CN107564018A - 一种利用改进迭代算法提取目标图像的方法 - Google Patents
一种利用改进迭代算法提取目标图像的方法 Download PDFInfo
- Publication number
- CN107564018A CN107564018A CN201710764994.8A CN201710764994A CN107564018A CN 107564018 A CN107564018 A CN 107564018A CN 201710764994 A CN201710764994 A CN 201710764994A CN 107564018 A CN107564018 A CN 107564018A
- Authority
- CN
- China
- Prior art keywords
- image
- gray value
- average gray
- point
- pixels
- 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
Abstract
本发明涉及一种利用改进迭代算法提取目标图像的方法,该方法具体包括获取原始图像,求取所述原始图像的所有像素点的第一平均灰度值a;将所述原始图像中所有低于平均灰度值a的像素点删除,得到初次分割图像;对所述初次分割图像利用迭代算法再进行图像分割,提取第一目标图像;对所述第一目标图像进行细化处理,提取第二目标图像。本发明采用改进迭代算法对图像进行分割,并对分割后的图像进一步细化处理,其分割结果相对现有技术更为准确,并在一定程度上减少迭代法运算时间,大大提高了图像数据的处理效率,而细化处理能够提高目标图像的精准性。
Description
技术领域
本发明涉及图像分割技术领域,尤其涉及一种利用改进迭代算法提取目标图像的方法。
背景技术
电力系统中输电线路的覆冰现象非常普遍,严重的覆冰情况会造成巨大的经济损失和不良的社会影响。
现有广泛采用的覆冰监测技术中,常见的是对采集图像数据的处理,提取覆冰边缘,从而得出覆冰厚度。其中,图像获取技术是评估覆冰厚度的最重要的部分。随着无人机在监测系统中广泛应用,图像获取技术上升至一个新的平台,例如在监测输电线路的覆冰情况时,利用无人机能够实现对绝缘子串或重点覆冰区域等进行详细的拍摄,从而有效排除电力线路的因覆冰导致的故障问题,提高户外处理能力。
现有技术中基于图像处理的输电线路覆冰的监测方法,通过摄像机采集覆冰图像,进而对图像进行边界检测处理,测量出覆冰厚度;覆冰图像及覆冰厚度通过GPRS无线传输方式发送到监控中心,由监控人员做出相应的处理。现有的监测系统能够实现输电线路覆冰的在线监测,且性能稳定,精度较高,具有广阔的应用前景。
但是,通过无人机将拍摄的输电线路覆冰图像数据信息回传至地面中心,这个过程有大量的图像数据信息需要处理,因此,业界人员期望能够缩短图像数据的处理时间,以加快数据的处理速度,从而快速有效地解决自然灾害(如凝冻灾害)导致的电力系统故障的问题。
发明内容
有鉴于此,本发明的目的在于提出一种利用改进迭代算法提取目标图像的方法,改进迭代算法相对于现有迭代算法能够更精确地找出目标区域,且相对于现有技术能够进一步减少图像处理时间。本发明还通过限制宽度方法进一步删除背景区域干扰像素点,提升图像的前景区域的质量。
本发明提供了一种利用改进迭代算法提取目标图像的方法,该方法具体包括:
步骤S101,获取原始图像,求取所述原始图像的所有像素点的第一平均灰度值a;
步骤S102,将所述原始图像中所有低于平均灰度值a的像素点删除,得到初次分割图像;
步骤S103,对所述初次分割图像利用迭代算法再进行图像分割,提取第一目标图像;
步骤S104,对所述第一目标图像进行细化处理,提取第二目标图像。
其中,所述步骤S103,对所述初次分割图像利用迭代算法再进行图像分割,提取第一目标图像,具体包括:
步骤S1031,求取所述初次分割图像的所有像素点的第二平均灰度值b;
步骤S1032,以所述第二平均灰度值b为阈值,分割所述初次分割图像得到前景区域和背景区域,其中,所述前景区域内的所有像素点的灰度值大于等于平均灰度值b,所述背景区域内的所有像素点的灰度值小于平均灰度值b;
步骤S1033,分别计算所述前景区域内所有像素点的第三平均灰度值b1和所述背景区域内所有像素点的第四平均灰度值b2;
计算所述第三平均灰度值b1和所述第四平均灰度值b2的均值c,将所述均值c作为新的阈值d;
重复以上步骤,直到前后两次阈值的差值小于预定参数为止;
然后,使用函数im2bw分割图像。
其中,所述步骤S104,对所述第一目标图像进行细化处理,提取第二目标图像,包括:
以所述第一目标图像内的某像素点为检测点,连续检测所述检测点同方向上的其他像素点,
如果与所述检测点的属性值相同的连续多个所述其他像素点构成的线段长度大于等于预设的阈值L,则所述检测点为前景区域的像素点,且所述其他像素点不再作为检测点进行检测;
如果与所述检测点的属性值相同的连续多个所述其他像素点构成的线段长度小于预设的阈值L,则判定所述检测点为背景区域的像素点
其中,所述步骤S104,对所述第一目标图像进行细化处理,提取第二目标图像,还进一步包括:使用小面积滤除法消除背景区域的干扰像素点。
本发明实施例提供的技术方案带来的有益效果是:
通过两次分割图像的构思对现有迭代分割算法进行改进,相对于现有的迭代分割算法能够获取更精确的阈值,也能减少迭代法运算时间接,从而减少图像的处理时间。本发明还通过限制循环检测宽度,剔除不属于前景区域(覆冰的输电线路)的噪声像素点,并结合小面积滤除背景区域的干扰像素点,进一步提高图像处理的质量。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的改进迭代算法提取目标图像的流程示意图;
图2是本发明实施例提供的基于无人机的输电线路覆冰在线监测系统结构框图;
图3是本发明实施例提供的应用改进迭代算法提取输电线路覆冰图像的流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步详细描述。
图1是本发明实施例提供的改进迭代算法提取目标图像的流程示意图。本发明提出了一种利用改进迭代算法提取目标图像的方法,如图1所示。
步骤S101,获取原始图像,求取所述原始图像的所有像素点的第一平均灰度值a;
步骤S102,将所述原始图像中所有低于平均灰度值a的像素点删除,得到初次分割图像;
步骤S103,对所述初次分割图像利用迭代算法再进行图像分割,提取第一目标图像;
步骤S104,对所述第一目标图像进行细化处理,提取第二目标图像。
在本发明实施例中,图像的阈值分割基本思想是确定一个阈值,可以用数学语言进行描述。对于图像中的每一个像素点的灰度值进行判断,当此像素点的灰度值大于设定的阈值时,将此像素点的灰度值置1;当此像素点的灰度值小于设定的阈值时,将此像素点的灰度值置0。经过阈值分割后,图像变为二值图像,图像中的白色部分是我们想要提取的前景目标。阈值分割结果的好坏取决于阈值的选取。在本发明实施例中,对获取的原始图像所有像素求取第一平均灰度值,然后利用第一平均灰度值对原始图像进行初次分割,即判断原始图像中的像素的灰度值超过第一平均灰度值,则判断所述像素为前景区域(目标图像),否则,属于背景区域,本发明的初次分割中将属于背景区域的像素点删除。
在本发明实施例中,在迭代法的基础上进行改进得到的。因为目标区域的灰度值理论上应该比整幅图片的平均灰度值要高,所以,本发明实施例中,在阈值分割之前先将属于背景部分的像素点删除,然后再对剩余像素点进行分割,即所述初次分割图像利用迭代算法再进行图像分割,提取第一目标图像,其具体包括:
步骤S1031,求取所述初次分割图像的所有像素点的第二平均灰度值b;
步骤S1032,以所述第二平均灰度值b为阈值,分割所述初次分割图像得到前景区域和背景区域,其中,所述前景区域内的所有像素点的灰度值大于等于平均灰度值b,所述背景区域内的所有像素点的灰度值小于平均灰度值b;
步骤S1033,分别计算所述前景区域内所有像素点的第三平均灰度值b1和所述背景区域内所有像素点的第四平均灰度值b2;
计算所述第三平均灰度值b1和所述第四平均灰度值b2的均值c,将所述均值c作为新的阈值d;
重复以上步骤,直到前后两次阈值的差值小于预定参数为止;
然后,使用函数im2bw分割图像。
g=im2bw(f,d/den)
其中,den是整数,对于8比特图像而言,den数值为255。由于MATLAB中没有打包好的函数直接实现迭代分割,则需要根据迭代法的原理编写程序完成迭代分割思想。由于迭代算法循环的次数直接影响着图像操作时间,因此,为了实现实时监控的目的,函数处理的时间应该越少越好。在本发明实施例中,仅对删除背景像素点后的图像进行迭代处理,能够取得较好的效果。
在本发明的实施例中,利用改进的迭代算法能够较精准的分割前景区域和背景区域,为了将前景区域内的背景区域全部消除,只保留完整的目标区域,本发明还需要对前景区域进行细化处理,以得到最终期望获得的高质量目标图像,即对所述第一目标图像进行细化处理,提取第二目标图像,具体包括滤除前景区域中的复杂背景和背景区域中面积较小的干扰图像的滤除,其中滤除前景区域的复杂背景包括:
以所述第一目标图像内的某像素点为检测点,连续检测所述检测点同方向上的其他像素点,
如果与所述检测点的属性值相同的连续多个所述其他像素点构成的线段长度大于等于预设的阈值L,则所述检测点为前景区域的像素点,且所述其他像素点不再作为检测点进行检测;
如果与所述检测点的属性值相同的连续多个所述其他像素点构成的线段长度小于预设的阈值L,则判定所述检测点为背景区域的像素点。
在本发明实施例中,对所述第一目标图像进行细化处理,提取第二目标图像,还进一步包括:使用小面积滤除法消除背景区域的干扰像素点。
在本发明实施例中通过上述去除复杂背景和小面积滤除法消去部分连通域,可以将完整的目标区域提取出来。
在本发明另一个实施例中,图2是基于无人机的输电线路覆冰在线监测系统的结构框图。如图2所示,在无人机平台上搭载摄像设备,利用嵌入式系统来实现对摄像设备的控制,将采集到的图片信息通过无线通信技术发送到计算机中,在计算机上处理传送到的图片,提取出目标区域后,计算目标区域的宽度,与未覆冰的图像做对比,估算出输电线路覆冰的厚度。
其中,位于上方的一部分是搭建好的无人机平台,实现航拍视频信息的采集;无线传输模块实现上下行控制指令的传输以及采集的视频数据的回传;地面控制中心实现对回传视频信息的处理,最终提取目标区域并估算出目标区域的覆冰厚度。
在地面控制中心中对输电线路目标检测的过程中,本发明提出了一种应用改进迭代算法提取输电线路覆冰图像的方法,如图3所示,图3是应用改进迭代算法提取输电线路覆冰图像的流程示意图。
如图3所示,地面控制中心接收无人机回传的输电线路覆冰图像,经过图像预处理,图像分割,目标细化等一列处理后,得到较为精确的目标区域信息进行覆冰厚度计算。其中,图像预处理步骤包括步骤S301-S303,具体包括:
步骤S301:将拍摄的视频分解为单帧图像,然后将单帧图像进行颜色空间转换,即将RGB图像转化为灰度图像,灰度化将RGB三颜色通道的数值经过计算后变为单颜色通道的数值,这个数值表示表示像素点的亮度值。转换公式如下:
Gray=R*0.299+G*0.587+B*0.114
步骤S302:图像滤波。本发明实施例可以采用多种滤波方式,如均值滤波,中值滤波,高斯滤波等方式,本发明实施例中优选高斯滤波。因为航拍视频的噪声来源多是光照或者其他电子元件,这一类噪声一般是混合噪声或者高斯噪声,因此采用高斯滤波的方法进行降噪处理能够更好地实现图像滤波。
步骤S303:图像增强。先用直方图均衡化提高亮度,然后用灰度拉伸方法提高对比度。在图像预处理时,通过直方图均衡化提高目标区域边缘地区的亮度,使目标区域边缘地区与目标区域中心地区的界限变得不再明显,然后通过灰度拉伸使目标前景区域与背景区域的对比度进一步加大,在保留目标区域的细节的同时凸显前景区域。
在本发明实施例中,对图像进行滤波和增强处理,目的是消除图像的干扰噪声的影响。
在本发明实施例中,图像分割包括步骤S304-S305,具体描述如下:
步骤S304:初步图像分割,即将目标区域与背景区域分离。
首先对获取的原始图像所有像素求取第一平均灰度值,然后利用第一平均灰度值对原始图像进行初次分割,即判断原始图像中的像素的灰度值超过第一平均灰度值,则判断所述像素为前景区域(目标图像),否则,属于背景区域,本发明的初次分割是将属于背景区域的像素点删除。
步骤S305:运用迭代算法对经过步骤S304处理后的图像像素点再次进行分割,具体为:
求取所述初次分割图像的所有像素点的第二平均灰度值b;
以所述第二平均灰度值b为阈值,分割所述初次分割图像得到前景区域和背景区域,其中,所述前景区域内的所有像素点的灰度值大于等于平均灰度值b,所述背景区域内的所有像素点的灰度值小于平均灰度值b;
分别计算所述前景区域内所有像素点的第三平均灰度值b1和所述背景区域内所有像素点的第四平均灰度值b2;
计算所述第三平均灰度值b1和所述第四平均灰度值b2的均值c,将所述均值c作为新的阈值d;
重复以上步骤,直到前后两次阈值的差值小于预定参数为止;
然后,使用函数im2bw分割图像。
g=im2bw(f,d/den)
其中,den是整数,对于8比特图像而言,den数值为255。由于MATLAB中没有打包好的函数直接实现迭代分割,则需要根据迭代法的原理编写程序完成迭代分割思想。由于迭代算法循环的次数直接影响着图像操作时间,因此,为了实现实时监控的目的,函数处理的时间应该越少越好。在本发明实施例中,仅对删除背景像素点后的图像进行迭代处理,能够取得较好的效果。
在本发明实施例中,目标细化包括步骤S306-307,具体描述如下:
步骤S306,在循环点检测方法的基础上,通过限制检测宽度,能够检测出更多的非目标区域的点。
以所述第一目标图像内的某像素点为检测点,连续检测所述检测点同方向上的其他像素点,
如果与所述检测点的属性值相同的连续多个所述其他像素点构成的线段长度大于等于预设的阈值L,则所述检测点为前景区域的像素点,且所述其他像素点不再作为检测点进行检测;
如果与所述检测点的属性值相同的连续多个所述其他像素点构成的线段长度小于预设的阈值L,则判定所述检测点为背景区域的像素点。
在本发明实施例中通过限制宽度的循环点检测,当所述检测点及与所述检测点的属性值相同的连续多个其他像素点构成的线段长度大于等于预设的阈值 L时,在此线段上检测点和其他的像素点为真实的覆冰点(图像上显示为白色的点)。其中,阈值L可以优选40个像素点。
对于上述线段上的其他的像素点则本发明实施例可以不再进行检测,以提高检测效率,从而克服现有技术中循环点检测对每个像素点多次重复检测,造成时间资源浪费的问题。
本发明实施例中经过限宽法处理后的图像,除了部分较大的区域外,大部分的背景干扰区域都已经被消除。但未被处理的背景干扰区域有可能存在多个干扰白色区域块,本发明实施例可以考虑使用小面积滤除的方法,即步骤S307。
步骤S307,采用小面积滤除方法对背景区域的干扰图像进行处理,即通过标记连通区域,人工预定设置干扰图像(小白块)的面积,从而将背景区域中出现的小白块滤除。连通区域根据自身周围的像素点个数可以分为四连通区域和八连通区域。在图像中,最小的单位是像素,每一个像素点周围有和它相连的八个像素点。对像素点而言,四连接就是与它上、下、左、右连接的四个像素点。八连接就是上、下、左、右加上对角线的四个像素点总计8个相邻的像素点。
本发明实施例中,采用MATLAB的bwareaopen函数将背景区域内的小面积干扰图像滤除。
BW2=bwareaopen(BW,P,conn)
其中,BW是需要处理的对象;BW2是处理后的结果;P预先设定的值S,例如S=10000;conn取值为4或8,表示的是四连通域或者八连通域,本发明实施例中优选八连通域。
本发明上述实施例中,可以通过ROC曲线和PR曲线对比观察得出限宽法提取电力线的效果更好的结论。本发明上述实施例中限宽法相比直方图法、大津法而言,精确性更高,召回率更高,特异性更低,能够更为准确的识别出目标区域。
本领域的技术人员容易理解的是,在不冲突的前提下,上述各优选方案可以自由地组合、叠加。
应当理解,上述的实施方式仅是示例性的,而非限制性的,在不偏离本发明的基本原理的情况下,本领域的技术人员可以针对上述细节做出的各种明显的或等同的修改或替换,都将包含于本发明的权利要求范围内。
Claims (4)
1.一种利用改进迭代算法提取目标图像的方法,该方法具体包括:
步骤S101,获取原始图像,求取所述原始图像的所有像素点的第一平均灰度值a;
步骤S102,将所述原始图像中所有低于平均灰度值a的像素点删除,得到初次分割图像;
步骤S103,对所述初次分割图像利用迭代算法再进行图像分割,提取第一目标图像;
步骤S104,对所述第一目标图像进行细化处理,提取第二目标图像。
2.如权利要求1所述的方法,其特征在于,所述步骤S203,对所述初次分割图像利用迭代算法再进行图像分割,提取第一目标图像,具体包括:
步骤S1031,求取所述初次分割图像的所有像素点的第二平均灰度值b;
步骤S1032,以所述第二平均灰度值b为阈值,分割所述初次分割图像得到前景区域和背景区域,其中,所述前景区域内的所有像素点的灰度值大于等于平均灰度值b,所述背景区域内的所有像素点的灰度值小于平均灰度值b;
步骤S1033,分别计算所述前景区域内所有像素点的第三平均灰度值b1和所述背景区域内所有像素点的第四平均灰度值b2;
计算所述第三平均灰度值b1和所述第四平均灰度值b2的均值c,将所述均值c作为新的阈值d;
重复以上步骤,直到前后两次阈值的差值小于预定参数为止;
然后,使用函数im2bw分割图像。
3.如权利要求2所述的方法,其特征在于,所述步骤S104,对所述第一目标图像进行细化处理,提取第二目标图像,包括:
以所述第一目标图像内的某像素点为检测点,连续检测所述检测点同方向上的其他像素点,
如果与所述检测点的属性值相同的连续多个所述其他像素点构成的线段长度大于等于预设的阈值L,则所述检测点为前景区域的像素点,且所述其他像素点不再作为检测点进行检测;
如果与所述检测点的属性值相同的连续多个所述其他像素点构成的线段长度小于预设的阈值L,则判定所述检测点为背景区域的像素点。
4.如权利要求3所述的方法,其特征在于,所述步骤S104,对所述第一目标图像进行细化处理,提取第二目标图像,还进一步包括:使用小面积滤除法消除背景区域的干扰像素点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710764994.8A CN107564018A (zh) | 2017-08-30 | 2017-08-30 | 一种利用改进迭代算法提取目标图像的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710764994.8A CN107564018A (zh) | 2017-08-30 | 2017-08-30 | 一种利用改进迭代算法提取目标图像的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107564018A true CN107564018A (zh) | 2018-01-09 |
Family
ID=60978276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710764994.8A Pending CN107564018A (zh) | 2017-08-30 | 2017-08-30 | 一种利用改进迭代算法提取目标图像的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107564018A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109035220A (zh) * | 2018-07-10 | 2018-12-18 | 珠海格力智能装备有限公司 | 目标对象的图像检测方法和装置 |
CN109886983A (zh) * | 2018-12-27 | 2019-06-14 | 新绎健康科技有限公司 | 一种图像舌体分割方法、装置及计算机设备 |
CN112085725A (zh) * | 2020-09-16 | 2020-12-15 | 塔里木大学 | 基于启发式迭代算法的残膜残留量检测方法及预警系统 |
CN112581490A (zh) * | 2020-12-28 | 2021-03-30 | 西安理工大学 | 一种复杂曲面干涉测量中前景区域提取方法 |
CN113228097A (zh) * | 2018-12-29 | 2021-08-06 | 浙江大华技术股份有限公司 | 图像处理方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101504771A (zh) * | 2009-03-20 | 2009-08-12 | 北京航空航天大学 | 一种非参数化模型的视觉跟踪方法 |
CN101567087A (zh) * | 2009-05-25 | 2009-10-28 | 北京航空航天大学 | 复杂天空背景下红外序列图像弱小目标检测与跟踪方法 |
US7860311B2 (en) * | 2007-02-05 | 2010-12-28 | Huper Laboratories Co., Ltd. | Video object segmentation method applied for rainy situations |
CN103413278A (zh) * | 2013-08-22 | 2013-11-27 | 成都数之联科技有限公司 | 一种商品图片背景噪声的过滤方法 |
CN104809464A (zh) * | 2015-05-19 | 2015-07-29 | 成都英力拓信息技术有限公司 | 一种指纹信息处理方法 |
-
2017
- 2017-08-30 CN CN201710764994.8A patent/CN107564018A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7860311B2 (en) * | 2007-02-05 | 2010-12-28 | Huper Laboratories Co., Ltd. | Video object segmentation method applied for rainy situations |
CN101504771A (zh) * | 2009-03-20 | 2009-08-12 | 北京航空航天大学 | 一种非参数化模型的视觉跟踪方法 |
CN101567087A (zh) * | 2009-05-25 | 2009-10-28 | 北京航空航天大学 | 复杂天空背景下红外序列图像弱小目标检测与跟踪方法 |
CN103413278A (zh) * | 2013-08-22 | 2013-11-27 | 成都数之联科技有限公司 | 一种商品图片背景噪声的过滤方法 |
CN104809464A (zh) * | 2015-05-19 | 2015-07-29 | 成都英力拓信息技术有限公司 | 一种指纹信息处理方法 |
Non-Patent Citations (2)
Title |
---|
王家文等: "《MATLAB6.5图形图像处理》", 31 May 2004, 国防工业出版社 * |
赵小川: "《MATLAB图像处理-能力提高与应用案例》", 31 January 2014, 北京航空航天大学出版社 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109035220A (zh) * | 2018-07-10 | 2018-12-18 | 珠海格力智能装备有限公司 | 目标对象的图像检测方法和装置 |
CN109886983A (zh) * | 2018-12-27 | 2019-06-14 | 新绎健康科技有限公司 | 一种图像舌体分割方法、装置及计算机设备 |
CN113228097A (zh) * | 2018-12-29 | 2021-08-06 | 浙江大华技术股份有限公司 | 图像处理方法和系统 |
CN113228097B (zh) * | 2018-12-29 | 2024-02-02 | 浙江大华技术股份有限公司 | 图像处理方法和系统 |
CN112085725A (zh) * | 2020-09-16 | 2020-12-15 | 塔里木大学 | 基于启发式迭代算法的残膜残留量检测方法及预警系统 |
CN112085725B (zh) * | 2020-09-16 | 2021-08-27 | 塔里木大学 | 基于启发式迭代算法的残膜残留量检测方法及预警系统 |
CN112581490A (zh) * | 2020-12-28 | 2021-03-30 | 西安理工大学 | 一种复杂曲面干涉测量中前景区域提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107564018A (zh) | 一种利用改进迭代算法提取目标图像的方法 | |
CN109613002B (zh) | 一种玻璃缺陷检测方法、装置和存储介质 | |
CN109145872B (zh) | 一种基于CFAR与Fast-RCNN融合的SAR图像舰船目标检测方法 | |
CN103136766B (zh) | 一种基于颜色对比和颜色分布的物体显著性检测方法 | |
CN103077504B (zh) | 一种基于自适应光照计算的图像去雾方法 | |
CN104050471A (zh) | 一种自然场景文字检测方法及系统 | |
CN110348345B (zh) | 一种基于动作连贯性的弱监督时序动作定位方法 | |
CN109344864B (zh) | 用于密集物体的图像处理方法及装置 | |
CN111445459A (zh) | 一种基于深度孪生网络的图像缺陷检测方法及系统 | |
CN111814678A (zh) | 一种基于视频监控的运输皮带中煤流识别方法及系统 | |
CN104599256A (zh) | 基于单幅图像的去除图像雨线的方法和系统 | |
CN111046827A (zh) | 一种基于卷积神经网络的视频烟雾检测方法 | |
CN111860143B (zh) | 一种面向巡检机器人的火焰实时检测方法 | |
CN111862143A (zh) | 一种河堤坍塌自动监测方法 | |
CN105844649A (zh) | 一种人数统计方法和装置及系统 | |
CN102833492A (zh) | 一种基于颜色相似度的视频场景分割方法 | |
CN102609728B (zh) | 特定类敏感图像检测方法 | |
CN109242776B (zh) | 一种基于视觉系统的双车道线检测方法 | |
Zhao et al. | Automatic blur region segmentation approach using image matting | |
CN103347171B (zh) | 基于dsp的雾天视频处理系统及方法 | |
CN106846304A (zh) | 基于红外检测的电气设备检测方法及装置 | |
CN113240623A (zh) | 一种路面病害检测方法及装置 | |
CN104281850A (zh) | 一种文字区域识别方法和装置 | |
CN111723656B (zh) | 一种基于YOLO v3与自优化的烟雾检测方法及装置 | |
CN107403192B (zh) | 一种基于多分类器的快速目标检测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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: 20180109 |