得到突出显示逆风区区域的多普勒雷达图像;
所述的(b)待分析图像二值化步骤,包括:
(b1)根据所述读入的多普勒雷达径向速度图像的色板,读取正速度颜色索引范围,记为[p1,p2];读取负速度颜色索引范围,记为[n1,n2];其中,p1为正速度颜色索引下限,p2为正速度颜色索引上限,n1为负速度颜色索引下限,n2为负速度颜色索引上限;
(b2)采用双阈值法,对待分析图像区域进行二值化运算:即由p1作为阈值下限,p2作为阈值上限,将待分析图像中阈值范围内的像素赋值为1,阈值范围外的像素值赋值为0,得到正向风场区域二值图像;由n1作为阈值下限,n2作为阈值上限,将待分析图像中阈值范围内的像素赋值为1,阈值范围外的像素值赋值为0,得到负向风场区域二值图像;
所述的(c)逆风区检测步骤,包括:
(c1)采用形态学孔洞填充方法,分别对(b2)中得到的正向风场区域二值图像和负向风场区域二值图像进行8邻域孔洞填充,得到填充后的正向风场区域二值图像和填充后的负向风场区域二值图像;
(c2)将(c1)中填充后的正向风场区域二值图像和(b2)中负向风场区域二值图像进行逻辑“与”运算,得到一幅二值图像,即为以负速度为中心的逆风区图像,记为I1;
(c3)将(c1)中填充后的负向风场区域二值图像和(b2)中正向风场区域二值图像进行逻辑“与”运算,得到一幅二值图像,即为以正速度为中心的逆风区图像,记为I2;
(c4)将(c2)步骤得到的图像I1和(c3)步骤得到的图像I2进行逻辑“或”运算,得到待分析图像的逆风区区域初步检测结果二值图像。
2.如权利要求1所述的基于形态学和逻辑运算的多普勒雷达图像逆风区检测方法,其特征在于,所述的(a)获取待分析图像步骤,包括:
(a1)读入一幅多普勒雷达径向速度图像,从图像的文字信息中读取雷达仰角值,记为
,读取雷达分辨率,记为r;计算所述读入的多普勒雷达径向速度图像的宽度、高度,从读入的多普勒雷达径向速度图像的左上角第一个像素开始,向右向下裁剪图像,将读入的多普勒雷达径向速度图像裁剪成两个部分:一是只包含多普勒速度区域的图像部分;一是多普勒雷达径向速度图像色板、文字信息部分;将只包含多普勒速度区域的图像部分作为后续的待分析图像;
(a2)选用小尺度的正方形结构元素,对整幅待分析图像进行“开运算”形态学滤波,滤除待分析图像上的噪声。
3.如权利要求2所述的基于形态学和逻辑运算的多普勒雷达图像逆风区检测方法,其特征在于,所述的(d)逆风区突出标注显示步骤,包括:
(d1)计算(c4)所述待分析图像的逆风区区域初步检测结果二值图像中像素值为1的各连通区域面积;
(d2)根据气象观测需要确定以天气尺度为单位的逆风区面积,将该面积值与(a1)所述仰角下多普勒雷达图像的分辨率r相乘,得到以像素为单位的需要观测的逆风区面积尺度阈值;
(d3)在(c4)所述待分析图像的逆风区区域初步检测结果二值图像中,将大于或等于(d2)所述逆风区面积尺度阈值的区域赋值为1;将小于(d2)所述逆风区面积尺度阈值的区域赋值为0,得到重新赋值的逆风区区域检测结果二值图像;
(d4)将(a1)所述待分析图像各像素值冲蚀后与(d3)中重新赋值的逆风区区域检测结果二值图像相加,得到逆风区区域检测结果图像,突出显示逆风区在多普勒雷达图像中的位置和逆风区面积尺度信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210351076.XA CN102945360B (zh) | 2012-09-20 | 2012-09-20 | 基于形态学和逻辑运算的多普勒雷达图像逆风区检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210351076.XA CN102945360B (zh) | 2012-09-20 | 2012-09-20 | 基于形态学和逻辑运算的多普勒雷达图像逆风区检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102945360A CN102945360A (zh) | 2013-02-27 |
CN102945360B true CN102945360B (zh) | 2015-05-20 |
Family
ID=47728299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210351076.XA Expired - Fee Related CN102945360B (zh) | 2012-09-20 | 2012-09-20 | 基于形态学和逻辑运算的多普勒雷达图像逆风区检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102945360B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573692B (zh) * | 2014-12-18 | 2020-04-10 | 厦门翼歌软件科技有限公司 | 一种基于模糊退化模型的车牌二值化方法 |
CN108508427B (zh) * | 2018-07-04 | 2020-07-07 | 烟台雷奥电子科技有限公司 | 一种基于导航雷达的海冰区域检测方法、装置及设备 |
CN111736156B (zh) * | 2020-08-17 | 2020-11-20 | 南京信大气象科学技术研究院有限公司 | 一种基于天气雷达的逆风区识别方法与装置 |
CN113296087B (zh) * | 2021-05-25 | 2023-09-22 | 沈阳航空航天大学 | 一种基于数据增强的调频连续波雷达人体动作识别方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7557735B1 (en) * | 2006-09-05 | 2009-07-07 | Rockwell Collins, Inc. | Predictive and reactive windshear detection system and method |
-
2012
- 2012-09-20 CN CN201210351076.XA patent/CN102945360B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7557735B1 (en) * | 2006-09-05 | 2009-07-07 | Rockwell Collins, Inc. | Predictive and reactive windshear detection system and method |
Non-Patent Citations (2)
Title |
---|
基于多普勒雷达径向速度图的风暴信息提取;胡大海;《中国优秀硕士学位论文全文数据库基础科学辑》;20120315;第34页第3行,第23-24行,第37页第7-8行,第38页第4-8行以及附图4-8,4-9 * |
洪丽华等.一种基于形态学的彩色图像去噪算法.《云南民族大学学报(自然科学版)》.2009,第18卷(第1期),第93页,左栏第7-12行,25-26行,右栏第32-25行,图2-图6. * |
Also Published As
Publication number | Publication date |
---|---|
CN102945360A (zh) | 2013-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105785411B (zh) | 一种基于区域划分的异常轨迹检测方法 | |
Ke et al. | A review of methods for automatic individual tree-crown detection and delineation from passive remote sensing | |
CN103164692B (zh) | 一种基于计算机视觉的特种车辆仪表自动识别系统及方法 | |
Scholar | Review and analysis of crack detection and classification techniques based on crack types | |
CN102945360B (zh) | 基于形态学和逻辑运算的多普勒雷达图像逆风区检测方法 | |
CN104994334A (zh) | 基于实时视频的变电站自动监控方法 | |
CN105678760A (zh) | 一种基于Canny边缘检测算法的绝缘子图像识别方法 | |
CN102176228A (zh) | 一种用于识别多个指针式仪表表盘信息的机器视觉方法 | |
KR102069694B1 (ko) | 영상 분할 기반의 해양 상황 인식 장치 및 그 방법 | |
CN114596555B (zh) | 障碍物点云数据筛选方法、装置、电子设备及存储介质 | |
CN103679167A (zh) | 一种ccd图像处理的方法 | |
CN103886294A (zh) | 基于图像的换流站用避雷器动作次数的识别方法以及系统 | |
Wu et al. | Traffic monitoring and vehicle tracking using roadside cameras | |
CN102193918A (zh) | 视频检索方法和装置 | |
Noroozi et al. | Towards optimal foreign object debris detection in an airport environment | |
CN103425960A (zh) | 一种视频中快速运动物体侦测方法 | |
Feng et al. | Improved SOLOv2 detection method for shield tunnel lining water leakages | |
CN114417981A (zh) | 一种智能河长巡测系统 | |
CN111736156B (zh) | 一种基于天气雷达的逆风区识别方法与装置 | |
CN114155493A (zh) | 基于视频分析技术的大坝流量预警系统及方法 | |
Song et al. | Modeling and optimization of semantic segmentation for track bed foreign object based on attention mechanism | |
CN115841609A (zh) | 基于红外热图像分析的石化区火源检测方法、系统及应用 | |
CN112734745B (zh) | 一种融合gis数据的无人机热红外影像供暖管道泄漏探测方法 | |
CN114913233A (zh) | 图像处理方法、装置、设备、介质及产品 | |
CN113917567A (zh) | 一种网格化暴雨预警方法、系统、电子设备及介质 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150520 Termination date: 20170920 |