CN106303158A - 一种视频图像中的条纹异常检测方法 - Google Patents
一种视频图像中的条纹异常检测方法 Download PDFInfo
- Publication number
- CN106303158A CN106303158A CN201610872036.8A CN201610872036A CN106303158A CN 106303158 A CN106303158 A CN 106303158A CN 201610872036 A CN201610872036 A CN 201610872036A CN 106303158 A CN106303158 A CN 106303158A
- Authority
- CN
- China
- Prior art keywords
- image
- projection
- data
- video
- denoising
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000005856 abnormality Effects 0.000 title claims abstract description 10
- 239000000284 extract Substances 0.000 claims abstract description 7
- 230000007797 corrosion Effects 0.000 claims description 17
- 238000005260 corrosion Methods 0.000 claims description 17
- 230000003628 erosive effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 208000031481 Pathologic Constriction Diseases 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 210000001215 vagina Anatomy 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 20
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 238000012360 testing method Methods 0.000 description 3
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
- H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G06T5/70—
-
- G06T5/73—
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- 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
- G06T2207/30232—Surveillance
Abstract
本发明公开了一种视频图像中的条纹异常检测方法。本发明具体实现如下:首先获得目标视频,提取视频序列中的图像,并将图像的存储格式由多通道转化为单通道的灰度图像存储格式;其次将灰度格式图像序列依次做前后帧的差帧处理,得到差值图像序列;并将差值图像序列进行形态学中腐蚀去噪处理;然后将去噪图像序列和差值图像序列进行Sobel算子锐化处理,得到两组图像序列并分别进行行投影,得到两组投影数据;对两组投影数据进行方差计算,通过去噪处理得到投影数据和未去噪处理得到投影数据的方差比,判断是否存在横纹。本发明能识别图像是否存在水平横纹,有效降低对无横纹图像的检测误判。
Description
技术领域
本发明主要涉及视频图像质量诊断领域,特别涉及一种视频图像中的条纹异常检测方法,适用于水平干扰条纹的检测。
背景技术
随着视频监控的日益普及,视频监控中出现的异常情况也呈现井喷式增长。视频横纹干扰正是诸多异常中的一种,当视频图像存在大量横纹干扰时,会严重影响视频的使用效果。那么及时发现故障就显得尤为重要。原本靠人力去逐一查看视频是否存在异常的方式,对于少量视频尚且可行;但有大量摄像头时,显然已不能满足这种需求;并且人力的成本越来越高,不便于系统化管理。
当前采用非人工的方式针对图像条纹检测的方法有:熊培杰等在专利《图像条纹检测方法及装置》(专利号:201310247599.4)中提出的通过在接收到图像条纹检测任务时,解析图像条纹检测任务的任务消息以确定图像的检测区域;获取待检测的视频数据;循环执行“读取获取的所述视频数据中的一帧图像,检测所述一帧图像在所述检测区域中的条纹,并记录所述一帧图像对应的检测结果”,直至检测了预设帧数量的帧图像;统计分析记录的各帧图像对应的检测结果,以确定所述检测区域的图像条纹检测结果的检测方法;以及周康在专利《图像中条纹干扰的检测方法和装置》(专利号:201310432482.3)中提出的获取需要进行检测的多个连续图像中的每个像素的属性值;对于每个像素,根据多个连续图像中该像素的属性值确定该像素的变化值,其中,该像素的变化值用于表示在多个连续图像中该像素的属性变化情况;对由各个像素的变化值组成的图像进行条纹干扰检测的检测方法。
本发明提出了首先做差帧处理消除固定背景影响,并进行腐蚀去噪处理消除细小噪声影响,再通过Sobel水平算子锐化处理,最后对处理图像进行行投影并对投影数据计算方差做比得到比值,从而判断是否存在横条纹的检测方法。该方法能检测出由于条纹异常导致背景图像扭曲的图像条纹。对横条纹没有周期性要求,有较好的适应性。
发明内容
本发明旨在解决监控视频中存在的水平干扰条纹的条纹检测问题。提供一种视频图像中的条纹异常检测方法。本发明根据横纹存在时,利用视频前后帧的差帧去除背景噪声,再通过腐蚀去除非条纹噪声影响并突显条纹特征;最后进行行投影并计算对比方差值,计算投影数据方差判断是否存在横纹。
本发明的技术方案步骤如下:
步骤1:获得目标视频,提取视频的图像宽与高;
步骤2:提取视频序列中的图像,并将图像的存储格式由多通道转化为单通道的灰度图像存储格式;
步骤3:将步骤2的灰度格式图像序列依次做前后帧的差帧处理,得到差值图像序列;
步骤4:将步骤3差值图像序列进行形态学中腐蚀去噪处理,以突显图像横条纹特征;
步骤5:将步骤4的去噪图像序列以及步骤3的差值图像序列进行Sobel算子锐化处理,得到处理后的两组图像序列;
步骤6:将步骤5处理的两组图像序列分别进行行投影,得到两组投影数据;
步骤7:对两组投影数据进行方差计算,通过去噪处理得到投影数据和未去噪处理得到投影数据的方差比,判断是否存在横纹;其中方差比的阈值通过统计的方法得出。
在步骤4中,腐蚀处理的原理如下:
腐蚀定义为:
表示B对A的腐蚀是一个用z平移的B包含在A中所有的点Z的集合;其中A、B为两个集合;结构元B采用半径为3像素、高为3像素的椭圆进行腐蚀处理。
在步骤5中,Sobel算子采用水平算子可检测横条纹、采用Sobel垂直算子可检测纵向条纹;公式分别为:
其中zi,i=1,…,9为目标点x上一行与下一行最邻近3像素点的灰度值;gx和gy表示sobel算子处理后得到x像素灰度值。
在步骤6中,投影公式为:
或
其中data(j)、data(i)分别为行、列投影对应元素值;I(i,j)为对应图像的像素灰度值。
步骤6中,方差比的计算公式为:
其中T为方差比,V1为未经过腐蚀去噪处理的投影数据的方差,V0为经过腐蚀去噪处理的投影数据方差。
步骤7采用的判别方式是方差的比值;将比值T与预先统计好得出的阈值T0比较大小;当T<T0时,则判定该帧存在横条纹,否则不存在;当存在连续几帧存在横条纹时,则判定为视频存在横纹。
本发明得到有益结果:
本发明针对监控视频横条纹异常情况问题,提出了首先通过差帧去除固定背景影响,从而达到突显横纹与局部噪声目的;并通过腐蚀处理去除局部小噪声的方式,进一步显化突出横纹特征。再次通过样本统计的方式得出横纹检测判断值。最终达到检测横纹的方法。本发明基于真实场景样本数据进行统计确定判断阈值,条纹检测更加可靠,实时性好。同时本方法也适用于竖向条纹的检测。
附图说明
图1总体实现框架流程图;
图2判断阈值统计流程图;
图3腐蚀去噪处理对比图;
图4 Sobel水平算子处理对比图;
图5行投影数据图;
图6不存在横条纹图像行投影对比图.
具体实施方式
下面结合附图对本发明的具体实施方案做进一步更详细的叙述。
对附图1做如下具体说明:
步骤1:提取检测视频或视频流的属性,判断视频是否为单通道灰度图像帧序列,若不是单通道灰度帧序列,将视频帧转化为单通道灰度图像格式,并提取视频帧的宽度与高度分别记为M、N。
步骤2:将灰度化的帧序列做前后帧做差处理,得到差帧图像记为frame_diff
步骤3:对差帧图像frame_diff进行去噪处理,以突显横条纹特征便于进一步处理。得到去噪图像记为frame_diff_erode,其中去噪采用图像形态学中的腐蚀原理。处理结果见附图3。
腐蚀原理具体如下
腐蚀定义为:
表示B对A的腐蚀是一个用z平移的B包含在A中所有的点Z的集合。其中A、B为两个集合。本案例中结构元B采用半径为3像素、高为3像素的椭圆进行腐蚀处理。
步骤4:对腐蚀去噪图像frame_diff以及frame_diff_erode进行sobel锐化处理分别得到处理后图像记为frame_diff_sobel与frame_diff_erode_sobel。处理结果见附图4。
其中sobel水平锐化处理具体原理如下:
其中zi,i=1,…,9为目标点x上一行与下一行最邻近3像素点的灰度值。gx表示sobel算子处理后得到x像素灰度值。
步骤5:对图像frame_diff_sobel与图frame_diff_erode_sobel像素灰度进行行投影,即将大小为M*N像素值矩阵的每一行累加起来得到大小为1*N数据矩阵。投影得到数据矩阵分别记为data0、data1。投影数据结果见附图5。
公式为:
其中data[j]为数据矩阵的第j个元素,I(i,j)为投影矩阵相应坐标为(i,j)的像素值
步骤6:对步骤5得出的数据矩data0与data1计算其方差,分别记为Var0、Var1。
步骤7:步骤6得出的未去噪处理的方差数据与进行去噪处理的的方差数据做比,得到比值,记为T=Var0/Var1。
步骤8:将步骤7得出的比值T与预先统计好得出的阈值T0比较大小。由于存在横条纹图像处理后的方差比会比较小,而不存在横条纹图像处理后方差比会比较大;统计发现二者处在不同的量级上,从而统计出判断阈值T0。基于这样的结论,那么当T<T0时,则判定该帧存在横条纹,否则不存在。当存在连续几帧存在横条纹时,则判定为视频存在横纹。其中不存在横纹样本进行前五步骤处理,处理结果见图6。
对附图2进行具体说明:
步骤1:将事先收集多组固定场景下存在横条纹的样本视频与不存在横条纹的视频样本用于统计计算。样本分组多次重复附图1的具体说明的前七个步骤,得出两组统计数据。一组为存在横条纹的方差比值数据组data_T0,另一组为不存在横条纹的方差比值数据组data_T1.求出两组数据的均值分别为average_T0、average_T1。在二者中间取一可靠值T0作为统计阈值,带入进行检验。
Claims (6)
1.一种视频图像中的条纹异常检测方法,其特征在于:利用视频前后帧的差帧去除背景噪声,再通过腐蚀去除非条纹噪声影响并突显条纹特征;最后进行行投影并计算对比方差值,具体步骤如下:
步骤1:获得目标视频,提取视频的图像宽与高;
步骤2:提取视频序列中的图像,并将图像的存储格式由多通道转化为单通道的灰度图像存储格式;
步骤3:将步骤2的灰度格式图像序列依次做前后帧的差帧处理,得到差值图像序列;
步骤4:将步骤3差值图像序列进行形态学中腐蚀去噪处理,以突显图像横条纹特征;
步骤5:将步骤4的去噪图像序列以及步骤3的差值图像序列进行Sobel算子锐化处理,得到处理后的两组图像序列;
步骤6:将步骤5处理的两组图像序列分别进行行投影,得到两组投影数据;
步骤7:对两组投影数据进行方差计算,通过去噪处理得到投影数据和未去噪处理得到投影数据的方差比,判断是否存在横纹;其中方差比的阈值通过统计的方法得出。
2.根据权利要求1所述的一种视频图像中的条纹异常检测方法,其特征在于:在步骤4中,腐蚀处理的原理如下:
腐蚀定义为:
表示B对A的腐蚀是一个用z平移的B包含在A中所有的点Z的集合;其中A、B为两个集合;结构元B采用半径为3像素、高为3像素的椭圆进行腐蚀处理。
3.根据权利要求2所述的一种视频图像中的条纹异常检测方法,其特征在于:在步骤5中,Sobel算子采用水平算子可检测横条纹、采用Sobel垂直算子可检测纵向条纹;公式分别为:
其中zi,i=1,…,9为目标点x上一行与下一行最邻近3像素点的灰度值;gx和gy表示sobel算子处理后得到x像素灰度值。
4.根据权利要求1所述的一种视频图像中的条纹异常检测方法,其特征在于:在步骤6中,投影公式为:
或
其中data(j)、data(i)分别为行、列投影对应元素值;I(i,j)为对应图像的像素灰度值。
5.根据权利要求1所述的一种视频图像中的条纹异常检测方法,其特征在于:在步骤6中,方差比的计算公式为:
其中T为方差比,V1为未经过腐蚀去噪处理的投影数据的方差,V0为经过腐蚀去噪处理的投影数据方差。
6.根据权利要求1所述的一种视频图像中的条纹异常检测方法,其特征在于:步骤7采用的判别方式是方差的比值;将比值T与预先统计好得出的阈值T0比较大小;当T<T0时,则判定该帧存在横条纹,否则不存在;当存在连续几帧存在横条纹时,则判定为视频存在横纹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610872036.8A CN106303158B (zh) | 2016-09-30 | 2016-09-30 | 一种视频图像中的条纹异常检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610872036.8A CN106303158B (zh) | 2016-09-30 | 2016-09-30 | 一种视频图像中的条纹异常检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106303158A true CN106303158A (zh) | 2017-01-04 |
CN106303158B CN106303158B (zh) | 2019-05-21 |
Family
ID=57716612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610872036.8A Active CN106303158B (zh) | 2016-09-30 | 2016-09-30 | 一种视频图像中的条纹异常检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106303158B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106815820A (zh) * | 2017-01-24 | 2017-06-09 | 西安科技大学 | 一种红外图像条状噪声消除方法 |
CN107067392A (zh) * | 2017-04-11 | 2017-08-18 | 北京小米移动软件有限公司 | 识别花屏图像的方法及装置 |
CN109544552A (zh) * | 2018-12-06 | 2019-03-29 | 合刃科技(深圳)有限公司 | 一种光栅无损检测方法及系统 |
CN110367985A (zh) * | 2019-07-18 | 2019-10-25 | 惠仁望都医疗设备科技有限公司 | 一种低场磁共振线扫弥散成像去除黑色条纹的方法 |
CN110446067A (zh) * | 2019-08-30 | 2019-11-12 | 杭州电子科技大学 | 基于张量分解的视频浓缩方法 |
CN111246051A (zh) * | 2018-11-09 | 2020-06-05 | 浙江宇视科技有限公司 | 自动检测条纹并抑制的方法、装置、设备及存储介质 |
US10885612B2 (en) | 2018-10-31 | 2021-01-05 | Hewlett-Packard Development Company, L.P. | Luminance-biased sharpening for thermal media printing |
CN112242126A (zh) * | 2019-07-16 | 2021-01-19 | 奇景光电股份有限公司 | 使用图案检测方法来控制显示面板的各子像素的极性的方法 |
CN113569713A (zh) * | 2021-07-23 | 2021-10-29 | 浙江大华技术股份有限公司 | 视频图像的条纹检测方法及装置、计算机可读存储介质 |
CN113592801A (zh) * | 2021-07-23 | 2021-11-02 | 浙江大华技术股份有限公司 | 视频图像的条纹干扰检测方法及其装置 |
US11222248B2 (en) | 2018-10-31 | 2022-01-11 | Hewlett-Packard Development Company, L.P. | Luminance-biased sharpening for thermal media printing |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130247086A1 (en) * | 2007-05-02 | 2013-09-19 | Rovi Technologies Corporation | Method and apparatus for providing content control via detection of modifications to a signal |
CN104378628A (zh) * | 2014-11-28 | 2015-02-25 | 广东中星电子有限公司 | 一种检测图像闪烁条纹的方法 |
CN104657975A (zh) * | 2014-05-13 | 2015-05-27 | 武汉科技大学 | 一种视频图像横向条纹扰动检测的方法 |
CN105263018A (zh) * | 2015-10-12 | 2016-01-20 | 浙江宇视科技有限公司 | 一种视频图像中叠加条纹检测方法和装置 |
-
2016
- 2016-09-30 CN CN201610872036.8A patent/CN106303158B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130247086A1 (en) * | 2007-05-02 | 2013-09-19 | Rovi Technologies Corporation | Method and apparatus for providing content control via detection of modifications to a signal |
CN104657975A (zh) * | 2014-05-13 | 2015-05-27 | 武汉科技大学 | 一种视频图像横向条纹扰动检测的方法 |
CN104378628A (zh) * | 2014-11-28 | 2015-02-25 | 广东中星电子有限公司 | 一种检测图像闪烁条纹的方法 |
CN105263018A (zh) * | 2015-10-12 | 2016-01-20 | 浙江宇视科技有限公司 | 一种视频图像中叠加条纹检测方法和装置 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106815820B (zh) * | 2017-01-24 | 2019-09-10 | 西安科技大学 | 一种红外图像条状噪声消除方法 |
CN106815820A (zh) * | 2017-01-24 | 2017-06-09 | 西安科技大学 | 一种红外图像条状噪声消除方法 |
CN107067392A (zh) * | 2017-04-11 | 2017-08-18 | 北京小米移动软件有限公司 | 识别花屏图像的方法及装置 |
CN107067392B (zh) * | 2017-04-11 | 2020-11-10 | 北京小米移动软件有限公司 | 识别花屏图像的方法及装置 |
US11222248B2 (en) | 2018-10-31 | 2022-01-11 | Hewlett-Packard Development Company, L.P. | Luminance-biased sharpening for thermal media printing |
US10885612B2 (en) | 2018-10-31 | 2021-01-05 | Hewlett-Packard Development Company, L.P. | Luminance-biased sharpening for thermal media printing |
US11689817B2 (en) | 2018-11-09 | 2023-06-27 | Zhejiang Uniview Technologies Co., Ltd. | Method and apparatus for automatically detecting and suppressing fringes, electronic device and computer-readable storage medium |
CN111246051A (zh) * | 2018-11-09 | 2020-06-05 | 浙江宇视科技有限公司 | 自动检测条纹并抑制的方法、装置、设备及存储介质 |
CN111246051B (zh) * | 2018-11-09 | 2021-06-29 | 浙江宇视科技有限公司 | 自动检测条纹并抑制的方法、装置、设备及存储介质 |
CN109544552A (zh) * | 2018-12-06 | 2019-03-29 | 合刃科技(深圳)有限公司 | 一种光栅无损检测方法及系统 |
CN112242126A (zh) * | 2019-07-16 | 2021-01-19 | 奇景光电股份有限公司 | 使用图案检测方法来控制显示面板的各子像素的极性的方法 |
CN112242126B (zh) * | 2019-07-16 | 2022-03-18 | 奇景光电股份有限公司 | 使用图案检测方法来控制显示面板的各子像素的极性的方法 |
CN110367985A (zh) * | 2019-07-18 | 2019-10-25 | 惠仁望都医疗设备科技有限公司 | 一种低场磁共振线扫弥散成像去除黑色条纹的方法 |
CN110446067B (zh) * | 2019-08-30 | 2021-11-02 | 杭州电子科技大学 | 基于张量分解的视频浓缩方法 |
CN110446067A (zh) * | 2019-08-30 | 2019-11-12 | 杭州电子科技大学 | 基于张量分解的视频浓缩方法 |
CN113592801A (zh) * | 2021-07-23 | 2021-11-02 | 浙江大华技术股份有限公司 | 视频图像的条纹干扰检测方法及其装置 |
CN113569713A (zh) * | 2021-07-23 | 2021-10-29 | 浙江大华技术股份有限公司 | 视频图像的条纹检测方法及装置、计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106303158B (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106303158A (zh) | 一种视频图像中的条纹异常检测方法 | |
CN109870461B (zh) | 一种电子元器件质量检测系统 | |
CN104469345B (zh) | 一种基于图像处理的视频故障诊断方法 | |
CN110781839A (zh) | 一种基于滑窗的大尺寸图像中小目标识别方法 | |
CN101877127B (zh) | 基于梯度剖面的图像无参考质量评价方法及系统 | |
CN103686148B (zh) | 一种基于数字图像处理的自动检测视频图像清晰度的方法 | |
US20130120125A1 (en) | Method and system for lane departure warning | |
CN109489724B (zh) | 一种隧道列车安全运行环境综合检测装置及检测方法 | |
CN103093458B (zh) | 关键帧的检测方法及装置 | |
CN104408707A (zh) | 一种快速数字成像模糊鉴别与复原图像质量评估方法 | |
CN104486618A (zh) | 视频图像的噪声检测方法及装置 | |
CN105791814A (zh) | 一种基于图像处理技术的监控视频质量检测方法及装置 | |
CN103679732A (zh) | 基于噪声检测的高密度脉冲噪声自适应滤波算法 | |
CN104867128A (zh) | 图像模糊检测方法和装置 | |
CN103606221A (zh) | 清分机故障自动诊断方法以及装置 | |
CN105976392A (zh) | 基于最大输出概率的车辆轮胎检测方法及装置 | |
CN103096117B (zh) | 视频噪声检测方法及装置 | |
CN103514460B (zh) | 视频监控多视角车辆检测方法和装置 | |
CN113781537A (zh) | 一种轨道弹条扣件缺陷识别方法、装置和计算机设备 | |
CN104392203A (zh) | 一种基于视频分析的点状条纹噪声检测方法 | |
CN103699876A (zh) | 一种基于线阵ccd图像识别车号的方法及装置 | |
CN103391441A (zh) | 一种基于差异能量的监控视频对象删除篡改检测算法 | |
CN107403429B (zh) | 一种周期序列图像模型参数的快速自动获取方法 | |
CN116486129A (zh) | 基于深度学习的铁路货车盖板故障识别方法及装置 | |
CN115830514A (zh) | 一种适用于带弯曲河道的全河段表面流速计算方法及系统 |
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 |