CN105976386B - 一种突变点排序求路面病害二值图斑边界方法 - Google Patents

一种突变点排序求路面病害二值图斑边界方法 Download PDF

Info

Publication number
CN105976386B
CN105976386B CN201610338738.8A CN201610338738A CN105976386B CN 105976386 B CN105976386 B CN 105976386B CN 201610338738 A CN201610338738 A CN 201610338738A CN 105976386 B CN105976386 B CN 105976386B
Authority
CN
China
Prior art keywords
catastrophe
value
point
spot
chosen
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
Application number
CN201610338738.8A
Other languages
English (en)
Other versions
CN105976386A (zh
Inventor
冯晓
朱亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SICHUAN ZHENGDA TESTING TECHNOLOGY Co.,Ltd.
Original Assignee
Chongqing Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Jiaotong University filed Critical Chongqing Jiaotong University
Priority to CN201610338738.8A priority Critical patent/CN105976386B/zh
Publication of CN105976386A publication Critical patent/CN105976386A/zh
Application granted granted Critical
Publication of CN105976386B publication Critical patent/CN105976386B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image

Landscapes

  • Road Signs Or Road Markings (AREA)
  • Ink Jet (AREA)
  • Toys (AREA)

Abstract

本发明提出了一种突变点排序求路面病害二值图斑边界方法,包括以下步骤:通过路面检测车对路面病害图斑的行扫描获得路面病害图像;从路面病害图像中提取路面病害的二值图斑;对二值图斑进行扫描方法确定突变点;将二值图斑边界点坐标放向量中,形成一个二值图斑边界点坐标序列;对向量组进行排序,即对突变点进行排序,且排序完成即形成路面病害二值图斑的边界。本发明的有益效果:采用向量的方式提取,步骤简单,易于计算机编程实现;规律性强适用于计算机运算;计算速度快内存占用小;适用性广。

Description

一种突变点排序求路面病害二值图斑边界方法
技术领域
本发明涉及路面病害检测以及图像识别和信息提取技术,具体涉及一种对路面病害二值图斑边界突变点排序的方法。
背景技术
目前城市发展,道路是发展的前提,随着道路的发展,其养护工作就日益增加,根据传统的道路检测方法,其效率低、耗费时间以及人力物力得到的效果还不理想。在此情况下出现了基于图像的路面病害检测方法。这样可以提高效率,并逐步成为一种主要检测手段。
目前利用图像对路面病害进行检测的有路面病害检测车,在数据采集上,检测车拥有较多优点,但是目前主要的问题还是在路面病害的图像处理上。第一不能有效识别病害;第二不能自动分类等问题。这些问题也是路面病害自动识别领域的重点以及难点。
目前关于路面病害二值化图像的边界检测与提取的方法都不能进行针对性的提取,即提取的边界都或多或少含有噪声。而目前主要对边界的提取采用的方法是追踪算法,追踪算法需要找出一个边界点,然后根据第一个边界点在其周围按一定顺序进行4连通或者8连通的灰度值得比较检测,对比与第一个点的灰度值一样,将其作为下一次检测的原点进行继续追踪检测,这样检测的速度会比较慢,以至于影响我们对路面病害图像的检测。
在目前的图斑提取方法里,如申请号:201510841640.X《一种路面二值图像的边缘矢量线提取算法》里,也提出了对经过图像处理后生成的二值化图斑的边界像素进行多逼近等级的矢量化边界多边形的自动提取,但是此种方法提取、检测速度偏慢,效率有待提高。
发明内容
因此本发明提出了一种突变点排序求路面病害二值图斑边界方法,解决了目前二值图斑边界检测速度慢的问题。
本发明的技术方案是这样实现的:一种突变点排序求路面病害二值图斑边界方法,其特征在于:包括以下步骤:
1)通过路面检测车对路面病害进行扫描获得路面病害图像;
2)从路面病害图像中提取路面病害的二值图斑;
3)对二值图斑进行行扫描方法确定突变点,取得两个二值图斑的边界点坐标,将二值图斑边界点坐标按如下方式放入2个空向量中:
a.将行扫描方法扫描出的第一个二值图斑边界点坐标放入第一个向量A1中;
b.将行扫描方法扫描出的第二个二值图斑边界点坐标放入第二个向量A2中;
c.然后将向量A2中的坐标点逆序排列在向量A1中坐标点的后面,形成一个二值图斑边界点坐标序列;
或者,对二值图斑进行行扫描方法确定突变点,取得四个二值图斑的边界点坐标,将二值图斑边界点坐标按如下方式放入向量组1:A1、A2、A3、A4中:
①从第一次行扫描的结果中选取一个突变点,从第二次行扫描的结果中选取两个突变点,从第三次行扫描至第六次行扫描的结果中均选取两个突变点,从第七次行扫描的结果中选取三个突变点,从第八次行扫描的结果中选取四个突变点,从第九次行扫描至第十次行扫描的结果中均选取四个突变点,从第十一次行扫描的结果中选取三个突变点,从第十二次行扫描的结果中选取两个突变点;
②将第一次扫描结果中选取的第一个突变点a(x0,y0)放入第一个空向量A1中,将第二次扫描结果中选取的第一个突变点a11(x11,y1)放入向量A1中且放在突变点a(x0,y0)后,将第二次扫描结果中选取的第二个突变点a12(x12,y1)放入向量A2中,排在第一个位置,即A1[a、a11],A2[a12];将第三次至第六次扫描结果中分别选取的两个突变点也按照以上依次放入向量A1、A2中,则A1[a、a11、a21、a31、a41、a51],A2[a12、a22、a32、a42、a52];
③将第七次扫描结果中选取的第一个突变点a61(x61,y6)放入向量A1中,将选取的第二个突变点a62(x62,y6)放入向量A2中,将选取的第三个突变点a63(x63,y6)放入A3中,则A1[a、a11、a21、a31、a41、a51、a61],A2[a12、a22、a32、a42、a52、a62];A3[a63];
④将第八次扫描结果中选取的四个突变点按以上方式分别放入A1、A2、A3、A4中,即:A1[a、a11、a21、a31、a41、a51、a61、a71],A2[a12、a22、a32、a42、a52、a62、a72];A3[a63、a73];A4[a74],将a81、a82、a83、a85、a91、a92、a93、a94、也放入向量A1、A2、A3、A4中,得到如下向量A1[a、a11、a21、a31、a41、a51、a61、a71、a81、a91],A2[a12、a22、a32、a42、a52、a62、a72、a82、a92];A3[a63、a73、a83、a93];A4[a74、a84、a94];
⑤将第十一次扫描结果中选取的3个突变点按以下方式放置:
将第十一次行扫描结果中选取的第一个突变点放入向量A1,将第十一次行扫描结果中选取的第二个突变点放入向量A2,将第十一次行扫描结果中选取的第三个突变点放入向量A4,即形成向量如下:A1[a、a11、a21、a31、a41、a51、a61、a71、a81、a91、a101],A2[a12、a22、a32、a42、a52、a62、a72、a82、a92、a102];A3[a63、a73、a83、a93];A4[a74、a84、a94、a103];
⑥将第十二次行扫描结果中选取的2个突变点按第十一次行扫描结果中选取的3个突变点相同的方式放置,即,将第十二次行扫描结果中选取的第一个突变点放入向量A1,将第十二次行扫描结果中选取的第二个突变点放入向量A2,将第十二次行扫描结果中选取的第三个突变点放入向量A4,形成向量如下:A1[a、a11、a21、a31、a41、a51、a61、a71、a81、a91、a101、a111],A2[a12、a22、a32、a42、a52、a62、a72、a82、a92、a102];A3[a63、a73、a83、a93];A4[a74、a84、a94、a103、a112];
⑦从第八次行扫描结果中选出4个突变点,然后建立向量组2:A1’、A2’、A3’、A4’,将第八次扫描结果中选取的四个突变点按照如下方式放入向量组2中:将第八次扫描的四个突变点分别放入:A1’、A2’、A3’、A4’中,向量分别如下:A1’[a、a11、a21、a31、a41、a51、a61、a71],A2’[a12、a22、a32、a42、a52、a62、a72];A3’[a63、a73];A4[a74],将a81、a82、a83、a85、a91、a92、a93、a94、也放入向量A1’、A2’、A3’、A4’中,得到如下向量A1’[a、a11、a21、a31、a41、a51、a61、a71、a81、a91],A2’[a12、a22、a32、a42、a52、a62、a72、a82、a92];A3[a63、a73、a83、a93];A4’[a74、a84、a94];
⑧从第十二次行扫描结果中选出2个突变点,然后建立向量组3:A1”、A2”,然后将2个突变点按以下方式放入向量组3中:
a.将行扫描方法扫描出的第一个二值图斑边界点坐标放入第一个向量A1”中;
b.将行扫描方法扫描出的第二个二值图斑边界点坐标放入第二个向量A2”中;
c.然后将向量A2”中的坐标点逆序排列在向量A1”中坐标点的后面,形成一个二值图斑边界点坐标序列;
⑨所有突变点都放入向量组1、2、3以后,对向量组进行排序,即对突变点进行排序,其排序方法如下:
1):A1、A1’、A1”、A2”、A2’、A3’、A4’、A4、A3、A2;
2):A1、A1’、A2’、A3’、A1”、A2”、A4’、A4、A3、A2;
排序完成即形成路面病害二值图斑的边界。
且第一个点a(x0,y0)中,y0最小;向量下标为偶数的,里面的突变点排序为逆序,向量下标为奇数的突变点排序顺序不变。
进一步地,突变点的获取采用行扫描方法。
再进一步地,突变点行扫描方法的步骤如下:
a.将二值图斑,从下往上,从左往右进行像素的灰度值检测,第一个点为最左下角的点;
b.当二值图斑的灰度值出现变化的时候,即遇见图斑的边界,即突变点;
c.在二值图斑上,沿着第一个突变点继续往右进行检测,当再次出现灰度值变化的时候,即完成每一行的第二个突变点,继续监测直到遇见下一个突变点。
通过上述公开内容,本发明的有益效果为:采用向量的方式提取,将突变点放入向量,对向量进行排序从而实现对突变点进行排序的目的,其优点在于一是步骤简单,易于计算机编程实现;二是其规律性强适用于计算机运算;三是计算速度快内存占用小;本发明的提取方法能够对经过图像处理后生成的二值化图斑的边界进行自动提取,尤其适用于对路面黑白图像的灰度异常区(即病害区)二值图的边缘进行计算机提取,该方法具有对边界逼近度高,规律性强以及适用于计算机运算等优点。所提取的二值化图像边界数据可用于包括在路面CCD图像病害区域的识别提取在内的图像自动识别,以及遥感图像的光谱特征区范围识别等领域,适用性广。
附图说明
图1为本发明的流程图。
图2为本发明的简单突变点情况说明图。
图3为本发明四个突变点情况说明图。
图4为路面病害二值图斑的边界排序方法一。
图5为路面病害二值图斑的边界排序方法二。
具体实施方式
下面将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,所描述的实施例仅仅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作出创造性劳动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至图5所示,突变点排序求路面病害二值图斑边界方法,包括以下步骤:
第一步通过路面检测车获得路面病害图像;
第二步从图像中提取路面病害的二值图斑,参见图2;
第三步通过二值图斑的行扫描方法确定突变点,进行扫描,所述突变点行扫描方法的方法如下:
a.将二值图斑,从下往上,从左往右进行像素的灰度值检测,第一个点为最左下角的点;
b.当二值图斑的灰度值出现变化的时候,即遇见图斑的边界,即突变点;
c.在二值图斑上,沿着第一个突变点继续往右进行检测,当再次出现灰度值变化的时候,即完成每一行的第二个突变点,继续监测直到遇见下一个突变点。
可取得两个二值图斑的边界点坐标,将二值图斑边界点坐标依顺序放入2个空向量中,其放入规则如规则一:
a.将行扫描方法扫描出的第一个二值图斑边界点坐标放入第一个向量A1中;
b.将行扫描方法扫描出的第二个二值图斑边界点坐标放入第二个向量A2中;
c.然后将向量A2中的坐标点逆序排列在向量A1中坐标点的后面,形成一个二值图斑边界点坐标序列;
第四步通过二值图斑的行扫描方法确定突变点,按照二值图斑边界点坐标,将二值图斑边界点坐标按规则放入向量组1:A1、A2、A3、A4、中,其放入规则为规则二:
①从第一次行扫描的结果中选取一个突变点,从第二次行扫描的结果中选取两个突变点,从第三次行扫描至第六次行扫描的结果中均选取两个突变点,从第七次行扫描的结果中选取三个突变点,从第八次行扫描的结果中选取四个突变点,从第九次行扫描至第十次行扫描的结果中均选取四个突变点,从第十一次行扫描的结果中选取三个突变点,从第十二次行扫描的结果中选取两个突变点;参见图3:
②将第一次扫描结果中选取的第一个突变点a(x0,y0)放入第一个空向量A1中,将第二次扫描结果中选取的第一个突变点a11(x11,y1)放入向量A1中且放在突变点a(x0,y0)后,将第二次扫描结果中选取的的第二个突变点a12(x12,y1)放入向量A1中,排在第一个位置,即A1[a、a11],,A2[a12];将第三次至第六次扫描结果中分别选取的两个突变点也按照以上依次放入向量A1、A2中,则A1[a、a11、a21、a31、a41、a51],A2[a12、a22、a32、a42、a52];
③将第七次扫描结果中选取的第一个突变点a61(x61,y6)放入向量A1中,将选取的第二个突变点a62(x62,y6)放入向量A2中,将选取的第三个突变点a63(x63,y6)放入A3中,则A1[a、a11、a21、a31、a41、a51、a61],A2[a12、a22、a32、a42、a52、a62];A3[a63];
④将第八次扫描结果中选取的四个突变点按以上方式分别放入A1、A2、A3、A4中,即:A1[a、a11、a21、a31、a41、a51、a61、a71],A2[a12、a22、a32、a42、a52、a62、a72];A3[a63、a73];A4[a74],将a81、a82、a83、a85、a91、a92、a93、a94、也放入向量A1、A2、A3、A4中,得到如下向量A1[a、a11、a21、a31、a41、a51、a61、a71、a81、a91],A2[a12、a22、a32、a42、a52、a62、a72、a82、a92];A3[a63、a73、a83、a93];A4[a74、a84、a94];
⑤将第十一次扫描结果中选取的3个突变点按规则三放置,规则三方式如下:
1)我们将每一次行扫描的突变点个数由2个到3,3个到4个,或者由4个到3,3个到2个的情况称为遇见跳跃奇点,仍然参照图3;
2)当第二次及以后遇见跳跃奇点,突变点放入的规则改变步骤:
a.如行扫描的突变点为3个,第一个和第二突变点放入A1、A2规则不变,将第三个即最后一个放入最后一个向量即向量A4;
b.如突变点为2个,则第一个放入第一个向量A1,第二个即最后一个突变点放入最后一个向量即A4;
⑥第十一次行扫描突变点为3个,放入规则三,即形成向量如下:A1[a、a11、a21、a31、a41、a51、a61、a71、a81、a91、a101],A2[a12、a22、a32、a42、a52、a62、a72、a82、a92、a102];A3[a63、a73、a83、a93];A4[a74、a84、a94、a103];
⑦第十二次扫描突变点个数为2个,放入规则三,即形成向量如下:A1[a、a11、a21、a31、a41、a51、a61、a71、a81、a91、a101、a111],A2[a12、a22、a32、a42、a52、a62、a72、a82、a92、a102];A3[a63、a73、a83、a93];A4[a74、a84、a94、a103、a112];
第五步当之后行扫描的突变点个数由2个变为3个,3个变为4个的时候,称为第二次遇见跳跃奇点,此时从行扫描突变点个数为4个起,我们建立向量组2:A1’、A2’、A3’、A4’,即扫描的突变点放入规则按照步骤(4)从新开始,A1’与A1对应,A2’与A2对应,A3’与A3对应,A4’与A4对应。当扫描突变点个数从4个变为3个,3个变为2个的时候,第三次遇见跳跃奇点,我们建立向量组3:A1”、A2”,即突变点放入规则按步骤(3)从新开始,A1”与A1对应,A2”与A2对应。
第六步所有突变点都按照规则放入向量组1、2、3以后,对向量组进行排序,这样就对突变点进行了排序,排序完成即形成路面病害二值图斑的边界坐标序列,其有两种排序方法:
方法一:参见图4,A1、A1’、A1”、A2”、A2’、A3’、A4’、A4、A3、A2;
方法二:参见图5,A1、A1’、A2’、A3’、A1”、A2”、A4’、A4、A3、A2;
第七步将其中向量下标为偶数的,向量里的突变点逆序排列,向量下标为奇数的突变点排序顺序不变。
采用本发明所述方法提取出的有序坐标点数据即为路面病害二值图斑的边界坐标信息,此方法简单有效可行,易于计算机编程实现,且计算机运算速度快;提取的数据针对病害图像的边界点,不含有其他点信息。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。

Claims (3)

1.一种突变点排序求路面病害二值图斑边界方法,其特征在于:包括以下步骤:
1)通过路面检测车对路面病害进行扫描获得路面病害图像;
2)从路面病害图像中提取路面病害的二值图斑;
3)对二值图斑进行行扫描方法确定突变点,取得两个二值图斑的边界点坐标,将二值图斑边界点坐标按如下方式放入2个空向量中:
a.将行扫描方法扫描出的第一个二值图斑边界点坐标放入第一个向量A1中;
b.将行扫描方法扫描出的第二个二值图斑边界点坐标放入第二个向量A2中;
c.然后将向量A2中的坐标点逆序排列在向量A1中坐标点的后面,形成一个二值图斑边界点坐标序列;
或者,对二值图斑进行行扫描方法确定突变点,取得四个二值图斑的边界点坐标,将二值图斑边界点坐标按如下方式放入向量组1:A1、A2、A3、A4中:
①从第一次行扫描的结果中选取一个突变点,从第二次行扫描的结果中选取两个突变点,从第三次行扫描至第六次行扫描的结果中均选取两个突变点,从第七次行扫描的结果中选取三个突变点,从第八次行扫描的结果中选取四个突变点,从第九次行扫描至第十次行扫描的结果中均选取四个突变点,从第十一次行扫描的结果中选取三个突变点,从第十二次行扫描的结果中选取两个突变点;
②将第一次扫描结果中选取的第一个突变点a(x0,y0)放入第一个空向量A1中,将第二次扫描结果中选取的第一个突变点a11(x11,y1)放入向量A1中且放在突变点a(x0,y0)后,将第二次扫描结果中选取的第二个突变点a12(x12,y1)放入向量A2中,排在第一个位置,即A1[a、a11],A2[a12];将第三次至第六次扫描结果中分别选取的两个突变点也按照以上依次放入向量A1、A2中,则A1[a、a11、a21、a31、a41、a51],A2[a12、a22、a32、a42、a52];
③将第七次扫描结果中选取的第一个突变点a61(x61,y6)放入向量A1中,将选取的第二个突变点a62(x62,y6)放入向量A2中,将选取的第三个突变点a63(x63,y6)放入A3中,则A1[a、a11、a21、a31、a41、a51、a61],A2[a12、a22、a32、a42、a52、a62];A3[a63];
④将第八次扫描结果中选取的四个突变点按以上方式分别放入A1、A2、A3、A4中,即:A1[a、a11、a21、a31、a41、a51、a61、a71],A2[a12、a22、a32、a42、a52、a62、a72];A3[a63、a73];A4[a74],将a81、a82、a83、a85、a91、a92、a93、a94、也放入向量A1、A2、A3、A4中,得到如下向量A1[a、a11、a21、a31、a41、a51、a61、a71、a81、a91],A2[a12、a22、a32、a42、a52、a62、a72、a82、a92];A3[a63、a73、a83、a93];A4[a74、a84、a94];
⑤将第十一次扫描结果中选取的3个突变点按以下方式放置:
将第十一次行扫描结果中选取的第一个突变点放入向量A1,将第十一次行扫描结果中选取的第二个突变点放入向量A2,将第十一次行扫描结果中选取的第三个突变点放入向量A4,即形成向量如下:A1[a、a11、a21、a31、a41、a51、a61、a71、a81、a91、a101],A2[a12、a22、a32、a42、a52、a62、a72、a82、a92、a102];A3[a63、a73、a83、a93];A4[a74、a84、a94、a103];
⑥将第十二次行扫描结果中选取的2个突变点按第十一次行扫描结果中选取的3个突变点相同的方式放置,即,将第十二次行扫描结果中选取的第一个突变点放入向量A1,将第十二次行扫描结果中选取的第二个突变点放入向量A2,将第十二次行扫描结果中选取的第三个突变点放入向量A4,形成向量如下:A1[a、a11、a21、a31、a41、a51、a61、a71、a81、a91、a101、a111],A2[a12、a22、a32、a42、a52、a62、a72、a82、a92、a102];A3[a63、a73、a83、a93];A4[a74、a84、a94、a103、a112];
⑦从第八次行扫描结果中选出4个突变点,然后建立向量组2:A1’、A2’、A3’、A4’,将第八次扫描结果中选取的四个突变点按照如下方式放入向量组2中:将第八次扫描的四个突变点分别放入:A1’、A2’、A3’、A4’中,向量分别如下:A1’[a、a11、a21、a31、a41、a51、a61、a71],A2’[a12、a22、a32、a42、a52、a62、a72];A3’[a63、a73];A4[a74],将a81、a82、a83、a85、a91、a92、a93、a94、也放入向量A1’、A2’、A3’、A4’中,得到如下向量A1’[a、a11、a21、a31、a41、a51、a61、a71、a81、a91],A2’[a12、a22、a32、a42、a52、a62、a72、a82、a92];A3[a63、a73、a83、a93];A4’[a74、a84、a94];
⑧从第十二次行扫描结果中选出2个突变点,然后建立向量组3:A1”、A2”,然后将2个突变点按以下方式放入向量组3中:
a.将行扫描方法扫描出的第一个二值图斑边界点坐标放入第一个向量A1”中;
b.将行扫描方法扫描出的第二个二值图斑边界点坐标放入第二个向量A2”中;
c.然后将向量A2”中的坐标点逆序排列在向量A1”中坐标点的后面,形成一个二值图斑边界点坐标序列;
⑨所有突变点都放入向量组1、2、3以后,对向量组进行排序,即对突变点进行排序,其排序方法如下:
1):A1、A1’、A1”、A2”、A2’、A3’、A4’、A4、A3、A2;
2):A1、A1’、A2’、A3’、A1”、A2”、A4’、A4、A3、A2;
排序完成即形成路面病害二值图斑的边界。
2.如权利要求1所述的一种突变点排序求路面病害二值图斑边界方法,其特征在于:突变点的获取采用行扫描方法。
3.如权利要求2所述的一种突变点排序求路面病害二值图斑边界方法,其特征在于:突变点行扫描方法的步骤如下:
a.将二值图斑,从下往上,从左往右进行像素的灰度值检测,第一个点为最左下角的点;
b.当二值图斑的灰度值出现变化的时候,即遇见图斑的边界,即突变点;
c.在二值图斑上,沿着第一个突变点继续往右进行检测,当再次出现灰度值变化的时候,即完成每一行的第二个突变点,继续监测直到遇见下一个突变点。
CN201610338738.8A 2016-05-19 2016-05-19 一种突变点排序求路面病害二值图斑边界方法 Active CN105976386B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610338738.8A CN105976386B (zh) 2016-05-19 2016-05-19 一种突变点排序求路面病害二值图斑边界方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610338738.8A CN105976386B (zh) 2016-05-19 2016-05-19 一种突变点排序求路面病害二值图斑边界方法

Publications (2)

Publication Number Publication Date
CN105976386A CN105976386A (zh) 2016-09-28
CN105976386B true CN105976386B (zh) 2018-09-28

Family

ID=56956112

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610338738.8A Active CN105976386B (zh) 2016-05-19 2016-05-19 一种突变点排序求路面病害二值图斑边界方法

Country Status (1)

Country Link
CN (1) CN105976386B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108242059B (zh) * 2016-12-26 2021-03-12 深圳怡化电脑股份有限公司 图像边界查找方法和装置
CN117274812B (zh) * 2023-10-08 2024-02-20 北京香田智能科技有限公司 一种烟株计数的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509291A (zh) * 2011-10-31 2012-06-20 东南大学 基于无线网络视频传感器的公路路面病害检测及识别方法
CN103955923A (zh) * 2014-04-18 2014-07-30 南京理工大学 一种快速的基于图像的路面病害检测方法
CN104008553A (zh) * 2014-06-17 2014-08-27 武汉武大卓越科技有限责任公司 融合影像梯度方向直方图和分水岭方法的裂缝检测方法
CN105469094A (zh) * 2015-11-28 2016-04-06 重庆交通大学 一种路面二值图像的边缘矢量线提取算法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2969802A1 (fr) * 2010-12-23 2012-06-29 Thales Sa Procede de determination d'erreur de localisation dans une image georeferencee et dispositif associe

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509291A (zh) * 2011-10-31 2012-06-20 东南大学 基于无线网络视频传感器的公路路面病害检测及识别方法
CN103955923A (zh) * 2014-04-18 2014-07-30 南京理工大学 一种快速的基于图像的路面病害检测方法
CN104008553A (zh) * 2014-06-17 2014-08-27 武汉武大卓越科技有限责任公司 融合影像梯度方向直方图和分水岭方法的裂缝检测方法
CN105469094A (zh) * 2015-11-28 2016-04-06 重庆交通大学 一种路面二值图像的边缘矢量线提取算法

Also Published As

Publication number Publication date
CN105976386A (zh) 2016-09-28

Similar Documents

Publication Publication Date Title
CN104809481B (zh) 一种基于自适应色彩聚类的自然场景文本检测方法
CN103345631B (zh) 图像特征提取、训练、检测方法及模块、装置、系统
CN100590644C (zh) 点线结合的指纹识别方法
CN107038424A (zh) 一种手势识别方法
CN105574063A (zh) 基于视觉显著性的图像检索方法
CN101807257A (zh) 图像标签信息识别方法
CN106157323A (zh) 一种动态分块阈值和块搜索结合的绝缘子分割提取方法
CN107808141A (zh) 一种基于深度学习的输电线路绝缘子爆裂识别方法
CN103425984B (zh) 一种检测票据中正多边形印章的方法和装置
CN103198319B (zh) 用于矿山井筒环境下的模糊图像角点提取方法
CN106373146A (zh) 一种基于模糊学习的目标跟踪方法
CN105303200A (zh) 用于手持设备的人脸识别方法
CN103761507A (zh) 一种基于韦伯法则的局部多值模式的人脸识别方法
CN104966285A (zh) 一种显著性区域的检测方法
CN103218833A (zh) 边缘加强型的彩色空间最稳极值区域检测方法
CN105976386B (zh) 一种突变点排序求路面病害二值图斑边界方法
CN109325507A (zh) 一种结合超像素显著性特征与hog特征的图像分类算法和系统
CN103295019B (zh) 一种基于概率统计的中文碎片自适应恢复方法
CN103310439A (zh) 一种基于尺度空间的图像最稳极值区域检测方法
CN103049749A (zh) 在栅格遮挡下的人体再识别方法
CN105354570A (zh) 一种车牌左右边界精确定位的方法及系统
CN105184294A (zh) 一种基于像素追踪的倾斜文字判断识别方法
CN103136517B (zh) 一种基于关键列选择的滚动指纹图像序列实时拼接方法
CN107545259A (zh) 一种基于大津法的二维码重构方法
CN109460761A (zh) 基于维度聚类和多尺度预测的银行卡卡号检测与识别方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210702

Address after: No.469, south section of Jinxiu Avenue, Chengdu cross strait science and Technology Industrial Development Park, Wenjiang District, Chengdu, Sichuan 610000

Patentee after: SICHUAN ZHENGDA TESTING TECHNOLOGY Co.,Ltd.

Address before: 400074 No. 66, Xuefu Avenue, Nan'an District, Chongqing

Patentee before: CHONGQING JIAOTONG University