CN103065314A - 一种基于线描述子的图像连通域快速标记方法 - Google Patents
一种基于线描述子的图像连通域快速标记方法 Download PDFInfo
- Publication number
- CN103065314A CN103065314A CN2012105801952A CN201210580195A CN103065314A CN 103065314 A CN103065314 A CN 103065314A CN 2012105801952 A CN2012105801952 A CN 2012105801952A CN 201210580195 A CN201210580195 A CN 201210580195A CN 103065314 A CN103065314 A CN 103065314A
- Authority
- CN
- China
- Prior art keywords
- line segment
- pixel
- value
- current
- 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.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于线描述子的图像连通域快速标记方法,它将图像中的局部连通域提取成线描述子的方式进行表达和归并,从而减少了图像连通域标记过程中的像素点访问数量,减少了内存带宽的需求,提高了内存的访问效率,配合带有路径压缩启发式策略的并查集归并算法,获得了较目前业界领先的算法更好的标记速度,同时其自身的附加内存开销为0。
Description
技术领域
本发明涉及图像处理领域中的一种基于线描述子的图像连通域快速标记方法。
背景技术
图像连通域标记是整个图像处理中最基本最常见的关键环节之一。在图像处理和机器视觉领域,图像连通域标记过程是完成将图像中像素级的信息转变为区域级信息的必要步骤之一,是图像识别应用中从底层像素处理过程到高层模式识别过程过渡的关键环节。其应用非常广泛,经常出现在很多图像处理与机器视觉的应用场景中。它的主要作用在于将前期经过背景压制和分割后产生的感兴趣区域进行遍历、标记和表达,进一步为高层的分类和识别等算法提供原始数据和参数。一个常规图像识别应用的主要处理流程为:单幅图像或图像序列首先经过前期成像/显示预处理(如稳像、超分辨率、对比度增强等等),得到有利于后期处理的图像场景,然后通过各种背景抑制手段(如滤波、背景估计、频域处理等等),得到背景压制目标增强的新图像,进而采用各种分割算法将目标区域与背景分离,得到二值化或多值化的已分割图像,接着对该已分割图像进行连通域标记,最后对该标记后的图像进行区域参数统计,将该统计信息送入高层分类算法得到最终的识别结果。连通域标记的应用非常广泛,经常出现在很多图像处理与机器视觉的应用中,比如,机器人技术,监控系统,人脸的检测与识别,文字处理与识别,车牌识别,遥感图像处理,医学图像分析,工业检测,自动目标识别与跟踪,扶助驾驶技术,视频处理等等。由于一幅图像中可能具有的复杂几何形状和多种多样的连通可能性,标记算法被认为是比其他诸如去噪、插值、边缘检测、门限分割等基本操作更费时的环节,而且是一个串行度很强的操作,不能降解为纯粹的并行化局部操作来完成,而必须需要一定的串行和全局性操作。
目前的学术界和工业界对于图像连通域标记算法的研究主要集中在如何提高标记的速度上,在同一计算平台下如何获得更快的标记速度,更小的内存开销是业界关注的重点。
发明内容
本发明的目的是提供一种基于线描述子的图像连通域快速标记方法,在减少额外的数据存储空间的同时,进一步提高了图像连通域标记的性能,获得了目前为止业界领先的性能。
为实现本发明的目的采用了以下技术方案:
一种基于线描述子的图像连通域快速标记方法,其特征在于,包括以下步骤:
步骤一,扫描图像的当前行,将当前行中遇到的连续的前景点所组成的局部连通区域提取成由3个元素所表达的数据结构;其中,所述的局部连通区域,也称之为线段;所述的数据结构,也称之为线描述子;
步骤二,遍历上一行中的相应各线段,并依次与当前线段进行连通分析,遍历的顺序为从左到右;其中,如果上一行某一线段经连通分析发现与当前线段具有连通关系,则执行步骤三;否则,执行步骤四;
步骤三,将当前线段合并到其上一行线段所属连通域中,如果当前线段已属于之前某个连通域,则需查找当前上一行线段所属连通域的根节点,并进行判断,将其中一个根节点值较大的连通域合并至根节点值较小的连通域,此步骤完成后返回步骤二;
步骤四,判断当前所遍历的上行中的线段是否超出当前线段的范围或者到达上一行尽头,如果是则进入步骤五,否则返回步骤二;
步骤五,判断当前行是否扫描结束,如果不是返回步骤一,如果是则进一步判断是否为图像最后一行,如果不是则继续处理下一行,返回步骤一,如果是则第一阶段工作结束,进入步骤六;
步骤六,从第一行开始依次遍历各个线段,通过当前线段中前三个像素所保存的值获得当前线段的数据结构体信息,以结构体中保存的根节点值为起始点,找到所属连通域的最终根节点,并依顺序赋予一个连续的标记值,并将该标记值赋给刚才所经查找路径上的所有节点,该阶段完成后进入步骤七;
步骤七,判断其数据结构中保存的长度信息,将所赋予的标记值传播给该线段中的所有像素点,如果该线段长度小于2个像素,还须将该线段结尾的第一个背景点的像素值更改为背景值;然后判断是否整幅图像中的线段是否遍历结束,如果不是则返回步骤六,否则整幅图像的标记工作结束。
优选的,上述方法在所述步骤一中的有关3个元素的数据结构,其具体情况为:
该数据结构由3个数据元素所组成,分别为LP、nLP和Len;其中LP代表当前线段的链接点,nLP代表当前线段的下一个临近线段的链接点位置值,称为跳点,Len代表当前线段的长度值减2后的数值。
优选的,上述方法中,当前线段的前3个像素将会被依次替换为LP、nLP、Len三个元素;具体采用如下方式来构建该线段的数据结构:
A、该线段的第一个像素用于保存连接点LP;
B、在该线段的第一个像素之后的第二个像素用于保存跳点nLP;如果当前线段的长度大于等于2,则在第二个像素中所装载的跳点数值为该数值本身;如果当前线段的长度小于2,则在第二个像素中所装载的跳点数值为该数值的负数;
C、在该线段的第一个像素之后的第三个像素用以保存该线段的长度Len;如果当前线段的长度小于等于2,则不对该线段的第一个像素之后的第三个像素进行任何修改。
优选的,上述方法在步骤二中所述的连通关系判断,其具体情况为:
在找到第一个线段的起点位置之后,即可获得紧邻其后的下一个跳点位置;这样当前行中的所有线段都会以跳点链接的形式联系在一起,而不须再进行任何搜索遍历找到下一个线段位置;在进行局部连通关系判别的时候,上一行的跳点信息被保存在临时变量中,将获取的上一行线段的位置信息记为upLP,上一行线段的长度信息记为upLen,在获得当前的位置信息LP和Len之后,当前线段如果与上一行线段连通须满足以下条件:
其中N为图像列数。
本发明与现有技术相比的有益效果为:
(1)该方法能获得比现有文献中提及的最好的算法更好的处理速度;
(2)该方法同时还具有不需要开辟额外的附加数据存储空间的特点,所有操作数据操作均在原图中完成。
附图说明
图1是一个基于本发明处理的图像中间结果与最终结果的示意图。
具体实施方式
图像连通域标记的过程是将图像中具有连通关系的图像像素子集赋予唯一的标记值,所有不具有连通关系的图像像素子集赋予不同的标记值的过程。其中原始图像包含有前景(目标)像素和背景像素。前景像素的像素值称之为前景值;背景像素的像素值称之为背景值。一般来说,背景值为0。
图像连通域的标记问题,从算法理论角度讲,其实质是一个并查集问题。并查集又称为不相交集合。在某些应用需求中,如图像连通域标记应用,需要将n个不同的元素划归为一组不相交的集合,该不相交集合上有两种重要的操作,即找出给定的元素所属的集合和合并这两个集合。每个集合可以通过一个代表来识别,该代表是集合中的某个成员。在图像连通域标记中,某一像素所在集合的代表称之为该像素所属连通域的根节点。
以下结合附图对本发明做进一步的说明。
如图1所示,以一个16X16图像的部分片段为例,介绍本方法的工作过程。
本方法分为两个阶段,每个阶段完成对图像的一次遍历。如图1所示,第一个子图是表示原始的二值图像数据,第二、三个子图表示本方法的第一阶段的中间结果和第一阶段的最终结果。如图1所示,在图像处理过程中所有按行扫描方式遍历时遇到的单个或连续的一系列前景点都被抽取成了“线描述子”的形式,其中,这些单个或连续的前景点都可以被看作是“线”。其表示方法为,该连续前景点的第一个像素内保存该第一个像素的一维全局坐标值,如果为单个前景点则就是该像素自身的一维全局坐标值;其后的第二个像素内保存的为下一个“线描述子”的第一个像素的一维全局坐标值;其后的第三个像素内保存的是从当前第三个像素起,后续连续前景点的数目。如果当前“线”的长度为2,则第三个像素自然为0,即背景点不变;如果当前“线”的长度为1,则不但第三个像素点为0,第二个像素点的值也还需变为下一个“线”的起点的一维全局坐标值的负数。图1中的第二个子图表示了采用该提取方法处理图像后得到的结果。第三个子图表示了各个以“线”为单位的局部连通域被归并后的结果。其大致过程为:首先判断上下两行间的局部连通域是否具有连通关系,如果存在连通关系,则进行归并;否则继续搜索连通关系。归并的过程为:找到各自局部连通域所属的最终根,将根值较大的局部连通域的根值替换为较小的那一个。其得到的最终结果如图1中第三个子图所示,其也是本方法第一阶段的最终结果。
第二阶段也按行扫描方式工作。首先,依次按行扫描方式读入图像的各个像素,找到第一个局部连通域的起始像素,并读出该像素值得到起始地址addri。从第一个局部连通域起,在获得起始地址addri后,依次读出addri至addri+2的内容,将其分别保存至临时变量currentSP、currentNLP和currentLen。然后,以currentSP中保存的值为起始点,找到所属连通域的最终根节点,并依赋值的顺序赋予一个与之前赋值相连续的标记值,并将该标记值赋给刚才所经查找路径上的所有节点,该值为负数。该工作完成后,判断当前的currentNLP值是否为负数,如果为负数则将addri+1处的值修改为背景值,然后以currentNLP的绝对值为地址寻址下一个局部连通域,继续进行上面过程;如果currentNLP值为正数,则将addri+1处的值修改为获得的最终标记值,然后根据currentLen的值,将该标记值向后传播与currentLen值相同的距离。最后,重复以上过程直至整幅图像中所有局部连通域遍历结束。这时将获得最终标记后的完整结果,如图1中的最后一个子图所示。
Claims (4)
1.一种基于线描述子的图像连通域快速标记方法,其特征在于,包括以下步骤:
步骤一,扫描图像的当前行,将当前行中遇到的连续的前景点所组成的局部连通区域提取成由3个元素所表达的数据结构;其中,所述的局部连通区域,也称之为线段;所述的数据结构,也称之为线描述子;
步骤二,遍历上一行中的相应各线段,并依次与当前线段进行连通分析,遍历的顺序为从左到右;其中,如果上一行某一线段经连通分析发现与当前线段具有连通关系,则执行步骤三;否则,执行步骤四;
步骤三,将当前线段合并到其上一行线段所属连通域中,如果当前线段已属于之前某个连通域,则需查找当前上一行线段所属连通域的根节点,并进行判断,将其中一个根节点值较大的连通域合并至根节点值较小的连通域,此步骤完成后返回步骤二;
步骤四,判断当前所遍历的上行中的线段是否超出当前线段的范围或者到达上一行尽头,如果是则进入步骤五,否则返回步骤二;
步骤五,判断当前行是否扫描结束,如果不是返回步骤一,如果是则进一步判断是否为图像最后一行,如果不是则继续处理下一行,返回步骤一,如果是则第一阶段工作结束,进入步骤六;
步骤六,从第一行开始依次遍历各个线段,通过当前线段中前三个像素所保存的值获得当前线段的数据结构体信息,以结构体中保存的根节点值为起始点,找到所属连通域的最终根节点,并依顺序赋予一个连续的标记值,并将该标记值赋给刚才所经查找路径上的所有节点,该阶段完成后进入步骤七;
步骤七,判断其数据结构中保存的长度信息,将所赋予的标记值传播给该线段中的所有像素点,如果该线段长度小于2个像素,还须将该线段结尾的第一个背景点的像素值更改为背景值;然后判断是否整幅图像中的线段是否遍历结束,如果不是则返回步骤六,否则整幅图像的标记工作结束。
2.根据权利要求1所述的一种基于线描述子的图像连通域快速标记方法,其特征在于:步骤一中所述3个元素的数据结构,其具体情况为:
该数据结构由3个数据元素所组成,分别为LP、nLP和Len;其中LP代表当前线段的链接点,nLP代表当前线段的下一个临近线段的链接点位置值,称为跳点,Len代表当前线段的长度值减2后的数值。
3.根据权利要求2所述的一种基于线描述子的图像连通域快速标记方法,其特征在于:当前线段的前3个像素将会被依次替换为LP、nLP、Len三个元素;具体采用如下方式来构建该线段的数据结构:
A、该线段的第一个像素用于保存连接点LP;
B、在该线段的第一个像素之后的第二个像素用于保存跳点nLP;如果当前线段的长度大于等于2,则在第二个像素中所装载的跳点数值为该数值本身;如果当前线段的长度小于2,则在第二个像素中所装载的跳点数值为该数值的负数;
C、在该线段的第一个像素之后的第三个像素用以保存该线段的长度Len;如果当前线段的长度小于等于2,则不对该线段的第一个像素之后的第三个像素进行任何修改。
4.根据权利要求1所述的一种基于线描述子的图像连通域快速标记方法,其特征在于,步骤二中所述的连通关系判断,其具体情况为:
在找到第一个线段的起点位置之后,即可获得紧邻其后的下一个跳点位置;这样当前行中的所有线段都会以跳点链接的形式联系在一起,而不须再进行任何搜索遍历找到下一个线段位置;在进行局部连通关系判别的时候,上一行的跳点信息被保存在临时变量中,将获取的上一行线段的位置信息记为upLP,上一行线段的长度信息记为upLen,在获得当前的位置信息LP和Len之后,当前线段如果与上一行线段连通须满足以下条件:
其中N为图像列数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210580195.2A CN103065314B (zh) | 2012-12-28 | 2012-12-28 | 一种基于线描述子的图像连通域快速标记方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210580195.2A CN103065314B (zh) | 2012-12-28 | 2012-12-28 | 一种基于线描述子的图像连通域快速标记方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103065314A true CN103065314A (zh) | 2013-04-24 |
CN103065314B CN103065314B (zh) | 2015-07-15 |
Family
ID=48107931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210580195.2A Active CN103065314B (zh) | 2012-12-28 | 2012-12-28 | 一种基于线描述子的图像连通域快速标记方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103065314B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127826A (zh) * | 2016-06-27 | 2016-11-16 | 安徽慧视金瞳科技有限公司 | 一种用于投影交互系统的连通域标记方法 |
CN106127728A (zh) * | 2016-06-07 | 2016-11-16 | 电子科技大学 | 一种海空背景下的红外图像海天线连通域检测方法 |
CN106127786A (zh) * | 2016-07-04 | 2016-11-16 | 大连理工大学 | 一种复杂连通区域特征的快速标定与提取方法 |
CN106203336A (zh) * | 2016-07-11 | 2016-12-07 | 陕西科技大学 | 一种基于灰度图像标记的矿井巷道灯识别方法 |
CN106203451A (zh) * | 2016-07-14 | 2016-12-07 | 深圳市唯特视科技有限公司 | 一种图像区域特征提取及特征匹配的方法 |
CN106778769A (zh) * | 2016-11-23 | 2017-05-31 | 北京电子工程总体研究所 | 一种基于fpga的弹上图像连通域提取方法 |
CN106815580A (zh) * | 2016-12-23 | 2017-06-09 | 上海集成电路研发中心有限公司 | 一种车牌定位方法 |
CN107564015A (zh) * | 2017-08-24 | 2018-01-09 | 佛山市国方商标软件有限公司 | 一种基于多色级图像连通域的分割和标记方法及装置 |
CN108305265A (zh) * | 2018-01-15 | 2018-07-20 | 清华大学 | 微弱小目标图像实时处理方法及系统 |
CN109102540A (zh) * | 2018-08-16 | 2018-12-28 | 杭州电子科技大学 | 基于fpga的标记面积块下限分离分道方法 |
CN109215075A (zh) * | 2017-06-30 | 2019-01-15 | 沈阳新松机器人自动化股份有限公司 | 工业机器人物料抓取中工件的定位识别系统及方法 |
CN110736688A (zh) * | 2019-10-25 | 2020-01-31 | 陕西科技大学 | 一种原油乳状液粒径检测方法、装置及可读存储介质 |
CN111213178A (zh) * | 2019-03-29 | 2020-05-29 | 深圳市大疆创新科技有限公司 | 连通域处理方法、数据处理设备及计算机可读存储介质 |
CN113793316A (zh) * | 2021-09-13 | 2021-12-14 | 合肥合滨智能机器人有限公司 | 一种超声扫查区域提取方法、装置、设备和存储介质 |
CN116489288A (zh) * | 2023-06-20 | 2023-07-25 | 北京医百科技有限公司 | 求图像中最大连通域的方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101290656A (zh) * | 2008-05-23 | 2008-10-22 | 北京大学深圳研究生院 | 一种用于版面分析中的连通区域提取方法及装置 |
CN101957995A (zh) * | 2010-10-14 | 2011-01-26 | 华中科技大学 | 一种图像中关联像素点的检测提取方法及其应用 |
-
2012
- 2012-12-28 CN CN201210580195.2A patent/CN103065314B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101290656A (zh) * | 2008-05-23 | 2008-10-22 | 北京大学深圳研究生院 | 一种用于版面分析中的连通区域提取方法及装置 |
CN101957995A (zh) * | 2010-10-14 | 2011-01-26 | 华中科技大学 | 一种图像中关联像素点的检测提取方法及其应用 |
Non-Patent Citations (3)
Title |
---|
H.L. ZHAO, ET AL.: "Stripe-based connected components labelling", 《ELECTRONICS LETTERS》 * |
HUALONG ZHAO, ET AL.: "A Novel Algorithm and Its VLSI Architecture for Connected Component Labeling", 《PROC. OF SPIE》 * |
陆宗骐 等: "使用线段表实现线段编码与种子填充快速算法", 《中国图象图形学报》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127728A (zh) * | 2016-06-07 | 2016-11-16 | 电子科技大学 | 一种海空背景下的红外图像海天线连通域检测方法 |
CN106127728B (zh) * | 2016-06-07 | 2018-08-17 | 电子科技大学 | 一种海空背景下的红外图像海天线连通域检测方法 |
CN106127826B (zh) * | 2016-06-27 | 2019-01-22 | 安徽慧视金瞳科技有限公司 | 一种用于投影交互系统的连通域标记方法 |
CN106127826A (zh) * | 2016-06-27 | 2016-11-16 | 安徽慧视金瞳科技有限公司 | 一种用于投影交互系统的连通域标记方法 |
CN106127786B (zh) * | 2016-07-04 | 2018-12-18 | 大连理工大学 | 一种复杂连通区域特征的快速标定与提取方法 |
CN106127786A (zh) * | 2016-07-04 | 2016-11-16 | 大连理工大学 | 一种复杂连通区域特征的快速标定与提取方法 |
CN106203336A (zh) * | 2016-07-11 | 2016-12-07 | 陕西科技大学 | 一种基于灰度图像标记的矿井巷道灯识别方法 |
CN106203451A (zh) * | 2016-07-14 | 2016-12-07 | 深圳市唯特视科技有限公司 | 一种图像区域特征提取及特征匹配的方法 |
CN106778769A (zh) * | 2016-11-23 | 2017-05-31 | 北京电子工程总体研究所 | 一种基于fpga的弹上图像连通域提取方法 |
CN106815580A (zh) * | 2016-12-23 | 2017-06-09 | 上海集成电路研发中心有限公司 | 一种车牌定位方法 |
CN109215075A (zh) * | 2017-06-30 | 2019-01-15 | 沈阳新松机器人自动化股份有限公司 | 工业机器人物料抓取中工件的定位识别系统及方法 |
CN109215075B (zh) * | 2017-06-30 | 2021-07-09 | 沈阳新松机器人自动化股份有限公司 | 工业机器人物料抓取中工件的定位识别系统及方法 |
CN107564015A (zh) * | 2017-08-24 | 2018-01-09 | 佛山市国方商标软件有限公司 | 一种基于多色级图像连通域的分割和标记方法及装置 |
CN108305265A (zh) * | 2018-01-15 | 2018-07-20 | 清华大学 | 微弱小目标图像实时处理方法及系统 |
CN108305265B (zh) * | 2018-01-15 | 2020-06-30 | 清华大学 | 微弱小目标图像实时处理方法及系统 |
CN109102540B (zh) * | 2018-08-16 | 2022-01-28 | 杭州电子科技大学 | 基于fpga的标记面积块下限分离分道方法 |
CN109102540A (zh) * | 2018-08-16 | 2018-12-28 | 杭州电子科技大学 | 基于fpga的标记面积块下限分离分道方法 |
CN111213178A (zh) * | 2019-03-29 | 2020-05-29 | 深圳市大疆创新科技有限公司 | 连通域处理方法、数据处理设备及计算机可读存储介质 |
CN110736688A (zh) * | 2019-10-25 | 2020-01-31 | 陕西科技大学 | 一种原油乳状液粒径检测方法、装置及可读存储介质 |
CN110736688B (zh) * | 2019-10-25 | 2022-04-01 | 陕西科技大学 | 一种原油乳状液粒径检测方法、装置及可读存储介质 |
CN113793316A (zh) * | 2021-09-13 | 2021-12-14 | 合肥合滨智能机器人有限公司 | 一种超声扫查区域提取方法、装置、设备和存储介质 |
CN113793316B (zh) * | 2021-09-13 | 2023-09-12 | 合肥合滨智能机器人有限公司 | 一种超声扫查区域提取方法、装置、设备和存储介质 |
CN116489288A (zh) * | 2023-06-20 | 2023-07-25 | 北京医百科技有限公司 | 求图像中最大连通域的方法及装置 |
CN116489288B (zh) * | 2023-06-20 | 2023-09-05 | 北京医百科技有限公司 | 求图像中最大连通域的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103065314B (zh) | 2015-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103065314B (zh) | 一种基于线描述子的图像连通域快速标记方法 | |
CN108470159B (zh) | 车道线数据处理方法、装置、计算机设备和存储介质 | |
Pereira et al. | A deep learning-based approach for road pothole detection in timor leste | |
CN106570453B (zh) | 用于行人检测的方法、装置和系统 | |
CN105931295B (zh) | 一种地质图专题信息提取方法 | |
JP5127182B2 (ja) | 物体検出装置 | |
CN109101932B (zh) | 基于目标检测的多任务及临近信息融合的深度学习方法 | |
CN106971185A (zh) | 一种基于全卷积网络的车牌定位方法及装置 | |
CN104239867A (zh) | 车牌定位方法及系统 | |
CN103258201A (zh) | 一种融合全局和局部信息的表格线提取方法 | |
CN101799968A (zh) | 基于视频图像智能分析的油井入侵检测方法及装置 | |
CN104778470A (zh) | 基于组件树和霍夫森林的文字检测和识别方法 | |
CN105427287B (zh) | 一种基于投影变换的连通域标记方法 | |
CN103106265A (zh) | 相似图像分类方法及系统 | |
CN111462140B (zh) | 一种基于区块拼接的实时图像实例分割方法 | |
CN103761515A (zh) | 一种基于lbp的人脸特征提取方法及装置 | |
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 | |
CN104966054A (zh) | 无人机可见光图像中的弱小目标检测方法 | |
CN101414358A (zh) | 一种基于定向搜索的染色体轮廓检测和提取方法 | |
CN105374030A (zh) | 一种背景模型和运动物体检测方法及系统 | |
CN103913166A (zh) | 一种基于能量分布的星点提取方法 | |
CN104637066A (zh) | 基于序贯细化的二值图像快速骨架提取方法 | |
CN101957995A (zh) | 一种图像中关联像素点的检测提取方法及其应用 | |
CN115984537A (zh) | 图像处理方法、装置及相关设备 | |
CN107145853A (zh) | 一种基于全卷积网络的场景图像文本建议方法 |
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 |