CN109801242B - 一种基于改进漫水填充算法的栅格图像矢量化方法 - Google Patents

一种基于改进漫水填充算法的栅格图像矢量化方法 Download PDF

Info

Publication number
CN109801242B
CN109801242B CN201910064027.XA CN201910064027A CN109801242B CN 109801242 B CN109801242 B CN 109801242B CN 201910064027 A CN201910064027 A CN 201910064027A CN 109801242 B CN109801242 B CN 109801242B
Authority
CN
China
Prior art keywords
image
origin
algorithm
filling
coordinate point
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
Application number
CN201910064027.XA
Other languages
English (en)
Other versions
CN109801242A (zh
Inventor
黄进
郑思宇
朱明仓
李剑波
王敏
刘怡
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.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
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 Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN201910064027.XA priority Critical patent/CN109801242B/zh
Publication of CN109801242A publication Critical patent/CN109801242A/zh
Application granted granted Critical
Publication of CN109801242B publication Critical patent/CN109801242B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Image Processing (AREA)

Abstract

本发明涉及一种基于改进漫水填充算法的栅格图像矢量化方法，包括以下步骤：步骤S10：取原始图像，对其进行图像锐化，得到包含边缘信息的图像；步骤S20：点击原始图像，以步骤S10得到的图像作为掩模，通过漫水填充算法，对相应图块进行填充；步骤S30：利用空洞填充算法对步骤S20得到的图块进行修补；步骤S40：根据步骤S30得到的图像，利用Freeman链码轮廓跟踪算法，找到图块轮廓的坐标点集合；步骤S50：根据步骤S40得到的坐标点集合，利用多边形拟合算法，对坐标点数目抽稀，得到关键坐标点集合，并将其之间的连线有序绘制出来，形成轮廓，得到最终的矢量化图像。本发明具有良好的栅格图像矢量化的效果，且相比于人工多处描点的栅格矢量化过程。

Description

一种基于改进漫水填充算法的栅格图像矢量化方法
技术领域
本发明涉及于图像处理技术领域，具体为一种基于改进漫水填充算法的栅格图像矢量化方法，主要应用于土地调查的工作中。
背景技术
在第二次全国土地调查成果基础上，正在开展的第三次全国土地调查要求在全国范围内利用遥感、测绘、地理信息、互联网等技术，以正射影像图为基础，实地调查土地的地类、面积和权属，全面掌握地类分布及利用状况。其中，以建立互联共享的集影像、地类、范围、面积和权属为一体的土地调查数据库等工作最为关键。
而上述这些工作的基础，是建立在对一块块土地位置与轮廓信息的高效准确记录之上的。于是，一种朴素的做法是，让工作人员手动地标定土地的轮廓点来确定土地的轮廓(即，将土地看作栅格图像上的栅格阵列，对该栅格阵列进行人为的矢量化操作)。这样做，虽然可以将工作开展起来，可是却存在着诸多的问题，如人工描点的准确率不高，人工描点的效率低等问题。且就效率这个问题而言，当处理对象是一块形状极其复杂不规则的土地时，需要工作人员大量地描点，这种效率的低下就更明显地暴露出来了。
针对上述问题，本发明提出了一种基于改进漫水填充算法的栅格图像矢量化方法，旨在通过对栅格图像的一次点击将土地的矢量点与轮廓呈现出来，实现自动的栅格矢量化，提升工作效率。
发明内容
一种基于改进漫水填充算法的栅格图像矢量化方法，包括以下步骤，步骤S10：取原始图像，对其进行图像锐化，得到包含边缘信息的图像；步骤S20：点击原始图像，以步骤S10得到的图像作为掩模，通过漫水填充算法，对相应图块进行填充；步骤S30：利用空洞填充算法对步骤S20得到的图块进行修补；步骤S40：根据步骤S30得到的图像，利用Freeman链码轮廓跟踪算法，找到图块轮廓的坐标点集合；步骤S50：根据步骤S40得到的坐标点集合，利用多边形拟合算法，对坐标点数目抽稀，得到关键坐标点集合，并将其之间的连线有序绘制出来，形成轮廓，得到最终的矢量化图像。本发明具有良好的栅格图像矢量化的效果，且相比于人工多处描点的栅格矢量化过程，结合改进的漫水填充方法与其他多种图像处理算法，实现了自动的栅格图像矢量化。
其总体模型的算法步骤为
第(1)步：读取原始图像记作origin.并且读出图像高度记作h，图像宽度记作w.
第(2)步：将origin转为灰度图像gray.计算公式为
Figure BDA0001955091310000011
第(3)步：对gray进行高斯模糊，得到的图像记作guass.计算公式为
Figure BDA0001955091310000021
第(4)步：利用索贝尔算子，对guass进行运算，获取边缘信息，得到的图像记作sobel.计算公式为
Figure BDA0001955091310000022
第(5)步：将sobel作为掩模，对origin进行漫水填充，得到的图像记作rawBlock；
第(6)步：对rawBlock进行空洞填充，得到的图像记作processedBlock；
第(7)步：利用Freeman链码轮廓跟踪算法，找到processedBlock轮廓的坐标点集合，记作rawCoords；
第(8)步：利用多边形拟合算法，对rawCoords数目抽稀，得到关键坐标点集合，记作processedCoords，并将其之间的连线有序绘制出来，形成轮廓，得到最终的矢量化图像。
以上表达式中各参数和算符的意义为
gray(y,x)表示灰度图像gray第y行第x列的像素值。
origin(y,x,0)表示真彩图像origin第y行第x列第0通道像素值。origin(y,x,1)、origin(y,x,2)以此类推。
w1、w2、w3是利用大量图片计算出得出的经验值。
Figure BDA0001955091310000023
表示图像的卷积运算。
需要进一步说明的是，上述步骤中，第(5)步与第(6)步相结合构成了一种改进的漫水填充算法。该算法利用空洞填充的办法，能够对漫水填充后不理想的结果，进行二次填充，达到图像修补的作用。
该算法漫水填充部分的详细步骤为：
第(1)步：设值val等于15；
第(2)步：将sobel作为掩模图像，并获取点击原始图像origin后的起始坐标点，记作(seedX,seedY)；
第(3)步：建立一张空白图像rawBlock；
第(4)步：建立空栈stack，并将(seedX,seedY)压入栈中；
第(5)步：如果stack为空栈，则转到第(13)步；否则，转到第(6)步；
第(6)步：从stack栈顶弹出一个坐标点，记作(x,y)；
第(7)步：rawBlock(y,x)填充；
第(8)步：如果origin(seedY,seedX)与origin(y,x-1)像素值差小于val，将(x-1,y)压入stack；
第(9)步：如果origin(seedY,seedX)与origin(y,x+1)像素值差小于val，将(x+1,y)压入stack；
第(10)步：如果origin(seedY,seedX)与origin(y-1,x)像素值差小于val，将(x,y-1)压入stack；
第(11)步：如果origin(seedY,seedX)与origin(y+1,x)像素值差小于val，将(x,y+1)压入stack；
第(12)步：返回第(5)步；
第(13)步：结束。
该算法空洞填充部分的详细步骤为：
第(1)步：设计数值i等于0，设值ratio为0.2；
第(2)步：用最小的矩形去裁剪rawBlock中的图块，得到的图像记做block，图像高记做blockH；
第(3)步：如果i小于blockH，则转到第(4)步；否则，转到第(8)步；
第(4)步：找到图像第i行里，第一个白色像素索引记做start，最后一个白色像素索引记做end；
第(5)步：取出start和之end间这一段，记做line，表达式为
line＝block(i,j)，j∈[start,end]ΙZ
第(6)步：找出line中的所有一段段的黑色像素集合，记做blackSet，对于blackSet中每一个元素blackElement,若其长度与line长度比值小于ratio，则将其填充为白色；否则不做操作。
第(7)步：计数值i增加1，并返回第(3)步；
第(8)步：结束。
附图说明
图1为本方法步骤流程图。
图2为总体模型算法第(1)步所提到的原始图像origin。
图3为总体模型算法第(4)步所得到的，包含边缘信息的图像sobel。
图4为总体模型算法第(5)步中，对一块土地，漫水填充后的结果rawBlock。
图5为总体模型算法第(6)步中，对漫水填充图块进一步空洞填充的结果processedBlock。
图6为总体模型算法第(7)步中，利用Freeman链码得到的轮廓点集合rawCoords。
图7为总体模型算法第(8)步中，多边形拟合后最终呈现的矢量化结果processedCoords。
图8为漫水填充算法的流程图。
图9为空洞填充算法的流程图。
图10为实验中所用到测试图像，图中黑色部分表示所选取的十块土地。
图11为实验中十块土地的标准图块形状，即st。
图12为实验中利用本文算法填充得到的十块土地的图块形状，即ex。
图13为实验中人工标注填充得到的十块土地的图块形状，即hu。
图14为十组数据准确率比较的柱状图。
图15为十组数据操作复杂度比较的柱状图(以操作次数作为度量标准)。
图16为漫水填充算法改进前后矢量化效果对比。
具体实施方式
本文选取了一张从工作现场发回来的图像，该图像中所出现的所有土地都已经被准确地人工栅格矢量化。随机选取十块土地，再通过一系列处理，得到十块土地的标准图块形状，将此记做st.然后，利用本发明所提出的算法，对未矢量化的原始图像进行栅格矢量化测试，得到的十块土地的填充图块形状，记做ex.
需要说明的是st和ex里的图像都是二值图像，即用黑色表示背景，白色表示图块形状。为了测试算法的效果，本文构造出如下的判别函数：
Figure BDA0001955091310000041
Figure BDA0001955091310000042
accuracy＝correct-error
其中exWhite和stWhite分别表示ex和st白色像素点的坐标集合；len表示求集合里元素的个数；exWhite-stWhite是集合的运算，表示存在于exWhite但不存在于stWhite的元素。三个式子中，correct表示填充正确率，它表征了算法所填充的图块与标准图块的重合程度，即，算法所正确填充的白色像素所占的比例；error表示填充失误率，它表征了算法所错误填充的白色像素所占的比例；accuracy为前两者之差，表征了准确率。
除此之外，实验还将记录矢量化后每块土地的矢量点数目，以及实际操作时的操作次数(主要体现在鼠标点击次数上)。
以下是实验测试得到的数据：
Figure BDA0001955091310000043
Figure BDA0001955091310000051
表一：测试算法所得到的实验数据
为了进行对照实验，现让一位未处理过该图片的工作人员，进行人工的标注，并按照上述方法获取人工标注十块土地得到的图块形状，记作hu.
以下是测试得到的数据：
实验区域编号 填充正确率 填充失误率 准确率 矢量点数 操作次数
1 85.7％ 1.10％ 84.6％ 10 10
2 93.2％ 2.20％ 91.0％ 5 5
3 90.0％ 1.30％ 88.7％ 8 8
4 89.2％ 3.10％ 86.1％ 8 8
5 93.6％ 1.20％ 92.4％ 19 19
6 92.7％ 1.50％ 91.2％ 9 9
7 91.8％ 1.10％ 90.7％ 6 6
8 89.5％ 1.50％ 88.0％ 10 10
9 96.5％ 0.10％ 96.4％ 5 5
10 89.4％ 0.90％ 88.5％ 9 9
表二：人工标注矢量化得到的实验数据
对照两张表格，结果表明：本文的算法能够在一定程度上提升栅格矢量化的准确率，且人工进行一块土地的栅格矢量化操作，所需操作次数(即，点击次数)等于需要点选的矢量点的个数，而利用本文的算法进行一次栅格矢量化操作所需的操作次数恒定为1，由此可见，工作效率的明显提升。

Claims (2)

1.一种基于改进漫水填充算法的栅格图像矢量化方法，其特征在于：包括以下步骤，步骤S10：取原始图像，对其进行图像锐化，得到包含边缘信息的图像；步骤S20：点击原始图像，以步骤S10得到的图像作为掩模，通过漫水填充算法，对相应图块进行填充；步骤S30：利用空洞填充算法对步骤S20得到的图块进行修补；步骤S40：根据步骤S30得到的图像，利用Freeman链码轮廓跟踪算法，找到图块轮廓的坐标点集合；步骤S50：根据步骤S40得到的坐标点集合，利用多边形拟合算法，对坐标点数目抽稀，得到关键坐标点集合，并将其之间的连线有序绘制出来，形成轮廓，得到最终的矢量化图像；
其总体模型的算法步骤为：
第(1)步：读取原始图像记作origin， 并且读出图像高度记作h，图像宽度记作w，
第(2)步：将origin转为灰度图像gray， 计算公式为
gray(y,x)＝w1·origin(y,x,0)+w2·origin(y,x,1)+w3·origin(y,x,2)，
Figure FDA0003721629220000011
第(3)步：对gray进行高斯模糊，得到的图像记作guass， 计算公式为
Figure FDA0003721629220000012
第(4)步：利用索贝尔算子，对guass进行运算，获取边缘信息，得到的图像记作sobel，计算公式为
Figure FDA0003721629220000013
第(5)步：将sobel作为掩模，对origin进行漫水填充，得到的图像记作rawBlock；
第(6)步：对rawBlock进行空洞填充，得到的图像记作processedBlock；
第(7)步：利用Freeman链码轮廓跟踪算法，找到processedBlock轮廓的坐标点集合，记作rawCoords；
第(8)步：利用多边形拟合算法，对rawCoords数目抽稀，得到关键坐标点集合，记作processedCoords，并将其之间的连线有序绘制出来，形成轮廓，得到最终的矢量化图像；
以上表达式中各参数和算符的意义为：
gray(y,x)表示灰度图像gray第y行第x列的像素值；
origin(y,x,0)表示真彩图像origin第y行第x列第0通道像素值；origin(y,x,1)、origin(y,x,2)以此类推；
w1、w2、w3是利用大量图片计算出得出的经验值；
Figure FDA0003721629220000021
表示图像的卷积运算。
2.根据权利要求1所述的一种基于改进漫水填充算法的栅格图像矢量化方法，其特征在于：第(5)步与第(6)步相结合构成了一种改进的漫水填充算法，该算法利用空洞填充的办法，能够对漫水填充后不理想的结果，进行二次填充，达到图像修补的作用；
该算法漫水填充部分的详细步骤为：
第(1)步：设值val等于15；
第(2)步：将sobel作为掩模图像，并获取点击原始图像origin后的起始坐标点，记作(seedY,seedX)；
第(3)步：建立一张空白图像rawBlock；
第(4)步：建立空栈stack，并将(seedY,seedX)压入栈中；
第(5)步：如果stack为空栈，则转到第(13)步；否则，转到第(6)步；
第(6)步：从stack栈顶弹出一个坐标点，记作(y,x)；
第(7)步：rawBlock(y,x)填色；
第(8)步：如果origin(seedY,seedX)与origin(y,x-1)像素值差小于val，将(y,x-1)压入stack；
第(9)步：如果origin(seedY,seedX)与origin(y,x+1)像素值差小于val，将(y,x+1)压入stack；
第(10)步：如果origin(seedY,seedX)与origin(y-1,x)像素值差小于val，将(y-1,x)压入stack；
第(11)步：如果origin(seedY,seedX)与origin(y+1,x)像素值差小于val，将(y+1,x)压入stack；
第(12)步：返回第(5)步；
第(13)步：结束；
该算法空洞填充部分的详细步骤为：
第(1)步：设计数值i等于0，设值ratio为0.2；
第(2)步：用最小的矩形去裁剪rawBlock中的图块，得到的图像记作block，图像高记作blockH；
第(3)步：如果i小于blockH，则转到第(4)步；否则，转到第(8)步；
第(4)步：找到图像第i行里，第一个白色像素索引记作start，最后一个白色像素索引记作end；
第(5)步：取出start和之end间这一段，记作line，表达式为
line＝block(i,j)，j∈[start,end]∩Z
第(6)步：找出line中的所有一段段的黑色像素集合，记作blackSet，对于blackSet中每一个元素blackElement,若其长度与line长度比值小于ratio，则将其填充为白色；否则不做操作；
第(7)步：计数值i增加1，并返回第(3)步；
第(8)步：结束。
CN201910064027.XA 2019-01-23 2019-01-23 一种基于改进漫水填充算法的栅格图像矢量化方法 Active CN109801242B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910064027.XA CN109801242B (zh) 2019-01-23 2019-01-23 一种基于改进漫水填充算法的栅格图像矢量化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910064027.XA CN109801242B (zh) 2019-01-23 2019-01-23 一种基于改进漫水填充算法的栅格图像矢量化方法

Publications (2)

Publication Number Publication Date
CN109801242A CN109801242A (zh) 2019-05-24
CN109801242B true CN109801242B (zh) 2022-09-02

Family

ID=66559988

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910064027.XA Active CN109801242B (zh) 2019-01-23 2019-01-23 一种基于改进漫水填充算法的栅格图像矢量化方法

Country Status (1)

Country Link
CN (1) CN109801242B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110766625B (zh) * 2019-10-15 2022-04-19 中国科学院光电技术研究所 一种数字图像掩模的快速填充方法
CN110955743B (zh) * 2019-11-29 2021-07-20 农业农村部规划设计研究院 为矢量要素建立空间索引文件的方法和装置
CN111598769B (zh) * 2020-04-27 2023-06-16 北京吉威时代软件股份有限公司 基于轮廓跟踪与影像分块的快速栅格转矢量方法
CN112487642B (zh) * 2020-11-27 2024-02-13 成都大学 一种基于漫水填充算法的疲劳断口形貌特征提取方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1852389A (zh) * 2006-04-29 2006-10-25 北京北大方正电子有限公司 一种在排版过程中进行图像勾边的方法
CN101968888A (zh) * 2010-09-08 2011-02-09 东莞电子科技大学电子信息工程研究院 一种适用于移动终端的矢量图形填充方法
CN102930561A (zh) * 2012-10-22 2013-02-13 南京大学 一种基于Delaunay三角网的栅格地图矢量化方法
CN102930540A (zh) * 2012-10-26 2013-02-13 中国地质大学（武汉） 城市建筑物轮廓检测的方法及系统
CN103927727A (zh) * 2014-04-22 2014-07-16 成都品果科技有限公司 一种标量图像转化为矢量图的方法
CN107273608A (zh) * 2017-06-13 2017-10-20 中国石油大学(华东) 一种油藏地质剖面图矢量化方法
CN107330979A (zh) * 2017-06-30 2017-11-07 电子科技大学中山学院 建筑户型的矢量图生成方法、装置及终端
CN107507193A (zh) * 2017-08-04 2017-12-22 国家海洋环境监测中心 高分三号合成孔径雷达影像围填海信息自动提取方法
CN107657639A (zh) * 2017-08-09 2018-02-02 武汉高德智感科技有限公司 一种快速定位目标的方法和装置
CN108010047A (zh) * 2017-11-23 2018-05-08 南京理工大学 一种结合样本一致性和局部二值模式的运动目标检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2431805A (en) * 2005-10-31 2007-05-02 Sony Uk Ltd Video motion detection

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1852389A (zh) * 2006-04-29 2006-10-25 北京北大方正电子有限公司 一种在排版过程中进行图像勾边的方法
CN101968888A (zh) * 2010-09-08 2011-02-09 东莞电子科技大学电子信息工程研究院 一种适用于移动终端的矢量图形填充方法
CN102930561A (zh) * 2012-10-22 2013-02-13 南京大学 一种基于Delaunay三角网的栅格地图矢量化方法
CN102930540A (zh) * 2012-10-26 2013-02-13 中国地质大学（武汉） 城市建筑物轮廓检测的方法及系统
CN103927727A (zh) * 2014-04-22 2014-07-16 成都品果科技有限公司 一种标量图像转化为矢量图的方法
CN107273608A (zh) * 2017-06-13 2017-10-20 中国石油大学(华东) 一种油藏地质剖面图矢量化方法
CN107330979A (zh) * 2017-06-30 2017-11-07 电子科技大学中山学院 建筑户型的矢量图生成方法、装置及终端
CN107507193A (zh) * 2017-08-04 2017-12-22 国家海洋环境监测中心 高分三号合成孔径雷达影像围填海信息自动提取方法
CN107657639A (zh) * 2017-08-09 2018-02-02 武汉高德智感科技有限公司 一种快速定位目标的方法和装置
CN108010047A (zh) * 2017-11-23 2018-05-08 南京理工大学 一种结合样本一致性和局部二值模式的运动目标检测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A vectorization framework for constant and linear gradient filled regions;Ruchin Kansal · Subodh Kumar;《The Visual Computer》;20140705;第31卷;第717-732页 *
Vectorization of contour lines from scanned topographic maps;Shriram Oka等;《Automation in Construction》;20120331;第22卷;第192-202页 *
基于用户交互的光栅图像局部矢量化方法;李文庆等;《杭州电子科技大学学报》;20111231;第31卷(第6期);第91-94页 *
基于矢量化的雷达图像研究;李雪超;《中国优秀硕士学位论文全文数据库 信息科技辑》;20171115(第11期);第I136-703页 *

Also Published As

Publication number Publication date
CN109801242A (zh) 2019-05-24

Similar Documents

Publication Publication Date Title
CN109801242B (zh) 一种基于改进漫水填充算法的栅格图像矢量化方法
CN109459119B (zh) 一种体重测量方法、设备和计算机可读存储介质
JP5360989B2 (ja) 地理情報生成システム及び地理情報生成方法
CN104574421B (zh) 一种大幅面小重合区域高精度多光谱图像配准方法及装置
CN107153822A (zh) 一种基于深度学习的半自动图像精标注方法
US20160189359A1 (en) Sampling method and image processing apparatus of cs-ransac for estimating homography
Han et al. Global high-resolution soil profile database for crop modeling applications
CN105068918A (zh) 一种页面测试方法及装置
CN114463623A (zh) 一种基于多尺度遥感影像的耕地变化检测方法及装置
CN112818989A (zh) 一种基于梯度幅值随机采样的图像匹配方法
CN111145205B (zh) 基于红外图像的多猪只场景下猪体温检测方法
CN115761486A (zh) 一种基于多期稻田影像特征的水稻种植区判定方法和系统
CN103065311A (zh) 基于基准影像库的卫星影像自动配准方法
CN113643365A (zh) 一种相机位姿估计方法、装置、设备以及可读存储介质
CN110889374A (zh) 印章图像处理方法、装置、计算机及存储介质
Burgstaller et al. The green toad example: a comparison of pattern recognition software.
Femat-Diaz et al. Scanner image methodology (SIM) to measure dimensions of leaves for agronomical applications
CN114255352A (zh) 一种河道提取方法、装置及计算机可读存储介质
CN112949617B (zh) 农村道路类型识别方法、系统、终端设备及可读存储介质
CN107194888B (zh) 一种扫描地形图全自动校正方法
CN111914046A (zh) 标的坐落图的生成方法、装置及计算机设备
CN117253205A (zh) 一种基于移动测量系统的道路面点云快速提取方法
CN115035417A (zh) 一种基于Sentinel-2卫星影像的海草分布图生成方法
CN110689586A (zh) 中医智能舌诊中的舌像识别方法和用于该方法的便携式校正色卡
CN114463534A (zh) 一种目标关键点检测方法、装置、设备及存储介质

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