CN104574396A - 一种直线检测方法及系统 - Google Patents
一种直线检测方法及系统 Download PDFInfo
- Publication number
- CN104574396A CN104574396A CN201410851790.4A CN201410851790A CN104574396A CN 104574396 A CN104574396 A CN 104574396A CN 201410851790 A CN201410851790 A CN 201410851790A CN 104574396 A CN104574396 A CN 104574396A
- Authority
- CN
- China
- Prior art keywords
- seed points
- deflection
- cumulant matrix
- line
- benefit point
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20156—Automatic seed setting
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明属于图像处理技术领域,提供了一种直线检测方法及系统。该方法及系统是从待处理图像中抽取种子点,以种子点及种子点和补点之间连线的方向角作为直线参数来构造新的累积矩阵。种子点—补点连线的方向角的求解采用二维反正切表查表法,累积时按照该角度与相邻方向角量化值的距离成反比的方式进行,最后对累积矩阵取门限来得到直线参数。由于采用了新的累积矩阵和整数二维反正切查找表参与运算,相对于现有的标准霍夫变换及其各种改进算法,减小了运算量,节省了内存空间,并可精确定位直线段,非常适用于在嵌入式系统等运算和存储资源有限情况下对虚直线的快速定位。
Description
技术领域
本发明属于图像处理技术领域,尤其涉及一种直线检测方法及系统。
背景技术
随着数字信号处理技术和计算机技术的发展,图像处理正得到广泛而深入的研究。图像特征提取是图像处理的一项关键技术,直线特征是图像中物体的基本特征之一,是目标识别和视觉感知的重要线索,直线往往对应着目标的轮廓线或者边界。在图像分析和模式识别中,根据直线检测结果可以形成线性中层符号描述,从而使图像的表示更简洁,便于完成后续的图像识别任务。因而,直线检测在航空、卫星图像中道路检测、军事侦察、图像制导等领域有着广泛的应用。
霍夫变换(Hough Transform)是现有技术常用的检测包括直线在内的参数化曲线的方法。标准霍夫变换的基本思想是将图像空间的一点变换到参量空间的曲线或曲面,具有同一参量特征的点经变换后在参量空间中相交,通过判断焦点处的累积程度来完成特征图形的检测。该方法具有优异的鲁棒性和极佳的抗干扰能力,对图像中的噪声不敏感,能够较好地处理局部遮挡、覆盖等情况。但由于霍夫变换是一种穷尽式搜索,对于大图像的检测,计算复杂度和空间复杂度都很高,巨大的计算量阻止了它在实时性要求很高的领域的应用。
为了解决标准霍夫变换存在的上述问题,现有技术还提出了多种改进的霍夫变换,例如概率霍夫变换(PHT)和随机霍夫变换(RHT)等。PHT是将图像数据映射到参数域中具有更大概率的单元,而非所有单元,可以有效降低时间和空间开销;RHT是通过对图像中像素点的随机采样,避免标准霍夫变换巨大的计算量,且降低了内存需求,但RHT在处理复杂图像时,会引入大量无效采样和累计,使算法性能大为降低。
但对于图像中点比较密集的情况,标准霍夫变换的直线检测会穷尽式搜索所有点,计算量大,且计算得到的ρ非常大,则ρ-θ平面也将非常大,耗费大量的存储空间。快速的霍夫变换直线检测虽然能降低运算量,但是内存空间却增加了,而PHT会对断裂比较敏感,所以标准霍夫变换和改进的霍夫变换直线检测并未解决虚直线检测中运算量大、存储空间大的问题,同时,在检测过程中,由于丢失了线段的端点和长度信息,因而不能直接定位直线段。
发明内容
本发明的目的在于提供一种直线检测方法,旨在解决现有的标准霍夫变换及其各种改进算法由于运算量大、占用存储空间大、检测速度慢而不适用于检测虚直线,且由于检测过程丢失了线段端点和长度信息而不适用于直线段定位的问题。
本发明是这样实现的,一种直线检测方法,所述方法包括以下步骤:
从待处理图像中抽取种子点,得到种子点集合和补点集合;
构建累积矩阵并初始化,所述累积矩阵的第一维下标为种子点的序号,所述累积矩阵的第二维下标为直线方向角量化值的编号,所述累积矩阵中的每一元素作为一个累积单元,各所述累积单元的初始值均为0;
求解所述种子点集合中各种子点与所述补点集合中各补点之间连线的方向角;
按照种子点-补点连线方向角与相邻方向角量化值的距离成反比的方式,对所述累积矩阵中相应的累积单元进行累积;
对经累积后的所述累积矩阵取门限来得到直线参数。
本发明的另一目的在于提供一种直线检测系统,所述系统包括:
抽取模块,用于从待处理图像中抽取种子点,得到种子点集合和补点集合;
构建模块,用于构建累积矩阵并初始化,所述累积矩阵的第一维下标为种子点的序号,所述累积矩阵的第二维下标为直线方向角量化值的编号,所述累积矩阵中的每一元素作为一个累积单元,各所述累积单元的初始值均为0;
计算模块,用于求解所述种子点集合中各种子点与所述补点集合中各补点之间连线的方向角;
累积模块,用于按照种子点-补点连线方向角与相邻方向角量化值的距离成反比的方式,对所述累积矩阵中相应的累积单元进行累积;
检测模块,用于对经累积后的所述累积矩阵取门限来得到直线参数。
本发明提出的直线检测方法及系统是从待处理图像中抽取种子点,以种子点及种子点和补点之间连线的方向角作为直线参数来构造新的累计矩阵,并按种子点-补点连线方向角与相邻方向角量化值的距离成反比的方式,对累积矩阵进行累积,最后对累积矩阵取门限即可得到直线参数。由于采用了新的累积矩阵和二维反正切查找表的方法,相对于现有的标准霍夫变换及其各种改进算法,减小了运算量,节省了内存空间,并可精确定位直线段,非常适用于在嵌入式系统等运算和存储资源有限情况下对虚直线的快速定位。
附图说明
图1是本发明实施例提供的直线检测方法的流程图;
图2是本发明实施例中,求解方向角的步骤的详细流程图;
图3a是本发明实施例的实验中,从一个角度采集到的隐形二维码图;
图3b是本发明实施例的实验中,从另一个角度采集到的隐形二维码图;
图4是本发明实施例提供的直线检测系统的结构图;
图5是图3中,计算模块的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了能够实现对虚直线的快读检测,本发明实施例提出的直线检测方法及系统是从待处理图像中抽取种子点,以种子点及种子点和补点之间连线的方向角作为直线参数来构造新的累计矩阵,按种子点-补点连线方向角与相邻方向角量化值的距离成反比方式,对累积矩阵进行累积,最后对累积矩阵取门限即可得到直线参数。
图1示出了本发明实施例提供的直线检测方法的流程,包括以下步骤:
S1;从待处理图像中抽取种子点,得到种子点集合和补点集合。
其中,种子点集合的各元素分别为种子点的坐标,补点集合的各元素分别为补点的坐标。本发明实施例中,补点是指待处理图像的全部图形上的全部像素点除去种子点后,剩余的各像素点。
假设待处理图像的全部图形上的全部像素点的集合为Ω={Ωt=(xt,yt),t=1,2,3...K},种子点集合为Z={Zi=(xi,yi),i=1,2,3...,L},且则补点集合可表示为B=Ω-Z={Bj=(xj,yj),j=1,2,3...K-L}。
根据图像成像特点,图像中心区域的扭曲、失真最小,故可在待处理图像的中心区域抽取部分点作为种子点。
S2:构建累积矩阵AL×S并初始化,累积矩阵的第一维下标为种子点的序号,累积矩阵的第二维下标为直线方向角量化值的编号,以使得累积矩阵中各累积单元的初始值均为0,
本发明实施例中,累积矩阵可表示为AL×S,其中,L为种子点集合中的元素个数,S为种子点与补点连线的方向角的量化级数量,也称为种子点与补点连线的方向角α(0≤α≤π)的等份数,参数空间内累积矩阵AL×S中的每一元素分别对应种子点和过种子点直线的方向角量化值,累积矩阵AL×S中的每一元素作为一个累积单元,累积矩阵AL×S中第i行且第j列元素可表示为A(i,j),则A(i,j)对应过种子点Zi方向角为αj=(j-1)×Δθ,j=1,2,…,S,其中,Δθ=π/S是直线方向角的量化间隔。
S3:求解种子点集合中各种子点与补点集合中各补点之间连线的方向角。
假设Δx为一种子点与一补点之间的水平间距,Δy为种子点与补点之间的垂直间距,f(Δx,Δy)为关于水平间距Δx和垂直间距Δy的函数,则该种子点与该补点间连接的方向角为α,且满足故而,根据种子点集合中种子点的坐标以及集合中补点的坐标,即可得到种子点与补点之间连线的纵横坐标差,之后可通过反正切和除法运算求得方向角,也可通过直接查表的方式求得方向角。
为了减少运算量,本发明实施例采用直接查表方式求解方向角,同时考虑到水平间距Δx和垂直间距Δy均是整数,故本发明实施例在步骤S3之前,可包括预存一张用Qn定点数表示的二维反正切查找表的步骤,则如图2所示,步骤S3可进一步包括以下步骤:
S31:从补点集合中选取当前补点。
S32:遍历种子点集合,分别计算当前补点与种子点集合中各种子点之间的纵横坐标差。
S33:查找预存的二维反正切查找表,得到与每一纵横坐标差对应的方向角,之后返回步骤S31,以选取下一补点作为当前补点而参与运算,直至遍历补点集合中的全部补点。
S4:按照种子点-补点连线方向角与相邻方向角量化值的距离成反比的原则,对累积矩阵中相应的累积单元进行累积。
本发明实施例中,相邻方向角是指同一种子点分别与各补点之间的方向角中,相邻排列的两个方向角的量化值。
则步骤S4即是说,设θi,k是种子点i′与补点k连线的方向角,αj和αj+1是与θi′,k最邻近的方向角量化值,对累积矩阵中的累积单元A(i,j)和A(i,j+1),分别执行:
A(i,j)=A(i,j)+(αj+1-θi,k)
A(i,j+1)=A(i,j+1)+(θi-αj)
利用如上两式对相应的累积单元进行累积,之后遍历种子点集合中的其它种子点,以相同的方式对相应的累积单元进行累积。
S5:对经累积后的累积矩阵取门限来得到直线参数。
即是说,对于经累积后的累积矩阵,取其中累积值在门限范围内的累积单元,则累积单元对应得到直线参数。
本发明实施例中,直线参数至少包括累积单元对应的种子点坐标及方向角。根据实际需要,还可包括直线段端点处的种子点坐标,以实现对直线段的精确定位。
另外,如果输入图像的景象并不单一,则为了提高检测准确性,需在步骤S1之前对输入图像的各区域按照灰度、颜色、纹理等特征进行图像分割,使得分割后,各图像块内的特征变换平缓,而图像块边缘的特征变换剧烈。即是说,本发明实施例在步骤S1之前,还可包括以下步骤:
S0:对输入图像进行图像分割,得到的图像块作为步骤S1中的待处理图像。
在实际中,可利用常用的图像分割算法,如阈值法、边缘检测法、区域生长法、纹理分析法等,实现图像分割。
在应用本发明实施例提供的直线检测方法的一个实验中,从两个不同角度采集得到隐形二维码图像,如图3a和图3b所示,图像的尺寸为144*144,图像中总像素点个数K=90。实验参数设定如下:二维反正切查找表用Q5定点数表示,方向角的量化间隔Δθ为1度,抽取的种子点个数为25个,测试用处理器为32MHZ晶振的ARM7TDMI处理器,程序语言为C++,在ADSv1_2编译环境下进行开发。实验结果如图3a和图3b中检测到的直线所示,结果准确,完成直线检测所花的时间为0.00168s,占用存储空间4500byte,而标准霍夫变换按同样的角度量化间隔,取极径量化间隔为1时所花时间为0.054s,所需存储量为36656byte,可见所需存储空间降低而检测速度更快。
图4示出了本发明实施例提供的直线检测系统的结构。
详细地,本发明实施例提供的直线检测系统包括:抽取模块1,用于从待处理图像中抽取种子点,得到种子点集合和补点集合;构建模块2,用于构建累积矩阵并初始化,累积矩阵的第一维下标为种子点的序号,第二维下标为直线方向角量化值的编号,以使得累积矩阵中各累积单元的初始值均为0;计算模块3,用于求解种子点集合中各种子点与补点集合中各补点之间连线的方向角;累积模块4,用于按照种子点-补点连线方向角与相邻方向角量化值的距离成反比的方式,对累积矩阵中相应的累积单元进行累积;检测模块5,用于对经累积后的累积矩阵取门限来得到直线参数。
其中,对种子点、补点、种子点集合、补点集合、累积矩阵、累积单元、直线参数的定义如前所述,不赘述。其中,各模块的详细执行步骤如前所述,不赘述。
进一步地,如图5所示,计算模块3可包括:选取子模块31,用于从补点集合中选取当前补点;计算子模块32,用于遍历种子点集合,分别计算当前补点与种子点集合中各种子点之间纵横坐标差;查表子模块33,用于查找预存的二维反正切查找表,得到与每一纵横坐标差对应的方向角,之后由选择子模块31继续选取下一补点作为当前补点而参与运算,直至选取子模块31遍历补点集合中的全部补点。
另外,本发明实施例提供的直线检测系统还可包括:分割模块6,用于对输入图像进行图像分割,得到的图像块作为抽取模块1所需的待处理图像。
综上所述,本发明实施例提出的直线检测方法及系统是从待处理图像中抽取种子点,以种子点及种子点和补点之间连线的方向角作为直线参数来构造新的累积矩阵,按种子点—补点连线方向角与相邻方向角量化值的距离成比的方式,对累积矩阵进行累积,最后对累积矩阵取门限即可得到直线参数。由于采用了新的累积矩阵和二维反正切查找表的方法,有效的减少了运算量,相对于现有的标准霍夫变换及其各种改进算法,减小了运算量,节省了内存空间,并可精确定位直线段。非常适用于在嵌入式系统等运算和存储资源有限情况下对虚直线的快速定位。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来控制相关的硬件完成,所述的程序可以在存储于一计算机可读取存储介质中,所述的存储介质,如ROM/RAM、磁盘、光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种直线检测方法,其特征在于,所述方法包括以下步骤:
从待处理图像中抽取种子点,得到种子点集合和补点集合;
构建累积矩阵并初始化,所述累积矩阵的第一维下标为种子点的序号,所述累积矩阵的第二维下标为直线方向角量化值的编号,所述累积矩阵中的每一元素作为一个累积单元,各所述累积单元的初始值均为0;
求解所述种子点集合中各种子点与所述补点集合中各补点之间连线的方向角;
按照种子点-补点连线方向角与相邻方向角量化值的距离成反比的原则,对累积矩阵中相应的累积单元进行累积;
对经累积后的所述累积矩阵取门限来得到直线参数。
2.如权利要求1所述的直线检测方法,其特征在于,所述累积矩阵的每个元素分别对应所述种子点和过所述种子点直线的方向角量化值,所述累积矩阵的第i行且第j列元素表示为A(i,j),所述待处理图像的全部图形上的全部像素点的集合为Ω={Ωt=(xt,yt),t=1,2,3...K},所述种子点集合为Z={Zi=(xi,yi),i=1,2,3...,L},且则所述A(i,j)对应过种子点Zi方向角为αj=(j-1)×Δθ,j=1,2,…,S,所述Δθ=π/S是直线方向角的量化间隔,所述S是种子点与补点连线的方向角的量化级数量。
3.如权利要求1所述的直线检测方法,其特征在于,所述求解所述种子点集合中各种子点与所述补点集合中各补点之间连线的方向角的步骤包括以下步骤:
从所述补点集合中选取当前补点;
遍历所述种子点集合,分别计算所述当前补点与所述种子点集合中各种子点之间的纵横坐标差;
查找预存的二维反正切查找表,得到与每一纵横坐标差对应的方向角,之后返回所述从所述补点集合中选取当前补点的步骤,直至遍历所述补点集合中的全部补点。
4.如权利要求1所述的直线检测方法,其特征在于,所述按照种子点-补点连线方向角与相邻方向角量化值的距离成反比的原则,对累积矩阵中相应的累积单元进行累积的步骤表示为:
A(i,j)=A(i,j)+(αj+1-θi,k)
A(i,j+1)=A(i,j+1)+(θi-αj)
其中,A(i,j)是所述累积矩阵的第i行且第j列元素,A(i,j+1)是所述累积矩阵的第i行且第j+1列元素,αj和αj+1是与种子点i′和补点k连线方向角θi′,k最邻近的方向角量化值,且αi,j<θi,k<αi,j+1。
5.如权利要求1至4任一项所述的直线检测方法,其特征在于,在所述从待处理图像中抽取种子点的步骤之前,所述方法还包括以下步骤:
对输入图像进行图像分割,得到的图像块作为所述待处理图像。
6.一种直线检测系统,其特征在于,所述系统包括:
抽取模块,用于从待处理图像中抽取种子点,得到种子点集合和补点集合;
构建模块,用于构建累积矩阵并初始化,所述累积矩阵的第一维下标为种子点的序号,所述累积矩阵的第二维下标为直线方向角量化值的编号,所述累积矩阵中的每一元素作为一个累积单元,各所述累积单元的初始值均为0;
计算模块,用于求解所述种子点集合中各种子点与所述补点集合中各补点之间连线的方向角;
累积模块,用于按照种子点-补点连线方向角与相邻方向角量化值的距离成反比的原则,对累积矩阵中相应的累积单元进行累积;
检测模块,用于对经累积后的所述累积矩阵取门限来得到直线参数。
7.如权利要求6所述的直线检测系统,其特征在于,所述计算模块包括:
选取子模块,用于从所述补点集合中选取当前补点;
计算子模块,用于遍历所述种子点集合,分别计算所述当前补点与所述种子点集合中各种子点之间的纵横坐标差;
查表子模块,用于查找预存的二维反正切查找表,得到与每一所述纵横坐标差对应的方向角,之后由所述选择子模块继续选取下一补点作为当前补点而参与运算,直至所述选择子模块遍历所述补点集合中的全部补点。
8.如权利要求6或7所述的直线检测系统,其特征在于,所述系统还包括:
分割模块,用于对输入图像进行图像分割,得到的图像块作为所述待处理图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410851790.4A CN104574396B (zh) | 2014-12-31 | 2014-12-31 | 一种直线检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410851790.4A CN104574396B (zh) | 2014-12-31 | 2014-12-31 | 一种直线检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104574396A true CN104574396A (zh) | 2015-04-29 |
CN104574396B CN104574396B (zh) | 2017-05-24 |
Family
ID=53090368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410851790.4A Active CN104574396B (zh) | 2014-12-31 | 2014-12-31 | 一种直线检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104574396B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105373807A (zh) * | 2015-10-26 | 2016-03-02 | 宁波裕兰信息科技有限公司 | 基于霍夫变换的直线检测的优化设计方法 |
CN110826385A (zh) * | 2018-06-07 | 2020-02-21 | 皇家飞利浦有限公司 | 康复设备及方法 |
CN112378338A (zh) * | 2020-11-25 | 2021-02-19 | 上海里莱技术服务中心 | 一种基于Hough变换的外螺纹检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914830A (zh) * | 2014-02-22 | 2014-07-09 | 小米科技有限责任公司 | 直线检测方法和装置 |
US20140212049A1 (en) * | 2013-01-30 | 2014-07-31 | Pfu Limited | Image processing apparatus, image processing method, and computer-readable, non-transitory medium |
-
2014
- 2014-12-31 CN CN201410851790.4A patent/CN104574396B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140212049A1 (en) * | 2013-01-30 | 2014-07-31 | Pfu Limited | Image processing apparatus, image processing method, and computer-readable, non-transitory medium |
CN103914830A (zh) * | 2014-02-22 | 2014-07-09 | 小米科技有限责任公司 | 直线检测方法和装置 |
Non-Patent Citations (3)
Title |
---|
YUN-SEOK LEE ET AL.: "A straight line detection using principal component analysis", 《PATTERN RECOGNITION LETTERS》 * |
刘巍 等: "基于主元分析和聚类的直线检测算法", 《计算机应用》 * |
黄建军 等: "航空影像中立交桥的自动检测", 《中国体视学与图像分析》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105373807A (zh) * | 2015-10-26 | 2016-03-02 | 宁波裕兰信息科技有限公司 | 基于霍夫变换的直线检测的优化设计方法 |
CN110826385A (zh) * | 2018-06-07 | 2020-02-21 | 皇家飞利浦有限公司 | 康复设备及方法 |
CN112378338A (zh) * | 2020-11-25 | 2021-02-19 | 上海里莱技术服务中心 | 一种基于Hough变换的外螺纹检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104574396B (zh) | 2017-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Peng et al. | An improved snake model for building detection from urban aerial images | |
Zhang et al. | Corner detection based on gradient correlation matrices of planar curves | |
US8774510B2 (en) | Template matching with histogram of gradient orientations | |
CN110334762B (zh) | 一种基于四叉树结合orb和sift的特征匹配方法 | |
CN109977776B (zh) | 一种车道线检测方法、装置及车载设备 | |
CN104200461B (zh) | 基于互信息图像选块和sift特征的遥感图像配准方法 | |
CN107392141B (zh) | 一种基于显著性检测和lsd直线检测的机场提取方法 | |
Liu et al. | A contrario comparison of local descriptors for change detection in very high spatial resolution satellite images of urban areas | |
Fan et al. | Real-time stereo vision for road surface 3-d reconstruction | |
Liu et al. | Interactive geospatial object extraction in high resolution remote sensing images using shape-based global minimization active contour model | |
US11189032B2 (en) | Method and apparatus for extracting a satellite image-based building footprint | |
Peña et al. | Disparity estimation by simultaneous edge drawing | |
CN104318559A (zh) | 用于视频图像匹配的特征点快速检测方法 | |
Yuan et al. | Combining maps and street level images for building height and facade estimation | |
Babawuro et al. | Satellite imagery cadastral features extractions using image processing algorithms: A viable option for cadastral science | |
Chen et al. | Building change detection in very high-resolution remote sensing image based on pseudo-orthorectification | |
CN104574396A (zh) | 一种直线检测方法及系统 | |
Huang et al. | SAR and optical images registration using shape context | |
CN109741306B (zh) | 应用于危险化学品库房堆垛的图像处理方法 | |
CN100552698C (zh) | 对航拍图像中机场跑道的实时检测方法 | |
Chen et al. | An adaptive feature region-based line segment matching method for viewpoint-changed images with discontinuous parallax and poor textures | |
Chen et al. | Fast vehicle detection using a disparity projection method | |
Yue et al. | SCFNet: Semantic correction and focus network for remote sensing image object detection | |
Ye et al. | Fast and robust structure-based multimodal geospatial image matching | |
CN108665470B (zh) | 一种交互式轮廓提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |