CN104517296A - 一种三维毫米波图像的分割方法及系统 - Google Patents
一种三维毫米波图像的分割方法及系统 Download PDFInfo
- Publication number
- CN104517296A CN104517296A CN201410834141.3A CN201410834141A CN104517296A CN 104517296 A CN104517296 A CN 104517296A CN 201410834141 A CN201410834141 A CN 201410834141A CN 104517296 A CN104517296 A CN 104517296A
- Authority
- CN
- China
- Prior art keywords
- image
- dimensional
- millimeter
- wave
- wave 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
- G06T2207/10136—3D ultrasound image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种三维毫米波图像的分割方法及系统,针对三维毫米波成像中水平面和竖直面之间平滑程度不同的特点,提出了一种改进的高斯-拉普拉斯算子,不同于传统高斯-拉普拉斯算子各向同性的特点,改进的算子在水平面和竖直面上对边缘具有不同的检测尺度,该算子可以将毫米波三维成像的图像中的人体背景与隐匿的危险品自动分割,对危险品能够准确、快速地进行定位,使毫米波成像技术满足实际应用的需求。
Description
技术领域
本发明涉及一种图像分割方法及系统,尤其涉及一种三维毫米波图像的分割方法及系统。
背景技术
边缘是图像的一个基本特征,识别出图像中的边缘信息就是识别图像中目标的最有效手段之一,图像分割是指将图像分成各具特性的区域并提取出感兴趣目标的技术和过程,是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类:基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等,其中基于高斯-拉普拉斯算子的间断检测方法对于图像的边缘检测具有普遍性,传统的高斯-拉普拉斯算子边缘检测主要针对二维图像,对于三维图像的边缘分割则不能获得理想的效果,影响三维图像的分割处理。
发明内容
本发明解决的技术问题是:构建一种三维毫米波图像的分割方法,克服现有技术针对三维图像的边缘分割效果不佳的技术问题。
本发明的技术方案是:提供一种三维毫米波图像的分割方法,步骤如下:
变换图像:设置三维毫米波图像在空间直角坐标系中三个面对应的标准差,根据三维坐标函数的拉普拉斯算子及所述标准差变换二维图像的高斯函数为三维毫米波图像的高斯函数;
获取拉普拉斯算子:对三维毫米波图像高斯函数采用差分形式近似拉普拉斯二阶微分运算,获取改进的三维毫米波图像高斯函数的拉普拉斯算子;
边缘分割:根据每个面对应标准差的不同取值在图像的边缘处产生一个零交叉点,根据所述零交叉点判断每个边缘像素的归属进行图像的分割。
本发明的进一步技术方案是:对三维毫米波图像的三个面进行分割,当一个标准差的取值大于另外两个标准差的取值时,该标准差对应的拉普拉斯算子对该标准差对应的平面的特征变化反应敏感,用标准差对应的拉普拉斯算子检测该平面的边缘,然后进行分割,以同样方法对其它面进行分割。
本发明的进一步技术方案是:在变换图像之前,还包括对图像进行平滑处理,即,采用归一化均值滤波对接收的三维毫米波图像信号进行滤波去噪处理。
本发明的进一步技术方案是:在变换图像之前,包括产生图像信号,所述图像信号为激光信号产生的连续毫米波光信号,将连续毫米波光信号变为脉冲光。
本发明的进一步技术方案是:在进行对三维毫米波图像高斯函数进行二阶微分前,对三维毫米波图像的高斯函数进行平滑滤波。
本发明的技术方案是:构建一种三维毫米波图像的分割系统,包括变换图像的图像变换模块、获取三维毫米波图像高斯函数拉普拉斯算子的拉普拉斯算子获取模块、进行三维毫米波图像边缘分割的边缘分割模块,设置三维毫米波图像在空间直角坐标系中三个面对应的标准差,所述图像变换模块根据三维坐标函数的拉普拉斯算子及所述标准差变换二维图像的高斯函数为三维毫米波图像的高斯函数,所述拉普拉斯算子获取模块对三维毫米波图像高斯函数采用差分形式近似拉普拉斯二阶微分运算,获取改进的三维毫米波图像高斯函数的拉普拉斯算子,所述边缘分割模块根据每个面对应标准差的不同取值在图像的边缘处产生一个零交叉点,根据所述零交叉点判断每个边缘像素的归属进行图像的分割。
本发明的进一步技术方案是:根据空间直角坐标系中三个面对应的标准差的不同取值对三维毫米波图像的三个面进行分割,当一个标准差的取值大于另外两个标准差的取值时,该标准差对应的拉普拉斯算子对该标准差对应的平面的特征变化反应敏感,用标准差对应的拉普拉斯算子检测该平面的边缘,然后进行分割,以同样方法对其它面进行分割。
本发明的进一步技术方案是:在变换图像之前,还包括对图像进行平滑处理,即,采用归一化均值滤波对接收的三维毫米波图像信号进行滤波去噪处理。
本发明的进一步技术方案是:在变换图像之前,包括产生图像信号,所述图像信号为激光信号产生的连续毫米波光信号,将连续毫米波光信号变为脉冲光。
本发明的进一步技术方案是:在进行对三维毫米波图像高斯函数进行二阶微分前,对三维毫米波图像的高斯函数进行平滑滤波。
本发明的技术效果是:提供一种三维毫米波图像的分割方法及系统,步骤如下:变换图像:设置三维毫米波图像在空间直角坐标系中三个面对应的标准差,根据三维坐标函数的拉普拉斯算子及所述标准差变换二维图像的高斯函数为三维毫米波图像的高斯函数;获取拉普拉斯算子:对三维毫米波图像高斯函数采用差分形式近似拉普拉斯二阶微分运算,获取改进的三维毫米波图像高斯函数的拉普拉斯算子;边缘分割:根据每个面对应标准差的不同取值在图像的边缘处产生一个零交叉点,根据所述零交叉点判断每个边缘像素的归属进行图像的分割。本发明一种三维毫米波图像的分割方法及系统,针对三维毫米波成像中水平面和竖直面之间平滑程度不同的特点,提出了一种改进的高斯-拉普拉斯算子,不同于传统高斯-拉普拉斯算子各向同性的特点,改进的算子在水平面和竖直面上对边缘具有不同的检测尺度,该算子可以将毫米波三维成像的图像中的人体背景与隐匿的危险品自动分割,对危险品能够准确、快速地进行定位,使毫米波成像技术满足实际应用的需求。
附图说明
图1为本发明的结构示意图。
具体实施方式
下面结合具体实施例,对本发明技术方案进一步说明。
本发明的具体实施方式是:提供一种三维毫米波图像的分割方法,步骤如下:
基于高斯-拉普拉斯算子的间断检测方法对于图像的边缘进行检测,针对二维图像边缘检测的高斯-拉普拉斯算子如下:
对于连续函数f(x,y),其拉普拉斯算子为:
在图像处理过程中,采用差分形式近似表示拉普拉斯微分运算,即为:
图像的二阶微分可以在边缘处产生一个陡峭的零交叉点,判断每个边缘像素是在边缘亮的一边还是暗的一边,考虑二阶微分对噪声的敏感度很强,在进行边缘检测前,先对图像进行平滑滤波,其高斯滤波函数为
式中的σ为标准差,与图像的模糊程度相关,高斯型的拉普拉斯算子为
毫米波波图像通常通过探测器在垂直方向上逐列扫描得到的,灰度值在垂直面上变化较为平缓,而在水平面上变换较为明显,同时,在上述高斯型的拉普拉斯算子中,二维高斯函数G(x,y)在水平方向和垂直方向上标准差σ取值是相同的,函数是关于中心对称的,在使用该算子对二维图像进行边缘检测时,若高斯函数G(x,y)中的标准差σ取值较大,则会对图像的平滑有很大影响,易导致图像中水平方向的边缘被忽略,若高斯函数G(x,y)中的标准差σ取值较小,虽然能检测到水平边缘,但对图像背景部分噪声滤除不够干净,导致图像中可以检测到其他多余的边缘,由于在毫米波三维成像中,对应空间直角坐标系的三个面Vxy、Vxz、Vyz方向上的平缓程度不同,需要对采用二维的高斯型拉普拉斯算子进行边缘检测的方法进行改进,步骤如下:
变换图像:设置三维毫米波图像在空间直角坐标系中三个面对应的标准差,根据三维坐标函数的拉普拉斯算子及所述标准差变换二维图像的高斯函数为三维毫米波图像的高斯函数。
具体实施过程如下:毫米波波图像通常通过探测器在垂直方向上逐列扫描得到的,灰度值在垂直面上变化较为平缓,而在水平面上变换较为明显,同时,在上述高斯型的拉普拉斯算子中,二维高斯函数G(x,y)在水平方向和垂直方向上标准差σ取值是相同的,函数是关于中心对称的,在使用该算子对二维图像进行边缘检测时,若高斯函数G(x,y)中的标准差σ取值较大,则会对图像的平滑有很大影响,易导致图像中水平方向的边缘被忽略,若高斯函数G(x,y)中的标准差σ取值较小,虽然能检测到水平边缘,但对图像背景部分噪声滤除不够干净,导致图像中可以检测到其他多余的边缘,由于在毫米波三维成像中,对应空间直角坐标系的三个面Vxy、Vxz、Vyz方向上的平缓程度不同,使用传统的高斯型拉普拉斯算子对其进行边缘检测,无论标准差σ取何值,对图像的整体效果均有影响。本专利技术方案在所得到的三维毫米波图像上进行改变,使其在Vxy、Vxz、Vyz三面上标准差σ的取值不同,采取不同的尺度在三个面上进行滤波,这样在进行拉普拉斯变换后得到的边缘检测算子体现出来的就是相应方向上边缘检测的尺度不同,将空间直角坐标系中三个面Vxy、Vxz、Vyz对应的标准差记为σxy、σxz、σyz。
对于三维坐标函数f(x,y,z),其拉普拉斯算子为
在图像处理过程中,对其进行拉普拉斯微分运算,由于二阶微分对噪声的敏感度很强,在进行边缘检测前,先对图像进行平滑滤波,改进的高斯函数表达式为:
获取拉普拉斯算子:对三维毫米波图像高斯函数采用差分形式近似拉普拉斯二阶微分运算,获取改进的三维毫米波图像高斯函数的拉普拉斯算子。
具体实施过程如下:在图像处理过程中,采用差分形式近似拉普拉斯微分运算,定义为:
则与改进的高斯函数相对应的拉普拉斯算子式为:
边缘分割:经过拉普拉斯二阶微分后,根据σxy、σxz、σyz的不同取值,在图像的边缘处产生一个陡峭的零交叉点,判断每个边缘像素的归属进行图像边缘检测。
优选实施例中,根据空间直角坐标系中三个面对应的标准差的不同取值对三维毫米波图像的三个面进行边缘检测,然后进行图像分割,当一个标准差的取值大于另外两个标准差的取值时,该标准差对应的拉普拉斯算子对该标准差对应的平面的特征变化反应敏感,用标准差对应的拉普拉斯算子检测该平面的边缘,然后进行分割,以同样方法对其它面进行分割。具体实施例中,根据σxy、σxz、σyz的不同取值来检测三维图像中特征边缘,当σxy大于σxz、σyz的取值时,算子在Vxy平面的平滑程度小于Vxz、Vyz平面的平滑程度,算子对Vxy平面的特征变化反应敏感,用来检测此方向的边缘;当σxz大于σxy、σyz的取值时,算子在Vxz平面的平滑程度小于Vxy、Vyz平面的平滑程度,算子对Vxz平面的特征变化反应敏感,用来检测此方向的边缘;当σyz大于σxy、σxz的取值时,算子在Vyz平面的平滑程度小于Vxy、Vxz平面的平滑程度,算子对Vyz平面的特征变化反应敏感,用来检测此方向的边缘。
本发明优选实施例中,使用平均输出功率约为50mV的激光器,采用5个离轴抛面镜对THZ光进行光束限制,HE-Ne激光器用于辅助调光路。高阻单晶硅片的作用是对He-Ne激光器输出的激光进行全反射并且透过THz光,系统采用的单元探测器是热释电探测器,光路中放置的斩波器使激光器输出的连续毫米波光变为频率为10Hz的脉冲光。本发明的进一步技术方案是:在变换图像之前,还包括对图像进行平滑处理,即,对接收的三维毫米波图像信号进行滤波去噪。
本发明优选实施例中,在进行对三维毫米波图像高斯函数进行二阶微分前,对三维毫米波图像的高斯函数进行平滑滤波。
如图1所示,本发明的具体实施方式是:构建一种三维毫米波图像的分割系统,包括变换图像的图像变换模块1、获取三维毫米波图像高斯函数拉普拉斯算子的拉普拉斯算子获取模块2、进行三维毫米波图像边缘分割的边缘分割模块3,设置三维毫米波图像在空间直角坐标系中三个面对应的标准差,所述图像变换模块1根据三维坐标函数的拉普拉斯算子及所述标准差变换二维图像的高斯函数为三维毫米波图像的高斯函数,所述拉普拉斯算子获取模块2对三维毫米波图像高斯函数采用差分形式近似拉普拉斯二阶微分运算,获取改进的三维毫米波图像高斯函数的拉普拉斯算子,所述边缘分割模块3根据每个面对应标准差的不同取值在图像的边缘处产生一个陡峭的零交叉点,判断每个边缘像素的归属进行该面图像的分割。
具体实施过程如下:所述图像变换模块1根据三维坐标函数的拉普拉斯算子及所述标准差变换二维图像的高斯函数为三维毫米波图像的高斯函数。毫米波波图像通常通过探测器在垂直方向上逐列扫描得到的,灰度值在垂直面上变化较为平缓,而在水平面上变换较为明显,同时,在上述高斯型的拉普拉斯算子中,二维高斯函数G(x,y)在水平方向和垂直方向上标准差σ取值是相同的,函数是关于中心对称的,在使用该算子对二维图像进行边缘检测时,若高斯函数G(x,y)中的标准差σ取值较大,则会对图像的平滑有很大影响,易导致图像中水平方向的边缘被忽略,若高斯函数G(x,y)中的标准差σ取值较小,虽然能检测到水平边缘,但对图像背景部分噪声滤除不够干净,导致图像中可以检测到其他多余的边缘,由于在毫米波三维成像中,对应空间直角坐标系的三个面Vxy、Vxz、Vyz方向上的平缓程度不同,使用传统的高斯型拉普拉斯算子对其进行边缘检测,无论标准差σ取何值,对图像的整体效果均有影响。本专利技术方案在所得到的三维毫米波图像上进行改变,使其在Vxy、Vxz、Vyz三面上标准差σ的取值不同,采取不同的尺度在三个面上进行滤波,这样在进行拉普拉斯变换后得到的边缘检测算子体现出来的就是相应方向上边缘检测的尺度不同,将空间直角坐标系中三个面Vxy、Vxz、Vyz对应的标准差记为σxy、σxz、σyz。
对于三维坐标函数f(x,y,z),其拉普拉斯算子为
在图像处理过程中,对其进行拉普拉斯微分运算,由于二阶微分对噪声的敏感度很强,在进行边缘检测前,先对图像进行平滑滤波,改进的高斯函数表达式为:
所述拉普拉斯算子获取模块2对三维毫米波图像高斯函数采用差分形式近似拉普拉斯二阶微分运算,获取改进的三维毫米波图像高斯函数的拉普拉斯算子。
具体实施过程如下:在图像处理过程中,采用差分形式近似拉普拉斯微分运算,定义为:
则与改进的高斯函数相对应的拉普拉斯算子式为:
所述边缘分割模块3根据每个面对应标准差的不同取值在图像的边缘处产生一个陡峭的零交叉点,判断每个边缘像素的归属进行该面图像的边缘检测和分割。
优选实施例中,在进行图像分割时,当一个标准差的取值大于另外两个标准差的取值时,该标准差对应的拉普拉斯算子对该标准差对应的平面的特征变化反应敏感,用标准差对应的拉普拉斯算子检测该平面的边缘,然后进行分割,以同样方法对其它面进行分割。具体实施例中,根据σxy、σxz、σyz的不同取值来检测三维图像中特征边缘,当σxy大于σxz、σyz的取值时,算子在Vxy平面的平滑程度小于Vxz、Vyz平面的平滑程度,算子对Vxy平面的特征变化反应敏感,用来检测此方向的边缘;当σxz大于σxy、σyz的取值时,算子在Vxz平面的平滑程度小于Vxy、Vyz平面的平滑程度,算子对Vxz平面的特征变化反应敏感,用来检测此方向的边缘;当σyz大于σxy、σxz的取值时,算子在Vyz平面的平滑程度小于Vxy、Vxz平面的平滑程度,算子对Vyz平面的特征变化反应敏感,用来检测此方向的边缘。
本发明的技术效果是:提供一种三维毫米波图像的分割方法及系统,步骤如下:变换图像:设置三维毫米波图像在空间直角坐标系中三个面对应的标准差,根据三维坐标函数的拉普拉斯算子及所述标准差变换二维图像的高斯函数为三维毫米波图像的高斯函数;获取拉普拉斯算子:对三维毫米波图像高斯函数采用差分形式近似拉普拉斯二阶微分运算,获取改进的三维毫米波图像高斯函数的拉普拉斯算子;边缘分割:根据空间直角坐标系中三个面对应的标准差的不同取值对三维毫米波图像的三个面进行分割,当一个标准差的取值大于另外两个标准差的取值时,该标准差对应的拉普拉斯算子对该标准差对应的平面的特征变化反应敏感,用标准差对应的拉普拉斯算子检测该平面的边缘,然后进行分割,以同样方法对其它面进行分割。本发明一种三维毫米波图像的分割方法及系统,针对三维毫米波成像中水平面和竖直面之间平滑程度不同的特点,提出了一种改进的高斯-拉普拉斯算子,不同于传统高斯-拉普拉斯算子各向同性的特点,改进的算子在水平面和竖直面上对边缘具有不同的检测尺度,该算子可以将毫米波三维成像的图像中的人体背景与隐匿的危险品自动分割,对危险品能够准确、快速地进行定位,使毫米波成像技术满足实际应用的需求。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种三维毫米波图像的分割方法,步骤如下:
变换图像:设置三维毫米波图像在空间直角坐标系中三个面对应的标准差,根据三维坐标函数的拉普拉斯算子及所述标准差变换二维图像的高斯函数为三维毫米波图像的高斯函数;
获取拉普拉斯算子:对三维毫米波图像高斯函数采用差分形式近似拉普拉斯二阶微分运算,获取改进的三维毫米波图像高斯函数的拉普拉斯算子;
边缘分割:根据每个面对应标准差的不同取值在图像的边缘处产生一个零交叉点,根据所述零交叉点判断每个边缘像素的归属进行图像的分割。
2.根据权利要求1所述三维毫米波图像的分割方法,其特征在于,在边缘分割时,当一个标准差的取值大于另外两个标准差的取值时,用该标准差对应的拉普拉斯算子检测该方向的边缘。
3.根据权利要求1所述三维毫米波图像的分割方法,其特征在于,在变换图像之前,还包括对图像进行平滑处理,即,采用归一化均值滤波对接收的三维毫米波图像信号进行滤波去噪处理。
4.根据权利要求1所述三维毫米波图像的分割方法,其特征在于,在变换图像之前,包括产生图像信号,所述图像信号为激光信号产生的连续毫米波光信号,将连续毫米波光信号变为脉冲光。
5.根据权利要求1所述三维毫米波图像的分割方法,其特征在于,在进行对三维毫米波图像高斯函数进行二阶微分前,对三维毫米波图像的高斯函数进行平滑滤波。
6.一种三维毫米波图像的分割系统,其特征在于,包括变换图像的图像变换模块、获取三维毫米波图像高斯函数拉普拉斯算子的拉普拉斯算子获取模块、进行三维毫米波图像边缘分割的边缘分割模块,设置三维毫米波图像在空间直角坐标系中三个面对应的标准差,所述图像变换模块根据三维坐标函数的拉普拉斯算子及所述标准差变换二维图像的高斯函数为三维毫米波图像的高斯函数,所述拉普拉斯算子获取模块对三维毫米波图像高斯函数采用差分形式近似拉普拉斯二阶微分运算,获取改进的三维毫米波图像高斯函数的拉普拉斯算子,所述边缘分割模块根据每个面对应标准差的不同取值在图像的边缘处产生一个零交叉点,根据所述零交叉点判断每个边缘像素的归属进行图像的分割。
7.根据权利要求6所述三维毫米波图像的分割系统,其特征在于,在边缘分割时,当一个标准差的取值大于另外两个标准差的取值时,用该标准差对应的拉普拉斯算子检测该方向的边缘。
8.根据权利要求6所述三维毫米波图像的分割系统,其特征在于,在变换图像之前,还包括对图像进行平滑处理,即,采用归一化均值滤波对接收的三维毫米波图像信号进行滤波去噪处理。
9.根据权利要求1所述三维毫米波图像的分割系统,其特征在于,在变换图像之前,包括产生图像信号,所述图像信号为激光信号产生的连续毫米波光信号,将连续毫米波光信号变为脉冲光。
10.根据权利要求1所述三维毫米波图像的分割系统,其特征在于,在进行对三维毫米波图像高斯函数进行二阶微分前,对三维毫米波图像的高斯函数进行平滑滤波。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410834141.3A CN104517296A (zh) | 2014-12-25 | 2014-12-25 | 一种三维毫米波图像的分割方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410834141.3A CN104517296A (zh) | 2014-12-25 | 2014-12-25 | 一种三维毫米波图像的分割方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104517296A true CN104517296A (zh) | 2015-04-15 |
Family
ID=52792542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410834141.3A Pending CN104517296A (zh) | 2014-12-25 | 2014-12-25 | 一种三维毫米波图像的分割方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104517296A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109117694A (zh) * | 2017-06-26 | 2019-01-01 | 刘风华 | 非接触识别人、动物和植物 |
CN109288176A (zh) * | 2018-11-02 | 2019-02-01 | 北京遥测技术研究所 | 一种基于毫米波的量体裁衣方法 |
CN109597067A (zh) * | 2018-12-21 | 2019-04-09 | 济南爱我本克网络科技有限公司 | 毫米波辐射计线列扫描低识别度目标的分析方法和系统 |
CN110837130A (zh) * | 2019-11-22 | 2020-02-25 | 中国电子科技集团公司第四十一研究所 | 一种基于毫米波/太赫兹波辐射的目标自动检测算法 |
CN111985555A (zh) * | 2020-08-19 | 2020-11-24 | 中国科学院上海微系统与信息技术研究所 | 毫米波三维全息图像去噪方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005317669A (ja) * | 2004-04-27 | 2005-11-10 | Research Foundation For Opto-Science & Technology | テラヘルツ波発生装置及びそれを用いた計測装置 |
CN102800094A (zh) * | 2012-07-13 | 2012-11-28 | 南京邮电大学 | 一种快速彩色图像分割方法 |
-
2014
- 2014-12-25 CN CN201410834141.3A patent/CN104517296A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005317669A (ja) * | 2004-04-27 | 2005-11-10 | Research Foundation For Opto-Science & Technology | テラヘルツ波発生装置及びそれを用いた計測装置 |
CN102800094A (zh) * | 2012-07-13 | 2012-11-28 | 南京邮电大学 | 一种快速彩色图像分割方法 |
Non-Patent Citations (1)
Title |
---|
朱维文 等: "基于被动太赫兹波图像的图像分割技术", 《北京理工大学学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109117694A (zh) * | 2017-06-26 | 2019-01-01 | 刘风华 | 非接触识别人、动物和植物 |
CN109288176A (zh) * | 2018-11-02 | 2019-02-01 | 北京遥测技术研究所 | 一种基于毫米波的量体裁衣方法 |
CN109597067A (zh) * | 2018-12-21 | 2019-04-09 | 济南爱我本克网络科技有限公司 | 毫米波辐射计线列扫描低识别度目标的分析方法和系统 |
CN110837130A (zh) * | 2019-11-22 | 2020-02-25 | 中国电子科技集团公司第四十一研究所 | 一种基于毫米波/太赫兹波辐射的目标自动检测算法 |
CN111985555A (zh) * | 2020-08-19 | 2020-11-24 | 中国科学院上海微系统与信息技术研究所 | 毫米波三维全息图像去噪方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104517295A (zh) | 一种三维太赫兹图像的图像分割方法及系统 | |
CN104517296A (zh) | 一种三维毫米波图像的分割方法及系统 | |
CN102636490B (zh) | 基于机器视觉的轴承防尘盖表面缺陷检测方法 | |
Hautière et al. | Mitigation of visibility loss for advanced camera-based driver assistance | |
CN102682455B (zh) | 一种基于单目视觉的前方车辆检测方法 | |
CN102298779B (zh) | 全景辅助泊车系统的图像配准方法 | |
Ouyang et al. | Pavement cracking measurements using 3D laser-scan images | |
CN108876744B (zh) | 一种基于区域分割的大尺度点云噪声去噪方法 | |
CN103455813A (zh) | 一种ccd图像测量系统光斑中心定位的方法 | |
Zheng et al. | Edge detection methods in digital image processing | |
CN103148837B (zh) | 一种车距测量方法、装置及汽车 | |
Gao et al. | UV-disparity based obstacle detection with 3D camera and steerable filter | |
CN101329402B (zh) | 基于改进Wedgelet的多尺度SAR图像边缘检测方法 | |
CN104063882B (zh) | 一种基于双目的车辆视频测速方法 | |
CN105113375A (zh) | 一种基于线结构光的路面裂缝检测系统及其检测方法 | |
CN104657727A (zh) | 一种车道线的检测方法 | |
CN103593981B (zh) | 一种基于视频的车型识别方法 | |
Mathavan et al. | Pavement raveling detection and measurement from synchronized intensity and range images | |
CN106327464A (zh) | 一种边缘检测方法 | |
CN102122344A (zh) | 基于红外图像的道路边界检测方法 | |
CN101777181A (zh) | 基于脊波双框架系统的sar图像机场跑道提取方法 | |
CN103914829B (zh) | 一种含噪图像边缘检测方法 | |
CN105975957A (zh) | 一种基于车道线边缘的道路平面检测方法 | |
Qu et al. | Human-vehicle collision detection algorithm based on image processing | |
CN104236866B (zh) | 基于行车方向的汽车前照灯检测数据误差纠正方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150415 |
|
RJ01 | Rejection of invention patent application after publication |