CN103295219A - 图像分割的方法与装置 - Google Patents
图像分割的方法与装置 Download PDFInfo
- Publication number
- CN103295219A CN103295219A CN201210054179XA CN201210054179A CN103295219A CN 103295219 A CN103295219 A CN 103295219A CN 201210054179X A CN201210054179X A CN 201210054179XA CN 201210054179 A CN201210054179 A CN 201210054179A CN 103295219 A CN103295219 A CN 103295219A
- Authority
- CN
- China
- Prior art keywords
- image
- target image
- data model
- pretreatment
- input picture
- 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
Abstract
本发明提供了一种图像分割的方法和装置,用以解决现有技术中的图像分割方法效率不高的问题。该方法包括:对输入图像进行下采样,得到预处理图像;按照预处理图像建立图像数据模型;通过对图像数据模型的计算确定目标图像的边缘轮廓;利用边缘轮廓在预处理图像中的位置确定目标图像在输入图像的位置;按照目标图像在输入图像的位置提取目标图像。采用本发明的技术方案,有助于减少图像分割过程的计算量,从而提高图像分割的速度,有效节省分割时间。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种图像分割的方法与装置。
背景技术
在数字图像应用过程中,人们往往只对一幅图像中的某些部分感兴趣,这些感兴趣的部分一般对应图像中特定的、具有特殊性质的区域,称之为目标图像或前景;而其它部分称为图像的背景。为了辨识和分析目标图像,需要把目标图像从原始图像中分割出来,从而对目标图像进行后期处理。在图像、视频中提取所需目标图像,是对图像、视频进行编辑、修改、制作的前提。
目前已有多种图像分割的方法:
Magic Wand法,通过用户指定的点或者区域计算出一个像素相互连接组成的区域,在该区域中像素满足用户指定区域处的颜色统计的某个范围内,用户交互简单,但是计算合适的颜色统计结果容许范围较为困难,导致分割出的目标图像质量不高。
Intelligent Scissors法,通过用户鼠标移动确定初始的轮廓,然后利用求取最小消耗的方法求取较精确边界,但是用户交互较为复杂,需要用户进行大量的操作。
Graph Cut法,在图像分割领域引入了图论中的思想,将图像分割问题转化为图论中的最大流-最小割问题,通过求解方程得到分割结果。此外,这种方法利用的是图像灰度直方图信息,对于彩色图像,只能将图像首先转换为灰度图像后进行处理,无法利用图像的颜色信息从而降低了结果的准确性。
Grab Cut法,这种方法是对Graph cuts算法的改进,具有分割精度高,交互式操作少的优点,并将分割从灰度图像推广到了彩色图像领域。该方法利用了图像中的纹理(颜色)信息和边界(反差)信息,只要少量的用户交互操作即可得到比较好的分割结果,另外在对图像进行建模时采用混合高斯模型代替了灰度直方图,从而可以直接利用图像中包含更多信息的RGB颜色数据得到更准确的数据。
在现有技术中,MagicWand法和Intelligent Scissors法因为其明显的局限性导致使用范围较小,Grab Cut法作为Graph Cut法的改进,因其步骤少,分割精度高的特点应用越来越广。但是Grab Cut法的效率不高,对于实时性要求较高的用户来说,时间消耗过长。
针对现有技术中存在的图像分割方法效率不高的问题,目前尚未提出有效的解决方案。
发明内容
本发明的主要目的是提供一种图像分割的方法和装置,以解决现有技术中的图像分割方法效率不高的问题。
为了实现上述目的,根据本发明的一个方面,提供了一种图像分割的方法。该方法包括:对输入图像进行下采样,得到预处理图像;按照上述预处理图像建立图像数据模型;通过对图像数据模型的计算确定目标图像的边缘轮廓;利用边缘轮廓在预处理图像中的位置确定目标图像在输入图像的位置;按照目标图像在输入图像的位置提取目标图像。
进一步地,在对输入图像进行下采样之前,该方法还包括:获取用户划定的包含目标图像的图像区域;在得到预处理图像之后还包括:计算包含目标图像的图像区域在预处理图像中的对应区域;以对应区域为中心形成取样区域;按照预处理图像建立图像数据模型包括:按照预处理图像的取样区域内的图像部分建立图像数据模型。
进一步地,用户划定的包含目标图像的图像区域为矩形。
进一步地,利用边缘轮廓在预处理图像中的位置确定目标图像在输入图像的位置包括:对预处理图像进行上采样,得到与输入图像大小相同的对应图像;根据边缘轮廓在对应图像中的位置确定目标图像在输入图像的位置。
进一步地,按照预处理图像建立图像数据模型包括:按照预处理图像建立高斯混合GMM彩色图像数据模型;通过对图像数据模型的计算确定目标图像的边缘轮廓包括:使用Grab Cut算法对GMM彩色图像数据模型计算得到目标图像的边缘轮廓。
进一步地,对输入图像进行下采样使用下列任一种方式进行:邻域平均、像素分除、或像素抽选。
根据本发明的另一个方面,提供了一种图像分割的装置,该装置包括:下采样模块,用于对输入图像进行下采样,得到预处理图像;建模模块,用于按照预处理图像建立图像数据模型;轮廓提取模块,用于通过对图像数据模型的计算确定目标图像的边缘轮廓;位置确定模块,用于利用边缘轮廓在预处理图像中的位置确定目标图像在输入图像的位置;目标图像提取模块,用于按照目标图像在输入图像的位置提取目标图像。
进一步地,上述图像分割的装置还包括:获取模块,用于获取用户划定的包含目标图像的图像区域;区域对应模块,用于计算包含目标图像的图像区域在预处理图像中的对应区域;取样区域形成模块,用于以对应区域为中心形成取样区域;建模模块,还用于按照预处理图像的取样区域内的图像部分建立图像数据模型。
进一步地,建模模块还用于:按照预处理图像建立高斯混合GMM彩色图像数据模型;轮廓提取模块还用于:使用Grab Cut算法对GMM彩色图像数据模型计算得到目标图像的边缘轮廓。
根据本发明的技术方案,对输入图像进行下采样后,建立数据模型,计算提取目标图像,有助于减少图像分割过程的计算量,从而提高图像分割的速度,有效地节省分割时间。
附图说明
说明书附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明第一实施例的图像分割的方法的示意图;
图2是根据本发明第二实施例的图像分割的方法的示意图;
图3A是根据本发明第二实施例的分割图像方法的输入图像;
图3B是根据本发明第二实施例的分割图像方法的包含目标图像的矩形区域的示意图;
图3C是根据本发明第二实施例的分割图像方法的分割出的目标图像的效果图;
图4是根据本发明实施例的图像分割的装置的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
图1是根据本发明第一实施例的图像分割的方法的示意图,如图1所示,该方法主要包括如下步骤:
步骤S11:对输入图像进行下采样,得到预处理图像;
步骤S13:按照预处理图像建立图像数据模型;
步骤S15:通过对图像数据模型的计算确定目标图像的边缘轮廓;
步骤S17:利用边缘轮廓在预处理图像中的位置确定目标图像在输入图像的位置;
步骤S19:按照目标图像在输入图像的位置提取目标图像。
步骤S11中,对图像下采样可以降低图像的分辨率,现有技术中图像下采样技术用于对图像进行存储、传输对图像大小有要求的领域。对图像进行下采样的具体算法可以采用多种方式,比如邻域平均、像素分除、或像素抽选。
邻域平均是将划分好的区域内的像素的数据进行平均,将该平均数据作为一个新的像素,按照原来区域的排列顺序重新进行排列,以得到新的图像。
像素分除是按照一定的算法去除图像中的某些像素,将剩余像素重新排列,已得到新的图像。
像素抽选与像素分除相类似,是按照一定的算法选取图像中的某些像素,重新进行排列,得到新的图像。
经过下采样得到的预处理图像在尽量保持输入图像的视觉质量的情况下,压缩了图像的大小,减小了图像的数据量。根据步骤S11中得出的预处理图像进行图像分割可以大大减小数据模型建立和图像分割中的计算量,而且可以提高某些图像分割算法的效果。
为进一步减少计算量,第一实施例的图像分割的方法在步骤S11之前还可以包括:获取用户划定的包含目标图像的图像区域,在步骤S11之后,计算包含目标图像的图像区域在预处理图像中的对应区域;以对应区域为中心形成取样区域;按照预处理图像的取样区域内的图像部分建立图像数据模型。这样的优化利用用户较少的交互操作,划定了目标图像的所在区域,并在预处理图像中对应得出相应的区域,并根据对应区域形成取样区域,仅对取样区域内的图像进行图像建模,从而进一步减小了数据模型的计算量,而且通过以上步骤,可以避免当输入图像中包含多个与目标图像类似的图像时,图像分割算法的实效。另外,对于某些特定图像分割技术,如Graph Cut法或Grab Cut法本身就需要用户首先划定的包含目标图像的图像区域。
对应区域为中心形成取样区域的具体方式有多种,比如将对应区域等比例的扩大,或者预先规定大小的取样区域等。划定的包含目标图像的图像区域也有多种方式可以选择,比如拖放矩形框或者圆形框,也可以使用鼠标等交互工具勾画出包含目标图像的区域。用户的直接操作最少的方法,就是使用矩形工具选择图像区域。
上述步骤17的具体方法可以包括:对预处理图像进行上采样,得到与输入图像大小相同的对应图像;根据边缘轮廓在所述对应图像中的位置确定所述目标图像在输入图像的位置。通过上采样可以将预处理图像扩充为与原始输入图像相同大小的对应图像,那么预处理图像中边缘轮廓的大小也得到相应扩充,则通过边缘轮廓在对应图像中的位置与目标图像在输入图像中的位置的对应关系,就可以确定目标图像在输入图像的位置。
本发明第二实施例是对输入图像为RGB彩色图像进行分割的方法,第二实施例是在第一实施的基础上对RGB彩色图像使用Grab Cut法进行图像分割的方法,图2是根据本发明第二实施例的图像分割的方法的示意图,如图2所示,该方法包括:
步骤S21:获取用户划定的包含目标图像的矩形区域;
步骤S23:对输入图像进行下采样得到预处理图像,计算上述矩形区域的在预处理图像中的对应区域;
步骤S25:以上述对应区域为中心,比例放大该对应区域形成取样区域,对取样区域内的预处理图像中建立GMM模型;
步骤S27:根据GMM模型使用Grab Cut算法提取出目标图像数据的边缘轮廓;
步骤S29:利用边缘轮廓在预处理图像中的位置确定目标图像在输入图像中的位置,按照目标图像在输入图像中的位置提取目标图像。
Grab Cut算法在Graph Cut基础上的改进,主要是利用高斯混合模型(Gaussian MixtureModel,GMM)代替了直方图,将灰度图像扩展到了彩色图像。对于输入图像为灰度图像的情况,使用第二实施例提供的图像分割方法,可以在步骤S21之前采取将灰度图进行伪彩色处理,将灰度图转化为RGB的彩色图像。
其中步骤S27中确定目标图像在输入图像中的位置可以使用与第一实施例相同的对预处理图像进行上采样的方式确定。
图3A是根据本发明第二实施例的分割图像方法的输入图像,图3B是根据本发明第二实施例的分割图像方法的包含目标图像的矩形区域的示意图,图3C是根据本发明第二实施例的分割图像方法的分割出的目标图像的效果图,如图所示,使用E55002.8GHZ的CPU、2G内存的试验环境,输入图像为800x600大小的荷花图、利用未进行下采样的图像获得目标荷花图像的时间为5.07s,利用实施例二的图像分割方法获得目标荷花图像的时间为0.55s,效率提高了约90%。
此外,本发明提供的实施例还可以使用Graph Cut法进行图像分割的方法,与第二实施例唯一的区别是,步骤S25为对取样区域内的预处理图像建立灰度直方图模型,步骤S27为根据灰度直方图模型使用Graph Cut算法提取出边缘轮廓。
图4是根据本发明实施例的图像分割的装置的示意图,如图4,该图像分割的装置40包括:下采样模块41,用于对输入图像进行下采样,得到预处理图像;建模模块43,用于按照预处理图像建立图像数据模型;轮廓提取模块45,用于通过对图像数据模型的计算确定目标图像的边缘轮廓;位置确定模块47,用于利用边缘轮廓在预处理图像中的位置确定目标图像在输入图像的位置;目标图像提取模块49,用于按照目标图像在输入图像的位置提取目标图像。
本发明实施例的图像分割的装置还可以包括:获取模块,用于获取用户划定的包含目标图像的图像区域;区域对应模块,用于计算包含目标图像的图像区域在预处理图像中的对应区域;取样区域形成模块,用于以对应区域为中心形成取样区域;建模模块43,还可以用于按照预处理图像的取样区域内的图像部分建立图像数据模型。
对于彩色图像使用Grab Cut法进行图像分割的情况,建模模块43还可以用于:按照预处理图像建立高斯混合GMM彩色图像数据模型;轮廓提取模块45还可以用于:使用Grab Cut算法对GMM彩色图像数据模型计算得到目标图像的边缘轮廓。
根据本发明的技术方案,有助于减少图像分割过程的计算量,从而提高图像分割的速度,有效地节省分割时间。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种图像分割的方法,其特征在于,包括:
对输入图像进行下采样,得到预处理图像;
按照所述预处理图像建立图像数据模型;
通过对所述图像数据模型的计算确定目标图像的边缘轮廓;
利用所述边缘轮廓在所述预处理图像中的位置确定所述目标图像在输入图像的位置;
按照所述目标图像在输入图像的位置提取所述目标图像。
2.根据权利要求1所述的方法,其特征在于,
所述对输入图像进行下采样之前还包括:获取用户划定的包含目标图像的图像区域;
所述得到预处理图像之后还包括:
计算所述包含目标图像的图像区域在所述预处理图像中的对应区域;
以所述对应区域为中心形成取样区域;
所述按照所述预处理图像建立图像数据模型包括:
按照预处理图像的取样区域内的图像部分建立图像数据模型。
3.根据权利要求2所述的方法,其特征在于,所述用户划定的包含目标图像的图像区域为矩形。
4.根据权利要求1所述的方法,其特征在于,所述利用所述边缘轮廓在所述预处理图像中的位置确定所述目标图像在输入图像的位置包括:
对所述预处理图像进行上采样,得到与输入图像大小相同的对应图像;
根据所述边缘轮廓在所述对应图像中的位置确定所述目标图像在输入图像的位置。
5.根据权利要求1至4中任一项所述的方法,其特征在于,
所述按照所述预处理图像建立图像数据模型包括:按照所述预处理图像建立高斯混合GMM彩色图像数据模型;
所述通过对所述图像数据模型的计算确定目标图像的边缘轮廓包括:使用Grab Cut算法对所述GMM彩色图像数据模型计算得到目标图像的边缘轮廓。
6.根据权利要求1至4中任一项所述的方法,其特征在于,所述对输入图像进行下采样使用下列任一种方式进行:邻域平均、像素分除、或像素抽选。
7.一种图像分割的装置,其特征在于,包括:
下采样模块,用于对输入图像进行下采样,得到预处理图像;
建模模块,用于按照所述预处理图像建立图像数据模型;
轮廓提取模块,用于通过对所述图像数据模型的计算确定目标图像的边缘轮廓;
位置确定模块,用于利用所述边缘轮廓在所述预处理图像中的位置确定所述目标图像在输入图像的位置;
目标图像提取模块,用于按照所述目标图像在输入图像的位置提取所述目标图像。
8.根据权利要求7所述的装置,其特征在于,还包括:
获取模块,用于获取用户划定的包含目标图像的图像区域;
区域对应模块,用于计算所述包含目标图像的图像区域在所述预处理图像中的对应区域;
取样区域形成模块,用于以所述对应区域为中心形成取样区域;
所述建模模块,还用于按照预处理图像的取样区域内的图像部分建立图像数据模型。
9.根据权利要求7或8所述的装置,其特征在于,
所述建模模块还用于:按照所述预处理图像建立高斯混合GMM彩色图像数据模型;
所述轮廓提取模块还用于:使用Grab Cut算法对所述GMM彩色图像数据模型计算得到目标图像的边缘轮廓。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210054179.XA CN103295219B (zh) | 2012-03-02 | 2012-03-02 | 图像分割的方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210054179.XA CN103295219B (zh) | 2012-03-02 | 2012-03-02 | 图像分割的方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103295219A true CN103295219A (zh) | 2013-09-11 |
CN103295219B CN103295219B (zh) | 2017-05-10 |
Family
ID=49096025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210054179.XA Expired - Fee Related CN103295219B (zh) | 2012-03-02 | 2012-03-02 | 图像分割的方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103295219B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682419A (zh) * | 2016-12-27 | 2017-05-17 | 深圳先进技术研究院 | 一种医学图像参数的拟合方法和装置 |
CN108205814A (zh) * | 2016-12-19 | 2018-06-26 | 中国科学院苏州纳米技术与纳米仿生研究所 | 彩色图像的黑白轮廓生成方法 |
CN108846397A (zh) * | 2018-05-31 | 2018-11-20 | 浙江科技学院 | 一种基于图像处理的电缆半导电层自动检测方法 |
CN109479122A (zh) * | 2016-07-28 | 2019-03-15 | 卡森尼可关精株式会社 | 车辆周围监控装置及车辆周围监控方法 |
CN110211134A (zh) * | 2019-05-30 | 2019-09-06 | 上海商汤智能科技有限公司 | 一种图像分割方法及装置、电子设备和存储介质 |
CN110268442A (zh) * | 2019-05-09 | 2019-09-20 | 京东方科技集团股份有限公司 | 在图像中检测背景物上的外来物的计算机实现的方法、在图像中检测背景物上的外来物的设备以及计算机程序产品 |
CN111179232A (zh) * | 2019-12-20 | 2020-05-19 | 山东大学 | 基于图像处理的钢筋尺寸检测系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216841A (zh) * | 2008-01-14 | 2008-07-09 | 南京搜拍信息技术有限公司 | 交互式图像搜索系统和方法 |
US20090060366A1 (en) * | 2007-08-27 | 2009-03-05 | Riverain Medical Group, Llc | Object segmentation in images |
CN101937508A (zh) * | 2010-09-30 | 2011-01-05 | 湖南大学 | 一种基于高清图像的车牌定位与识别方法 |
-
2012
- 2012-03-02 CN CN201210054179.XA patent/CN103295219B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090060366A1 (en) * | 2007-08-27 | 2009-03-05 | Riverain Medical Group, Llc | Object segmentation in images |
CN101216841A (zh) * | 2008-01-14 | 2008-07-09 | 南京搜拍信息技术有限公司 | 交互式图像搜索系统和方法 |
CN101937508A (zh) * | 2010-09-30 | 2011-01-05 | 湖南大学 | 一种基于高清图像的车牌定位与识别方法 |
Non-Patent Citations (2)
Title |
---|
吴相颖 等: "一种基于Graph Cuts的多尺度乳腺肿块分割方法", 《传感技术学报》, vol. 24, no. 10, 31 October 2011 (2011-10-31) * |
王钧铭,高立鑫,赵力: "GrabCut彩色图像分割算法的研究", 《数字视频》, vol. 32, no. 6, 30 June 2008 (2008-06-30) * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109479122A (zh) * | 2016-07-28 | 2019-03-15 | 卡森尼可关精株式会社 | 车辆周围监控装置及车辆周围监控方法 |
CN108205814A (zh) * | 2016-12-19 | 2018-06-26 | 中国科学院苏州纳米技术与纳米仿生研究所 | 彩色图像的黑白轮廓生成方法 |
CN108205814B (zh) * | 2016-12-19 | 2021-07-02 | 中国科学院苏州纳米技术与纳米仿生研究所 | 彩色图像的黑白轮廓生成方法 |
CN106682419A (zh) * | 2016-12-27 | 2017-05-17 | 深圳先进技术研究院 | 一种医学图像参数的拟合方法和装置 |
CN106682419B (zh) * | 2016-12-27 | 2019-05-07 | 深圳先进技术研究院 | 一种医学图像参数的拟合方法和装置 |
CN108846397B (zh) * | 2018-05-31 | 2021-01-15 | 浙江科技学院 | 一种基于图像处理的电缆半导电层自动检测方法 |
CN108846397A (zh) * | 2018-05-31 | 2018-11-20 | 浙江科技学院 | 一种基于图像处理的电缆半导电层自动检测方法 |
CN110268442A (zh) * | 2019-05-09 | 2019-09-20 | 京东方科技集团股份有限公司 | 在图像中检测背景物上的外来物的计算机实现的方法、在图像中检测背景物上的外来物的设备以及计算机程序产品 |
WO2020223962A1 (en) * | 2019-05-09 | 2020-11-12 | Boe Technology Group Co., Ltd. | Computer-implemented method of detecting foreign object on background object in image, apparatus for detecting foreign object on background object in image, and computer-program product |
US11263752B2 (en) | 2019-05-09 | 2022-03-01 | Boe Technology Group Co., Ltd. | Computer-implemented method of detecting foreign object on background object in an image, apparatus for detecting foreign object on background object in an image, and computer-program product |
CN110268442B (zh) * | 2019-05-09 | 2023-08-29 | 京东方科技集团股份有限公司 | 在图像中检测背景物上的外来物的计算机实现的方法、在图像中检测背景物上的外来物的设备以及计算机程序产品 |
CN110211134A (zh) * | 2019-05-30 | 2019-09-06 | 上海商汤智能科技有限公司 | 一种图像分割方法及装置、电子设备和存储介质 |
CN111179232A (zh) * | 2019-12-20 | 2020-05-19 | 山东大学 | 基于图像处理的钢筋尺寸检测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103295219B (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103295219A (zh) | 图像分割的方法与装置 | |
KR102145109B1 (ko) | 지도 생성 및 운동 객체 위치 결정 방법 및 장치 | |
CN112163251B (zh) | 建筑模型单体化方法、装置、存储介质及电子设备 | |
WO2017041396A1 (zh) | 一种车道线数据的处理方法、装置、存储介质及设备 | |
CN107016403B (zh) | 一种基于夜间灯光数据提取城市建成区阈值的方法 | |
WO2007005839A2 (en) | Video object cut and paste | |
CN103559719A (zh) | 一种交互式图像分割方法 | |
CN102449664A (zh) | 一种渐变动画的生成方法和装置 | |
CN106056606A (zh) | 图像处理方法及装置 | |
CN113240691A (zh) | 一种基于u型网络的医学图像分割方法 | |
CN114612488A (zh) | 建筑物单体化信息提取方法、计算机装置及存储介质 | |
CN103578107B (zh) | 一种交互式图像分割方法 | |
CN106548484A (zh) | 基于二维凸包的产品模型散乱点云边界特征提取方法 | |
CN106373199B (zh) | 一种倾斜摄影建筑物模型快速提取方法 | |
CN104462526B (zh) | 面向高分辨率遥感影像的多人在线协同快速矢量化方法 | |
CN101980317A (zh) | 基于改进c-v模型的遥感图路网提取的交通流量预测方法 | |
CN106952276A (zh) | 一种图像抠图方法及装置 | |
CN107291223A (zh) | 一种超大数据量虚拟现实空间信息可视化系统及方法 | |
CN106529432A (zh) | 一种深度融合显著性检测与先验知识的手部区域分割方法 | |
CN104200505A (zh) | 一种人脸视频图像的漫画式动画生成方法 | |
CN103905824A (zh) | 视频语义检索与压缩同步的摄像系统与方法 | |
CN112307553A (zh) | 一种对三维道路模型进行提取与简化的方法 | |
CN103268706B (zh) | 一种基于局部方差的车队列长度检测方法 | |
CN111035925A (zh) | 游戏中虚拟交通道路网模型的生成方法、装置及电子装置 | |
CN109325451A (zh) | 一种基于深度学习的高空间分辨率耕地地块全自动提取技术 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Chen Yi Inventor after: Shi Kun Inventor after: Yang You Inventor before: Shi Kun Inventor before: Yang You |
|
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: 20170510 Termination date: 20200302 |