CN104156914A - 一种足迹图像的自动处理方法 - Google Patents
一种足迹图像的自动处理方法 Download PDFInfo
- Publication number
- CN104156914A CN104156914A CN201410345744.7A CN201410345744A CN104156914A CN 104156914 A CN104156914 A CN 104156914A CN 201410345744 A CN201410345744 A CN 201410345744A CN 104156914 A CN104156914 A CN 104156914A
- Authority
- CN
- China
- Prior art keywords
- image
- axle
- footprint
- threshold
- projection vector
- 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
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种足迹图像的自动处理方法,该方法包括:S1.采集足迹图像;S2.通过全局阈值分割方法,将足迹图像进行全局分割,得到二值图像;S3.通过中值滤波,剔除二值图像的孤立的噪声点,得到滤波后的二值图像;S4.确定滤波后的二值图像在x轴的有效区域范围;S5.根据x轴的有效区域范围,确定滤波后的二值图像在y轴的有效区域范围;S6.确定矫正角度,在x轴的有效区域范围和y轴的有效区域范围内,根据矫正角度,对滤波后的二值图像进行旋转。本发明提供的通过自动处理足迹采集仪器采集的图像,将繁琐的人工处理简化。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种足迹图像的自动处理方法。
背景技术
足迹图像作为人的身份特征之一,常常用足迹采集仪采集后经过预处理后,提取特征,然后存到数据库中,便于将来查询。
现有的足迹预处理方法,均需要有专门的人员手动按步骤进行处理。其中具体包括:(1)将足迹图像旋转,使脚尖到脚跟的连线和图像的水平线垂直;(2)足迹图像常常会在背景上比较复杂或者有残缺,这时需要确定脚掌、脚弓和脚跟部分;(3)通常会有残缺的或者质量很差的部分,这部分不能够代表足迹的特征,因此需要把纹理较清晰的部分圈出来,便于后续分析。(4)分割后的图像往往有一些噪声区域,对于有些噪声较多的区域,需要人工擦除一些噪声区域,最后得到足迹图像清晰的纹理图像。
从上述足迹预处理流程可以看出,现在的处理方法较为复杂,需要专业人员进行操作。而足迹采集仪得到的图像背景和图像内容通常包含足迹和比例尺区域,不仅需要专业人员操作,而且手动处理流程过于复杂和繁琐。
发明内容
(一)要解决的技术问题
本发明提供的一种足迹图像的自动处理方法,通过自动处理足迹采集仪器采集的图像,将繁琐的人工处理简化。
(二)技术方案
本发明提供了一种足迹图像的自动处理方法,该方法包括以下步骤:
S1.采集足迹图像;
S2.通过全局阈值分割方法,将所述足迹图像进行全局分割,得到二值图像;
S3.通过中值滤波,剔除所述二值图像的孤立的噪声点,得到滤波后的二值图像;
S4.确定所述滤波后的二值图像在x轴的有效区域范围;
S5.根据所述x轴的有效区域范围,确定所述滤波后的二值图像在y轴的有效区域范围;
S6.确定矫正角度,在所述x轴的有效区域范围和所述y轴的有效区域范围内,根据所述矫正角度,对所述滤波后的二值图像进行旋转。
进一步地,所述全局阈值分割方法是Otsu方法。
进一步地,所述全局阈值分割方法中,最优分割阈值是按下述步骤计算的:
获取足迹图像的灰度级,并根据所述灰度级确定灰度范围;
在所述灰度范围中,选定足迹图像的初始的分割阈值;
遍历所述足迹图像中像素的灰度值,选取所述灰度值大于所述初始阈值的像素,作为前景图像,选取所述灰度值小于所述初始的阈值的像素,作为背景图像;
计算所述前景图像的灰度均值,所述前景图像的像素数占总像素数目的比例,所述背景图像的灰度均值、所述背景图像的像素数占总像素数目的比例和所述足迹图像的灰度均值;
所述灰度范围内,增加所述足迹图像的分割阈值,使前景图像和背景图像的差异值达到最大,选取前景图像和背景图像的差异值达到最大时的分割阈值作为最优分割阈值。
进一步地,所述前景图像和背景图像的差异值按照下式计算:
y(t)=wbg(t)*(ubg(t)-u)2+wfg(t)*(ufg(t)-u)2
其中:
wbg(t)表示所述分割阈值为t时候,所述背景图像的像素数目占总像素数目的比例;
ubg(t)表示所述分割阈值为t的时候,所述背景图像的灰度均值;
wfg(t)表示所述分割阈值为t的时候,所述前景图像的像素占总像素数目的比例;
ufg(t)表示所述分割阈值为t的时候,所述前景图像的灰度均值;
u表示所述足迹图像的灰度均值;
t表示所述分割阈值;
y(t)表示所述前景图像和背景图像的差异值。
进一步地,步骤S4具体包括:
将所述滤波后的二值图像中的像素做x轴方向上的投影,得到x轴的投影向量;
对所述x轴的投影向量进行一维高斯滤波;
在一维高斯滤波后的x轴的投影向量中,选取连续长度最大的非0向量对应的区间作为x轴的有效区域范围。
进一步地,步骤S5具体包括:
S1'将所述滤波后的二值图像在所述x轴的有效区域范围内,做y轴方向的投影,得到y轴的投影向量;
S2'对所述y轴的投影向量进行一维高斯滤波;
S3'在一维高斯滤波后的y轴的投影向量中,选取长度大于预设足迹长度门限的投影向量对应区域的并集,作为所述y轴的有效区域范围。
进一步地,所述步骤S3'进一步包括:
在所述一维高斯滤波后的y轴的投影向量中,选取全部的连续的非0向量对应的区间;
在所述全部的连续的非0向量对应的区间中,选取长度大于预设足迹长度门限的区域,作为y轴的有效区间;
由满足上述条件的全部所述y轴的有效区间的并集,组成所述y轴的有效区域范围。
进一步地,所述确定矫正角度的步骤进一步包括:
在一定的角度范围内,以1°作为间隔将所二值图像旋转,得到旋转图像;
每次旋转后,计算所述旋转图像在x轴方向的投影向量;
计算所述旋转图像在x轴方向的投影向量的方差;
所述旋转图像在x轴方向的投影向量的方差最大时,图像旋转过的角度,作为图像的矫正角度。
进一步地,所述一定角度范围是-15°至15°。
(三)有益效果
本发明实施例提供的一种足迹图像的自动处理方法,通过自动剔除噪声区、计算有效区域和自动旋转角度,对图像进行精细准确的处理,简化了人工繁琐的操作,从而实现了足迹图像的自动处理。
附图说明
图1是本发明实施例提供的一种足迹图像的自动处理方法流程图;
图2时本发明实施例提供的图像采集仪采集的足迹图像;
图3时本发明实施例提供的通过足迹图像的自动处理方法处理后的足迹图像。
具体实施方式
为使本发明实施例目的、技术方案和优点更加清楚,下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明提供了一种足迹图像的自动处理方法,该方法包括以下步骤:
S1.采集足迹图像。
其中,如图2所示,采集的足迹图像会有比例尺。
S2.通过全局阈值分割方法,将足迹图像进行全局分割,得到二值图像。
S3.通过中值滤波,剔除二值图像的孤立的噪声点,得到滤波后的二值图像。
S4.确定滤波后的二值图像在x轴的有效区域范围。
其中,步骤S4中剔除了比例尺。
S5.根据x轴的有效区域范围,确定滤波后的二值图像在y轴的有效区域范围。
S6.确定矫正角度,在x轴的有效区域范围和y轴的有效区域范围内,根据矫正角度,对滤波后的二值图像进行旋转,将滤波后的二值图像旋转矫正角度的度数,如图3所示,得到最终处理的图像。
可选地,步骤S2中,全局阈值分割方法是Otsu方法。
其中,全局阈值分割方法优选为Otsu方法,足迹采集仪得到的足迹图像背景较为简单,用全局的阈值分割方法可以得到较好的效果,此处全局阈值分割方法选择较多,可以根据实际情况进行选择,效果较好的是Otsu(大津法或最大类间方差法)方法。
可选地,全局阈值分割方法中,最优分割阈值是按下述步骤计算的:
获取足迹图像的灰度级,并根据灰度级确定灰度范围;
在灰度范围中,选定足迹图像的初始的分割阈值;
遍历足迹图像中像素的灰度值,选取灰度值大于初始阈值的像素,作为前景图像,选取灰度值小于初始的阈值的像素,作为背景图像;
计算前景图像的灰度均值,前景图像的像素数占总像素数目的比例,背景图像的灰度均值、背景图像的像素数占总像素数目的比例和足迹图像的灰度均值;
灰度范围内,增加足迹图像的分割阈值,使前景图像和背景图像的差异值达到最大,选取前景图像和背景图像的差异值达到最大时的分割阈值作为最优分割阈值。
例如:假设灰度图像的灰度级为L,灰度范围为[0,L-1],在区间[0,L-1]中选定初始的分割阈值为N(0≤N≤L-1)。遍历足迹所有图像中的灰度值,选取灰度值大于初始的分割阈值的像素作为前景图像,选取灰度值小于初始阈值的像素作为背景图像。逐渐增加足迹图像的分割阈值,并在分割阈值增加的过程中,计算前景图像和背景图像的差异值,选取差异值的最大值对应的分隔阈值作为最优分割阈值。
其中,如果改变初始阈值为K(0≤K≤L-1且K≠N),则根据初始阈值的变化,重新遍历足迹图像中像素的灰度值,选取灰度值小于初始阈值的像素作为背景图像。逐渐增加足迹图像的分割阈值,并在分割阈值增加的过程中,计算前景图像和背景图像的差异值,选取差异值的最大值对应的分隔阈值作为最优分割阈值。
其中,足迹图像的分割阈值是在灰度范围内的,假设分割阈值为M(0≤M≤L-1),由于选定了初始的分割阈值N(0≤N≤L-1),因此分割阈值M可从初始阈值N开始逐渐增加,直至分割阈值增加到L-1(灰度范围的最大值)。在分割阈值从N增加到L-1的过程中,每次分割阈值变化,都计算出了一个前景图像和背景图像的差异值。分割阈值变化时,计算出的所有前景像素和背景像素的差异值中,选出前景图像和背景图像的差异值达到最大值时对应的分割阈值作为图像的最优分割阈值。
可选地,在使用全局阈值分割方法计算最优分割阈值的过程中,前景图像和背景图像的差异值按照下式计算:
y(t)=wbg(t)*(ubg(t)-u)2+wfg(t)*(ufg(t)-u)2 (1)
其中:
wbg(t)表示分割阈值为t时候,背景图像的像素数目占总像素数目的比例;
ubg(t)表示分割阈值为t的时候,背景图像的灰度均值;
wfg(t)表示分割阈值为t的时候,前景图像的像素占总像素数目的比例;
ufg(t)表示分割阈值为t的时候,前景图像的灰度均值;
u表示足迹图像的灰度均值;
t表示分割阈值;
y(t)表示前景图像和背景图像的差异值;
其中,t的增加,引起y(t)的变化,在y(t)的变化中,使y(t)达到最大值的t作为最优分割阈值。
具体地,步骤S4具体包括:
将滤波后的二值图像中的像素做x轴方向上的投影,得到x轴的投影向量;
对x轴的投影向量进行一维高斯滤波;
在一维高斯滤波后的x轴的投影向量中,选取连续长度最大的非0向量对应的区间作为x轴的有效区域范围。
其中,如图2所示,足迹采集仪采集到的图像通常除了足迹外,有比例尺,区别于现有技术,在此步骤S4中得到x轴方向的投影向量之后,根据足迹图像的投影规律(投影的大小、位置和方向等),将比例尺剔除,在无需比例尺的情况下对图像进行处理。,首先将滤波后的二值图像做x轴方向上的投影,得到x轴的投影向量,可以理解为:在滤波后的二值图像的矩阵中,以列为单位计算二值图像的矩阵中每列的数据和。由每列的数据和组成向量,即为x轴方向上的投影向量,(由于可能会有其它噪声区域,因此至少会有两个比较明显的波峰),然后对x轴的投影向量(二值图像矩阵每列数的据和组成)进行一维高斯滤波,去除不连续的点。去除不连续的点过程如下:在一维高斯滤波后的x轴的投影向量中,选取连续长度最大的非0向量对应的区间(即,选取不包含二值图像矩阵的列数据和,在一维高斯滤波后为0的点的连续区间。相邻的不含0的两点即为连续,取连续长度最大的区间)。其非0区间在x轴上的位置和长度,作为x轴的有效区域范围[xmin,xmax](xmin为x轴有效区域范围的起点坐标,xmax为x轴有效范围的终点坐标)。
具体地,步骤S5具体包括:
S1'将滤波后的二值图像在x轴的有效区域范围内,做y轴方向的投影,得到y轴的投影向量;
S2'对y轴的投影向量进行一维高斯滤波;
S3'在一维高斯滤波后的y轴的投影向量中,选取长度大于预设足迹长度门限的投影向量对应区域的并集,作为y轴的有效区域范围。
其中,在二滤波后的值图像在[xmin,xmax]范围内做y轴方向上的投影,可以理解为:在滤波后的二值图像的矩阵中,计算从xmin到xmax范围内以行为单位计算矩阵每行的数据和,由每行的数据和组成的向量,即为y轴方向上的投影向量。足迹图像在y轴方向的投影往往会有多个波峰(脚掌和脚跟部分通常是分开的),先对y轴方向的投影进行一维的高斯,去除不连续的点,然后在一维高斯滤波后的y轴的投影向量中取所有长度大于预设足迹长度门限的投影向量对应区域的并集,其并集在y轴上的位置和长度,作为y轴的有效区域范围[ymin,ymax](ymin为y轴有效区域范围的起点坐标,ymax为y轴有效范围的终点坐标)。
具体地,步骤S3'进一步包括:
在一维高斯滤波后的y轴的投影向量中,选取全部的连续的非0向量对应的区间;
在全部的连续的非0向量对应的区间中(即不包含二值图像矩阵的行数据和,在一维高斯滤波后为0的点的连续区间),选取长度大于预设足迹长度门限的区域,作为y轴的有效区间;
由满足上述条件的全部y轴的有效区间的并集,组成y轴的有效区域范围。
具体地,步骤S6中,确定矫正角度的步骤进一步包括:
在一定角度范围内,以1°作为间隔将所二值图像旋转,得到旋转图像;
每次旋转后,计算旋转图像在x轴方向的投影向量;
计算旋转图像在x轴方向的投影向量的方差;
旋转图像在x轴方向的投影向量的方差最大时,图像旋转过的角度,作为图像的矫正角度。
具体地,一定角度范围是-15°至15°。
其中,对足迹图像进行旋转,得到最后输出图像。足迹采集仪踩到的图像往往会有一些旋转,因此,能够自动对足迹进行角度调整也是关键一步,我们在[-15°,15°]范围内,以1°为间隔依次旋转二值图像,计算二值图像旋转之后在x轴方向的投影向量(可以理解为:在旋转后的二值图像的矩阵中,以列为单位计算矩阵每列的数据和,由每列的数据和组成向量,即为足迹的二值图像旋转之后在x轴方向上的投影),计算二值图像旋转之后在x轴方向的投影向量的方差,记录取得最大方差时候的旋转角度,作为图像的矫正角度。
下面介绍本发明实施例中步骤S4和步骤S5的具体使用方法:
假设滤波后的二值图像数据为5x5的矩阵,如式(2)所示:
将滤波后的二值图像中的像素做x轴方向上的投影,即在式(2)矩阵中,以列为单位计算矩阵每列的数据和,由每列的数据和组成向量,得到在x轴方向上得到的投影向量是[2,2,0,0,0]。
将向量[4,6,0,0,0]进行高斯滤波(1X3大小模板)结果是[1.7870,1.7870,0.2130,0,0]。
由于本发明实施例中二值图像数据较少,在取连续长度最大的非0区间时,取如式(2)所示的矩阵的前三列,得到3x5的矩阵,如式(3)所示,作为x轴的有效区域范围。
做式(3)矩阵在y轴方向的投影向量(在x轴的有效区域范围,做y轴方向的投影),即以行为单位计算矩阵每行的数据和,由每行的数据和组成的向量,得到y轴方向上得到的投影向量是[2,0,0,0,2]。
对向量[3,0,0,0,7]进行高斯滤波(1X3大小模板)结果是[1.5740,0.2130,0,0.2130,1.5740]。
预设长度门限为2,选取长度大于2的连续非0区域的并集,作为y轴的有效区间,由于本发明实施例中二值图像数据较少,得到y轴的有效区域范围是式(3)矩阵全部5行。
本发明实施例提供的一种足迹图像的自动处理方法,通过中值滤波的方法,自动剔除噪声区,避免了人工手动剔除;通过计算图像的有效区域范围,剔除了比例尺并对图像进行有效圈定,确定了自动旋转的图像范围;通过计算投影的方差最大值,确定了图像的自动旋转角度,并对图像进行有效的自动旋转。本发明对图像进行了精细准确的处理,简化了人工繁琐的操作,从而实现了足迹图像的自动处理。
需要说明的是:以上所述仅为本发明的较佳实施例,仅用于说明本发明的技术方案,并非用于限定本发明的保护范围。凡在本发明的原则之内所有的任何修改、同等替换、改进等,均包含在本发明的保护范围内。
Claims (9)
1.一种足迹图像的自动处理方法,其特征在于,所述自动处理方法包括以下步骤:
S1.采集足迹图像;
S2.通过全局阈值分割方法,将所述足迹图像进行全局分割,得到二值图像;
S3.通过中值滤波,剔除所述二值图像的孤立的噪声点,得到滤波后的二值图像;
S4.确定所述滤波后的二值图像在x轴的有效区域范围;
S5.根据所述x轴的有效区域范围,确定所述滤波后的二值图像在y轴的有效区域范围;
S6.确定矫正角度,在所述x轴的有效区域范围和所述y轴的有效区域范围内,根据所述矫正角度,对所述滤波后的二值图像进行旋转。
2.根据权利要求1所述方法,其特征在于,所述全局阈值分割方法是Otsu方法。
3.根据权利要求1所述方法,其特征在于,所述全局阈值分割方法中,最优分割阈值是按下述步骤计算的:
获取足迹图像的灰度级,并根据所述灰度级确定灰度范围;
在所述灰度范围中,选定足迹图像的初始的分割阈值;
遍历所述足迹图像中像素的灰度值,选取所述灰度值大于所述初始阈值的像素,作为前景图像,选取所述灰度值小于所述初始的阈值的像素,作为背景图像;
计算所述前景图像的灰度均值,所述前景图像的像素数占总像素数目的比例,所述背景图像的灰度均值、所述背景图像的像素数占总像素数目的比例和所述足迹图像的灰度均值;
所述灰度范围内,增加所述足迹图像的分割阈值,使前景图像和背景图像的差异值达到最大,选取前景图像和背景图像的差异值达到最大时的分割阈值作为最优分割阈值。
4.根据权利要求3所述方法,其特征在于,所述前景图像和背景图像的差异值按照下式计算:
y(t)=wbg(t)*(ubg(t)-u)2+wfg(t)*(ufg(t)-u)2
其中:
wbg(t)表示所述分割阈值为t时候,所述背景图像的像素数目占总像素数目的比例;
ubg(t)表示所述分割阈值为t的时候,所述背景图像的灰度均值;
wfg(t)表示所述分割阈值为t的时候,所述前景图像的像素占总像素数目的比例;
ufg(t)表示所述分割阈值为t的时候,所述前景图像的灰度均值;
u表示所述足迹图像的灰度均值;
t表示所述分割阈值;
y(t)表示所述前景图像和背景图像的差异值。
5.根据权利要求1所述方法,其特征在于,步骤S4具体包括:
将所述滤波后的二值图像中的像素做x轴方向上的投影,得到x轴的投影向量;
对所述x轴的投影向量进行一维高斯滤波;
在一维高斯滤波后的x轴的投影向量中,选取连续长度最大的非0向量对应的区间作为x轴的有效区域范围。
6.根据权利要求1所述方法,其特征在于,步骤S5具体包括:
S1'将所述滤波后的二值图像在所述x轴的有效区域范围内,做y轴方向的投影,得到y轴的投影向量;
S2'对所述y轴的投影向量进行一维高斯滤波;
S3'在一维高斯滤波后的y轴的投影向量中,选取长度大于预设足迹长度门限的投影向量对应区域的并集,作为所述y轴的有效区域范围。
7.根据权利要求6所述方法,其特征在于,所述步骤S3'进一步包括:
在所述一维高斯滤波后的y轴的投影向量中,选取全部的连续的非0向量对应的区间;
在所述全部的连续的非0向量对应的区间中,选取长度大于预设足迹长度门限的区域,作为y轴的有效区间;
由满足上述条件的全部所述y轴的有效区间的并集,组成所述y轴的有效区域范围。
8.根据权利要求1所述方法,其特征在于,所述确定矫正角度的步骤进一步包括:
在一定的角度范围内,以1°作为间隔将所二值图像旋转,得到旋转图像;
每次旋转后,计算所述旋转图像在x轴方向的投影向量;
计算所述旋转图像在x轴方向的投影向量的方差;
所述旋转图像在x轴方向的投影向量的方差最大时,图像旋转过的角度,作为图像的矫正角度。
9.根据权利要求8所述方法,其特征在于,所述一定角度范围是-15°至15°。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410345744.7A CN104156914B (zh) | 2014-07-18 | 2014-07-18 | 一种足迹图像的自动处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410345744.7A CN104156914B (zh) | 2014-07-18 | 2014-07-18 | 一种足迹图像的自动处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104156914A true CN104156914A (zh) | 2014-11-19 |
CN104156914B CN104156914B (zh) | 2017-01-18 |
Family
ID=51882405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410345744.7A Active CN104156914B (zh) | 2014-07-18 | 2014-07-18 | 一种足迹图像的自动处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104156914B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106887019A (zh) * | 2017-02-23 | 2017-06-23 | 大连海事大学 | 一种足迹压力分布特征表示方法 |
CN107153827A (zh) * | 2017-05-26 | 2017-09-12 | 北方工业大学 | 手背静脉图像的识别处理方法及装置 |
CN108364299A (zh) * | 2017-12-25 | 2018-08-03 | 辽宁师范大学 | 面向低质量鞋印图像的自动阈值分割方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100053690A1 (en) * | 2008-08-27 | 2010-03-04 | Makio Gotoh | Image processing apparatus, image forming apparatus, image processing method, and computer-readable storage medium containing image processing program |
CN102222229A (zh) * | 2011-07-28 | 2011-10-19 | 陈庆武 | 手指静脉图像预处理方法 |
CN102509276A (zh) * | 2011-11-25 | 2012-06-20 | 浙江大学 | 一种基于加权约束的星图分割方法 |
CN103065134A (zh) * | 2013-01-22 | 2013-04-24 | 江苏超创信息软件发展股份有限公司 | 一种具有提示信息的指纹识别装置和方法 |
-
2014
- 2014-07-18 CN CN201410345744.7A patent/CN104156914B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100053690A1 (en) * | 2008-08-27 | 2010-03-04 | Makio Gotoh | Image processing apparatus, image forming apparatus, image processing method, and computer-readable storage medium containing image processing program |
CN102222229A (zh) * | 2011-07-28 | 2011-10-19 | 陈庆武 | 手指静脉图像预处理方法 |
CN102509276A (zh) * | 2011-11-25 | 2012-06-20 | 浙江大学 | 一种基于加权约束的星图分割方法 |
CN103065134A (zh) * | 2013-01-22 | 2013-04-24 | 江苏超创信息软件发展股份有限公司 | 一种具有提示信息的指纹识别装置和方法 |
Non-Patent Citations (1)
Title |
---|
覃晓等: "一种改进的Ostu图像分割法", 《山西大学学报(自然科学版)》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106887019A (zh) * | 2017-02-23 | 2017-06-23 | 大连海事大学 | 一种足迹压力分布特征表示方法 |
CN106887019B (zh) * | 2017-02-23 | 2020-04-21 | 大连海事大学 | 一种足迹压力分布特征表示方法 |
CN107153827A (zh) * | 2017-05-26 | 2017-09-12 | 北方工业大学 | 手背静脉图像的识别处理方法及装置 |
CN107153827B (zh) * | 2017-05-26 | 2020-06-02 | 北方工业大学 | 手背静脉图像的识别处理方法及装置 |
CN108364299A (zh) * | 2017-12-25 | 2018-08-03 | 辽宁师范大学 | 面向低质量鞋印图像的自动阈值分割方法 |
CN108364299B (zh) * | 2017-12-25 | 2021-07-06 | 辽宁师范大学 | 面向低质量鞋印图像的自动阈值分割方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104156914B (zh) | 2017-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107657606B (zh) | 一种显示装置的亮度缺陷检测方法与装置 | |
CN105069799B (zh) | 一种角点定位方法及装置 | |
CN107862667B (zh) | 一种基于高分辨率遥感影像的城市阴影检测与去除方法 | |
EP2811423B1 (en) | Method and apparatus for detecting target | |
CN106447669A (zh) | 基于圆形蒙版面积比率判别的粘连颗粒图像凹点分割方法 | |
CN103699900B (zh) | 卫星影像中建筑物水平矢量轮廓自动批量提取方法 | |
CN112614062B (zh) | 菌落计数方法、装置及计算机存储介质 | |
Selvakumar et al. | The performance analysis of edge detection algorithms for image processing | |
CN103077529A (zh) | 基于图像扫描的植物叶片特征分析系统 | |
CN101403743B (zh) | 一种x型交叠、粘连染色体自动分割方法 | |
CN105139391B (zh) | 一种雾霾天气交通图像边缘检测方法 | |
CN102999886A (zh) | 图像边缘检测器及标尺光栅栅线精度检测系统 | |
CN102903122A (zh) | 基于特征光流与在线集成学习的视频目标跟踪方法 | |
CN108460780A (zh) | 一种基于背景骨架特征的粘连米粒图像分割方法 | |
CN108009522B (zh) | 一种道路检测方法、装置及终端 | |
CN107203981A (zh) | 一种基于雾气浓度特征的图像去雾方法 | |
CN108171674B (zh) | 针对任意视角投影仪图像的视觉矫正方法 | |
CN113077486B (zh) | 一种山区植被覆盖率监测方法及系统 | |
CN103198319A (zh) | 用于矿山井筒环境下的模糊图像角点提取方法 | |
CN110309765B (zh) | 一种视频运动目标高效检测方法 | |
CN104156914A (zh) | 一种足迹图像的自动处理方法 | |
CN113706566B (zh) | 一种基于边缘检测的加香喷雾性能检测方法 | |
CN115147401B (zh) | 一种基于数字图像处理的土石坝坝料合格性智能检测方法 | |
Zhao et al. | Recognition of flooding and sinking conditions in flotation process using soft measurement of froth surface level and QTA | |
CN114842262A (zh) | 融合线路通道正射影像的激光点云地物自动识别方法 |
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 |