CN110335246A - 一种证照图片清晰度评价方法 - Google Patents
一种证照图片清晰度评价方法 Download PDFInfo
- Publication number
- CN110335246A CN110335246A CN201910459125.3A CN201910459125A CN110335246A CN 110335246 A CN110335246 A CN 110335246A CN 201910459125 A CN201910459125 A CN 201910459125A CN 110335246 A CN110335246 A CN 110335246A
- Authority
- CN
- China
- Prior art keywords
- picture
- pixel
- gradient
- license
- clarity
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 41
- 238000001914 filtration Methods 0.000 claims abstract description 23
- 230000002146 bilateral effect Effects 0.000 claims abstract description 17
- 230000008859 change Effects 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000003708 edge detection Methods 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000010230 functional analysis Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 8
- 238000000605 extraction Methods 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 4
- 238000012913 prioritisation Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 3
- 235000013361 beverage Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000011449 brick Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000004570 mortar (masonry) Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/13—Edge detection
-
- 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
- G06T2207/20028—Bilateral filtering
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种证照图片清晰度评价方法，包括步骤：获取原始证照图片；对原始证照图片进行双边滤波处理，获得证照图片的灰度图；对灰度图进行基于梯度的边缘检测，获得梯度图；根据度量像素周围灰度变化矩阵获得隐梯度函数，基于隐梯度函数分析梯度图中每个像素周围灰度的连续变化情况；取分析结果的全局平均值，作为图片清晰度的评价值；对评价值进行标准化处理，得到图片清晰度评分。本发明能够有效对证照图片文字区域的清晰度进行评价；能够直接且有效的判断出证照图片的清晰度，不需要对模糊证照图片进行文字信息提取，尤其在流式处理环境下大大提高整个系统的效率；不仅评价效果好，而且计算量低，节约了大量时间和运行成本。
Description
技术领域
本发明属于图片处理技术领域，特别是涉及一种证照图片清晰度评价方法。
背景技术
网络餐饮平台上的餐饮店不仅有实体店，而且有饿了么、美团等网络外卖平台的加盟店，从事外卖业务。根据国家工商行政管理总局《网络交易管理办法》、国家食品药品监督管理总局《网络餐饮服务食品安全监督管理办法》的相关规定，网络餐饮服务提供者应当在餐饮经营活动主页面公示营业执照、食品经营许可证等信息。
对网络平台商家的其中一项监管是证照上传是否合规，上传模糊证照的商家存在潜在的风险。商家上传的证照存在较多不清晰的证照图片，需要识别出模糊证照。现有的图片清晰度评价方法都是基于图片整体判断是否清晰，对图片整体进行清晰度评价，如判断移动、对焦造成的模糊，采用的方式多是通过对比多张图片的清晰度，在某一维度上分别计算每张图片的清晰度参数。证照图片含有较多的文字区域，现有方法无法有效评价证照图片中文字区域的清晰度，评价效果差。如果把所有证照图片先放入文字提取系统再判断清晰度会大大增加计算量，时间成本较高，因此我们需要在提取证照图片文字信息之前判断证照图片的清晰度。
发明内容
为了解决上述问题，本发明提出了一种证照图片清晰度评价方法，能够有效评价证照图片文字区域的清晰度；能够直接且有效的判断证照图片的清晰度，不需要对模糊证照图片进行文字信息提取，尤其在流式处理环境下大大提高整个系统的效率；本发明提出的方法不仅评价效果好，而且计算量低，节约了大量时间和运行成本。
为达到上述目的，本发明采用的技术方案是一种证照图片清晰度评价方法，包括步骤：
S100,获取原始证照图片；
S200,对原始证照图片进行双边滤波处理，滤除脉冲噪声，实现边缘保持，减小相邻像素灰度值的波动，获得证照图片灰度图；
S300,对灰度图进行基于梯度的边缘检测，获得梯度图；
S400,根据度量像素周围灰度变化矩阵获得隐梯度函数，基于隐梯度函数分析梯度图中每个像素周围灰度的连续变化情况；
S500,取分析结果的全局平均值，作为图片清晰度的评价值；
S600,标准化处理所述评价值，得到图片清晰度评分。
进一步的是，在所述步骤S200中，利用双边滤波器对原始证照图片进行双边滤波处理，边缘保持滤波可以滤除脉冲噪声，从而减小相邻像素灰度值的较大波动，实现保持边缘、降噪平滑的效果；
所述双边滤波处理采用加权平均方法，利用基于高斯分布的加权平均处理原始证照图片中像素点周边像素的亮度值，将加权平均值作为该像素点的强度；
加权平均处理的计算权重包括欧氏距离和像素范围域中的辐射差异。
进一步的是，在步骤S200，通过所述双边滤波处理获得证照图片灰度图的过程为：
S201,双边滤波处理后的图片的计算公式为：
其中，Ifiltered为滤波后图片，I为输入的原始证照图片，x为像素点，Ω是以像素点x为中心点的区域，fr和gs分别为范围核和空间核，Wp为权重；
S202,根据像素点(i,j)和它的邻接点(k,l)，计算权重Wp为：
其中，σd和σr为光滑参数；
S203,根据所获取的权重，对滤波后图片Ifiltered进行标准化处理：
作为证照图片灰度图。
进一步的是，为提高证照图片文字区域的识别能力，在所述步骤S300中,对灰度图进行基于梯度的边缘检测时，使用sobel算子与灰度图进行卷积处理；
所述sobel算子
x方向和y方向的参数为：
利用sobel算子G，根据所述灰度图每个像素横向及纵向的梯度近似值来计算每个像素梯度的大小，获得梯度图。
进一步的是，所述步骤S400中，根据度量像素周围灰度变化矩阵获得隐梯度函数，分析梯度图中每个像素周围灰度的连续变化情况，包括步骤：
S401，建立度量像素周围灰度变化的矩阵α；
S402，对于图片I的像素点i，根据隐梯度函数，得到图片M为：
其中，为α的所有路径p，为路径条数，Sign为指示函数，τ为限制阈值，φ为隐梯度函数；基于字符像素的灰度值是连续变化的，保留变化小的路径，收集更多表示字符的像素路径特征；
S403，根据O＝I∩M，经过α取梯度最大的梯度值，得到图片N，图片N具有每个像素周围灰度的连续变化情况；
对于图片O的像素点i：
其中，为i在α下的所有路径，S为计算一条路径上梯度和的函数。
进一步的是，计算图片N中所有像素周围灰度连续变化情况的全局平均值，作为图片清晰度的评价值，评价值越小则图片越模糊。
进一步的是，所述标准化处理，通过比值换算将评价值标准化到0-100，得到图片清晰度评分。
采用本技术方案的有益效果：
本发明能够有效判断证照文字区域的清晰度，利用双边滤波处理可以在保持图片边缘的同时实现图片降噪平滑的效果，利用图片梯度提取图片边缘，并根据度量像素周围灰度变化矩阵获得隐梯度函数，分析梯度图中每个像素周围灰度的连续变化情况；从而能够直接且有效的判断出证照图片的清晰度，不需要对模糊证照图片进行文字信息提取，尤其在流式处理环境下大大提高整个系统的效率。
本发明建立隐梯度函数进行图片清晰度判断，能够根据图片中文字区域的清晰度评价整张图片；能够有效评价证照图片文字区域的清晰度，不仅评价效果好，而且计算量低，节约了大量时间和运行成本。
附图说明
图1为本发明的一种证照图片清晰度评价方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步阐述。
在本实施例中，参见图1所示，本发明提出了一种证照图片清晰度评价方法，包括步骤：
S100,获取原始证照图片；
S200,对原始证照图片进行双边滤波处理，滤除脉冲噪声，实现边缘保持，减小相邻像素灰度值的波动，获得证照图片灰度图；
S300,对灰度图进行基于梯度的边缘检测，获得梯度图；
S400,根据度量像素周围灰度变化矩阵获得隐梯度函数，基于隐梯度函数分析梯度图中每个像素周围灰度的连续变化情况；
S500,取分析结果的全局平均值，作为图片清晰度的评价值；
S600,标准化处理所述评价值，得到图片清晰度评分。
作为上述实施例的优化方案，在所述步骤S200中，利用双边滤波器对原始证照图片进行双边滤波处理，边缘保持滤波可以滤除脉冲噪声，从而减小相邻像素灰度值的较大波动，实现保持边缘、降噪平滑的效果；
所述双边滤波处理采用加权平均方法，用基于高斯分布的加权平均处理原始证照图片中像素点周边像素亮度值后的值作为该像素点的强度；
加权平均处理的计算权重包括欧氏距离和像素范围域中的辐射差异。
在步骤S200，通过所述双边滤波处理获得证照图片灰度图的过程为：
S201,双边滤波处理后的图片的计算公式为：
其中，Ifiltered为滤波后图片，I为输入的原始证照图片，x为像素点，Ω是以像素点x为中心点的区域，fr和gs分别为范围核和空间核，Wp为权重；
S202,根据像素点(i,j)和它的邻接点(k,l)，计算权重Wp为：
其中，σd和σr为光滑参数；
S203,根据所获取的权重，对滤波后图片Ifiltered进行标准化处理：
作为证照图片灰度图。
作为上述实施例的优化方案，为提高证照图片文字区域的识别能力，在所述步骤S300中,对灰度图进行基于梯度的边缘检测时，使用sobel算子与灰度图进行卷积处理；
所述sobel算子
x方向和y方向的参数为：
利用sobel算子G，根据所述灰度图每个像素横向及纵向的梯度近似值来计算每个像素梯度的大小，获得梯度图。
作为上述实施例的优化方案，所述步骤S400中，根据度量像素周围灰度变化矩阵获得隐梯度函数，分析梯度图中每个像素周围灰度的连续变化情况，包括步骤：
S401，建立度量像素周围灰度变化的矩阵α；
当内核长度为5时：
由中心像素点x22到α的各边缘一共18条路径p。
S402，对于图片I的像素点i，根据隐梯度函数，得到图片M为：
其中，为α的所有路径p，为路径条数，Sign为指示函数，τ为限制阈值，φ为隐梯度函数；基于字符像素的灰度值是连续变化的，保留变化小的路径，收集更多表示字符的像素路径特征；
S403，根据O＝I∩M，经过α取梯度最大的梯度值，得到图片N，图片N具有每个像素周围灰度的连续变化情况；
对于图片O的像素点i：
其中，为i在α下的所有路径，S为计算一条路径上梯度和的函数。
计算图片N中所有像素周围灰度连续变化情况的全局平均值，作为图片清晰度的评价值，评价值越小则图片越模糊。
作为上述实施例的优化方案，所述标准化处理，通过比值换算将评价值标准化到0-100，得到图片清晰度评分。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.一种证照图片清晰度评价方法，其特征在于，包括步骤：
S100,获取原始证照图片；
S200,对原始证照图片进行双边滤波处理，滤除脉冲噪声，实现边缘保持，减小相邻像素灰度值的波动，获得证照图片灰度图；
S300,对灰度图进行基于梯度的边缘检测，获得梯度图；
S400,根据度量像素周围灰度变化矩阵获得隐梯度函数，基于隐梯度函数分析梯度图中每个像素周围灰度的连续变化情况；
S500,取分析结果的全局平均值，作为图片清晰度的评价值；
S600,标准化处理所述评价值，得到图片清晰度评分。
2.根据权利要求1所述的一种证照图片清晰度评价方法，其特征在于，在所述步骤S200中，利用双边滤波器对原始证照图片进行双边滤波处理；
所述双边滤波处理采用加权平均方法，利用基于高斯分布的加权平均处理原始证照图片中像素点周围像素的亮度值，将加权平均值作为该像素点的强度；
加权平均处理的计算权重包括欧氏距离和像素范围域中的辐射差异。
3.根据权利要求2所述的一种证照图片清晰度评价方法，其特征在于，在步骤S200，通过所述双边滤波处理获得证照图片灰度图的过程为：
S201,双边滤波处理后的图片的计算公式为：
其中，Ifiltered为滤波后图片，I为输入的原始证照图片，x为像素点，Ω是以像素点x为中心点的区域，fr和gs分别为范围核和空间核，Wp为权重；
S202,根据像素点(i,j)和它的邻接点(k,l)，计算权重Wp为：
其中，σd和σr为光滑参数；
S203,根据所获取的权重，对滤波图片Ifiltered进行标准化处理：
作为证照图片灰度图。
4.根据权利要求3所述的一种证照图片清晰度评价方法，其特征在于，在所述步骤S300中,对灰度图进行基于梯度的边缘检测时，使用sobel算子与灰度图进行卷积处理；
所述sobel算子
x方向和y方向的参数为：
利用sobel算子G，根据所述灰度图每个像素横向及纵向的梯度近似值来计算每个像素梯度的大小，获得梯度图。
5.根据权利要求4所述的一种证照图片清晰度评价方法，其特征在于，所述步骤S400中，根据度量像素周围灰度变化矩阵获得隐梯度函数，分析梯度图中每个像素周围灰度的连续变化情况，包括步骤：
S401，建立度量像素周围灰度变化的矩阵α；
S402，对于图片I的像素点i，根据隐梯度函数，得到图片M为：
其中，为α的所有路径p，为路径条数，Sign为指示函数，τ为限制阈值，φ为隐梯度函数；
S403，根据O＝I∩M，经过α取梯度最大的梯度值，得到图片N，图片N具有每个像素周围灰度的连续变化情况；
对于图片O的像素点i：
其中，为i在α下的所有路径，S为计算一条路径上梯度和的函数。
6.根据权利要求5所述的一种证照图片清晰度评价方法，其特征在于，计算图片N中所有像素周围灰度连续变化情况的全局平均值作为图片清晰度的评价值，评价值越小则图片越模糊。
7.根据权利要求1所述的一种证照图片清晰度评价方法，其特征在于，所述标准化处理，通过比值换算将评价值标准化到0-100，得到图片清晰度的评分。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910459125.3A CN110335246B (zh) | 2019-05-29 | 2019-05-29 | 一种证照图片清晰度评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910459125.3A CN110335246B (zh) | 2019-05-29 | 2019-05-29 | 一种证照图片清晰度评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110335246A true CN110335246A (zh) | 2019-10-15 |
| CN110335246B CN110335246B (zh) | 2021-04-13 |
Family
ID=68140517
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910459125.3A Active CN110335246B (zh) | 2019-05-29 | 2019-05-29 | 一种证照图片清晰度评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110335246B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111383054A (zh) * | 2020-03-10 | 2020-07-07 | 中国联合网络通信集团有限公司 | 广告检验方法和装置 |
| CN112200775A (zh) * | 2020-09-24 | 2021-01-08 | 北京美摄网络科技有限公司 | 图像清晰度检测方法、装置、电子设备及存储介质 |
| CN112381820A (zh) * | 2020-12-07 | 2021-02-19 | 深圳市福日中诺电子科技有限公司 | 一种基于一组同场景照片清晰度的评价方法 |
| CN113256583A (zh) * | 2021-05-24 | 2021-08-13 | 北京百度网讯科技有限公司 | 图像质量检测方法及装置、计算机设备和介质 |
| CN117676038A (zh) * | 2024-01-30 | 2024-03-08 | 北京点聚信息技术有限公司 | 一种电子证照数据安全共享方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102609939A (zh) * | 2012-01-16 | 2012-07-25 | 北京航空航天大学 | 一种tfds图像质量评价方法及系统 |
| CN103093419A (zh) * | 2011-10-28 | 2013-05-08 | 浙江大华技术股份有限公司 | 一种检测图像清晰度的方法及装置 |
| CN103686148A (zh) * | 2013-12-05 | 2014-03-26 | 北京华戎京盾科技有限公司 | 一种基于图像处理的自动检测视频图像清晰度的方法 |
| CN104182962A (zh) * | 2013-05-28 | 2014-12-03 | 腾讯科技（深圳）有限公司 | 评价图片清晰度的方法及装置 |
| CN104574293A (zh) * | 2014-11-28 | 2015-04-29 | 中国科学院长春光学精密机械与物理研究所 | 基于有界运算的多尺度Retinex图像清晰化算法 |
| EP3174008A1 (en) * | 2015-11-26 | 2017-05-31 | Thomson Licensing | Method and apparatus for determining a sharpness metric of an image |
| CN107588733A (zh) * | 2017-08-21 | 2018-01-16 | 南京理工大学 | 一种基于图像的受电弓滑板磨耗在线检测装置与方法 |
| CN109255752A (zh) * | 2017-07-14 | 2019-01-22 | 北京字节跳动网络技术有限公司 | 图像自适应压缩方法、装置、终端及存储介质 |
| CN109741273A (zh) * | 2018-12-26 | 2019-05-10 | 江苏优胜信息技术有限公司 | 一种手机拍照低质图像的自动处理与评分方法 |
-
2019
- 2019-05-29 CN CN201910459125.3A patent/CN110335246B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103093419A (zh) * | 2011-10-28 | 2013-05-08 | 浙江大华技术股份有限公司 | 一种检测图像清晰度的方法及装置 |
| CN102609939A (zh) * | 2012-01-16 | 2012-07-25 | 北京航空航天大学 | 一种tfds图像质量评价方法及系统 |
| CN104182962A (zh) * | 2013-05-28 | 2014-12-03 | 腾讯科技（深圳）有限公司 | 评价图片清晰度的方法及装置 |
| CN103686148A (zh) * | 2013-12-05 | 2014-03-26 | 北京华戎京盾科技有限公司 | 一种基于图像处理的自动检测视频图像清晰度的方法 |
| CN104574293A (zh) * | 2014-11-28 | 2015-04-29 | 中国科学院长春光学精密机械与物理研究所 | 基于有界运算的多尺度Retinex图像清晰化算法 |
| EP3174008A1 (en) * | 2015-11-26 | 2017-05-31 | Thomson Licensing | Method and apparatus for determining a sharpness metric of an image |
| CN109255752A (zh) * | 2017-07-14 | 2019-01-22 | 北京字节跳动网络技术有限公司 | 图像自适应压缩方法、装置、终端及存储介质 |
| CN107588733A (zh) * | 2017-08-21 | 2018-01-16 | 南京理工大学 | 一种基于图像的受电弓滑板磨耗在线检测装置与方法 |
| CN109741273A (zh) * | 2018-12-26 | 2019-05-10 | 江苏优胜信息技术有限公司 | 一种手机拍照低质图像的自动处理与评分方法 |
Non-Patent Citations (2)
| Title |
|---|
| 王骁 等: "基于聚类分析的管路图像亚像素边缘提取算法", 《计算机集成制造系统》 * |
| 陈志辉: "基于改进梯度函数的图像质量评价及Laplace算子边缘检测新方法的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111383054A (zh) * | 2020-03-10 | 2020-07-07 | 中国联合网络通信集团有限公司 | 广告检验方法和装置 |
| CN112200775A (zh) * | 2020-09-24 | 2021-01-08 | 北京美摄网络科技有限公司 | 图像清晰度检测方法、装置、电子设备及存储介质 |
| CN112381820A (zh) * | 2020-12-07 | 2021-02-19 | 深圳市福日中诺电子科技有限公司 | 一种基于一组同场景照片清晰度的评价方法 |
| CN113256583A (zh) * | 2021-05-24 | 2021-08-13 | 北京百度网讯科技有限公司 | 图像质量检测方法及装置、计算机设备和介质 |
| CN117676038A (zh) * | 2024-01-30 | 2024-03-08 | 北京点聚信息技术有限公司 | 一种电子证照数据安全共享方法及系统 |
| CN117676038B (zh) * | 2024-01-30 | 2024-04-05 | 北京点聚信息技术有限公司 | 一种电子证照数据安全共享方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110335246B (zh) | 2021-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110335246A (zh) | 一种证照图片清晰度评价方法 | |
| Jiang et al. | Enhanced crack segmentation algorithm using 3D pavement data | |
| US8837830B2 (en) | Finding text in natural scenes | |
| WO2019228063A1 (zh) | 商品检测终端、方法、系统以及计算机设备、可读介质 | |
| CN104834933B (zh) | 一种图像显著性区域的检测方法和装置 | |
| CN110956225B (zh) | 一种违禁品检测方法及系统、一种计算设备及存储介质 | |
| Nyma et al. | A hybrid technique for medical image segmentation | |
| CN103824373B (zh) | 一种票据图像金额分类方法及系统 | |
| CN110648316B (zh) | 一种基于深度学习的钢卷端面边缘检测方法 | |
| CN110390306A (zh) | 直角车位的检测方法、车辆和计算机可读存储介质 | |
| CN103903273A (zh) | 一种基于手机终端的pm2.5等级快速评价系统 | |
| CN110705634B (zh) | 一种鞋跟型号识别方法、装置及存储介质 | |
| CN108932449B (zh) | 一种基于聚类的条码二值化方法及系统 | |
| CN113139906B (zh) | 一种生成器的训练方法、装置与存储介质 | |
| CN105389561B (zh) | 一种基于视频的公交车道检测方法 | |
| CN115330645A (zh) | 一种焊接图像增强方法 | |
| CN105070094B (zh) | 一种基于机器视觉的车位检测系统及车位检测方法 | |
| CN110992314A (zh) | 一种路面缺陷检测方法、装置及存储介质 | |
| CN113177456A (zh) | 基于单阶段全卷积网络和多特征融合的遥感目标检测方法 | |
| CN113379721A (zh) | 一种基于云平台的电子元器件质量检测装置 | |
| CN115953373A (zh) | 玻璃缺陷检测方法、装置、电子设备及存储介质 | |
| Premachandra et al. | Image based automatic road surface crack detection for achieving smooth driving on deformed roads | |
| CN103279944A (zh) | 一种基于生物地理优化的图像分割方法 | |
| CN115018513A (zh) | 数据巡检方法、装置、设备及存储介质 | |
| CN111242891A (zh) | 一种钢轨表面缺陷识别分类方法 |
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 | ||
| CP03 | Change of name, title or address |
Address after: 610000 No. 270, floor 2, No. 8, Jinxiu street, Wuhou District, Chengdu, Sichuan Patentee after: Chengdu shuzhilian Technology Co.,Ltd. Address before: No.2, 4th floor, building 1, Jule road crossing, Section 1, West 1st ring road, Chengdu, Sichuan 610000 Patentee before: CHENGDU SHUZHILIAN TECHNOLOGY Co.,Ltd. |
|
| CP03 | Change of name, title or address |