CN109087295B - 基于灰度值投影法的桥梁露筋视觉检测方法 - Google Patents
基于灰度值投影法的桥梁露筋视觉检测方法 Download PDFInfo
- Publication number
- CN109087295B CN109087295B CN201810858581.0A CN201810858581A CN109087295B CN 109087295 B CN109087295 B CN 109087295B CN 201810858581 A CN201810858581 A CN 201810858581A CN 109087295 B CN109087295 B CN 109087295B
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- value
- exposed
- curve
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000001514 detection method Methods 0.000 title claims abstract description 22
- 230000000007 visual effect Effects 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims description 16
- 230000000877 morphologic effect Effects 0.000 claims description 9
- 230000007797 corrosion Effects 0.000 claims description 5
- 238000005260 corrosion Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000008961 swelling Effects 0.000 claims description 2
- 150000001875 compounds Chemical class 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 3
- 239000000284 extract Substances 0.000 abstract 1
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 210000003205 muscle Anatomy 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
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
- G06T7/0004—Industrial image inspection
-
- 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 using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/20068—Projection on vertical or horizontal image axis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于灰度值投影法的桥梁露筋视觉检测方法。本发明采用灰度值投影法寻找露筋在图像中位置,通过位置坐标提取图像中露筋区域,排除了桥面复杂背景的干扰,提高了目标的识别率,并在实际应用中取得了很好的效果。
Description
技术领域
本发明涉及图像处理技术领域,具体为一种基于灰度值投影法的桥梁露筋视觉检测方法。
背景技术
随着我国经济的发展和建桥技术的不断创新,越来越多高耸的桥梁出现在我们的眼前,给我们的出行带来了很大的便利,桥梁在交通运输中扮演着重要的角色,因此桥梁的维护也变的至关重要。
传统的桥梁检测方法是人工利用专用的检测车对桥梁进行实地勘察,以确定桥梁是否有病害,但效率很低,并且存在一定的危险性。目前运用于桥梁检测的方法还有超声波检测、声发射检测、冲击弹性波检测法、传感仪器监测以及光纤传感网络监测等。
近年来,人们开始利用图像处理技术对桥梁进行检测,极大地提高了检测效率,图像处理的流程主要包括图像增强、边缘检测、区域分割、特征提取等,在图像处理的不同阶段有着不同的算法,如基于灰度变化的图像增强算法、基于纹理特征的边缘检测算法等,但是目前很多算法只能对桥面背景较为单一的图像进行处理,若背景较为复杂,当前算法很难从图像中搜索出病害的位置,因此使得桥梁病害的识别率不高。
发明内容
本发明的目的是提供了一种基于灰度值投影法的桥梁露筋视觉检测方法,它能排除大部分污垢和外景的干扰,提高了露筋的识别率,以克服现有技术的不足。
本发明是这样实现的:基于灰度值投影法的桥梁露筋视觉检测方法,该方法的步骤如下:
1)将桥梁的待检测区域的彩色图像转换为灰度图像,对灰度图像进行高斯滤波;
2)获取步骤1)中经过滤波后的灰度图像的图像灰度值,并绘制获得图像灰度值的水平投影曲线和垂直投影曲线,并根据投影曲线中波峰和波谷的高度差判断图像中是否存在外景;
3)利用波峰和波谷的高度差寻找灰度图像中含有露筋的行和列,并在灰度图像中仅显示含有露筋的行和列;
4)将去除外景且仅含有露筋的灰度图像转化为二值图像;
5)对二值图像进行形态学处理;
6)提取二值图像中的露筋。
基于灰度值投影法的桥梁露筋视觉检测方法,其特征在于,所述的步骤2)的具体过程如下:
2.1)获取图像的行数和列数;把每一行或每一列的像素灰度值叠加求和,储存行数或列数及该行或列求和后的值;建立坐标系,横坐标为行数或列数,纵坐标为每一行或每一列求和后的值,将每一行或每一列像素灰度值叠加求和后的值描绘在坐标系中,生成一条曲线,若横坐标为行数,则称为水平投影曲线,反之,则为垂直投影曲线;
2.2)利用曲线中相邻点纵坐标的差分,寻找曲线中所有的波峰和波谷,并储存曲线中波峰和波谷对应的坐标;
2.3)将步骤2.2)中储存的每一个波谷纵坐标的值与相邻的波峰的纵坐标的值分别作差,寻找出曲线中波动很大的位置坐标,并根据坐标判断图像中是否存在外景,具体包括:
2.3.1)每一个波谷纵坐标的值与相邻的波峰的纵坐标的值分别作差,找出所有差值中最大的2个差值,并判断这2个差值是否大于设定值diff,若大于则存储差值所对应的波峰和波谷点的坐标;
2.3.2)根据2.3.1)储存的坐标,分别计算曲线中该点左边部分和右边部分的标准差,若标准差小于std1,则该点坐标所对应的行或列到对应的边界之间的区域为外景,对外景中所有像素的灰度值赋值为255,其中std1为经验值,std1取值范围10-30,获得不含外景的灰度图像或者去除外景的灰度图像。
所述步骤3)的具体过程为:计算曲线中波谷与相邻波峰之间的纵坐标差值,判断差值是否大于设定值diff1,若大于,则存储对应波谷的横坐标,即找到了露筋所在的行或列的集合;通过给存储的横坐标开拓一个区间,便能得到一条完整的露筋的灰度图像。
所述的通过给存储的横坐标开拓一个区间的具体方法是,以存储的横坐标的值k为中心,左右各分配t1行或列,在原图中保留 (K-t1,K+t1)行或列所对应的像素的灰度值,其余的像素灰度值置为 255;从而得到仅含有露筋的灰度图像,t1是根据露筋的宽度确定的。
所述的步骤4)的具体过程是如下:
4.1)将步骤2.3.2)中去除外景后的图像与步骤3)获得的仅含有完整的露筋的灰度图像进行叠加,得到的去除外景后仅含有露筋的灰度图像;
4.2):将步骤4.1)得到的灰度图像转化为二值图像;计算滤波后灰度图像中灰度值小于255的所有像素的平均灰度值mean,令 t2=mean/2,将t2作为全局阈值对灰度图像进行二值化处理,获得二值图像。
步骤5)所述的对二值图像进行形态学开运算处理,具体是:
设置一定大小的圆盘型结构元素B对输入的二值图像Z中的连通域A进行闭运算,达到连接“断层”部分和去除孤立噪声点的目的;用结构元素对输入图像进行灰度形态学基本运算的公式为:
灰度闭运算:A·B=(A⊕B)ΘB
步骤6)所述的识别二值图像中的露筋,具体如下:
6.1)设置面积阈值area1,去除小面积非目标区域的干扰,将统计图像中各连通域的面积area与area1进行对比,若area小于area1,则将该连通域置为背景,若area大于area1,则保留该连通域;
6.2)设置圆形度值d1,排除类似排水孔的干扰,计算图像中各连通域圆形度d,若d大于d1,则将该连通域置为背景,若d小于 d1,则保留该连通域,其中圆形度d的计算公式为:d=(4×π×area1)/c2, c为连通域的周长;
6.3)设置长宽比k,保留类似露筋的连通域,计算图像中各连通域外接矩形的长宽比k,获取外接矩形的长度l和宽度w,运用公式 k=l/w即可求得;由于露筋多为细长形且水平或垂直分布,若k大于 k1或小于k2则保留连通域,反之,则将该连通域置为背景;
6.4)统计图像中露筋的个数和露筋的实际面积,并进行输出,包括:
6.4.1)统计图像中连通域的个数a;
6.4.2)统计图像中连通域的实际面积b1,将连通域的总面积乘以u得到实际面积b1,u表示每一个像素的实际面积,u的计算公式为:
l为所拍景物的实际长度;
w为所拍景物的实际宽度;
m为图像的宽度;
n为图像的长度。
有益效果
与现有技术相比,本发明采用灰度值投影法并结合露筋区域的特征去除了外景及桥面复杂背景的干扰,同时寻找出图像中露筋的位置,通过位置坐标保留图像中含有露筋的区域,利用多特征滤波及形态学处理排除了假病害的的干扰,实现了露筋的提取,提高了目标的识别率,并在实际应用中取得了很好的效果。
附图说明
图1为本发明的流程图;
图2为桥梁露筋检测的流程图;
图3桥梁露筋图像的灰度图;
图4图像灰度值水平投影后所生成的曲线;
图5仅显示灰度图像中可能含有露筋的行。
具体实施方式
本发明的实施例:基于灰度值投影法的桥梁露筋视觉检测方法,
1)读入桥梁的待检测区域的彩色图像的原图,并将彩色图像转换为灰度图像,如图3所示,采用模板为10x10高斯滤波器对灰度图滤波,使得后续得到的投影曲线更加平滑;
2)将滤波后的灰度图像的灰度值按水平和垂直方向进行投影;并根据投影曲线中波峰和波谷的坐标去除图像中的外景,其中外景部分的特点如下:
(a)外景靠近图像的4个边缘;
(b)桥梁与外景相接处会形成一条水平或垂直的相交线,相交线两边的灰度值会存在很大的差异,因此在水平投影或垂直投影的相应位置中会出现很大的波动;
(c)由于相机的焦距固定,图像中拍摄到的外景会较为模糊,因此外景中每个像素的灰度值都比较接近,在水平投影或垂直投影的相应位置波动性很小;
2.1)获取图像的水平投影曲线和垂直投影曲线;
2.1.1)获取图像的行数m和列数n,本实施例中m=666,n=1000;
2.1.2)把每一行(或列)的像素灰度值叠加求和,储存行数(或列数)及该行(或列)求和后的值;
2.1.3)建立坐标系,横坐标为行(或列)数,纵坐标为每一行(或列)求和后的值,将2.1.2)中储存每一行(或列)求和后的值描绘在坐标系中,生成一条曲线,若横坐标为行数,则称为水平投影曲线,反之,则为垂直投影曲线,本实施例中生成的水平投影曲线如图4所示;
2.2)根据外景的特点(b),利用曲线中相邻点纵坐标的差分,寻找曲线中所有的波峰和波谷,并储存曲线中波峰和波谷对应的坐标;
2.3)将步骤2.2)中储存的每一个波谷纵坐标的值与相邻的波峰的纵坐标的值分别作差,寻找出曲线中波动很大的位置坐标,并根据坐标判断图像中是否存在外景,具体步骤包括:
步骤2.3.1)每一个波谷纵坐标的值与相邻的波峰的纵坐标的值分别作差,由于一幅图像中最多可能存在2处外景,所以找出所有差值中最大的2个差值并判断2个差值是否大于设定值diff,若大于则存储这个差值所对应的波峰和波谷坐标;若没有值大于设定值diff,则不对灰度图做任何处理,本实施例中diff=100;
2.3.2)根据外景的特点(a)和(c),分别计算步骤2.3.1)中存储的坐标到图像的两边界之间所有行(或列)对应的纵坐标的标准差,若标准差小于std1(本实施例取值30),则该坐标所对应的行(或列)到对应的边界之间的区域为外景;将该坐标到对应的边界之间灰度图所对应的所有行(或列)的像素灰度值赋值255,使外景变成白色;若标准差大于std1,则不对灰度图做任何处理,
3):利用波峰和波谷的高度差寻找灰度图像中含有露筋的行和列,并在灰度图像中仅显示含有露筋的行和列,其中露筋区域的特点为:
(a1)露筋多数为细长形状;
(b1)露筋的位置多数是水平的或垂直的;
(c1)与周围的灰度值存在较大差异,在投影曲线中露筋位置会出现一个波谷,并与相邻的波峰之间存在一定的差值;
具体实施步骤包括:
3.1)将步骤2.2)中储存的每一个波谷纵坐标的值与相邻的波峰的纵坐标的值分别作差,判断差值是否大于diff3,若大于,则将对应的波谷的横坐标存储于数组V1,即找到了可能含有露筋的行(或列),若数组V1中没有值,则不对灰度图做任何处理,本实施例中diff3=20;
3.2)根据步骤3.1)得到的数组V1,对该数组中的每一个值开拓一个区间,这样可以得到一条较为完整的露筋。具体如下:
以步骤3.1)中得到的数组V1中的值k为中心,左右各分配t1 行(或列),在灰度图中保留(K-t1,K+t1)行(或列)所对应的像素的灰度值,其余的像素灰度值置为255;从而得到去除复杂背景后仅含有露筋的灰度图像,实验结果如图5所示,本实施例中t1=30。
4):将去除外景且仅含有露筋的灰度图像转化为二值图像,具体包括:
4.1):将步骤2.3.2)中去除外景后的图像与步骤3.2)中去除复杂背景后仅含有露筋的灰度图像进行叠加,得到的是去除外景后仅含有露筋的灰度图像。
步骤4.2):将步骤4.1)得到的灰度图像转化为二值图像;计算灰度图像中灰度值小于255的所有像素的平均灰度值mean,令 t2=mean/2,将t2作为全局阈值对灰度图像进行二值化处理,本实施例中t2=0.217;
步骤5):对二值图像进行形态学处理,设置3x3的圆盘型结构元素B对输入的二值图像Z中的连通域A进行闭运算,达到连接“断层”部分和去除孤立噪声点的目的;用结构元素对输入图像进行形态学运算为:
闭运算:A·B=(A⊕B)ΘB
步骤6):提取二值图像中的露筋,具体步骤如下:
步骤6.1)统计图像中各连通域的面积area,若area小于area1,则将该连通域置为背景,若area大于area1,则保留该连通域,本实施例中area1=200;
步骤6.2)计算图像中各连通域圆形度d,若d大于d1,则将该连通域置为背景,若d小于d1,则保留该连通域,其中圆形度的计算公式为:d=(4×π×area1)/c2,c为连通域的周长,本实施例中d1=0.8。
步骤6.3)通过给连通域添加外接矩形,获取外接矩形的长度l 和宽度w,运用公式k=l/w计算图像中各连通域的长宽比k,由于露筋为水平或垂直分布的细长结构,所以若k大于k1或小于k2则该连通域为露筋区域,给予保留,反之,则将该连通域置为背景,本实施例中k1=2,k2=0.5;
6.4)统计图像中露筋的个数和露筋的实际面积,并进行输出,包括:
6.4.1)统计图像中连通域的个数a;
6.4.2)统计图像中连通域的实际面积b1;
将总面积b乘以u(每一个像素的实际面积)得到实际面积b1,其中u的计算公式为:
l为所拍景物的实际长度;
w为所拍景物的实际宽度;
m为图像的宽度;
n为图像的长度;
本实施例中u=0.02;
最后,上述实施例仅为本发明的实施方式,并非用于限定本发明的保护范围。凡在本发明的整体结构下所作的任何改进,都应包含在本发明的保护范围之内。
Claims (6)
1.一种基于灰度值投影法的桥梁露筋视觉检测方法,其特征在于,该方法的步骤如下:
1)将桥梁的待检测区域的彩色图像转换为灰度图像,对灰度图像进行高斯滤波;
2)获取步骤1)中经过滤波后的灰度图像的图像灰度值,并绘制获得图像灰度值的水平投影曲线和垂直投影曲线,并根据投影曲线中波峰和波谷的高度差判断图像中是否存在外景;
3)利用波峰和波谷的高度差寻找灰度图像中含有露筋的行和列,并在灰度图像中仅显示含有露筋的行和列;
4)将去除外景且仅含有露筋的灰度图像转化为二值图像;
5)对二值图像进行形态学处理;
6)提取二值图像中的露筋;
所述的步骤2)的具体过程如下:
2.1)获取图像的行数和列数;把每一行或每一列的像素灰度值叠加求和,储存行数或列数及该行或列求和后的值;建立坐标系,横坐标为行数或列数,纵坐标为每一行或每一列求和后的值,将每一行或每一列像素灰度值叠加求和后的值描绘在坐标系中,生成一条曲线,若横坐标为行数,则称为水平投影曲线,反之,则为垂直投影曲线;
2.2)利用曲线中相邻点纵坐标的差分,寻找曲线中所有的波峰和波谷,并储存曲线中波峰和波谷对应的坐标;
2.3)将步骤2.2)中储存的每一个波谷纵坐标的值与相邻的波峰的纵坐标的值分别作差,寻找出曲线中波动大于预设值的位置坐标,并根据坐标判断图像中是否存在外景,具体包括:
2.3.1)每一个波谷纵坐标的值与相邻的波峰的纵坐标的值分别作差,找出所有差值中最大的2个差值,并判断这2个差值是否大于设定值diff,若大于则存储差值所对应的波峰和波谷点的坐标;
2.3.2)根据2.3.1)储存的坐标,分别计算曲线中该点左边部分和右边部分的标准差,若标准差小于std1,则该点坐标所对应的行或列到对应的边界之间的区域为外景,对外景中所有像素的灰度值赋值为255,其中std1为经验值,std1取值范围10-30,获得不含外景的灰度图像或者去除外景的灰度图像。
2.根据权利要求1所述的基于灰度值投影法的桥梁露筋视觉检测方法,其特征在于,所述步骤3)的具体过程为:计算曲线中波谷与相邻波峰之间的纵坐标差值,判断差值是否大于设定值diff,若大于,则存储对应波谷的横坐标,即找到了露筋所在的行或列的集合;通过给存储的横坐标开拓一个区间,便能得到一条完整的露筋的灰度图像。
3.根据权利要求2所述的基于灰度值投影法的桥梁露筋视觉检测方法,其特征在于:所述的通过给存储的横坐标开拓一个区间的具体方法是,以存储的横坐标的值K为中心,左右各分配t1行或列,在原图中保留K-t1,K+t1行或列所对应的像素的灰度值,其余的像素灰度值置为255;从而得到仅含有露筋的灰度图像,t1是根据露筋的宽度确定的。
4.根据权利要求1所述的基于灰度值投影法的桥梁露筋视觉检测方法,其特征在于,所述的步骤4)的具体过程是如下:
4.1)将步骤2.3.2)中去除外景后的图像与步骤3)获得的仅含有完整的露筋的灰度图像进行叠加,得到的去除外景后仅含有露筋的灰度图像;
4.2):将步骤4.1)得到的灰度图像转化为二值图像;计算滤波后灰度图像中灰度值小于255的所有像素的平均灰度值mean,令t2=mean/2,将t2作为全局阈值对灰度图像进行二值化处理,获得二值图像。
6.根据权利要求1所述的基于灰度值投影法的桥梁露筋视觉检测方法,其特征在于:步骤6)所述的提取二值图像中的露筋,具体如下:
6.1)设置面积阈值area1,去除小面积非目标区域的干扰,将统计图像中各连通域的面积area与area1进行对比,若area小于area1,则将该连通域置为背景,若area大于area1,则保留该连通域;
6.2)设置圆形度值d1,排除类似排水孔的干扰,计算图像中各连通域圆形度d,若d大于d1,则将该连通域置为背景,若d小于d1,则保留该连通域,其中圆形度d的计算公式为:d=(4×π×area1)/c2,c为连通域的周长;
6.3)设置长宽比k,保留类似露筋的连通域,计算图像中各连通域外接矩形的长宽比k,获取外接矩形的长度l`和宽度w`,运用公式k=l` / w` 即可求得;由于露筋多为细长形且水平或垂直分布,若k大于k1或小于k2则保留连通域,反之,则将该连通域置为背景;
6.4)统计图像中露筋的个数和露筋的实际面积,并进行输出,包括:
6.4.1)统计图像中连通域的个数a;
6.4.2)统计图像中连通域的实际面积b1,将连通域的总面积乘以u得到实际面积b1,u表示每一个像素的实际面积,u的计算公式为:
l为所拍景物的实际长度;
w为所拍景物的实际宽度;
m为图像的宽度;
n为图像的长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810858581.0A CN109087295B (zh) | 2018-07-31 | 2018-07-31 | 基于灰度值投影法的桥梁露筋视觉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810858581.0A CN109087295B (zh) | 2018-07-31 | 2018-07-31 | 基于灰度值投影法的桥梁露筋视觉检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109087295A CN109087295A (zh) | 2018-12-25 |
CN109087295B true CN109087295B (zh) | 2022-07-01 |
Family
ID=64831152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810858581.0A Active CN109087295B (zh) | 2018-07-31 | 2018-07-31 | 基于灰度值投影法的桥梁露筋视觉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109087295B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110298802B (zh) * | 2019-06-28 | 2021-07-02 | 广东诚泰交通科技发展有限公司 | 路面裂缝检测方法及装置 |
CN111739042B (zh) * | 2020-06-04 | 2023-06-09 | 中南大学 | 一种基于数字图像特征的复杂背景电力线提取方法 |
CN115049713B (zh) * | 2022-08-11 | 2022-11-25 | 武汉中导光电设备有限公司 | 图像配准方法、装置、设备及可读存储介质 |
CN115330878B (zh) * | 2022-10-18 | 2023-01-24 | 山东特联信息科技有限公司 | 一种罐车罐口视觉定位方法 |
CN115830459B (zh) * | 2023-02-14 | 2023-05-12 | 山东省国土空间生态修复中心(山东省地质灾害防治技术指导中心、山东省土地储备中心) | 基于神经网络的山地林草生命共同体损毁程度检测方法 |
CN117058130B (zh) * | 2023-10-10 | 2024-01-09 | 威海威信光纤科技有限公司 | 一种光纤拉丝表面涂覆质量视觉检测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1932838A (zh) * | 2005-09-12 | 2007-03-21 | 电子科技大学 | 一种基于投影法和数学形态学的车牌提取方法 |
-
2018
- 2018-07-31 CN CN201810858581.0A patent/CN109087295B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1932838A (zh) * | 2005-09-12 | 2007-03-21 | 电子科技大学 | 一种基于投影法和数学形态学的车牌提取方法 |
Non-Patent Citations (3)
Title |
---|
Texture Analysis Based Damage Detection of Ageing Infrastructural Elements;O"Byrne等;《UCD》;20121108;全文 * |
基于自适应条纹投影的高反光物体三维面形测量;王柳等;《应用光学》;20180531;第39卷(第03期);全文 * |
桥梁结构动力测试信号的自适应形态学滤波研究;徐佳德等;《铁道建筑》;20180430;第58卷(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109087295A (zh) | 2018-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109087295B (zh) | 基于灰度值投影法的桥梁露筋视觉检测方法 | |
CN113658132B (zh) | 基于计算机视觉的结构件焊缝检测方法 | |
Yamaguchi et al. | Fast crack detection method for large-size concrete surface images using percolation-based image processing | |
CN111985329A (zh) | 基于FCN-8s和改进Canny边缘检测的遥感图像信息提取方法 | |
CN109784344A (zh) | 一种用于地平面标识识别的图像非目标滤除方法 | |
CN112308826B (zh) | 一种基于卷积神经网络的桥梁结构表面缺陷检测方法 | |
CN104915642B (zh) | 前方车辆测距方法及装置 | |
CN116309600B (zh) | 基于图像处理的环保纺织品质量检测方法 | |
CN107609555A (zh) | 车牌检测方法、应用其的车型识别方法及相关装置 | |
CN108053412B (zh) | 融合多定量评价指标的遥感影像最优分割结果确定方法 | |
CN108399644A (zh) | 一种墙体图像识别方法及其装置 | |
CN101477628A (zh) | 车辆阴影去除方法和装置 | |
CN115641327A (zh) | 一种基于大数据的建筑工程质量监理和预警系统 | |
CN114998317B (zh) | 镜头遮挡检测方法、装置、摄像装置和存储介质 | |
CN111915628A (zh) | 一种基于预测目标密集边界点的单阶段实例分割方法 | |
CN115082377A (zh) | 一种基于无人机的建筑物表面裂缝几何参数测量方法及系统 | |
CN112669301B (zh) | 一种高铁底板脱漆故障检测方法 | |
CN109636822A (zh) | 一种基于新构建隶属度函数的改进Canny自适应边缘提取方法 | |
CN111179289B (zh) | 一种适用于网页长图宽图的图像分割方法 | |
CN113657264A (zh) | 基于暗通道和knn算法融合的森林火灾烟雾根节点检测方法 | |
Raikar et al. | Automatic building detection from satellite images using internal gray variance and digital surface model | |
CN112069924A (zh) | 车道线检测方法、装置及计算机可读存储介质 | |
CN115409954A (zh) | 一种基于orb特征点的稠密点云地图构建方法 | |
CN106951831B (zh) | 一种基于深度摄像机的行人检测跟踪方法 | |
CN110705441B (zh) | 人行横道线图像后处理方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |