CN105184775B - 基于特征向量定向的椭球形水果尺寸快速检测方法 - Google Patents
基于特征向量定向的椭球形水果尺寸快速检测方法 Download PDFInfo
- Publication number
- CN105184775B CN105184775B CN201510501000.4A CN201510501000A CN105184775B CN 105184775 B CN105184775 B CN 105184775B CN 201510501000 A CN201510501000 A CN 201510501000A CN 105184775 B CN105184775 B CN 105184775B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- msubsup
- fruit
- mtd
- 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.)
- Active
Links
Classifications
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30128—Food products
Landscapes
- Coloring Foods And Improving Nutritive Qualities (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于特征向量定向的椭球形水果尺寸快速检测方法。对获取的水果图像进行阈值分割、滤波、边缘提取等操作来得到水果边缘图像。对边缘图像建立直角坐标系;求出边缘坐标的协方差矩阵;进而求得协方差矩阵的特征值与单位特征向量;利用单位特征向量定向水果,使其纵径或横径方向平行于直角坐标系水平轴,再利用计算水果边界的上、下、左、右极值点来完成尺寸检测。本发明通过对水果图像的边界坐标信息求取特征向量来达到快速定向到水果纵径和横径,避免了MER方法通过多次旋转水果图像带来的大量运算,在保证检测精度的同时,提高了检测速度,适于椭球形水果商品化处理过程中的水果尺寸实时检测需要。
Description
技术领域
本发明涉及一种水果尺寸检测的方法,尤其是涉及一种基于特征向量定向的椭球形水果尺寸快速检测方法。
背景技术
水果的大小形状是水果尺寸检测的重要一环。作为水果分级的重要依据之一,在各国的水果评级标准中有着严格规定。能够快速准确地检测水果尺寸会对水果品质检测、水果分级的效率提高有着很大的帮助。
在传统上,水果尺寸的检测一般用最小外接矩形MER(Minimum EnclosingRectangle)法来检测水果的纵横径。该方法是以旋转水果为基础,找到每个角度下,水果的最外缘点来获得其外接矩形,比较各个角度下外接矩形的面积或周长,找到最小外接矩形后,将其长边和短边分别作为水果的纵径和横径(Kenneth R.Castleman(美),朱志刚等译.数字图像处理.北京:电子工业出版社,2002)。另外还有以水果自然对称形态特征为依据,确定水果尺寸的检测位置,从而完成水果大小检测的方法。但该法受水果果形限制(冯斌,汪愁华.基于计算机视觉的水果大小检测方法.农业机械学报,2003(l):73-75)。
对于椭球形水果的尺寸检测,MER法存在局限,在旋转角度间隔与检测精度之间存在矛盾,如提高检测精度,则旋转角度间隔应减小,运算时间大幅上升,不利于生产上的实时检测。
发明内容
本发明的目的在于提供一种基于特征向量定向的椭球形水果尺寸快速检测方法,通过对水果图像的边界坐标信息求取特征向量来达到快速定向到水果纵径和横径,避免了MER方法通过多次旋转水果图像带来的大量运算。
本发明解决其技术问题,所采用技术方案的步骤是:
获取水果图像,并经二值分割、滤波和边缘检测后,得到水果的边界E,建立直角坐标系;1)将边界E的数据以xi,yi,i=1,2…n的形式存放到水果边界信息矩阵n,其中N为水果边界点总数;
2)按公式(1)求水果边界信息矩阵M的协方差矩阵C:
式中:
μX是边界E上x坐标的均值,求法见公式(2);
μY是边界E上y坐标的均值,求法见公式(2);
xi是边界E上第i个点的x坐标;
yi是边界E上第i个点的y坐标;
n是边界E上点的个数;
3)用公式(3)计算协方差矩阵C的特征值λi,i=1,2;
|λiU-C|=0 (3)
式中:U为单位矩阵;
用公式(4)求出特征值λi的特征向量Vi,i=1,2;
(λiU-C)Vi=0,i=1,2 (4)
用公式(5)计算单位长度的特征向量V0i,
用单位特征向量V0i组成定向矩阵R,即R=[V01 V02];
4)用公式(6)将水果边界信息矩阵M乘上定向矩阵R得到新的水果边界信息矩阵M’;
式中:
xi,yi为M中第i个元素;
Rpq,p=1,2,q=1,2表示R中第p行第q列的元素;
x′i,y′i为M’中第i个元素;
5)在新的水果边界信息矩阵M’分别找出X’坐标和Y’坐标最小值x’min,y’min和最大值x’max,y’max;用公式(7)计算水果的纵径和横径:
Dmax和Dmin分别代表水果的纵径和横径。
本发明具有的有益的效果是:
本发明通过对水果图像的边界坐标信息求取特征向量来达到快速定向到水果纵径和横径,避免了MER方法通过多次旋转水果图像带来的大量运算,在保证检测精度的同时,提高了检测速度,本发明适于椭球形水果商品化处理过程中的水果尺寸实时检测需要。
附图说明
图1是本发明的处理过程方法流程框图。
图2是本发明的处理过程中建立直角坐标系后的水果边缘图像。
图3是本发明的处理过程表现特征向量定向方向的图像。
图4是本发明的处理过程的表现检测效果的图像。
具体实施方式
下面结合附图和实施例对本发明做进一步说明。
在本实施例中,本发明的检测方法的采用MATLAB软件编程实现。
如图1所示,采用专利号为ZL201110417958.7,发明名称为“克服尺寸和姿态影响的水果内部品质信息采集方法及装置”的中国发明专利,获取水果图像,并经二值分割、滤波和边缘检测后,得到水果的边界E,建立如图2所示的直角坐标系后,该方法的步骤如下:
1)将边界E的数据以(xi,yi)(i=1,2…n,n为水果边界点总数)的形式存放到水果边界信息矩阵M。
2)按公式(1)求水果边界信息矩阵M的的协方差矩阵C。
式中:
μX是边界E上x坐标的均值(求法见公式(2));
μY是边界E上y坐标的均值(求法见公式(2));
xi是边界E上第i个点的x坐标;
yi是边界E上第i个点的y坐标;
n是边界E上点的个数;
3)用公式(3)计算协方差矩阵C的特征值λi,i=1,2;
|λiU-C|=0 (3)
式中:U为单位矩阵;
用公式(4)求出特征值λl的特征向量Vl,i=1,2;
(λiU-C)Vi=0,i=1,2 (4)
用公式(5)计算单位长度的特征向量V0i,
用单位特征向量V0i组成定向矩阵R,即R=[V01 V02];
相应的MATLAB语句为:[R V]=eig(C);%其中V为特征值λ
图3中箭头方向代表特征向量定位的水果纵径和横径方向。
4)用公式(6)将水果边界信息矩阵M乘上定向矩阵R得到新的水果边界信息矩阵M’。
式中:
xi,yi为M中第i个元素;
Rpq(p=1,2,q=1,2)表示R中第p行第q列的元素;
x′i,y′i为M’中第i个元素;
相应的MATLAB语句为:M0=M*R;%其中M0为新的水果边界信息矩阵M’
5)在新的水果边界信息矩阵M’分别找出X’坐标和Y’坐标最小值x’min,y’min和最大值x’max,y’max。用公式(7)计算水果纵径和横径。
经过上述运算后,Dmax和Dmin分别代表水果的纵径和横径。
图4是以(x’min,y’min),(x’min,y’max),(x’max,y’max),(x’max,y’min)为顶点的矩形旋转至原来角度下的情形,即将坐标点如公式(8)变换并连成矩形,若只要求出纵径和横径则无需该操作。
x’,y’为M’坐标空间下的坐标
x,y为M坐标空间下的坐标
Rpq(p=1,2,q=1,2)表示R中第p行第q列的元素
以下为特征向量定向法与最小外接矩形法(MER)检测哈密瓜尺寸结果的比较。
在哈密瓜尺寸检测中,采用特征向量定向法与最小外接矩形法得到的Dmax和Dmin分别对应哈密瓜的纵径和横径。
为检验方法效果,拍摄了60个哈密瓜样本的图像,并采用标准方法测量这些样本的纵径和横径数据作为实测值。随机抽取其中30个样本作为建模集,余下的30个样本作为检验集,用建模集样本的纵径和横径的实测值与图像处理结果进行一元线性回归,分别建立哈密瓜纵径检测模型和横径检测模型,采用纵径检测模型和横径检测模型计算出的结果作为检测值。表1是对检验集进行检测的检验结果。
表1样本检验结果
*5°、3°、1°、0.5°为最小外接矩形法的旋转角度间隔
从表1可以发现,特征向量定向法的平均相对偏差、最大相对偏差均优于最小外接矩形法,说明本发明所述的特征向量定向法检测精度优于最小外接矩形法。
表2检测耗时比较
单位:毫秒
*5°、3°、1°、0.5°为最小外接矩形法的旋转角度间隔
表2是检测耗时对比。测试的硬件条件为CPU AMD A8-7100RadeonR5,4C+4G1.80GHz,操作系统为windows 8.1的Lenovo E455计算机,软件为MATLAB R2010b,测试方法是将边界数据输入计算机内存后用tic命令开始计时,分别采用特征向量定向法和最小外接矩形法计算水果纵径和横径1000次,用toc命令停止计时,将计时结果除以1000作为平均运算耗时,记入表2中。
从表2可以看出,最小外接矩形法在旋转角度间隔为5°时检测用时最小,但仍为本发明所述的特征向量定向法的11-14倍,说明本发明所述的特征向量定向法检测速度优于最小外接矩形法。
Claims (1)
1.一种基于特征向量定向的椭球形水果尺寸快速检测方法,获取水果图像,并经二值分割、滤波和边缘检测后,得到水果的边界E,建立直角坐标系;其特征在于该方法的步骤是:
1)将边界E的数据以xi,yi,i=1,2…n的形式存放到水果边界信息矩阵M,其中n为水果边界点总数;
2)按公式(1)求水果边界信息矩阵M的协方差矩阵C:
<mrow>
<mi>C</mi>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>X</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mfrac>
</mtd>
<mtd>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>X</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>Y</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mfrac>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>X</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>Y</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mfrac>
</mtd>
<mtd>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>Y</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mfrac>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&mu;</mi>
<mi>X</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
</mrow>
<mi>n</mi>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&mu;</mi>
<mi>Y</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
</mrow>
<mi>n</mi>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
式中:
μX是边界E上x坐标的均值,求法见公式(2);
μY是边界E上y坐标的均值,求法见公式(2);
xi是边界E上第i个点的x坐标;
yi是边界E上第i个点的y坐标;
n是边界E上点的个数;
3)用公式(3)计算协方差矩阵C的特征值λi,i=1,2;
|λiU-C|=0 (3)
式中:U为单位矩阵;
用公式(4)求出特征值λi的特征向量Vi,i=1,2;
(λiU-C)Vi=0,i=1,2 (4)
用公式(5)计算单位长度的特征向量V0i,
<mrow>
<mi>V</mi>
<msub>
<mn>0</mn>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>|</mo>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
</mrow>
</mfrac>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
用单位特征向量V0i组成定向矩阵R,即R=[V01 V02];
4)用公式(6)将水果边界信息矩阵M乘上定向矩阵R得到新的水果边界信息矩阵M’;
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<msub>
<mi>R</mi>
<mn>11</mn>
</msub>
<mo>+</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<msub>
<mi>R</mi>
<mn>21</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>y</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<msub>
<mi>R</mi>
<mn>12</mn>
</msub>
<mo>+</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<msub>
<mi>R</mi>
<mn>22</mn>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
式中:
xi,yi为M中第i个元素;
Rpq,p=1,2,q=1,2表示R中第p行第q列的元素;
x′i,y′i为M’中第i个元素;
5)在新的水果边界信息矩阵M’分别找出X’坐标和Y’坐标最小值x’min,y’min和最大值x’max,y’max;用公式(7)计算水果的纵径和横径:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>D</mi>
<mi>max</mi>
</msub>
<mo>=</mo>
<mi>max</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>x</mi>
<mi>max</mi>
<mo>&prime;</mo>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>x</mi>
<mi>min</mi>
<mo>&prime;</mo>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>y</mi>
<mi>max</mi>
<mo>&prime;</mo>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>y</mi>
<mi>min</mi>
<mo>&prime;</mo>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>D</mi>
<mi>min</mi>
</msub>
<mo>=</mo>
<mi>min</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>x</mi>
<mi>max</mi>
<mo>&prime;</mo>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>x</mi>
<mi>min</mi>
<mo>&prime;</mo>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>y</mi>
<mi>max</mi>
<mo>&prime;</mo>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>y</mi>
<mi>min</mi>
<mo>&prime;</mo>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
Dmax和Dmin分别代表水果的纵径和横径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510501000.4A CN105184775B (zh) | 2015-08-14 | 2015-08-14 | 基于特征向量定向的椭球形水果尺寸快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510501000.4A CN105184775B (zh) | 2015-08-14 | 2015-08-14 | 基于特征向量定向的椭球形水果尺寸快速检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105184775A CN105184775A (zh) | 2015-12-23 |
CN105184775B true CN105184775B (zh) | 2017-09-29 |
Family
ID=54906828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510501000.4A Active CN105184775B (zh) | 2015-08-14 | 2015-08-14 | 基于特征向量定向的椭球形水果尺寸快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105184775B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203476B (zh) * | 2016-06-24 | 2019-03-29 | 浙江大学 | 一种基于最近邻分类与模糊算法的猪头尾轮廓识别方法 |
CN106203527A (zh) * | 2016-07-12 | 2016-12-07 | 沈阳东之昕智能科技有限公司 | 一种用于水果去核的视觉识别方法 |
CN109886984B (zh) * | 2019-01-22 | 2021-01-08 | 浙江大学 | 利用前后景灰度差和深度学习网络的图像精确分割方法 |
CN110751689A (zh) * | 2019-10-24 | 2020-02-04 | 南京农业大学 | 一种基于图像处理的梨果实横纵径测量方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0835824A (ja) * | 1994-07-21 | 1996-02-06 | Yamaguchi Pref Gov | 丸形有色果実の自動評価装置 |
CN1664499A (zh) * | 2005-03-28 | 2005-09-07 | 浙江大学 | 水果尺寸检测的方法及装置 |
CN103363893A (zh) * | 2012-03-26 | 2013-10-23 | 新疆农业大学 | 一种红富士苹果尺寸大小检测方法 |
-
2015
- 2015-08-14 CN CN201510501000.4A patent/CN105184775B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0835824A (ja) * | 1994-07-21 | 1996-02-06 | Yamaguchi Pref Gov | 丸形有色果実の自動評価装置 |
CN1664499A (zh) * | 2005-03-28 | 2005-09-07 | 浙江大学 | 水果尺寸检测的方法及装置 |
CN103363893A (zh) * | 2012-03-26 | 2013-10-23 | 新疆农业大学 | 一种红富士苹果尺寸大小检测方法 |
Non-Patent Citations (3)
Title |
---|
Volume measurement of mango by using 2D ellipse model;Theekapun Charoenpong et al;《IEEE International Conference on Industrial Technology(ICIT)》;20041208;第1438-1441页 * |
基于惯性主轴的水果姿态检测;姚立健 等;《湖北农业科学》;20120930;第51卷(第17期);第3862-3865页 * |
基于机器视觉的水果品质实时检测与分级生产线的关键技术研究;饶秀勤;《中国博士学位论文全文数据库 农业科技辑》;20080315(第3期);第D043-1页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105184775A (zh) | 2015-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105184775B (zh) | 基于特征向量定向的椭球形水果尺寸快速检测方法 | |
CN104897403B (zh) | 一种基于排列熵和流形改进动态时间规整的自适应故障诊断方法 | |
CN107229930A (zh) | 一种指针式仪表数值智能识别方法及装置 | |
CN102136142B (zh) | 基于自适应三角形网格的非刚性医学图像配准方法 | |
CN107067415A (zh) | 一种基于图像匹配的目标快速精确定位方法 | |
CN104376319B (zh) | 一种基于各向异性高斯核提取封闭边缘图像轮廓的方法 | |
CN102651132B (zh) | 一种基于交叉视觉皮质模型的医学图像配准方法 | |
CN103363893B (zh) | 一种红富士苹果尺寸大小检测方法 | |
CN103295014B (zh) | 基于像素位置排列直方图的图像局部特征描述方法 | |
CN110501169A (zh) | 车辆故障的诊断方法、装置及电子设备 | |
CN106340010A (zh) | 一种基于二阶轮廓差分的角点检测方法 | |
CN103473565A (zh) | 一种图像匹配方法和装置 | |
CN104318559A (zh) | 用于视频图像匹配的特征点快速检测方法 | |
CN112330538A (zh) | 一种基于特征点优化提取的损伤温度重构图像拼接方法 | |
CN103593849A (zh) | 一种用于影像序列椭圆形人工目标点快速识别与跟踪方法 | |
CN104392455B (zh) | 基于方向检测的在线掌纹有效区域快速分割方法 | |
CN104933441B (zh) | 目标检测系统及方法 | |
CN104376564A (zh) | 基于各向异性高斯方向导数滤波器提取图像粗边缘的方法 | |
CN107742302B (zh) | 基于初级视皮层多尺度轮廓融合的轮廓检测方法 | |
CN106023231A (zh) | 一种高分辨率影像牛羊自动检测方法 | |
Li et al. | A new edge detection method using Gaussian-Zernike moment operator | |
CN101697201B (zh) | 一种旋转方向无关的手写汉字识别方法 | |
CN112288009A (zh) | 一种基于模板匹配的r-sift芯片硬件木马图像配准方法 | |
CN104463091B (zh) | 一种基于图像lgbp特征子向量的人脸图像识别方法 | |
CN107194402A (zh) | 一种并行细化骨架提取方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210520 Address after: 310012 room 1102, block B, Lishui digital building, 153 Lianchuang street, Wuchang Street, Yuhang District, Hangzhou City, Zhejiang Province Patentee after: Hangzhou nuotian Intelligent Technology Co.,Ltd. Address before: 310027 No. 38, Zhejiang Road, Hangzhou, Zhejiang, Xihu District Patentee before: ZHEJIANG University |
|
TR01 | Transfer of patent right |