CN108230316A - 一种基于偏振差分放大图像处理的漂浮危化品检测方法 - Google Patents

一种基于偏振差分放大图像处理的漂浮危化品检测方法 Download PDF

Info

Publication number
CN108230316A
CN108230316A CN201810016725.8A CN201810016725A CN108230316A CN 108230316 A CN108230316 A CN 108230316A CN 201810016725 A CN201810016725 A CN 201810016725A CN 108230316 A CN108230316 A CN 108230316A
Authority
CN
China
Prior art keywords
polarization
image
harmful influence
enlarged drawing
differential
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
Application number
CN201810016725.8A
Other languages
English (en)
Other versions
CN108230316B (zh
Inventor
黄慧
张德钧
王超
詹舒越
王杭州
宋宏
王晓萍
贺双颜
徐志伟
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201810016725.8A priority Critical patent/CN108230316B/zh
Publication of CN108230316A publication Critical patent/CN108230316A/zh
Application granted granted Critical
Publication of CN108230316B publication Critical patent/CN108230316B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G06T2207/10024—Color image

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种基于偏振差分放大图像处理的漂浮危化品检测方法，获取多个角度的偏振光方向的漂浮危化品图像，对图像进行RGB三通道分离，选取平均灰度值最大与最小的蓝色通道图进行差分放大，获得偏振差分放大图像；采用边缘检测分割法对偏振差分放大图像进行边缘识别，利用根据漂流方向的定向拟合法拟合不封闭边缘，提取所有连通区域；获取所有连通区域的偏振图像特征参数，利用神经网络模型训练法，实现危化品区域与其它近似区域的分类；本发明充分利用了无色危化品的偏振特征以及扩散形状特征，创造性地克服了漂浮危化品因为无色而难以进行成像检测的难题，为危化品水上运输突发事故的应急检测以及偷排现象监测提供了快速有效的解决途径。

Description

一种基于偏振差分放大图像处理的漂浮危化品检测方法
技术领域
本发明涉及一种漂浮危化品检测方法，尤其涉及一种基于偏振差分放大图像处理的漂浮危化品检测方法。
背景技术
随着世界化学工业的发展，近20年来的危化品运输量大幅增长。危化品庞大的水上运输量，增加了重大污染事故的风险。危化品水上泄露事故主要来源于水上运输事故以及工厂排污，具有突发性和偶然性，造成了应急处理的艰巨性，对生态系统以及公共安全带来了严重的潜在威胁。
目前危化品的检测研究中，使用较多的是色谱法、分光光度法和电化学法等较为敏感和准确的分析技术。这些方法大多需要精密的仪器、繁琐的抽样过程，这限制了它们应用到泄漏事故现场的应急处理上。危险化学品突发事故的现场应急检测，需要快速确定漂浮危险化学品的位置、泄露面积和分布以采取相应的分级预警及应急处理措施，因而对检测手段在位置、范围及分布的信息获取上的效率上提出了较高要求。
自动化成像检测技术是一种快速、灵活和安全可靠的技术，在突发事故应急处理、环境监测上具有巨大的潜力和优势。目前，溢油事故应急检测方面已有采用成像检测技术的报道。中国专利CN 106370307 A公布了一种利用垂直偏振与水平偏振的差分放大热红外图像提取边缘的水面溢油成像探测方法与装置；中国专利CN 105844298 A公开了一种基于Fuzzy ARTMAP神经网络的高光谱溢油影像分类方法；中国专利CN 103236063 A公开一种基于多尺度谱聚类及决策级融合的SAR图像溢油检测方法。然而，相对于溢油检测，危化品(如苯、甲苯、二甲苯等)常为无色液体，与水的颜色差异远比溢油小，使用常规的图像处理及分类方法无法进行有效检测，其有效的成像检测技术目前在国内外的研究中鲜有报道。
发明内容
本发明旨在针对现有技术的不足，提供一种基于偏振差分放大图像处理的漂浮危化品检测方法。
本发明的目的是通过以下技术方案来实现的：一种基于偏振差分放大图像处理的漂浮危化品检测方法，该方法包括以下步骤：
(1)获取多个角度的偏振光方向的漂浮危化品图像；
(2)获取偏振差分放大图像：将各个角度的偏振光方向图像进行RGB三通道分离，选取各个角度的偏振光方向图像中平均灰度值最大与最小的蓝色(B)通道图进行差分放大，获得偏振差分放大图像；
(3)区域提取：采用边缘检测分割法对偏振差分放大图像进行边缘识别，并利用根据漂流方向的定向拟合法拟合不封闭边缘，提取所有连通区域；所述定向拟合法具体为：首先通过连续获取同一水域位置的两张图片，从第一张图片中提取特征点，并统计第二张图片中与第一张图片所提取特征点的相似度最大的点位置，将这些点位置映射标记于第一张图中，由特征点指向映射标记点的方向即为水域漂流方向，对边缘识别结果中的所有残缺边缘使用基于椭圆拟合法进行拟合，其中所拟合的椭圆弧的短轴方向为水域漂流方向，当水域处于无明显漂流方向的静止状态时，以圆拟合法拟合残缺边缘；
(4)区域分类：获取步骤(3)提取的所有连通区域的偏振图像特征参数，利用神经网络模型训练法，实现危化品区域与其它近似区域的分类；
(5)图像拼接：通过基于偏振图像特征的拼接算法不断拼接处理图像从而获得漂浮危化品区域分布全景图；所述基于偏振图像特征的拼接算法具体为：首先利用图像像素值a、偏振度b、偏振方位角c等信息对偏振图像中的特征点进行描述，接着计算一张图像与其待拼接图像的所有特征点之间的相似度d，找到两两相似度最大的特征点进行配对，然后进行映射拼接，并对拼接图进行矫正以及平滑处理；其中，两个特征点之间相似度的计算公式如下：
其中，ai、bi、ci分别为第i个特征点的图像像素值、偏振度、偏振方位角，aj、bj、cj分别为第j个特征点的图像像素值、偏振度、偏振方位角。
进一步地，所述步骤(1)中，通过液晶可调谐偏振镜、机械旋转偏振片或偏振棱镜结合成像相机的方式获取漂浮危化品图像。
进一步地，所述步骤(2)中，通过将90度偏振光方向B通道图像与45度偏振光方向B通道图像的差分放大处理，获得偏振差分放大图像。
进一步地，所述步骤(4)中，偏振图像特征参数包括区域偏振度、区域偏振方位角、区域偏振和值、区域偏振差值以及该区域在其它多个角度的偏振光方向图像中的像素均值。
进一步地，该方法通过包含无人机平台、偏振成像系统、电控三维云台、通讯模块、控制模块和上位机的漂浮危化品检测系统来实现；所述无人机平台包括无人机、GPS定位模块、IMU惯性测量单元和电源系统；所述偏振成像系统包括成像传感器和偏振模块，用于采集多个角度的偏振光方向的漂浮危化品图像；所述电控三维云台用于调节偏振成像的观测几何；所述通讯模块用于传输图像以及上位机指令；所述控制模块用于根据指令进行成像及系统控制；所述上位机用于偏振图像处理及系统控制。
本发明的有益效果是：
1、本发明针对漂浮危化品因为无色而难以进行成像检测的难题，对多个角度的偏振光方向图像中平均灰度值最大与最小的蓝色(B)通道图进行差分放大处理，充分利用了危化品的反射特征以及偏振特征突出水面的危化品，为无色漂浮危化品的成像检测提供了一种创新可行的途径。
2、本发明提供的方法利用了危化品在受漂流影响的扩散形状因子特征对提取的危化品边缘进行定向拟合，创造性地克服了危化品因为颜色特征与水体差异小而在图像处理中容易丢失有效区域信息的问题。
3、本发明提供的方法通过引入与危化品自身性质和光学基本定律密切相关的偏振特征参数进行危化品区域与近似目标区域的分类，解决了无色漂浮危化品成像检测中的干扰区域多的问题。
4、本发明针对漂浮危化品水面图像特征差异小的问题，提供了结合偏振特征以及普通图像特征的相似度权重法进行图像拼接，更为准确有效地得到漂浮危化品的区域全景分布图，为后续的应急抢救分级预警及措施安排提供了便利。
附图说明
图1为本发明方法的流程图。
图2为水与二甲苯反射光谱曲线示意图；
图3为利用本发明方法进行偏振图像差分放大处理的示例图，其中(a)为I45偏振示例图，(b)为I90偏振示例图，(c)为偏振差分放大示例图；
图4为实现本发明方法的一种漂浮危化品检测系统示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
以对水上运输常见的无色危化品二甲苯进行检测为例，来详细说明本发明方法的实现过程(见图1)：
S1、偏振图像获取：使用成像相机前加线偏振片的组合设备进行偏振图像获取，将线偏振片在0°至90°偏振光方向范围内每旋转5°对待检测区域获取一个偏振图像。
S2、偏振图像差分放大处理：通过文献调研与实验验证，常见漂浮危化品在接近紫外波段时比水具有差异更明显的反射率。如图2所示，二甲苯与水在蓝通道(435.8nm)的反射率差距比绿通道(546.1nm)以及红通道(700.0nm)更大，利用这一反射差异特征，对普通RGB图像中的蓝通道图像进行提取更易于辨别危化品。对S1获取的偏振图像进行RGB三通道分离，经统计，漂浮二甲苯在90度偏振光方向的B通道图像I90和45度偏振光方向的B通道图像I45是平均灰度值最大以及最小的图像，进行差分放大放大处理，最能凸显二甲苯区域，处理效果如图3所示，其中偏振差分放大图像I为：
I＝2*(I90-I45)
S3、区域提取：采用传统的边缘检测分割法对偏振差分放大图像进行边缘识别，得到初步的边缘信息；国外学者Fay与Lehr等人对海面油膜的扩散过程的研究表明，油膜在平静海面的扩展形状是圆形，考虑了流场和风场的影响，会变为椭圆形的扩展模型。海上运输常见的漂浮危化品作为石油产品，大多是类油物质，因而可以根据其漂流方向与扩展模型进行拟合，针对这一情况本发明提出了利用根据漂流方向的定向拟合法复原残缺边缘的方法；定向拟合法具体操作为：首先通过连续获取同一水域位置的两张图片，从第一张图片中提取特征点，并统计第二张图片中与第一张所提取特征点的相似度最大的点位置，将这些点位置映射标记于第一张图中，由特征点指向映射标记点的方向即为水域漂流方向。对边缘识别结果中的所有残缺边缘标记短轴符合水流方向上的5个椭圆边缘点(x1，y1)、(x2，y2)…进行椭圆拟合不封闭边缘，根据上述的定向拟合法拟合不封闭边缘后，即可提取其中的连通区域；其中，以漂流方向为短轴方向进行椭圆拟合生长的公式为：
L(1)*x2+L(2)*y2+L(3)*x*y+L(4)*x+L(5)*y-1＝0
其中，(x,y)为边缘标记点信息，L(1)，L(2)，L(3)，L(4)，L(5)为椭圆的方程式系数，这5个系数可由从残缺边缘中定向标记的5个椭圆边缘点(x1，y1)、(x2，y2)、…、(x5，y5)代入求解得到。
S4、区域分类：经过S3获取所有连通区域后，最大限度地保留了漂浮危化品的图像区域信息，同时也保留了较多近似干扰目标的信息，近似目标的区域可以由以下因素引起，船只及风引起的浪现象，天空云在平静海面上的倒影现象，海面浮游生物现象等。偏振图像既具有普通图像信息也包含了丰富的偏振信息，偏振信息与目标的自身性质和光学基本定律密切相关，因而可用于对危化品区域与其它近似区域进行分类。首先，在实验阶段利用神经网络模型训练法对危化品区域的偏振图像特征参数(区域偏振度DoLP，区域偏振方位角θ、区域偏振和值IPS、区域偏振差值IPD以及0°、5°、…、90°偏振光方向图像对应区域的均值I0、I5、I10、…、I90等)建立分类模型后，在S3中检测提取所有连通区域后提取相应的偏振图像特征参数，代入训练好的神经网络分类模型，分类结果中若危化品置信度分数高于50％即可判断提取区域属于危化品区域；偏振度DoLP，区域偏振方位角θ、区域偏振和值IPS、区域偏振差值IPD的计算公式为：
IPS(x,y)＝I||(x,y)+I⊥I(x,y)
IPD(x,y)＝I||(x,y)+I⊥I(x,y)
分类神经网络目标模型公式为：
Y＝b+w1*IDOLP+w2*θ+w3*IPS+w4*IPD+w5*I0+…+w23*I90
其中，Y为类别标签值(如1代表危化品区域、0代表其他提取区域)，w1、w2、…、w23为权重系数值，b为偏差值。
S5、图像拼接：经过S4的自动分类获得图像的漂浮危化品区域后，由于危化品的突发事故一般具有较大的扩散范围，而不同区域的地理位置对二次事故、生态系统和公共安全的敏感性不同，因而造成了应急处理区域的优先级和重要性有所不同。一个目标区域全景分布图的获取将会为应急现场的管理安排以及分级预警等提供极大的便利。通过基于偏振图像特征的拼接算法不断拼接处理图像可以获得漂浮危化品区域分布全景图；所述基于偏振图像特征的拼接算法具体为：首先利用图像像素值a、偏振度DoLP、偏振方位角θ等信息对偏振图像中的特征点进行描述，接着计算一张图像与其待拼接图像的所有特征点之间的相似度d，找到两两相似度最大的特征点进行配对，然后进行映射拼接，并对拼接图进行矫正以及平滑处理；两个特征点之间相似度的计算如下式所示，
其中，ai、DoLPi、θi分别为第i个特征点的图像像素值、偏振度、偏振方位角，aj、DoLPj、θj分别为第j个特征点的图像像素值、偏振度、偏振方位角。
在获得漂浮危化品区域分布全景图后，可以进行漂浮危化品面积的图像测定，根据偏振图像差分放大处理的结果计算面积，根据泄露区域面积、分布及其区域敏感性等进行分级预警，并安排应急处理工作。
如图4所示，本实施例中，采用包含无人机平台、偏振成像系统、电控三维云台、存储单元、通讯模块、控制模块和上位机的漂浮危化品检测系统来实现本发明方法，但不限于此。本实施例提供的漂浮危化品检测系统中，无人机平台包括无人机和搭载于无人机上的GPS定位模块、IMU惯性测量单元、电源系统；所述偏振成像系统包括成像传感器和偏振模块，用于采集不同偏振光方向的图像，所述电控三维云台用于调节偏振成像的观测几何，所述通讯模块用于传输图像以及上位机指令，所述控制模块用于根据指令进行成像及系统控制，所述上位机用于偏振图像处理及系统控制。该系统对漂浮危化品的检测具有快速，灵活，能兼顾大范围与小范围等众多优势。
本发明不仅局限于上述具体实施方式，本领域一般技术人员根据本发明公开的内容，可以采用其它多种具体实施方案实施本发明。因此，凡是采用本发明的设计结构和思路，做一些简单的变化或更改的设计，都落入本发明保护范围。

Claims (5)

1.一种基于偏振差分放大图像处理的漂浮危化品检测方法，其特征在于，该方法包括以下步骤：
(1)获取多个角度的偏振光方向的漂浮危化品图像；
(2)获取偏振差分放大图像：将各个角度的偏振光方向图像进行RGB三通道分离，选取各个角度的偏振光方向图像中平均灰度值最大与最小的蓝色(B)通道图进行差分放大，获得偏振差分放大图像；
(3)区域提取：采用边缘检测分割法对偏振差分放大图像进行边缘识别，并利用根据漂流方向的定向拟合法拟合不封闭边缘，提取所有连通区域；所述定向拟合法具体为：首先通过连续获取同一水域位置的两张图片，从第一张图片中提取特征点，并统计第二张图片中与第一张图片所提取特征点的相似度最大的点位置，将这些点位置映射标记于第一张图中，由特征点指向映射标记点的方向即为水域漂流方向，对边缘识别结果中的所有残缺边缘使用基于椭圆拟合法进行拟合，其中所拟合的椭圆弧的短轴方向为水域漂流方向，当水域处于无明显漂流方向的静止状态时，以圆拟合法拟合残缺边缘；
(4)区域分类：获取步骤(3)提取的所有连通区域的偏振图像特征参数，利用神经网络模型训练法，实现危化品区域与其它近似区域的分类；
(5)图像拼接：通过基于偏振图像特征的拼接算法不断拼接处理图像从而获得漂浮危化品区域分布全景图；所述基于偏振图像特征的拼接算法具体为：首先利用图像像素值a、偏振度b、偏振方位角c等信息对偏振图像中的特征点进行描述，接着计算一张图像与其待拼接图像的所有特征点之间的相似度d，找到两两相似度最大的特征点进行配对，然后进行映射拼接，并对拼接图进行矫正以及平滑处理；其中，两个特征点之间相似度的计算公式如下：
其中，ai、bi、ci分别为第i个特征点的图像像素值、偏振度、偏振方位角，aj、bj、cj分别为第j个特征点的图像像素值、偏振度、偏振方位角。
2.根据权利要求1所述的一种基于偏振差分放大图像处理的漂浮危化品检测方法，其特征在于，所述步骤(1)中，通过液晶可调谐偏振镜、机械旋转偏振片或偏振棱镜结合成像相机的方式获取漂浮危化品图像。
3.根据权利要求1所述的一种基于偏振差分放大图像处理的漂浮危化品检测方法，其特征在于，所述步骤(2)中，通过将90度偏振光方向B通道图像与45度偏振光方向B通道图像的差分放大处理，获得偏振差分放大图像。
4.根据权利要求1所述的一种基于偏振差分放大图像处理的漂浮危化品检测方法，其特征在于，所述步骤(4)中，偏振图像特征参数包括区域偏振度、区域偏振方位角、区域偏振和值、区域偏振差值以及该区域在其它多个角度的偏振光方向图像中的像素均值。
5.根据权利要求1所述的一种基于偏振差分放大图像处理的漂浮危化品检测方法，其特征在于，该方法通过包含无人机平台、偏振成像系统、电控三维云台、存储单元、通讯模块、控制模块和上位机的漂浮危化品检测系统来实现；所述无人机平台包括无人机、GPS定位模块、IMU惯性测量单元和电源系统；所述偏振成像系统包括成像传感器和偏振模块，用于采集多个角度的偏振光方向的漂浮危化品图像；所述电控三维云台用于调节偏振成像的观测几何；所述通讯模块用于传输图像以及上位机指令；所述控制模块用于根据指令进行成像及系统控制；所述上位机用于偏振图像处理及系统控制。
CN201810016725.8A 2018-01-08 2018-01-08 一种基于偏振差分放大图像处理的漂浮危化品检测方法 Active CN108230316B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810016725.8A CN108230316B (zh) 2018-01-08 2018-01-08 一种基于偏振差分放大图像处理的漂浮危化品检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810016725.8A CN108230316B (zh) 2018-01-08 2018-01-08 一种基于偏振差分放大图像处理的漂浮危化品检测方法

Publications (2)

Publication Number Publication Date
CN108230316A true CN108230316A (zh) 2018-06-29
CN108230316B CN108230316B (zh) 2020-06-05

Family

ID=62640210

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810016725.8A Active CN108230316B (zh) 2018-01-08 2018-01-08 一种基于偏振差分放大图像处理的漂浮危化品检测方法

Country Status (1)

Country Link
CN (1) CN108230316B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110163856A (zh) * 2019-05-20 2019-08-23 中国神华能源股份有限公司 用于监测定日镜清洁度的方法和装置及机器可读存储介质
CN110245674A (zh) * 2018-11-23 2019-09-17 浙江大华技术股份有限公司 模板匹配方法、装置、设备及计算机存储介质
CN110443806A (zh) * 2019-04-30 2019-11-12 浙江大学 一种基于目标增强处理的水面透明漂浮危化品图像分割方法
CN113642651A (zh) * 2021-08-16 2021-11-12 长春理工大学 一种基于深度学习的偏振成像海上溢油识别装置及方法
CN116310354A (zh) * 2023-05-24 2023-06-23 青岛海关技术中心 基于红外图像处理的漂浮危化品识别方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102297722A (zh) * 2011-09-05 2011-12-28 西安交通大学 一种双通道差分偏振干涉成像光谱仪
CN105959514A (zh) * 2016-04-20 2016-09-21 河海大学 一种弱目标成像检测装置及方法
WO2017002716A1 (ja) * 2015-07-01 2017-01-05 株式会社ソニー・インタラクティブエンタテインメント 画像処理装置、画像処理システム、多視点カメラ、および画像処理方法
CN106504291A (zh) * 2016-10-26 2017-03-15 天津大学 基于场景Stokes矢量测量及其RGB图像优化的多物体区分方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102297722A (zh) * 2011-09-05 2011-12-28 西安交通大学 一种双通道差分偏振干涉成像光谱仪
WO2017002716A1 (ja) * 2015-07-01 2017-01-05 株式会社ソニー・インタラクティブエンタテインメント 画像処理装置、画像処理システム、多視点カメラ、および画像処理方法
CN105959514A (zh) * 2016-04-20 2016-09-21 河海大学 一种弱目标成像检测装置及方法
CN106504291A (zh) * 2016-10-26 2017-03-15 天津大学 基于场景Stokes矢量测量及其RGB图像优化的多物体区分方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈哲 等: "基于光强—光谱—偏振信息融合的水下目标检测", 《通信学报》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110245674A (zh) * 2018-11-23 2019-09-17 浙江大华技术股份有限公司 模板匹配方法、装置、设备及计算机存储介质
CN110245674B (zh) * 2018-11-23 2023-09-15 浙江大华技术股份有限公司 模板匹配方法、装置、设备及计算机存储介质
CN110443806A (zh) * 2019-04-30 2019-11-12 浙江大学 一种基于目标增强处理的水面透明漂浮危化品图像分割方法
CN110443806B (zh) * 2019-04-30 2022-05-03 浙江大学 一种基于目标增强处理的水面透明漂浮危化品图像分割方法
CN110163856A (zh) * 2019-05-20 2019-08-23 中国神华能源股份有限公司 用于监测定日镜清洁度的方法和装置及机器可读存储介质
CN113642651A (zh) * 2021-08-16 2021-11-12 长春理工大学 一种基于深度学习的偏振成像海上溢油识别装置及方法
CN113642651B (zh) * 2021-08-16 2023-08-08 长春理工大学 一种基于深度学习的偏振成像海上溢油识别方法
CN116310354A (zh) * 2023-05-24 2023-06-23 青岛海关技术中心 基于红外图像处理的漂浮危化品识别方法

Also Published As

Publication number Publication date
CN108230316B (zh) 2020-06-05

Similar Documents

Publication Publication Date Title
CN108230316A (zh) 一种基于偏振差分放大图像处理的漂浮危化品检测方法
CN108257119B (zh) 一种基于近紫外图像处理的近岸海域漂浮危化品检测预警方法
CN110414334B (zh) 一种基于无人机巡视的智能水质识别方法
CN106971146B (zh) 基于三查技术的水体异常遥感动态监控方法、装置和系统
CN100538723C (zh) 多视觉传感器信息融合的内河船舶自动识别系统
CN101625723B (zh) 电力线轮廓的快速图像识别方法
Kako et al. Low altitude remote-sensing method to monitor marine and beach litter of various colors using a balloon equipped with a digital camera
CN112435207A (zh) 一种基于天空地一体化的森林火灾监测预警方法
US20220024549A1 (en) System and method for measuring the distance to an object in water
CN101214851A (zh) 船舶行驶智能型全天候主动安全预警系统及其预警方法
CN107527037A (zh) 基于无人机遥感数据的蓝藻识别与分析系统
Volent et al. Kelp forest mapping by use of airborne hyperspectral imager
CN108169142A (zh) 基于遥感影像的水色异常快速定位方法和装置
CN110570537B (zh) 基于视频识别的航标监测方法及船载航标智能巡检设备
CN111426637A (zh) 一种利用无人机获取城市黑臭河流水质参数的方法
CN113176211B (zh) 一种基于hsv颜色空间模型变换的日间云检测方法
CN105139034B (zh) 一种结合光谱滤除的船舶检测方法
KR20190055373A (ko) 기계학습 기반 위성 해무 탐지 장치 및 해무 탐지 방법
CN110751645B (zh) 一种输油码头溢油监测系统及方法
Chunyang et al. Sea fog detection using U-Net deep learning model based on MODIS data
CN113822217A (zh) 基于ais和视频图像分析的船舶尾气监测方法
WO2018165027A1 (en) Polarization-based detection and mapping method and system
CN108319913A (zh) 一种基于空谱联合的栈式自编码水上油膜提取方法及系统
JP2010014491A (ja) 洋上監視システムおよび方法
CN110348456A (zh) 一种结合多光谱图像与深度学习方法的漂浮hns目标检测方法

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
GR01 Patent grant
GR01 Patent grant