CN105930852A - 一种气泡图像识别方法 - Google Patents
一种气泡图像识别方法 Download PDFInfo
- Publication number
- CN105930852A CN105930852A CN201610301428.9A CN201610301428A CN105930852A CN 105930852 A CN105930852 A CN 105930852A CN 201610301428 A CN201610301428 A CN 201610301428A CN 105930852 A CN105930852 A CN 105930852A
- Authority
- CN
- China
- Prior art keywords
- bubble
- profile
- image
- float
- background
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Abstract
本发明公开了一种气泡图像识别方法,首先利用已知的气泡轮廓样本生成气泡库;其次采集待测水体的气泡悬浮物图像,提取出其中的气泡轮廓和悬浮物轮廓,并对提取出的每一个气泡轮廓和悬浮物轮廓利用相似度比较法与所述气泡库中的气泡轮廓样本进行比较,筛选出近似度大于设定阈值的轮廓判定为疑似气泡轮廓;然后对每一个疑似气泡轮廓进行灰度统计,将灰度值从轮廓的中心向边缘逐渐变小的轮廓判定为气泡轮廓。采用本发明的气泡图像识别方法可以准确地将水体中的气泡图像和悬浮物图像区分开来,获得准确的气泡轮廓,从而为气泡粒径的准确计算提供了有利的支持,解决了由于气泡易挥发、难存储而难于辨别的问题,支持海水气泡的原位检测。
Description
技术领域
本发明属于水样检测技术领域,具体地说,是涉及一种用于对溶解在水体样品中的气泡进行识别的图像处理方法。
背景技术
气泡与海洋相互依存,密不可分。它在海洋遥感学、海洋声学、海洋动力学、海洋化学、海洋生物学和海洋气象学等方面具有举足轻重的作用,影响着许多海洋物理过程的演变,例如海气交换、海表浮质生成、海面微表层粒子富集和海流演变等。
现有的气泡分析系统主要用于实验室环境,大致分为声学和光学两类方法。声学方法通过测量气泡对声信号的衰减或对声速的改变,利用声学数据与气泡粒径分布之间的关系,反演获得气泡粒径的分布。光学方法主要包括照相/摄像、全息术和激光测量法。其中,照相/摄像是最直接的气泡测量方法,可以同时测量定量和非定量的水体。只要待测水体接近测量系统的观测端,无论气泡浓度高低,光学系统都能够透射,进而在成像设备中形成气泡图像。
在采用照相/摄像方法对溶解在海水中的气泡进行分析时,首先需要从拍摄到的图像中提取出其中的气泡图像,即对图像中的气泡进行识别,提取出气泡轮廓;然后,根据提取出的气泡轮廓计算出气泡粒径等参数,以分析出气泡粒径的分布状况。因此,气泡图像的准确识别关系到气泡粒径分布分析的准确性。但是,在对气泡图像进行识别的过程中,海洋中的固体悬浮物(粒子和微生物)会对气泡的提取产生干扰,导致气泡识别的准确度降低。
发明内容
本发明的目的在于提供一种气泡图像识别方法,以实现气泡与固态悬浮物的 准确区分,从而为气泡粒径的计算提供准确的气泡图像。
为解决上述技术问题,本发明采用以下技术方案予以实现:
一种气泡图像识别方法,包括:a、利用已知的气泡轮廓样本生成气泡库;b、采集待测水体的气泡悬浮物图像,提取出其中的气泡轮廓和悬浮物轮廓;c、对提取出的每一个气泡轮廓和悬浮物轮廓利用相似度比较法与所述气泡库中的气泡轮廓样本进行比较,筛选出相似度大于设定阈值的轮廓判定为疑似气泡轮廓;d、对每一个疑似气泡轮廓进行灰度统计,将灰度值从轮廓的中心向边缘逐渐变小的轮廓判定为气泡轮廓。
进一步的,在所述步骤a中具体包括:a1、获取已知的背景图像样本和气泡图像样本;a2、利用人工分割法在所述气泡图像样本中分割出完整的气泡图像;a3、选择类圆形和类椭圆形的单气泡图像,结合所述的背景图像样本,采用背景减除法去除所述单气泡图像中的背景,获得所述的气泡轮廓样本,生成所述的气泡库。
优选的,在所述步骤a2中,优选根据气泡外切矩形的尺寸,沿矩形边界分割出完整的气泡图像。
进一步的,在所述步骤b中具体包括:b1、获取待测水体的背景;b2、采集待测水体的气泡悬浮物图像;b3、采用背景减除法去除所述气泡悬浮物图像中的背景,提取出其中的气泡轮廓和悬浮物轮廓。
对于待测水体的背景的获取方法,本发明提出以下两种优选设计方案:
其一是,首先采集多幅待测水体的原位图像,其次采用高斯建模的方法,利用多幅所述的原位图像建立背景模型,作为所述待测水体的背景;然后结合所述背景模型,利用背景减除法即可从所述气泡悬浮物图像中提取出气泡轮廓和悬浮物轮廓。
其二是,首先采集多幅待测水体的原位图像,其次采用差分图像法对多幅所述的原位图像进行差分运算,提取出运动目标;从采集到的所述多幅待测水体的原位图像中滤除掉运动目标,形成多幅已过滤的背景图像,叠加所述已过滤的背 景图像,生成背景模型,作为所述待测水体的背景;然后,结合所述的背景模型,利用背景减除法即可从所述气泡悬浮物图像中提取出气泡轮廓和悬浮物轮廓。
其中,所述的气泡悬浮物图像为采集到的待测水体的原位图像,即通过对待测水体进行原位采样,以获得所述的气泡悬浮物图像。
优选的,在所述步骤c中,优选采用Hu不变矩相似度比较法将提取出的每一个气泡轮廓和悬浮物轮廓分别作为一个目标特征向量,分别与气泡库中的每一个气泡轮廓样本所对应的特征向量进行比较;假设气泡库中存在N个气泡特征向量,则通过比较,每一个气泡轮廓和悬浮物轮廓分别对应N个相似度阈值;从所述的N个相似度阈值中选择最大值作为该气泡轮廓和悬浮物轮廓的相似度阈值α,与所述的设定阈值进行比较,若α大于设定阈值,则判定为疑似气泡轮廓。
为了提高气泡轮廓区分的准确性,优选设定所述设定阈值不小于0.9。
进一步的,在所述步骤d中具体包括:d1、提取每一个疑似气泡轮廓的边缘像素点;d2、计算每一个疑似气泡轮廓的质心;以所述质心为坐标原点建立直角坐标系,按照45°夹角划分出八个不同的判别方向;d3、统计每一个判别方向上的灰度点的变化规律,若在每一个判别方向上,其灰度值均从质心向轮廓边缘逐渐变小,则判定当前的疑似气泡轮廓为气泡轮廓;否则,为悬浮物轮廓。
与现有技术相比,本发明的优点和积极效果是:采用本发明的气泡图像识别方法可以准确地将水体中的气泡图像和悬浮物图像区分开来,获得准确的气泡轮廓,从而为气泡粒径的准确计算提供了有利的支持。此外,本发明采用图像分析与模式识别的方法,可以对待测海域中溶解在海水中的气泡实现原位检测和识别,解决了由于气泡易挥发、难存储而难于辨别的问题,是原位统计气泡的粒径、数量以及浓度计算的前提条件,适合在科研、教学、海水监测等领域中广泛应用。
结合附图阅读本发明实施方式的详细描述后,本发明的其他特点和优点将变得更加清楚。
附图说明
图1是本发明所提出的气泡图像识别方法的一种实施例的整体流程图;
图2是图1中气泡建模方法的一种实施例的流程图;
图3是图1中轮廓识别方法的一种实施例的流程图;
图4是图1中气泡判别方法的一种实施例的流程图;
图5是判别方向的一种实施例的方向示意图。
具体实施方式
下面结合附图对本发明的具体实施方式进行详细地描述。
参见图1所示,本实施例的气泡图像识别方法为了能够从待测水体中将气泡与悬浮物准确地区分开来,以获取准确的气泡轮廓,首先,采用气泡建模的方法,如步骤S101,利用已知的气泡图像样本生成气泡库,作为模板保存起来;其次,采用轮廓识别的方法,如步骤S102,对待测水体进行原位采集,获取待测水体的气泡悬浮物图像,并提取出其中的气泡轮廓和悬浮物轮廓;然后,利用生成的气泡库对所述气泡轮廓和悬浮物轮廓进行轮廓识别,具体可以采用相似度比较法将提取出的每一个气泡轮廓和悬浮物轮廓与所述气泡库中的气泡轮廓样本进行比较,筛选出相似度大于设定阈值的轮廓判定为疑似气泡轮廓,完成一级筛选;最后,采用气泡判别方法,对筛选出的疑似气泡轮廓进行识别,即执行气泡识别过程,如步骤S103,完成二级筛选。具体来讲,可以采用灰度统计法,对每一个疑似气泡轮廓的不同像素点的灰度值进行统计,将灰度值从轮廓的中心向边缘逐渐变小的轮廓判定为气泡轮廓,最终获取到准确的气泡轮廓。
下面首先对步骤S101的气泡建模方法的具体过程进行详细阐述,结合图2所示,具体包括以下步骤:
S201、获取已知的背景图像样本和气泡图像样本;
所述的背景图像样本和气泡图像样本可以直接从样本库中获取,也可以从大量的前期实验中获取。
S202、利用人工分割法在所述气泡图像样本中分割出完整的气泡图像;
在本实施例中,为了保证气泡图像分割的完整性,在人工分割气泡图像样本中的气泡图像时,优选根据气泡外切矩形的尺寸,沿矩形边界分割出完整的气泡 图像。
S203、选择类圆形(即近似圆形的形状)和类椭圆形(即近似椭圆形的形状)的单气泡图像,作为所需的气泡图像;
针对待测水体为海水的情况,由于溶解在海水中的气泡基本上都是呈现类似圆形或者类似椭圆形的形状,因此,最好选择类圆形和类椭圆形的单气泡图像作为样本,以实现对海水中气泡图像的准确识别。
S204、结合所述的背景图像样本,采用背景减除法,从选取出的单气泡图像中去除掉其中的背景图像,从而获得所需的气泡轮廓样本。
S205、利用获取到的大量的气泡轮廓样本,生成气泡库,作为模板并保存起来。
其次,对步骤S102的轮廓识别方法的具体过程进行详细阐述,结合图3所示,具体包括以下步骤:
S301、获取待测水体的背景;
在图像识别领域,对于图像中背景的提取方法有很多种。本实施例针对待测水体为海水的情况,优选采用高斯建模的方法或者差分图像的方法获取待测海水的背景模型或者背景图像。具体来讲,当采用高斯建模法获取待测海水的背景模型时,可以首先采集多幅待测水体的原位图像,然后采用混合高斯建模的方法,利用多幅所述的原位图像建立背景模型,作为所述待测水体的背景。当采用差分图像法获取待测海水的背景图像时,可以首先采集多幅待测水体的原位图像,通过对所述的多幅原位图像进行差分运算,以提取出运动目标;然后,从采集到的所述多幅待测水体的原位图像中滤除掉运动目标,形成多幅已过滤的背景图像,叠加所述已过滤的背景图像,生成背景模型(背景图像),作为所述待测水体的背景(高斯建模以及差分图像提取背景的具体方法可以参见期刊《应用光学》第31卷第4期第574-578页由魏晓慧等发表的论文“基于混合高斯模型的运动目标检测方法研究”)。
S302、采集待测水体的气泡悬浮物图像;
在本实施例中,针对待测水体为海水的情况,可以直接对待测海水进行原位采集,将采集到的海水原位图像作为所述的气泡悬浮物图像。
S303、采用背景减除法去除所述气泡悬浮物图像中的背景,提取出其中的气泡轮廓和悬浮物轮廓;
在本实施例中,结合步骤S301中建立的背景模型,利用背景减除法从所述气泡悬浮物图像中提取出气泡轮廓和悬浮物轮廓。
S304、对提取出的每一个气泡轮廓和悬浮物轮廓利用相似度比较法与所述气泡库中的气泡轮廓样本进行比较,以获取每一个气泡轮廓和悬浮物轮廓的相似度阈值α;
在本实施例中,优选采用模式识别技术中的Hu不变矩相似度比较法,将提取出的每一个气泡轮廓和悬浮物轮廓分别作为一个目标特征向量,分别与气泡库中的每一个气泡轮廓样本所对应的特征向量进行比较,以获取目标特征向量与特征库向量的相似性。
假设一幅数字图像f(x,y)的二维(p+q)阶矩定义为其中p,q=0,1,2,…,求和在跨越图像的所有空间坐标x,y的值上进行;相应的中心矩定义为其中,归一化(p+q)阶中心矩定义为其中p,q=0,1,2,…,其中p+q=2,3,…。那么,对平移、缩放、镜像和旋转都不敏感的7个二维Hu不变矩的集合表示为:
对平移、缩放、镜像和旋转都不敏感的7个二维Hu不变矩可作为图像特征提取,因为实践中感兴趣的是矩的不变性,不是符号,这里取不变矩对数绝对值。
任意样本的特征向量x为z维,则样本上的特征向量组成一个z维特征空间,待评价图像x与参考图像样本y之间的距离||x-y||表示了x与y的相似程度。若采用欧几里德距离作为相似度的度量,x与y均由模糊复原的图像和参考图像的7个不变矩来表征。定义待测图像与参考图像不变矩距离为:
其中,代表待评价图像x与参考图像样本y的7个Hu不变矩值,而不变矩距离越小,代表待测图像与参考图像越接近;反之,复原的待测图像偏离参考图像特征越大,复原可信度降低。为评价图像质量的优劣,将不变矩相似度归一化处理,即计算所有待测图像与参考图像之间的相似程度,定义Hu不变矩相似度函数为:
其中,α∈[0,1],且α越大,图像越接近原始图像;α越小,图像与参考图像相似程度越低。
假设气泡库中存在N个气泡特征向量,则通过比较,每一个气泡轮廓和悬浮物轮廓分别对应N个相似度阈值;从所述的N个相似度阈值中选择最大值作为该气泡轮廓和悬浮物轮廓的相似度阈值α。
S305、识别气泡轮廓;
针对每一个气泡轮廓和悬浮物轮廓的相似度阈值α,筛选出其中相似度阈值α大于设定阈值的轮廓,将其作为疑似气泡轮廓,完成一级筛选。
在本实施例中,为了提高气泡轮廓识别的准确性,优选将所述设定阈值设定在0.9以上,例如将设定阈值定义为0.93。对于相似度阈值α>0.93的轮廓,判定为疑似气泡轮廓;α≤0.93的轮廓,判定为非气泡轮廓,由此完成气泡轮廓的初级筛选。
最后,对步骤S103的气泡判别方法的具体过程进行详细阐述,结合图4所示,具体包括以下步骤:
S401、提取目标的边缘像素点;
将每一个疑似气泡轮廓作为目标,提取出每一个疑似气泡轮廓的边缘像素点。
S402、计算目标的质心;
通过质心计算公式,计算出每一个疑似气泡轮廓的质心。质心计算公式如下:
其中,(xc,yc)是质心坐标,Nb是轮廓边界像素点的总数,(xi,yi)是轮廓边界点的坐标。
S403、划分判别方向;
在本实施例中,可以以所述质心为坐标原点,建立直角坐标系,并优选按照45°夹角在坐标系中划分出八个不同的判别方向,如图5所示。
S404、对各判别方向进行定义;
在本实施例中,优选以X轴方向为初始判别方向,定义为P0;然后,按照逆时针方向,将其余的七个判别方向依次定义为P1、P2、……、P7,如图5所示。
S405、对每一个判别方向上的灰度点的变化规律进行统计;
针对每一个疑似气泡轮廓,分别获取其在8个所述判别方向上的每一个像素点的灰度值,并统计每一个判别方向上的灰度点的变化规律。
S406、区分气泡轮廓和悬浮物轮廓;
根据步骤S405的灰度统计,对疑似气泡轮廓进行二级筛选,以筛选出其中真正的气泡轮廓。
具体来讲,对于每一个疑似气泡轮廓,若在其每一个判别方向P0、P1、……、P7上,其灰度值均是从质心向轮廓边缘逐渐变小的,即亮度从中心区域向轮廓边缘逐渐变暗,则可以判定为气泡轮廓;否则,判定为悬浮物轮廓,因为悬浮物为 固体,其亮度的变化率通常会比较小。由此,便可以准确地区分开哪些是气泡轮廓,哪些是悬浮物轮廓。
将识别出的气泡轮廓用于后续的气泡参数计算过程,由此便可为气泡粒径、数量的计算提供准确的气泡图像,进而提高了气泡参数计算的准确性。
本实施例的气泡图像识别方法可以对溶解在任何类型水体中的气泡进行准确地提取和识别,不仅适用于实验室环境,同时支持待测水体的原位采集和检测,解决了由于气泡易挥发、难存储而难于辨别的问题,是原位统计气泡的粒径、数量以及浓度计算的前提条件。
当然,以上所述仅是本发明的一种优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种气泡图像识别方法,包括以下步骤:
a、利用已知的气泡轮廓样本生成气泡库;
b、采集待测水体的气泡悬浮物图像,提取出其中的气泡轮廓和悬浮物轮廓;
c、对提取出的每一个气泡轮廓和悬浮物轮廓利用相似度比较法与所述气泡库中的气泡轮廓样本进行比较,筛选出相似度大于设定阈值的轮廓判定为疑似气泡轮廓;
d、对每一个疑似气泡轮廓进行灰度统计,将灰度值从轮廓的中心向边缘逐渐变小的轮廓判定为气泡轮廓。
2.根据权利要求1所述的气泡图像识别方法,其特征在于,在所述步骤a中,具体包括以下过程:
a1、获取已知的背景图像样本和气泡图像样本;
a2、利用人工分割法在所述气泡图像样本中分割出完整的气泡图像;
a3、选择类圆形和类椭圆形的单气泡图像,结合所述的背景图像样本,采用背景减除法去除所述单气泡图像中的背景,获得所述的气泡轮廓样本,生成所述的气泡库。
3.根据权利要求2所述的气泡图像识别方法,其特征在于,在所述步骤a2中,根据气泡外切矩形的尺寸,沿矩形边界分割出完整的气泡图像。
4.根据权利要求1所述的气泡图像识别方法,其特征在于,在所述步骤b中具体包括以下过程:
b1、获取待测水体的背景;
b2、采集待测水体的气泡悬浮物图像;
b3、采用背景减除法去除所述气泡悬浮物图像中的背景,提取出其中的气泡轮廓和悬浮物轮廓。
5.根据权利要求4所述的气泡图像识别方法,其特征在于,
在所述步骤b1中,首先采集多幅待测水体的原位图像,然后采用高斯建模的方法,利用多幅所述的原位图像建立背景模型,作为所述待测水体的背景;
在所述步骤b3中,结合所述背景模型,利用背景减除法从所述气泡悬浮物图像中提取出气泡轮廓和悬浮物轮廓。
6.根据权利要求4所述的气泡图像识别方法,其特征在于,
在所述步骤b1中,首先采集多幅待测水体的原位图像,然后采用差分图像法对多幅所述的原位图像进行差分运算,提取出运动目标;从采集到的所述多幅待测水体的原位图像中滤除掉运动目标,形成多幅已过滤的背景图像,叠加所述已过滤的背景图像,生成背景模型,作为所述待测水体的背景;
在所述步骤b3中,结合所述背景模型,利用背景减除法从所述气泡悬浮物图像中提取出气泡轮廓和悬浮物轮廓。
7.根据权利要求5或6所述的气泡图像识别方法,其特征在于,在所述步骤b2中,采集待测水体的原位图像,作为所述的气泡悬浮物图像。
8.根据权利要求1所述的气泡图像识别方法,其特征在于,在所述步骤c中,采用Hu不变矩相似度比较法将提取出的每一个气泡轮廓和悬浮物轮廓分别作为一个目标特征向量,分别与气泡库中的每一个气泡轮廓样本所对应的特征向量进行比较;假设气泡库中存在N个气泡特征向量,则通过比较,每一个气泡轮廓和悬浮物轮廓分别对应N个相似度阈值;从所述的N个相似度阈值中选择最大值作为该气泡轮廓和悬浮物轮廓的相似度阈值α,与所述的设定阈值进行比较,若α大于设定阈值,则判定为疑似气泡轮廓。
9.根据权利要求8所述的气泡图像识别方法,其特征在于,所述的设定阈值不小于0.9。
10.根据权利要求1所述的气泡图像识别方法,其特征在于,在所述步骤d中,具体包括以下过程:
d1、提取每一个疑似气泡轮廓的边缘像素点;
d2、计算每一个疑似气泡轮廓的质心;以所述质心为坐标原点建立直角坐标系,按照45°夹角划分出八个不同的判别方向;
d3、统计每一个判别方向上的灰度点的变化规律,若在每一个判别方向上,其灰度值均从质心向轮廓边缘逐渐变小,则判定当前的疑似气泡轮廓为气泡轮廓;否则,为悬浮物轮廓。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610301428.9A CN105930852B (zh) | 2016-05-09 | 2016-05-09 | 一种气泡图像识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610301428.9A CN105930852B (zh) | 2016-05-09 | 2016-05-09 | 一种气泡图像识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105930852A true CN105930852A (zh) | 2016-09-07 |
CN105930852B CN105930852B (zh) | 2019-06-21 |
Family
ID=56834592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610301428.9A Active CN105930852B (zh) | 2016-05-09 | 2016-05-09 | 一种气泡图像识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105930852B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108979464A (zh) * | 2018-07-29 | 2018-12-11 | 周爱霞 | 一种自动除湿的方法 |
CN109057624A (zh) * | 2018-08-18 | 2018-12-21 | 杨文娟 | 多参数监控式铝合金窗框 |
CN109211903A (zh) * | 2018-08-31 | 2019-01-15 | 华中科技大学 | 一种对相变的原位观察结果进行定量分析的方法及应用 |
CN109582939A (zh) * | 2017-09-29 | 2019-04-05 | 北京国双科技有限公司 | 一种气泡图展示方法和装置 |
CN109799501A (zh) * | 2018-12-17 | 2019-05-24 | 珠海格力电器股份有限公司 | 一种监控设备的监控方法、装置、存储介质及监控设备 |
CN112150475A (zh) * | 2020-10-12 | 2020-12-29 | 山东省科学院海洋仪器仪表研究所 | 一种水下图像的悬浮微粒特征分割提取方法 |
CN115082508A (zh) * | 2022-08-18 | 2022-09-20 | 山东省蓝睿科技开发有限公司 | 一种海洋浮标生产质量检测方法 |
CN115937295A (zh) * | 2023-03-09 | 2023-04-07 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种基于集合思想的气泡形状类型判别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708367A (zh) * | 2012-03-11 | 2012-10-03 | 无锡派图半导体设备有限公司 | 基于目标轮廓特征的图像识别方法 |
CN102998316A (zh) * | 2012-12-20 | 2013-03-27 | 山东大学 | 一种透明液体杂质检测系统及其检测方法 |
CN104732211A (zh) * | 2015-03-19 | 2015-06-24 | 杭州电子科技大学 | 一种基于自适应阈值的交通标志检测方法 |
CN105251707A (zh) * | 2015-11-26 | 2016-01-20 | 长沙理工大学 | 基于医药大输液可见异物检测系统的次品剔除分拣装置 |
-
2016
- 2016-05-09 CN CN201610301428.9A patent/CN105930852B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708367A (zh) * | 2012-03-11 | 2012-10-03 | 无锡派图半导体设备有限公司 | 基于目标轮廓特征的图像识别方法 |
CN102998316A (zh) * | 2012-12-20 | 2013-03-27 | 山东大学 | 一种透明液体杂质检测系统及其检测方法 |
CN104732211A (zh) * | 2015-03-19 | 2015-06-24 | 杭州电子科技大学 | 一种基于自适应阈值的交通标志检测方法 |
CN105251707A (zh) * | 2015-11-26 | 2016-01-20 | 长沙理工大学 | 基于医药大输液可见异物检测系统的次品剔除分拣装置 |
Non-Patent Citations (2)
Title |
---|
何思为 等: "气泡成像机理及对图像测量的影响", 《第九届全国水动力学学术会议暨第二十二届全国水动力学研讨会文集》 * |
唐立梅 等: "气液两相辨识中一种类圆形目标的分类方法", 《浙江工业大学学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109582939A (zh) * | 2017-09-29 | 2019-04-05 | 北京国双科技有限公司 | 一种气泡图展示方法和装置 |
CN108979464A (zh) * | 2018-07-29 | 2018-12-11 | 周爱霞 | 一种自动除湿的方法 |
CN109057624A (zh) * | 2018-08-18 | 2018-12-21 | 杨文娟 | 多参数监控式铝合金窗框 |
CN109211903A (zh) * | 2018-08-31 | 2019-01-15 | 华中科技大学 | 一种对相变的原位观察结果进行定量分析的方法及应用 |
CN109799501A (zh) * | 2018-12-17 | 2019-05-24 | 珠海格力电器股份有限公司 | 一种监控设备的监控方法、装置、存储介质及监控设备 |
CN112150475A (zh) * | 2020-10-12 | 2020-12-29 | 山东省科学院海洋仪器仪表研究所 | 一种水下图像的悬浮微粒特征分割提取方法 |
CN115082508A (zh) * | 2022-08-18 | 2022-09-20 | 山东省蓝睿科技开发有限公司 | 一种海洋浮标生产质量检测方法 |
CN115937295A (zh) * | 2023-03-09 | 2023-04-07 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种基于集合思想的气泡形状类型判别方法 |
CN115937295B (zh) * | 2023-03-09 | 2023-05-12 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种基于集合思想的气泡形状类型判别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105930852B (zh) | 2019-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105930852A (zh) | 一种气泡图像识别方法 | |
CN103164692B (zh) | 一种基于计算机视觉的特种车辆仪表自动识别系统及方法 | |
CN106529559A (zh) | 一种指针式圆形多仪表盘实时读数识别方法 | |
CN106023153B (zh) | 一种测量水体中气泡的方法 | |
CN104392206A (zh) | 一种指针式仪表读数自动识别的图像处理方法 | |
CN109508709B (zh) | 一种基于机器视觉的单指针仪表读数方法 | |
CN112818988A (zh) | 一种指针式仪表自动识别读数方法及系统 | |
CN105719283A (zh) | 一种基于Hessian矩阵多尺度滤波的路面裂缝图像检测方法 | |
CN106960210A (zh) | 目标检测的方法和装置 | |
CN102945374B (zh) | 一种高分辨率遥感图像中民航飞机自动检测方法 | |
CN105160330A (zh) | 一种车标识别方法及车标识别系统 | |
CN108052886A (zh) | 一种小麦条锈病菌夏孢子自动统计计数方法 | |
CN111598098A (zh) | 一种基于全卷积神经网络的水尺水位线检测及有效性识别方法 | |
CN112215217B (zh) | 模拟医师阅片的数字图像识别方法及装置 | |
CN109461132A (zh) | 基于特征点几何拓扑关系的sar图像自动配准方法 | |
CN111582237A (zh) | 基于atsm模型的高分影像飞机类型识别方法 | |
CN112613551A (zh) | 汽车零部件识别方法、存储介质及系统 | |
CN116152697A (zh) | 一种混凝土结构裂缝的三维模型测量方法及相关装置 | |
CN115019294A (zh) | 一种指针式仪表读数识别方法及系统 | |
CN106570878A (zh) | 一种基于灰度差分的稠油微观界面检测方法 | |
CN105528791B (zh) | 一种面向触摸屏手绘图像的质量评价装置及其评价方法 | |
CN108764311A (zh) | 一种遮挡目标检测方法、电子设备、存储介质及系统 | |
CN114092728A (zh) | 一种基于深度学习的指针式仪表智能识别方法及系统 | |
CN109360289B (zh) | 融合巡检机器人定位信息的电力表计检测方法 | |
CN111968136A (zh) | 一种煤岩显微图像分析方法及分析系统 |
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 |