CN106485722A - 一种遥感影像中靠港舰船检测方法 - Google Patents
一种遥感影像中靠港舰船检测方法 Download PDFInfo
- Publication number
- CN106485722A CN106485722A CN201610838793.3A CN201610838793A CN106485722A CN 106485722 A CN106485722 A CN 106485722A CN 201610838793 A CN201610838793 A CN 201610838793A CN 106485722 A CN106485722 A CN 106485722A
- Authority
- CN
- China
- Prior art keywords
- image
- profile
- naval vessel
- carried out
- ship
- 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.)
- Pending
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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- 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
- G06T2207/20116—Active contour; Active surface; Snakes
Abstract
本发明涉及一种遥感影像中靠港舰船检测方法,其步骤:对原始目标图像进行预处理:对图像进行灰度化,并高斯滤波;对原始目标图像进行粗分割得到二值图,并进行形态学处理,确定海岸线;对原始目标图像进行图像切块:根据舰船大小,将原始目标图像沿海岸线取正方形图像切片,用于检测舰船;轮廓提取:对每一块图像切片都进行轮廓提取;对提取到的轮廓进行目标筛选,得到疑似舰船;对疑似舰船进行第二次筛选,消除重复目标图像,得到最后的疑似舰船目标,完成靠港舰船检测。本发明检测效果和抗噪能力较好,检测效率较高。
Description
技术领域
本发明涉及一种遥感图像技术领域,特别是关于一种遥感影像中靠港舰船检测方法。
背景技术
舰船检测与监视是世界各海岸地带国家的传统任务,随着遥感成像技术的发展,从遥感图像上识别大型移动目标成为可能,舰船目标识别就是在这一背景下提出的。舰船检测主要分为海上舰船检测和靠港舰船检测。海上舰船检测在舰船的寻找和救助、非法移民、保卫领土等方面有着广泛应用。通过对港内的靠港舰船检测,可大大提高海防预警以及海运监测管理、调度的能力。
对于海上舰船检测,传统方法对于较为平静、纹理均匀,且水体呈现较为暗色的图像中效果较好,但对于复杂海面遥感图像,往往表现为大海浪,海面有油,呈现较为亮色,传统分割检测方法通常较难将水体与目标较好的分离,容易出现较多的漏警和虚警。
很多研究者引入视觉显著度模型对图像各个位置的显著性进行量化,通过对遥感图像进行多特征提取,显著度计算以及特征显著图融合,从而在显著图上检测出舰船目标,与传统分割方法相比,对于复杂海面情况确实有更好的鲁棒性,但是多特征提取会引入大量的冗余信息,严重降低了效率。港内舰船检测一直是业界的难点,由于背景区域不只是自然背景,还有大量人造目标,尤其是码头与停靠舰船灰度特征差别不大,又都与港口区域的海面灰度特征对比度明显,一般的自动阈值分割将码头与舰船标记为同类区域。另外目前大部分舰船检测算法的实现均需要依靠先验的港口模板或者港口信息,因此,港口停靠舰船的自动提取面临着很大的困难。
发明内容
针对上述问题,本发明的目的是提供一种遥感影像中靠港舰船检测方法,该方法检测效果和抗噪能力较好,检测效率较高。
为实现上述目的,本发明采取以下技术方案:一种遥感影像中靠港舰船检测方法,其特征在于,该方法包括以下步骤:1)对原始目标图像进行预处理:对图像进行灰度化,并高斯滤波;2)提取确定海岸线:对原始目标图像进行粗分割得到二值图,并进行形态学处理,确定海岸线;3)对原始目标图像进行图像切块:根据舰船大小,将原始目标图像沿海岸线取正方形图像切片,用于检测舰船;4)轮廓提取:对每一块图像切片都进行轮廓提取;5)对提取到的轮廓进行目标筛选,得到疑似舰船轮廓;6)对疑似舰船进行第二次筛选,消除重复目标图像,得到最后的疑似舰船目标,完成靠港舰船检测。
进一步,所述步骤2)中,采用Otsu阈值分割方法对预处理后的目标图像进行分割,分割得到图像中的水域和非水域;并将水域阈值以下的灰度值置0,将水域阈值以上的灰度置1,则形成二值图像。
进一步,所述步骤3)中,图像切片之间需要有重叠。
进一步,所述步骤4)中,每一块图像切片的轮廓提取方法如下:4.1)将每一块图像切片由彩色图像变为灰度图像;4.2)采用Canny算子得到仅带有形状边缘的二值图,并在该二值图中将相邻的像素点进行连接,得到不同的连线;4.3)判断连线是否为闭合的连线,若是没有闭合的连线则将该连线删去,剩余的则是闭合的轮廓,完成轮廓提取。
进一步,所述步骤5)中,具体提取过程如下:5.1)计算轮廓与其最近海岸线的距离,并判断该距离是否满足预先设定的范围,若满足则进入下一步;若不满足则放弃该轮廓;5.2)判断轮廓的长度是否符合舰船长度,若不符合则放弃该轮廓,若符合则进入下一步;5.3)判断轮廓的周长是否符合舰船周长范围,若不符合则放弃该轮廓,若符合则进入下一步;5.4)判断轮廓的宽高比是否符合舰船宽高比,若不符合则放弃该轮廓,若符合则将该轮廓所对应的图像切片认为是疑似舰船。
进一步,所述步骤5.1)中,预先设定的范围为小于等于目标舰船宽度的1/2,即轮廓与其最近海岸线的距离若小于等于目标舰船宽度的1/2,则进入下一步;若该距离大于目标舰船宽度的1/2,则放弃该轮廓。
进一步,所述目标舰船宽度为根据需求预先设定的值。
进一步,所述步骤6)中,将所有图像切片中的疑似舰船轮廓放置在原始图像中,将重复检测到的图像目标消除冗余,剩余的轮廓即为最后的疑似舰船目标。
本发明由于采取以上技术方案,其具有以下优点:本发明对于港内舰船检测,不需要依靠先验的港口模板或者港口信息,自动提取海岸线粗略轮廓,并通过在缓冲区内搜索舰船,检测效果和抗噪能力较好,检测效率较高。
附图说明
图1是本发明的整体流程示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
如图1所示,本发明提供一种遥感影像中靠港舰船检测方法,该方法用于对港内舰船检测,针对于目前大部分舰船检测算法的实现都需要依靠先验的港口模板或者港口信息的问题,本发明首先提取出海岸线粗略轮廓,然后建立缓冲区,在缓冲区内根据舰船特征进行筛选。其具体过程如下:
1)对原始目标图像进行预处理:对图像进行灰度化,并高斯滤波,减少影像的噪声。
2)提取确定海岸线:对原始目标图像进行粗分割得到二值图,去除了图像中许多冗余信息,大大减小了计算量,并进行形态学处理,去除二值图像的毛刺和空洞,进而确定海岸线;
具体为:采用Otsu阈值分割方法对预处理后的目标图像进行分割,分割得到图像中的水域和非水域;并将水域阈值以下的灰度值置0,将水域阈值以上的灰度置1,则形成二值图像。
由于二值化处理后的图像,虽然在大的范围内将图像分割成了水域和非水域,但由于噪声和地物阴影的影像,会存在一些毛刺和空洞,有些本应连接在一起的区域也会因为噪声的影响而割裂了;通过形态学的处理,可以消除以上影响。
3)对原始目标图像进行图像切块:根据舰船大小,将原始目标图像沿海岸线取正方形图像切片,用于检测舰船。其中,图像切片之间需要有重叠,这是为了避免舰船被边缘切断,保证至少存在完整的舰船。
4)轮廓提取:对每一块图像切片都进行轮廓提取,具体提取方法如下:
4.1)将每一块图像切片由彩色图像变为灰度图像;
4.2)采用Canny算子得到仅带有形状边缘的二值图,并在该二值图中将相邻的像素点进行连接,则可以得到不同的连线;
4.3)判断步骤4.2)中获得的连线是否为闭合的连线,若是没有闭合的连线则将该连线删去,剩余的则是闭合的轮廓,完成轮廓提取;其中,轮廓代表的实际物体有很多种情况,例如有舰船轮廓,也有舰船上的细节物体的轮廓,也有陆地或海岸线的轮廓,因此,需要多获取的轮廓做进一步筛选。
5)对提取到的轮廓进行目标筛选,得到疑似舰船轮廓:
5.1)计算轮廓与其最近海岸线的距离,并判断该距离是否满足预先设定的范围,若满足则进入下一步;若不满足则放弃该轮廓;
其中,预先设定的范围为小于等于目标舰船宽度的1/2,即轮廓与其最近海岸线的距离若小于等于目标舰船宽度的1/2,则进入下一步;若该距离大于目标舰船宽度的1/2,则放弃该轮廓;目标舰船宽度为根据需求预先设定的值。
5.2)判断轮廓的长度是否符合舰船长度,若不符合则放弃该轮廓,若符合则进入下一步;
5.3)判断轮廓的周长是否符合舰船周长范围,若不符合则放弃该轮廓,若符合则进入下一步;
5.4)判断轮廓的宽高比是否符合舰船宽高比,若不符合则放弃该轮廓,若符合则将该轮廓所对应的图像切片认为是疑似舰船轮廓。
6)对疑似舰船进行第二次筛选,消除重复目标图像,得到最后的疑似舰船目标,完成靠港舰船检测:由于图像切片彼此是有重叠区域的,若这些重叠区域中存在舰船,则有可能是两个图像切片上检测到的是同一个舰船,因此将所有图像切片中的疑似舰船轮廓放置在原始图像中,将重复检测到的图像目标消除冗余,剩余的轮廓即为最后的疑似舰船目标。
综上所述,本发明在使用时,经过测试,实现的检测结果基本可以满足漏检率要求,有效的消除了漏检和误警。
上述各实施例仅用于说明本发明,各部件的结构、尺寸、设置位置及形状都是可以有所变化的,在本发明技术方案的基础上,凡根据本发明原理对个别部件进行的改进和等同变换,均不应排除在本发明的保护范围之外。
Claims (8)
1.一种遥感影像中靠港舰船检测方法,其特征在于,该方法包括以下步骤:
1)对原始目标图像进行预处理:对图像进行灰度化,并高斯滤波;
2)提取确定海岸线:对原始目标图像进行粗分割得到二值图,并进行形态学处理,确定海岸线;
3)对原始目标图像进行图像切块:根据舰船大小,将原始目标图像沿海岸线取正方形图像切片,用于检测舰船;
4)轮廓提取:对每一块图像切片都进行轮廓提取;
5)对提取到的轮廓进行目标筛选,得到疑似舰船轮廓;
6)对疑似舰船进行第二次筛选,消除重复目标图像,得到最后的疑似舰船目标,完成靠港舰船检测。
2.如权利要求1所述的一种遥感影像中靠港舰船检测方法,其特征在于:所述步骤2)中,采用Otsu阈值分割方法对预处理后的目标图像进行分割,分割得到图像中的水域和非水域;并将水域阈值以下的灰度值置0,将水域阈值以上的灰度置1,则形成二值图像。
3.如权利要求1所述的一种遥感影像中靠港舰船检测方法,其特征在于:所述步骤3)中,图像切片之间需要有重叠。
4.如权利要求1所述的一种遥感影像中靠港舰船检测方法,其特征在于:所述步骤4)中,每一块图像切片的轮廓提取方法如下:
4.1)将每一块图像切片由彩色图像变为灰度图像;
4.2)采用Canny算子得到仅带有形状边缘的二值图,并在该二值图中将相邻的像素点进行连接,得到不同的连线;
4.3)判断连线是否为闭合的连线,若是没有闭合的连线则将该连线删去,剩余的则是闭合的轮廓,完成轮廓提取。
5.如权利要求1所述的一种遥感影像中靠港舰船检测方法,其特征在于:所述步骤5)中,具体提取过程如下:
5.1)计算轮廓与其最近海岸线的距离,并判断该距离是否满足预先设定的范围,若满足则进入下一步;若不满足则放弃该轮廓;
5.2)判断轮廓的长度是否符合舰船长度,若不符合则放弃该轮廓,若符合则进入下一步;
5.3)判断轮廓的周长是否符合舰船周长范围,若不符合则放弃该轮廓,若符合则进入下一步;
5.4)判断轮廓的宽高比是否符合舰船宽高比,若不符合则放弃该轮廓,若符合则将该轮廓所对应的图像切片认为是疑似舰船。
6.如权利要求5所述的一种遥感影像中靠港舰船检测方法,其特征在于:所述步骤5.1)中,预先设定的范围为小于等于目标舰船宽度的1/2,即轮廓与其最近海岸线的距离若小于等于目标舰船宽度的1/2,则进入下一步;若该距离大于目标舰船宽度的1/2,则放弃该轮廓。
7.如权利要求6所述的一种遥感影像中靠港舰船检测方法,其特征在于:所述目标舰船宽度为根据需求预先设定的值。
8.如权利要求1所述的一种遥感影像中靠港舰船检测方法,其特征在于:所述步骤6)中,将所有图像切片中的疑似舰船轮廓放置在原始图像中,将重复检测到的图像目标消除冗余,剩余的轮廓即为最后的疑似舰船目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610838793.3A CN106485722A (zh) | 2016-09-21 | 2016-09-21 | 一种遥感影像中靠港舰船检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610838793.3A CN106485722A (zh) | 2016-09-21 | 2016-09-21 | 一种遥感影像中靠港舰船检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106485722A true CN106485722A (zh) | 2017-03-08 |
Family
ID=58267517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610838793.3A Pending CN106485722A (zh) | 2016-09-21 | 2016-09-21 | 一种遥感影像中靠港舰船检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106485722A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609534A (zh) * | 2017-09-28 | 2018-01-19 | 北京市遥感信息研究所 | 一种基于码头光谱信息的遥感驻泊船只自动检测方法 |
CN107967696A (zh) * | 2017-11-23 | 2018-04-27 | 湖南文理学院 | 一种水面船只雷达遥感检测方法、电子设备 |
CN108229433A (zh) * | 2018-02-01 | 2018-06-29 | 中国电子科技集团公司第十五研究所 | 一种基于直线段检测和形状特征的靠岸舰船检测方法 |
CN109325958A (zh) * | 2018-09-13 | 2019-02-12 | 哈尔滨工业大学 | 一种基于轮廓精化和改进广义霍夫变换的近岸船只检测方法 |
CN110414509A (zh) * | 2019-07-25 | 2019-11-05 | 中国电子科技集团公司第五十四研究所 | 基于海陆分割和特征金字塔网络的港口停靠舰船检测方法 |
CN110443201A (zh) * | 2019-08-06 | 2019-11-12 | 哈尔滨工业大学 | 基于多源影像联合形状分析与多属性融合的目标识别方法 |
CN110807424A (zh) * | 2019-11-01 | 2020-02-18 | 深圳市科卫泰实业发展有限公司 | 一种基于航拍图像的港口船舶比对方法 |
CN111047616A (zh) * | 2019-12-10 | 2020-04-21 | 中国人民解放军陆军勤务学院 | 一种遥感图像滑坡目标约束性主动轮廓特征提取方法 |
CN111583325A (zh) * | 2020-05-10 | 2020-08-25 | 上海大学 | 一种基于图像处理的无人艇检测海浪的方法 |
CN111667498A (zh) * | 2020-05-14 | 2020-09-15 | 武汉大学 | 一种面向光学卫星视频的运动舰船目标自动检测方法 |
CN112464849A (zh) * | 2020-12-07 | 2021-03-09 | 北京航空航天大学 | 一种星载光学遥感图像中驻泊舰船目标检测方法 |
CN112837335A (zh) * | 2021-01-27 | 2021-05-25 | 上海航天控制技术研究所 | 一种中长波红外复合的抗干扰方法 |
CN113255537A (zh) * | 2021-06-01 | 2021-08-13 | 贵州财经大学 | 一种用于航行船舶识别的图像增强去噪方法 |
CN116188519A (zh) * | 2023-02-07 | 2023-05-30 | 中国人民解放军海军航空大学 | 一种基于视频卫星的舰船目标运动状态估计方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520896A (zh) * | 2009-03-30 | 2009-09-02 | 中国电子科技集团公司第十研究所 | 利用光学遥感影像自动检测云层干扰舰船目标的方法 |
JP2015105868A (ja) * | 2013-11-29 | 2015-06-08 | 三菱電機株式会社 | レーダ信号処理装置及びレーダ信号処理方法 |
-
2016
- 2016-09-21 CN CN201610838793.3A patent/CN106485722A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520896A (zh) * | 2009-03-30 | 2009-09-02 | 中国电子科技集团公司第十研究所 | 利用光学遥感影像自动检测云层干扰舰船目标的方法 |
JP2015105868A (ja) * | 2013-11-29 | 2015-06-08 | 三菱電機株式会社 | レーダ信号処理装置及びレーダ信号処理方法 |
Non-Patent Citations (2)
Title |
---|
李文武: "中低分辨率光学遥感图像舰船目标检测算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
许军毅: "光学卫星遥感图像舰船目标检测技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609534A (zh) * | 2017-09-28 | 2018-01-19 | 北京市遥感信息研究所 | 一种基于码头光谱信息的遥感驻泊船只自动检测方法 |
CN107967696A (zh) * | 2017-11-23 | 2018-04-27 | 湖南文理学院 | 一种水面船只雷达遥感检测方法、电子设备 |
CN108229433A (zh) * | 2018-02-01 | 2018-06-29 | 中国电子科技集团公司第十五研究所 | 一种基于直线段检测和形状特征的靠岸舰船检测方法 |
CN108229433B (zh) * | 2018-02-01 | 2021-10-26 | 中国电子科技集团公司第十五研究所 | 一种基于直线段检测和形状特征的靠岸舰船检测方法 |
CN109325958A (zh) * | 2018-09-13 | 2019-02-12 | 哈尔滨工业大学 | 一种基于轮廓精化和改进广义霍夫变换的近岸船只检测方法 |
CN109325958B (zh) * | 2018-09-13 | 2021-11-05 | 哈尔滨工业大学 | 一种基于轮廓精化和改进广义霍夫变换的近岸船只检测方法 |
CN110414509A (zh) * | 2019-07-25 | 2019-11-05 | 中国电子科技集团公司第五十四研究所 | 基于海陆分割和特征金字塔网络的港口停靠舰船检测方法 |
CN110443201A (zh) * | 2019-08-06 | 2019-11-12 | 哈尔滨工业大学 | 基于多源影像联合形状分析与多属性融合的目标识别方法 |
CN110443201B (zh) * | 2019-08-06 | 2023-01-10 | 哈尔滨工业大学 | 基于多源影像联合形状分析与多属性融合的目标识别方法 |
CN110807424A (zh) * | 2019-11-01 | 2020-02-18 | 深圳市科卫泰实业发展有限公司 | 一种基于航拍图像的港口船舶比对方法 |
CN110807424B (zh) * | 2019-11-01 | 2024-02-02 | 深圳市科卫泰实业发展有限公司 | 一种基于航拍图像的港口船舶比对方法 |
CN111047616A (zh) * | 2019-12-10 | 2020-04-21 | 中国人民解放军陆军勤务学院 | 一种遥感图像滑坡目标约束性主动轮廓特征提取方法 |
CN111583325A (zh) * | 2020-05-10 | 2020-08-25 | 上海大学 | 一种基于图像处理的无人艇检测海浪的方法 |
CN111667498A (zh) * | 2020-05-14 | 2020-09-15 | 武汉大学 | 一种面向光学卫星视频的运动舰船目标自动检测方法 |
CN112464849A (zh) * | 2020-12-07 | 2021-03-09 | 北京航空航天大学 | 一种星载光学遥感图像中驻泊舰船目标检测方法 |
CN112464849B (zh) * | 2020-12-07 | 2022-11-08 | 北京航空航天大学 | 一种星载光学遥感图像中驻泊舰船目标检测方法 |
CN112837335B (zh) * | 2021-01-27 | 2023-05-09 | 上海航天控制技术研究所 | 一种中长波红外复合的抗干扰方法 |
CN112837335A (zh) * | 2021-01-27 | 2021-05-25 | 上海航天控制技术研究所 | 一种中长波红外复合的抗干扰方法 |
CN113255537A (zh) * | 2021-06-01 | 2021-08-13 | 贵州财经大学 | 一种用于航行船舶识别的图像增强去噪方法 |
CN116188519A (zh) * | 2023-02-07 | 2023-05-30 | 中国人民解放军海军航空大学 | 一种基于视频卫星的舰船目标运动状态估计方法及系统 |
CN116188519B (zh) * | 2023-02-07 | 2023-10-03 | 中国人民解放军海军航空大学 | 一种基于视频卫星的舰船目标运动状态估计方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106485722A (zh) | 一种遥感影像中靠港舰船检测方法 | |
CN110414411B (zh) | 基于视觉显著性的海面船只候选区域检测方法 | |
CN103077384B (zh) | 一种车标定位识别的方法与系统 | |
CN106780525B (zh) | 基于坐标旋转最小外接矩形的光学遥感图像船只方向特征提取方法 | |
CN109815807A (zh) | 一种基于边缘线分析和聚合通道特征的靠岸船舶检测方法 | |
CN102013102A (zh) | 一种图像中的粘连细胞分割方法 | |
CN106709426B (zh) | 基于红外遥感图像的舰船目标检测方法 | |
CN102880856B (zh) | 基于油、水光谱特征差异的航空高光谱遥感自动识别海表溢油的方法 | |
CN106022288A (zh) | 基于sar图像的海洋溢油信息识别与提取方法 | |
CN103996017B (zh) | 一种基于Hu不变矩和支持向量机的舰船检测方法 | |
CN103442209A (zh) | 一种输电线路的视频监控方法 | |
CN109978869A (zh) | 一种基于灰度共生矩阵和Hough变换的海天线检测方法与系统 | |
CN103778627A (zh) | 一种基于sar图像的海域溢油检测方法 | |
CN104992172B (zh) | 基于沿岸突异区扫描的港口遥感图像靠岸船舶检测方法 | |
CN106683075A (zh) | 一种输电线杆塔横担处螺栓缺陷检测方法 | |
CN110147716B (zh) | 一种基于频域与空域相结合的sar图像内波区域检测方法 | |
CN106770087A (zh) | 油污遥感探测模块、系统及方法 | |
CN108288268B (zh) | 基于投影分析的高分辨率遥感图像中靠岸舰船检测方法 | |
CN112949484B (zh) | 一种高速铁路落石实时检测方法 | |
CN106778495A (zh) | 遥感影像中复杂海面背景下的舰船检测方法 | |
CN108335294A (zh) | 复杂条件下的配电房异常状态图像识别方法 | |
CN103034870A (zh) | 基于特征的船舶快速识别方法 | |
CN105139034B (zh) | 一种结合光谱滤除的船舶检测方法 | |
CN108596151A (zh) | 一种大场景sar图像中舰船目标切片快速提取方法 | |
CN106650735B (zh) | 一种led字符自动定位识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170308 |