CN110264459A - 一种土壤裂缝特征信息提取方法 - Google Patents
一种土壤裂缝特征信息提取方法 Download PDFInfo
- Publication number
- CN110264459A CN110264459A CN201910547775.3A CN201910547775A CN110264459A CN 110264459 A CN110264459 A CN 110264459A CN 201910547775 A CN201910547775 A CN 201910547775A CN 110264459 A CN110264459 A CN 110264459A
- Authority
- CN
- China
- Prior art keywords
- image
- soil
- interstices
- pixel
- gray
- 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
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20164—Salient point detection; Corner detection
Abstract
本发明公开了一种土壤裂缝特征信息提取方法,包括以下步骤:S1,拍摄土壤裂缝图像;S2,土壤裂缝图像增强处理;S3,土壤裂缝图像分割;S4,二值图像的形态学处理;S5,土壤裂缝特征信息提取。本发明采用数字图像处理技术提取土壤裂缝特征信息,该方法较传统方法具有图像采集简便、精确高、处理内容丰富、灵活度高、无随机误差及计算效率高等优点。
Description
技术领域
本发明涉及土壤裂缝特征信息提取技术领域,尤其涉及一种土壤裂缝特征信息提取方法。
背景技术
传统的土壤裂缝测量方法有塞尺法、裂缝显微镜法和电子显微镜法等,这些方法有许多不足,例如测量精度低、测量结果包含随机误差或仪器价格较高等,难以普及。
随着计算机高性能处理器的快速发展,使数字图像处理技术受到了广泛的重视与应用。数字图像处理(Digital Image Processing)是通过计算机对数字图像信息进行加工处理和分析的方法和技术。其主要目的和技术包括对图像进行增强以改善图像视觉质量、对退化图像进行恢复以消除各种干扰的影响、对图像进行编码以减少表达图像的数据量从而有利于存储和传输、对图像进行分割以提取感兴趣的目标特征等等
本设计结合数字图像处理技术解决传统测量方法的不足。
发明内容
基于背景技术存在的技术问题,本发明提出了一种土壤裂缝特征信息提取方法。
本发明提出的一种土壤裂缝特征信息提取方法,包括以下步骤:
S1,拍摄土壤裂缝图像:采用高清数码相机拍摄土壤裂缝照片,采用原始图像作为输入文件,输入进MATLAB软件中,进行图像处理;
S2,土壤裂缝图像增强处理:采用空域方法对土壤裂缝图像进行增强处理,改善图像质量,提高机器对图像的理解和分析准确率;
a,土壤灰度化及其矫正:对真彩色图像进行灰度化处理,图像灰度化以明度作为依据,按照一定比例混合R、G、B三个颜色分量,得到256级灰度图像,采用分段线性灰度变换的方法校正灰度图像,记原始图像某一像素点灰度级为G,变化范围为a-b,经过灰度变换后的灰度级为G′,变化范围为a′-b′,其中,a和a′为目标信息和背景信息的阈值分割点,可通过最大类间方差法计算得出;b和b′为灰度图像的最大灰度值,分段线性灰度变换的数学表达式如公式:所示,进而获得噪声更少的二值化图像;
b,图像平滑:进一步去除与目标信号交织一起的噪声,保持图像细节清晰的同时平滑掉噪声,采用MATLAB工具箱内fspecial函数中的中值滤波平滑图像;
S3,土壤裂缝图像分割:先通过阈值分割将土壤裂缝灰度图像转化为二值图像,再基于边缘分割提取裂缝轮廓;
a,基于阈值分割图像:将像素点的灰度值按照一个合适的阈值T划分为两部分,大于T的像素点组成背景,低于T的部分构成目标信息,将两个部分分别取值为0黑色和1白色,形成二值化图像,采用OSTU法作为最佳阈值的选取方法;
b,基于边缘分割图像:以二值图像的像素值作为区分边界的差异条件,调用MATLAB图像处理工具箱提供的edge函数,选用Sobel算子进行边缘检测,提取出的边界用以计算土壤裂缝周长,再使用MATLAB函数bwmorph中的skel操作来实现土壤裂缝骨架提取,提取骨架过程中产生的枝丫和毛刺调用bwmorph函数中的spur操作滤除;
S4,二值图像的形态学处理:应用MATLAB工具箱中的imdilate和imerode函数可十分便捷的进行膨胀和腐蚀的运算,选用半径为1的圆盘型结构元素对二值化图像进行形态学变换操作,先进行一次先闭后开的运算,再进行三次膨胀运算,最后对应再进行三次腐蚀运算,滤除所有噪声,对于一些较大面积的孤立团块,使用MATLAB中的bwareaopen函数去除;
S5,土壤裂缝特征信息提取:
a,土壤裂缝长度、周长和面积计算:先采用盛土容器的边长作为参照物,建立由像素到长度单位的转化标准,计算出图像中单位像素点的边长,其次根据裂缝周长选择二值图像,最后将单位像素点的边长代入统计的像素点个数中,求得目标特征信息,采用表达式为:
b,基于Harris角点检测算法统计土壤裂缝角点个数:究基于土壤裂缝的二值图像使用Harris算法对其进行角点检测,Harris角点检测算法是通过建立一个窗口在一个像素点领域任意方向移动,若窗口内区域的亮度发生较大变化则认为在窗口内遇到了角点,对于图像I(x,y),当在像素点(x,y)处使窗口发生一个微小位移(u,v)后的亮度变化E(u,v)为:
E(u,v)=∑x,yw(x,y)[I(x+u,y+v)-I(x,y)]2
根据泰勒展开,对图像I(x,y)在平移(u,v)后进行一阶近似:
I(x+u,y+v)≈I(x,y)+Ixu+Iyv+O(u2,v2)
式中,Ix、Iy是图像I(x,y)的偏导数,再将其代入上一公式中,
令:则近似为一个二次顶函数:
二次顶函数的扁率和尺寸是由M的特征值λ1、λ2决定的,Harris角点检测算法中通过构建一个角点响应值R来判断角点,R与特征值之间的关系为:R=λ1λ2-k(λ1+λ2)2,
又有:式中,detM为矩阵M的行列式:traceM为矩阵M的迹,因此,角点响应值R可转化为:R=detM-k(traceM)2,其中,k为经验参数,取值范围为0.04-0.06,当角点响应值R大于某个阈值T并且大于8领域范围内其它像素点的R值,即可判断为角点。
优选地,混合比例公式为:Gray=R*0.299+G*0.587+B*0.114,式中,Gray表示灰度值,在灰度图像中,像素点的每一个分量都是用8位元bit来表示,因此,三个分量可组成从黑色到白色共256个灰度等级。
优选地,开、闭运算实际上是膨胀和腐蚀运算的组合:先腐蚀后膨胀称为开运算,先膨胀后腐蚀则为闭运算,闭运算的物理结果是平滑目标对象轮廓,连通狭窄缺口形成细长的弯口,并填充小于结构元素的孔洞,开运算的物理结果也会平滑对象轮廓,但与闭运算不同的是它删除了不包含结构元素的对象区域,断开狭窄的连接,并去掉了细小的突出部分。
优选地,bi为二值图像中一个由k个像素组成的已知长度为Bcm的物体中的第i个像素点的边长,由于二值图像中的像素点大小相等,b1=bn:n为待求特征类型的总像素点个数,L和S分别表示长度cm和面积cm2。
本发明采用数字图像处理技术提取土壤裂缝特征信息,该方法较传统方法具有图像采集简便、精确高、处理内容丰富、灵活度高、无随机误差及计算效率高等优点。
附图说明
图1为土壤裂缝特征信息提取算法流程图;
图2为灰度矫正结果比较图;
图3为不同阈值条件下的二值化图;
图4为不同边缘检测算子对土壤裂缝轮廓提取效果比较图;
图5为土壤裂缝图像骨架提取效果图;
图6为经增强处理后的二值图像的三种噪声类型图;
图7为运用形态学运算修复图;
图8为基于Harris角点检测算法提取土壤裂缝交叉点和端点的算法流程图。
具体实施方式
下面结合具体实施例对本发明作进一步解说。
本发明提出的一种土壤裂缝特征信息提取方法,包括以下步骤:
S1,拍摄土壤裂缝图像:采用高清数码相机拍摄土壤裂缝照片,采用原始图像作为输入文件,输入进MATLAB软件中,进行图像处理;
S2,土壤裂缝图像增强处理:采用空域方法对土壤裂缝图像进行增强处理,改善图像质量,提高机器对图像的理解和分析准确率,空域方法通过对图像进行傅里叶变换后在频域上间接进行的;
a,土壤灰度化及其矫正:对真彩色图像进行灰度化处理,图像灰度化以明度作为依据,按照一定比例混合R、G、B三个颜色分量,得到256级灰度图像,混合比例公式为:Gray=R*0.299+G*0.587+B*0.114,式中,Gray表示灰度值,在灰度图像中,像素点的每一个分量都是用8位元bit来表示,因此,三个分量可组成从黑色到白色共256个灰度等级;
采用分段线性灰度变换的方法校正灰度图像,记原始图像某一像素点灰度级为G,变化范围为a-b,经过灰度变换后的灰度级为G′,变化范围为a′-b′,其中,a和a′为目标信息和背景信息的阈值分割点,可通过最大类间方差法计算得出;b和b′为灰度图像的最大灰度值,分段线性灰度变换的数学表达式如公式:
所示,进而获得噪声更少的二值化图像;分段线性灰度变换前后的灰度图、直方图及二值图如图2所示,结合直方图灰度值的变化范围图2b,e对比灰度图图2a,d看出灰度变换后的图像总体灰度值更高,背景的灰度值分布范围变窄而裂缝灰度值的分布范围更广,使得背景亮度分布更加均匀且与裂缝的对比度明显增加。
b,图像平滑:进一步去除与目标信号交织一起的噪声,保持图像细节清晰的同时平滑掉噪声,MATLAB工具箱中的fspecial函数包含了多个滤波算子,如:均值滤波、圆形区域均值滤波、高斯低通滤波以及中值滤波,经过多次图像处理实验发现,均值滤波减少噪声是以牺牲图像清晰度为代价的,图像越模糊,噪声减少的就越明显,但同时造成一些细小裂缝的丢失;中值滤波是一种非线性平滑技术,它的基本原理是把一个像素点的灰度值用该点一个领域里各点值的中值来代替,让周围像素的灰度值更加接近真实值,从而消除孤立的噪声点,中值滤波算法简单,可以在一定程度上滤除噪声且避免图像细节模糊,因此采用MATLAB工具箱内fspecial函数中的中值滤波平滑图像;
S3,土壤裂缝图像分割:先通过阈值分割将土壤裂缝灰度图像转化为二值图像,再基于边缘分割提取裂缝轮廓;
a,基于阈值分割图像:将像素点的灰度值按照一个合适的阈值T划分为两部分,大于T的像素点组成背景,低于T的部分构成目标信息,将两个部分分别取值为0黑色和1白色,形成二值化图像,如图3所示,采用不同的阈值对增强后的图像进行分割,其阈值大小直接影响二值化效果,因此,选用一个能够自适应不同灰度等级的阈值尤为重要,采用OSTU法作为最佳阈值的选取方法,
b,基于边缘分割图像:边缘检测的基本思想是考察图像的每个像素在其领域内的状态,通过求一阶导数极值点或二阶导数过零点来判定该像素是否位于边界上。常用的边缘检测算子有Sobel算子、Roberts算子、Prewitt算子、LoG(Laplacian of Gaussian)算子及Canny算子等,如图4对比了应用不同边缘检测算子提取土壤裂缝轮廓的效果,以二值图像的像素值作为区分边界的差异条件,调用MATLAB图像处理工具箱提供的edge函数,选用Sobel算子进行边缘检测,提取出的边界用以计算土壤裂缝周长,再使用MATLAB函数bwmorph中的skel操作来实现土壤裂缝骨架提取,提取效果如图5所示,提取骨架过程中产生的枝丫和毛刺调用bwmorph函数中的spur操作滤除;
S4,二值图像的形态学处理:应用MATLAB工具箱中的imdilate和imerode函数可十分便捷的进行膨胀和腐蚀的运算,膨胀运算的作用是把图像周围的背景点合并到目标信号中,对于距离较近的两个目标像素,膨胀运算可使其连通在一起,因此,膨胀运算可用来填补孔洞及连接断裂的目标;腐蚀运算的作用是消除小于结构元素的目标边界,可根据待消去的目标大小选取合适大小的结构元素,因此,腐蚀运算适合对图像中一些冗余信息如孤立点团型噪声进行滤除操作。
开、闭运算实际上是膨胀和腐蚀运算的组合:先腐蚀后膨胀称为开运算,先膨胀后腐蚀则为闭运算,闭运算的物理结果是平滑目标对象轮廓,连通狭窄缺口形成细长的弯口,并填充小于结构元素的孔洞,开运算的物理结果也会平滑对象轮廓,但与闭运算不同的是它删除了不包含结构元素的对象区域,断开狭窄的连接,并去掉了细小的突出部分,根据土壤裂缝图像的特征,应选用先闭后开的运算顺序对二值化图像进行填充降噪处理。
选用半径为1的圆盘型结构元素对二值化图像进行形态学变换操作,先进行一次先闭后开的运算,再进行三次膨胀运算,最后对应再进行三次腐蚀运算,得到如图6所示结果,滤除所有噪声,对于一些较大面积的孤立团块,使用MATLAB中的bwareaopen函数去除;
S5,土壤裂缝特征信息提取:
a,土壤裂缝长度、周长和面积计算:先采用盛土容器的边长作为参照物,建立由像素到长度单位的转化标准,计算出图像中单位像素点的边长,其次根据裂缝周长选择二值图像,最后将单位像素点的边长代入统计的像素点个数中,求得目标特征信息,采用表达式为:
bi为二值图像中一个由k个像素组成的已知长度为Bcm的物体中的第i个像素点的边长,由于二值图像中的像素点大小相等,b1=bn:n为待求特征类型的总像素点个数,L和S分别表示长度cm和面积cm2;
b,基于Harris角点检测算法统计土壤裂缝角点个数:究基于土壤裂缝的二值图像使用Harris算法对其进行角点检测,Harris角点检测算法是通过建立一个窗口在一个像素点领域任意方向移动,若窗口内区域的亮度发生较大变化则认为在窗口内遇到了角点,对于图像I(x,y),当在像素点(x,y)处使窗口发生一个微小位移(u,v)后的亮度变化E(u,v)为:
E(u,v)=∑x,yw(x,y)[I(x+u,y+v)-I(x,y)]2
根据泰勒展开,对图像I(x,y)在平移(u,v)后进行一阶近似:
I(x+u,y+v)≈I(x,y)+Ixu+Iyv+O(u2,v2)
式中,Ix、Iy是图像I(x,y)的偏导数,再将其代入上一公式中,
令:则近似为一个二次顶函数:
二次顶函数的扁率和尺寸是由M的特征值λ1、λ2决定的,Harris角点检测算法中通过构建一个角点响应值R来判断角点,R与特征值之间的关系为:R=λ1λ2-k(λ1+λ2)2,
又有:式中,detM为矩阵M的行列式:traceM为矩阵M的迹,因此,角点响应值R可转化为:R=detM-k(traceM)2,其中,k为经验参数,取值范围为0.04—0.06,当角点响应值R大于某个阈值T并且大于8领域范围内其它像素点的R值,即可判断为角点,本例中取k=0.04,T=0.2,Harris能判断像素点是否为角点,若要达到计算相邻角点距离的目的,还需整合角点判断、角点检测与识别、相邻角点识别、距离计算等过程,具体的算法设计流程图见图8所示。
本发明通过对图像处理后的计算结果进行验证以及角点检测结果的可视化对比,可以证明,本研究提出的土壤裂缝特征提取的方法是切实可行的,其计算结果准确可靠,可应用于外界环境因素对土壤裂缝开裂的影响研究,该方法较传统方法具有图像采集简便、精确高、处理内容丰富、灵活度高、无随机误差及计算效率高等优点。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种土壤裂缝特征信息提取方法,其特征在于,包括以下步骤:
S1,拍摄土壤裂缝图像:采用高清数码相机拍摄土壤裂缝照片,采用原始图像作为输入文件,输入进MATLAB软件中,进行图像处理;
S2,土壤裂缝图像增强处理:采用空域方法对土壤裂缝图像进行增强处理,改善图像质量,提高机器对图像的理解和分析准确率;
a,土壤灰度化及其矫正:对真彩色图像进行灰度化处理,图像灰度化以明度作为依据,按照一定比例混合R、G、B三个颜色分量,得到256级灰度图像,采用分段线性灰度变换的方法校正灰度图像,记原始图像某一像素点灰度级为G,变化范围为a-b,经过灰度变换后的灰度级为G′,变化范围为a′-b′,其中,a和a′为目标信息和背景信息的阈值分割点,通过最大类间方差法计算得出,b和b′为灰度图像的最大灰度值,分段线性灰度变换的数学表达式如公式:所示,进而获得噪声更少的二值化图像;
b,图像平滑:进一步去除与目标信号交织一起的噪声,保持图像细节清晰的同时平滑掉噪声,采用MATLAB工具箱内fspecial函数中的中值滤波平滑图像;
S3,土壤裂缝图像分割:先通过阈值分割将土壤裂缝灰度图像转化为二值图像,再基于边缘分割提取裂缝轮廓;
a,基于阈值分割图像:将像素点的灰度值按照一个合适的阈值T划分为两部分,大于T的像素点组成背景,低于T的部分构成目标信息,将两个部分分别取值为0黑色和1白色,形成二值化图像,采用OSTU法作为最佳阈值的选取方法;
b,基于边缘分割图像:以二值图像的像素值作为区分边界的差异条件,调用MATLAB图像处理工具箱提供的edge函数,选用Sobel算子进行边缘检测,提取出的边界用以计算土壤裂缝周长,再使用MATLAB函数bwmorph中的skel操作来实现土壤裂缝骨架提取,提取骨架过程中产生的枝丫和毛刺调用bwmorph函数中的spur操作滤除;
S4,二值图像的形态学处理:应用MATLAB工具箱中的imdilate和imerode函数可十分便捷的进行膨胀和腐蚀的运算,选用半径为1的圆盘型结构元素对二值化图像进行形态学变换操作,先进行一次先闭后开的运算,再进行三次膨胀运算,最后对应再进行三次腐蚀运算,滤除所有噪声,对于一些较大面积的孤立团块,使用MATLAB中的bwareaopen函数去除;
S5,土壤裂缝特征信息提取:
a,土壤裂缝长度、周长和面积计算:先采用盛土容器的边长作为参照物,建立由像素到长度单位的转化标准,计算出图像中单位像素点的边长,其次根据裂缝周长选择二值图像,最后将单位像素点的边长代入统计的像素点个数中,求得目标特征信息,采用表达式为:
b,基于Harris角点检测算法统计土壤裂缝角点个数:究基于土壤裂缝的二值图像使用Harris算法对其进行角点检测,Harris角点检测算法是通过建立一个窗口在一个像素点领域任意方向移动,若窗口内区域的亮度发生较大变化则认为在窗口内遇到了角点,对于图像I(x,y),当在像素点(x,y)处使窗口发生一个微小位移(u,v)后的亮度变化E(u,v)为:
E(u,v)=∑x,yw(x,y)[I(x+u,y+v)-I(x,y)l2
根据泰勒展开,对图像I(x,y)在平移(u,v)后进行一阶近似:
I(x+u,y+v)≈I(x,y)+Ixu+Iyv+O(u2,v2)
式中,Ix、Iy是图像I(x,y)的偏导数,再将其代入上一公式中,
令:则近似为一个二次顶函数:
二次顶函数的扁率和尺寸是由M的特征值λ1、λ2决定的,Harris角点检测算法中通过构建一个角点响应值R来判断角点,R与特征值之间的关系为:R=λ1λ2-k(λ1+λ2)2
detM=λ1λ2
又有:traceM=λ1+λ2,式中,detM为矩阵M的行列式:traceM为矩阵M的迹,因此,角点响应值R可转化为:R=detM-k(traceM)2,其中,k为经验参数,取值范围为0.04-0.06,当角点响应值R大于某个阈值T并且大于8领域范围内其它像素点的R值,即可判断为角点。
2.根据权利要求1所述的一种土壤裂缝特征信息提取方法,其特征在于,所述S2中的混合比例公式为:Gray=R*0.299+G*0.587+B*0.114,式中,Gray表示灰度值,在灰度图像中,像素点的每一个分量都是用8位元bit来表示,因此,三个分量可组成从黑色到白色共256个灰度等级。
3.根据权利要求1所述的一种土壤裂缝特征信息提取方法,其特征在于,所述S4中的开、闭运算实际上是膨胀和腐蚀运算的组合:先腐蚀后膨胀称为开运算,先膨胀后腐蚀则为闭运算,闭运算的物理结果是平滑目标对象轮廓,连通狭窄缺口形成细长的弯口,并填充小于结构元素的孔洞,开运算的物理结果也会平滑对象轮廓,但与闭运算不同的是它删除了不包含结构元素的对象区域,断开狭窄的连接,并去掉了细小的突出部分。
4.根据权利要求1所述的一种土壤裂缝特征信息提取方法,其特征在于,所述S5式中,bi为二值图像中一个由k个像素组成的已知长度为Bcm的物体中的第i个像素点的边长,由于二值图像中的像素点大小相等,b1=bn:n为待求特征类型的总像素点个数,L和S分别表示长度cm和面积cm2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910547775.3A CN110264459A (zh) | 2019-06-24 | 2019-06-24 | 一种土壤裂缝特征信息提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910547775.3A CN110264459A (zh) | 2019-06-24 | 2019-06-24 | 一种土壤裂缝特征信息提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110264459A true CN110264459A (zh) | 2019-09-20 |
Family
ID=67920652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910547775.3A Pending CN110264459A (zh) | 2019-06-24 | 2019-06-24 | 一种土壤裂缝特征信息提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110264459A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110930407A (zh) * | 2020-02-07 | 2020-03-27 | 西南交通大学 | 一种基于图像处理的悬浮间隙视觉检测方法 |
CN111310558A (zh) * | 2019-12-28 | 2020-06-19 | 北京工业大学 | 一种基于深度学习和图像处理法的路面病害智能提取方法 |
CN111474100A (zh) * | 2020-04-26 | 2020-07-31 | 长江大学 | 一种土壤空隙原位监测方法及装置 |
CN112014411A (zh) * | 2020-08-05 | 2020-12-01 | 中国人民解放军空军工程大学 | 一种土样抗裂性能的研究方法 |
CN112200824A (zh) * | 2020-09-30 | 2021-01-08 | 山东省交通科学研究院 | 一种准确计算裂缝图像中单个像素实际宽度的方法 |
CN112419250A (zh) * | 2020-11-13 | 2021-02-26 | 湖北工业大学 | 路面裂缝数字图像提取、裂缝修补及裂缝参数计算方法 |
CN112581433A (zh) * | 2020-12-07 | 2021-03-30 | 上海大学 | 热障涂层裂纹的几何信息提取方法 |
CN112587036A (zh) * | 2020-12-10 | 2021-04-02 | 苏州阿甘机器人有限公司 | 一种基于机器视觉的无人扫地机及其工作方法 |
CN112613531A (zh) * | 2020-11-25 | 2021-04-06 | 国网四川省电力公司阿坝供电公司 | 一种基于图像处理的土壤、岩石分类方法和装置 |
CN112699883A (zh) * | 2021-01-12 | 2021-04-23 | 首钢京唐钢铁联合有限责任公司 | 板材喷码的识别方法及识别系统 |
CN112718552A (zh) * | 2020-12-11 | 2021-04-30 | 江苏烨明光电有限公司 | 一种用于led电路板质量缺陷自动检验装置及其工作方法 |
WO2021098163A1 (zh) * | 2019-11-18 | 2021-05-27 | 南京莱斯电子设备有限公司 | 一种基于角点的空中目标探测方法 |
CN113392924A (zh) * | 2021-06-29 | 2021-09-14 | 中海油田服务股份有限公司 | 声电成像测井图的识别方法及相关设备 |
CN113468742A (zh) * | 2021-06-30 | 2021-10-01 | 广州大学 | 一种基于机器视觉的土壤环境精准监控设备及方法 |
CN113850800A (zh) * | 2021-10-15 | 2021-12-28 | 郑州磨料磨具磨削研究所有限公司 | 一种硬脆材料划切缝崩边检测方法 |
CN115115627A (zh) * | 2022-08-29 | 2022-09-27 | 山东省科霖检测有限公司 | 基于数据处理的土壤盐碱地监测方法 |
CN115684272A (zh) * | 2023-01-03 | 2023-02-03 | 广州市市政工程试验检测有限公司 | 一种基于红外摄像机的钢结构裂纹检测方法 |
CN116342635A (zh) * | 2023-05-26 | 2023-06-27 | 山东省地质矿产勘查开发局第一地质大队(山东省第一地质矿产勘查院) | 一种地质测绘中裂缝轮廓提取方法 |
CN116703920A (zh) * | 2023-08-07 | 2023-09-05 | 济宁市华祥石墨制品有限公司 | 基于图像处理的石墨保温桶裂纹检测方法 |
CN117291945A (zh) * | 2023-11-24 | 2023-12-26 | 山东省济宁生态环境监测中心(山东省南四湖东平湖流域生态环境监测中心) | 基于图像数据的土壤腐蚀污染检测预警方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106546521A (zh) * | 2016-10-12 | 2017-03-29 | 北京师范大学 | 一种基于ct扫描技术量化土壤大孔隙空间网络结构的方法 |
CN108398368A (zh) * | 2018-02-23 | 2018-08-14 | 长江水利委员会长江科学院 | 一种提取土壤表面裂隙孔隙的装置及方法 |
CN108765370A (zh) * | 2018-04-24 | 2018-11-06 | 汕头大学 | 一种基于Python语言的定量不饱和土壤中裂纹数量的方法 |
-
2019
- 2019-06-24 CN CN201910547775.3A patent/CN110264459A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106546521A (zh) * | 2016-10-12 | 2017-03-29 | 北京师范大学 | 一种基于ct扫描技术量化土壤大孔隙空间网络结构的方法 |
CN108398368A (zh) * | 2018-02-23 | 2018-08-14 | 长江水利委员会长江科学院 | 一种提取土壤表面裂隙孔隙的装置及方法 |
CN108765370A (zh) * | 2018-04-24 | 2018-11-06 | 汕头大学 | 一种基于Python语言的定量不饱和土壤中裂纹数量的方法 |
Non-Patent Citations (1)
Title |
---|
魏翠兰: "《砂姜黑土收缩开裂特征及生物质炭改良效应》", 《中国博士学位论文全文数据库农业科技辑》 * |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021098163A1 (zh) * | 2019-11-18 | 2021-05-27 | 南京莱斯电子设备有限公司 | 一种基于角点的空中目标探测方法 |
CN111310558A (zh) * | 2019-12-28 | 2020-06-19 | 北京工业大学 | 一种基于深度学习和图像处理法的路面病害智能提取方法 |
CN111310558B (zh) * | 2019-12-28 | 2023-11-21 | 北京工业大学 | 一种基于深度学习和图像处理法的路面病害智能提取方法 |
CN110930407A (zh) * | 2020-02-07 | 2020-03-27 | 西南交通大学 | 一种基于图像处理的悬浮间隙视觉检测方法 |
CN111474100A (zh) * | 2020-04-26 | 2020-07-31 | 长江大学 | 一种土壤空隙原位监测方法及装置 |
CN112014411A (zh) * | 2020-08-05 | 2020-12-01 | 中国人民解放军空军工程大学 | 一种土样抗裂性能的研究方法 |
CN112200824A (zh) * | 2020-09-30 | 2021-01-08 | 山东省交通科学研究院 | 一种准确计算裂缝图像中单个像素实际宽度的方法 |
CN112419250A (zh) * | 2020-11-13 | 2021-02-26 | 湖北工业大学 | 路面裂缝数字图像提取、裂缝修补及裂缝参数计算方法 |
CN112419250B (zh) * | 2020-11-13 | 2023-06-16 | 湖北工业大学 | 路面裂缝数字图像提取、裂缝修补及裂缝参数计算方法 |
CN112613531A (zh) * | 2020-11-25 | 2021-04-06 | 国网四川省电力公司阿坝供电公司 | 一种基于图像处理的土壤、岩石分类方法和装置 |
CN112613531B (zh) * | 2020-11-25 | 2023-12-12 | 国网四川省电力公司阿坝供电公司 | 一种基于图像处理的土壤、岩石分类方法和装置 |
CN112581433A (zh) * | 2020-12-07 | 2021-03-30 | 上海大学 | 热障涂层裂纹的几何信息提取方法 |
CN112587036A (zh) * | 2020-12-10 | 2021-04-02 | 苏州阿甘机器人有限公司 | 一种基于机器视觉的无人扫地机及其工作方法 |
CN112718552A (zh) * | 2020-12-11 | 2021-04-30 | 江苏烨明光电有限公司 | 一种用于led电路板质量缺陷自动检验装置及其工作方法 |
CN112699883A (zh) * | 2021-01-12 | 2021-04-23 | 首钢京唐钢铁联合有限责任公司 | 板材喷码的识别方法及识别系统 |
CN112699883B (zh) * | 2021-01-12 | 2023-05-16 | 首钢京唐钢铁联合有限责任公司 | 板材喷码的识别方法及识别系统 |
CN113392924A (zh) * | 2021-06-29 | 2021-09-14 | 中海油田服务股份有限公司 | 声电成像测井图的识别方法及相关设备 |
CN113468742A (zh) * | 2021-06-30 | 2021-10-01 | 广州大学 | 一种基于机器视觉的土壤环境精准监控设备及方法 |
CN113468742B (zh) * | 2021-06-30 | 2023-08-29 | 广州大学 | 一种基于机器视觉的土壤环境精准监控设备及方法 |
CN113850800A (zh) * | 2021-10-15 | 2021-12-28 | 郑州磨料磨具磨削研究所有限公司 | 一种硬脆材料划切缝崩边检测方法 |
CN115115627B (zh) * | 2022-08-29 | 2022-11-15 | 山东省科霖检测有限公司 | 基于数据处理的土壤盐碱地监测方法 |
CN115115627A (zh) * | 2022-08-29 | 2022-09-27 | 山东省科霖检测有限公司 | 基于数据处理的土壤盐碱地监测方法 |
CN115684272A (zh) * | 2023-01-03 | 2023-02-03 | 广州市市政工程试验检测有限公司 | 一种基于红外摄像机的钢结构裂纹检测方法 |
CN116342635A (zh) * | 2023-05-26 | 2023-06-27 | 山东省地质矿产勘查开发局第一地质大队(山东省第一地质矿产勘查院) | 一种地质测绘中裂缝轮廓提取方法 |
CN116342635B (zh) * | 2023-05-26 | 2023-08-08 | 山东省地质矿产勘查开发局第一地质大队(山东省第一地质矿产勘查院) | 一种地质测绘中裂缝轮廓提取方法 |
CN116703920A (zh) * | 2023-08-07 | 2023-09-05 | 济宁市华祥石墨制品有限公司 | 基于图像处理的石墨保温桶裂纹检测方法 |
CN116703920B (zh) * | 2023-08-07 | 2023-10-20 | 济宁市华祥石墨制品有限公司 | 基于图像处理的石墨保温桶裂纹检测方法 |
CN117291945A (zh) * | 2023-11-24 | 2023-12-26 | 山东省济宁生态环境监测中心(山东省南四湖东平湖流域生态环境监测中心) | 基于图像数据的土壤腐蚀污染检测预警方法 |
CN117291945B (zh) * | 2023-11-24 | 2024-02-13 | 山东省济宁生态环境监测中心(山东省南四湖东平湖流域生态环境监测中心) | 基于图像数据的土壤腐蚀污染检测预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110264459A (zh) | 一种土壤裂缝特征信息提取方法 | |
CN111145161B (zh) | 一种路面裂缝数字图像处理和识别的方法 | |
CN107808378B (zh) | 基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法 | |
CN107845087B (zh) | 液晶面板亮度不均匀缺陷的检测方法和系统 | |
CN112419250A (zh) | 路面裂缝数字图像提取、裂缝修补及裂缝参数计算方法 | |
CN108038883B (zh) | 一种应用于公路路面视频图像的裂缝检测及识别方法 | |
CN102883175B (zh) | 深度图提取、判断视频场景切换及深度图边缘优化方法 | |
CN110648349A (zh) | 基于背景减除和连通区域算法的焊缝缺陷分割方法 | |
CN108280823A (zh) | 一种工业生产中光缆表面弱边缘瑕疵的检测方法及系统 | |
CN106682665B (zh) | 一种基于计算机视觉的七段式数显仪表数字识别方法 | |
CN109242870A (zh) | 一种基于图像划分和纹理特征的海天线检测方法 | |
CN109544464A (zh) | 一种基于轮廓提取的火灾视频图像分析方法 | |
CN103325118A (zh) | 一种获取碳酸盐岩岩心孔洞特征参数的方法及装置 | |
CN104574328A (zh) | 一种基于直方图分割的彩色图像增强方法 | |
CN109410205B (zh) | 一种复杂路面背景下的裂缝提取方法 | |
CN110596120A (zh) | 玻璃边界缺陷检测方法、装置、终端及存储介质 | |
CN109961416B (zh) | 一种基于形态学梯度多尺度融合的营业执照信息提取方法 | |
CN111091548B (zh) | 基于深度学习的铁路货车承载鞍错位故障图像识别方法及系统 | |
CN115170669A (zh) | 基于边缘特征点集配准的识别定位方法及系统、存储介质 | |
KR20200080966A (ko) | 다초점 이미지 융합 방법 | |
CN115797473B (zh) | 一种土建工程用混凝土成型评估方法 | |
CN111060442A (zh) | 一种基于图像处理的油液颗粒检测方法 | |
CN104574381A (zh) | 一种基于局部二值模式的全参考图像质量评价方法 | |
CN117094914B (zh) | 基于计算机视觉的智慧城市道路监控系统 | |
CN113592782A (zh) | 一种复合材料碳纤维芯棒x射线图像缺陷提取方法及系统 |
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: 20190920 |