CN110751135A - 图纸的校对方法、装置、电子设备及存储介质 - Google Patents
图纸的校对方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110751135A CN110751135A CN201911341799.XA CN201911341799A CN110751135A CN 110751135 A CN110751135 A CN 110751135A CN 201911341799 A CN201911341799 A CN 201911341799A CN 110751135 A CN110751135 A CN 110751135A
- Authority
- CN
- China
- Prior art keywords
- image pyramid
- image
- comparison
- pyramid
- level
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/42—Document-oriented image-based pattern recognition based on the type of document
- G06V30/422—Technical drawings; Geographical maps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种图纸的校对方法、装置、电子设备及存储介质,其中,方法包括:分别根据对比图纸与当前图纸构造第一图像金字塔与第二图像金字塔;提取每层级图像的亮度特征与方向特征,并融合每层级图像的亮度特征及融合每层级图像的方向特征,得到亮度特征图和方向特征图;分别根据第一图像金字塔与第二金字塔的亮度特征图和方向特征图生成显著性图,比较对比图纸与当前图纸的显著性图,确定对比图纸与当前图纸间的区别位置。由此,解决了人工校对图纸,导致出错率较高,同时沟通管理的成本也很高,不但浪费人力物力,而且工作效率较低,在校对质量上也没有很好的保障等问题。
Description
技术领域
本发明涉及建筑设计技术领域,特别涉及一种图纸的校对方法、装置、电子设备及存储介质。
背景技术
相关技术,图纸校对为各个领域中的重要任务,尤其是建筑图纸,从项目开始图纸制作到项目结束楼盘交楼的周期至少需要两年的时间,而在整个周期过程中,图纸会出现不断地更新与改动。但是,图纸的频繁改动容易给楼盘建设、统筹和营销等带来诸多不便,其中,图纸的每一次改动,都要重新进行一次校对,从而确定出图纸中被改动的部分。
相关技术中,图纸的校对方法多依靠人工进行手动比较。然而,图纸校对是一项机械而繁琐的工作,往往由于图纸中包含大量的精细线条和组成部件,导致人工校对出错率较高,同时沟通管理的成本也很高,不但浪费人力物力,而且工作效率较低,在校对质量上也没有很好的保障,亟待改进。
发明内容
本发明提供一种图纸的校对方法、装置、电子设备及存储介质,以解决人工校对图纸,导致出错率较高,同时沟通管理的成本也很高,不但浪费人力物力,而且工作效率较低,在校对质量上也没有很好的保障等问题。
本发明第一方面实施例提供一种图纸的校对方法,包括以下步骤:分别根据对比图纸与当前图纸构造第一图像金字塔与第二图像金字塔;分别提取所述第一图像金字塔与所述第二图像金字塔的每层级图像的亮度特征与方向特征,并融合所述每层级图像的亮度特征及融合所述每层级图像的方向特征,分别得到所述第一图像金字塔与所述第二金字塔的亮度特征图和方向特征图;分别根据所述第一图像金字塔与所述第二金字塔的亮度特征图和方向特征图生成所述对比图纸与所述当前图纸的显著性图,比较所述对比图纸与所述当前图纸的显著性图,确定所述对比图纸与所述当前图纸间的区别位置。
本发明第二方面实施例提供一种图纸的校对装置,包括:构造模块,用于分别根据对比图纸与当前图纸构造第一图像金字塔与第二图像金字塔;融合模块,用于分别提取所述第一图像金字塔与所述第二图像金字塔的每层级图像的亮度特征与方向特征,并融合所述每层级图像的亮度特征及融合所述每层级图像的方向特征,分别得到所述第一图像金字塔与所述第二金字塔的亮度特征图和方向特征图;校对模块,用于分别根据所述第一图像金字塔与所述第二金字塔的亮度特征图和方向特征图生成所述对比图纸与所述当前图纸的显著性图,比较所述对比图纸与所述当前图纸的显著性图,确定所述对比图纸与所述当前图纸间的区别位置。
本发明第三方面实施例提供一种电子设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被设置为用于执行如上述实施例所述的图纸的校对方法。
本发明第四方面实施例提供一种非临时性计算机可读存储介质,所述非临时性计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行如上述实施例所述的图纸的校对方法。
通过构造对比图纸与当前图纸构造的图像金字塔,从而生成对比图纸与当前图纸的显著性图,在比较对比图纸与当前图纸的显著性图后,确定对比图纸与当前图纸间的区别位置,实现基于显著性分析自动校对图纸的目的,无需人工校对,不但提高校对的准确性,而且提升校对效率,节约人力物力,降低沟通管理成本,有效保证校对质量,提升使用体验。由此,解决了人工校对图纸,导致出错率较高,同时沟通管理的成本也很高,不但浪费人力物力,而且工作效率较低,在校对质量上也没有很好的保障等问题。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本发明实施例的图纸的校对方法的流程图;
图2为根据本发明一个实施例的对比图纸的示意图;
图3为根据本发明一个实施例的当前图纸的示意图;
图4为根据本发明一个实施例的校对图纸的示意图;
图5为根据本发明一个具体实施例的图纸的校对方法的流程图;
图6为根据本发明实施例的图纸的校对装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的图纸的校对方法、装置、电子设备及存储介质。针对上述背景技术中心提到的由于图纸中包含大量的精细线条和组成部件,导致人工校对出错率较高,同时沟通管理的成本也很高,不但浪费人力物力,而且工作效率较低,在校对质量上也没有很好的保障的问题,本发明提供了一种图纸的校对方法,在该方法中,通过构造对比图纸与当前图纸构造的图像金字塔,从而生成对比图纸与当前图纸的显著性图,在比较对比图纸与当前图纸的显著性图后,确定对比图纸与当前图纸间的区别位置,实现基于显著性分析自动校对图纸的目的,无需人工校对,不但提高校对的准确性,而且提升校对效率,节约人力物力,降低沟通管理成本,有效保证校对质量,提升使用体验。由此,解决了人工校对图纸,导致出错率较高,同时沟通管理的成本也很高,不但浪费人力物力,而且工作效率较低,在校对质量上也没有很好的保障等问题。
具体而言,图1为本发明实施例所提供的一种图纸的校对方法的流程示意图。
如图1所示,该图纸的校对方法包括以下步骤:
在步骤S101中,分别根据对比图纸与当前图纸构造第一图像金字塔与第二图像金字塔。
可以理解的是,对比图可以为原稿建筑图纸,而当前图纸为现稿建筑图纸,即本发明实施例通过对对比图纸与当前图纸校对,确定图纸中被改动的部分。
其中,在本发明的一个实施例中,分别根据对比图纸与当前图纸构造第一图像金字塔与第二图像金字塔,包括:分别获取对比图纸与当前图纸的灰度图像;分别对对比图纸与当前图纸的灰度图像进行高斯滤波处理和降采样处理,以生成第一图像金字塔和第二图像金字塔。
可以理解的是,本发明实施例可以将输入的CAD格式的图纸转换为灰度图像,从而对灰度图像进行高斯滤波,同时通过不同程度的降采样构造图像金字塔,以图纸为建筑图纸举例,对比图纸如图2所示,当前图纸如图3所示,可以得出,若是人工校对,由于图纸中包含大量的精细线条和组成部件,不但出错率较高,而且浪费人力物力,时间成本和沟通管理成本均较高,而本发明实施例可以自动校对图纸校对,缓解图纸校对工作的压力,并且提高校对的准确度,保证校对的可靠性。
具体地,本发明实施例可以使用高斯滤波对图纸进行平滑处理,确保有效信息在图像金字塔的构造过程中不被破坏,从而对高斯滤波处理后的图像构造图像金字塔,如共包含有四个层级,降采样分别为2、4、8。
举例而言,通过高斯滤波可以对图像进行有效的平滑处理,使得相邻像素之间变
得更加平滑,减少异常像素值的突兀性。其中,高斯滤波可以通过高斯核对整张图像进行过
滤,高斯核可以由公式(1)提供,式中x,y表示当前相对坐标,σ为高斯标准差,可以。
, (1)
进一步地,通过对图像进行一定比例的降采样,不断生成更小分辨率的图像构建多级图像,从而得到图像金字塔。图像金字塔可以考虑近大远小的原则,便于构建多种尺度的特征。图像金字塔通过删除图像的偶数行和偶数列进行降采样,每次降采样后图像变为原图像的1/2倍,图像金字塔分为4个层级。
在步骤S102中,分别提取第一图像金字塔与第二图像金字塔的每层级图像的亮度特征与方向特征,并融合每层级图像的亮度特征及融合每层级图像的方向特征,分别得到第一图像金字塔与第二金字塔的亮度特征图和方向特征图。
其中,在本发明的一个实施例中,融合每层级图像的亮度特征及融合每层级图像的方向特征,包括:对第一图像金字塔与第二图像金字塔中降采样层的特征图进行上采样,以使所有特征图均与金字塔的首层级的尺寸相同;对尺寸相同的所有特征图进行加权,以得到第一图像金字塔与第二金字塔的亮度特征图和方向特征图。
可以理解的是,对多层级的图像金字塔分别提取亮度特征和方向特征,获得多层级特征后,通过上采样方式统一特征图的大小,进行特征融合。具体地,图像金字塔上提取多层级特征,所提取的特征可以包括亮度特征和方向特征,亮度特征可以为图像的像素值,方向特征可以使用Gabor滤波器提取,进而对多个层级的亮度特征和方向特征分别进行特征融合,如首先对降采样特征进行上采样,统一大小后进行加和处理。获得融合后的亮度特征图和方向特征图。
举例而言,分别在4个层级上提取图像的亮度特征和方向特征,亮度特征使用像素值,方向特征由Gabor滤波器提取,从而获得多个层级的两种不同特征,并且对多级亮度特征和方向特征分别进行特征融合,首先对图像金字塔中降采样层的特征图进行上采样,使所有特征图与图像金字塔的层级1尺寸相同,上采样方式为双线性插值方式。统一大小的特征图通过加权求和的方式进行特征融合,加权求和如式(2)所示:
, (2)
其中,l 1 、l 2 、l 3 、l 4 分别为四个层级的特征。亮度特征和方向特征的融合方式相同,融合后获得亮度特征图和f l 方向特征图f o 。
在步骤S103中,分别根据第一图像金字塔与第二金字塔的亮度特征图和方向特征图生成对比图纸与当前图纸的显著性图,比较对比图纸与当前图纸的显著性图,确定对比图纸与当前图纸间的区别位置。
其中,在本发明的一个实施例中,分别根据第一图像金字塔与第二金字塔的亮度特征图和方向特征图生成对比图纸与当前图纸的显著性图,包括:对每张亮度特征图和每张方向特征图均进行预设的标准化处理;根据标准化后的亮度特征图和方向特征图的均值作为显著性特征,分别生成对比图纸与当前图纸的显著性图。需要说明的是,预设的标准化处理可以由本领域技术人员根据实际情况进行设置,在此不做具体限制。
可以理解的是,在特征融合后,获得亮度特征和方向特征两种不同的特征图,从而对亮度特征图和方向特征图分别进行标准化,标准化之后取两者的均值作为显著性特征,即将方向特征图和显著性特征图进行标准化并求均值,获得显著性图。
举例而言,显著性图可以通过结合亮度和方向的融合特征图来实现。首先对融合特征图进行标准化,标准化方式如式(3)所示:
其中,f、u、σ分别为特征图、均值和标准差。标准化后得到N l 和N o 。显著性图如式(4)所示:
, (4)
获得显著性图I。
进一步地,在本发明的一个实施例中,确定对比图纸与当前图纸间的区别位置,包括:对对比图纸与当前图纸的显著性图进行作差比较,以识别对比图纸与当前图纸的差异性;根据差异性进行标注,得到标注有区别位置的校对图纸。
综上,如图4所示,两张图纸经过计算后分别获得显著性图,从而通过比对两张显著性图的差异,获得最终图纸校对的结果,不同的区域可以以椭圆标记出,生成校对图纸,也可以直接在当前图纸上标出,在此不作具体限定。
下面以具体实施例对本发明实施例的工作原理进行详细描述。
如图5所示,本发明实施例的方法包括以下步骤:
步骤S501:输入对比图纸与当前图纸。
步骤S502:将对比图纸与当前图纸的灰度图像输入到算法模型。可以理解的是,将CAD格式的对比图纸与当前图纸转换为对应的灰度图像,将需要校对的两张图纸,即转换为灰度图像的对比图纸与当前图纸输入到算法模型中,以对两张图纸进行显著性分析。
步骤S503:对输入的两张图纸进行高斯滤波和平滑图像。
步骤S504:将高斯滤波后的图像用于图像金字塔的生成,其中,图像金字塔共分为4个层级。
步骤S505:对图像金字塔提取多级特征,所提取的特征分别为亮度特征和方向特征。
步骤S506:将提取的多级特征用于特征融合,对降采样层级特征进行上采样,上采样后特征图进行加权求和,从而得到融合后特征图。
步骤S507:对融合后特征图进行标准化,标准化后求两特征的均值,从而获得显著性图。需要说明的是,对比图纸获得显著性图1,当前图纸获得显著性图2。
步骤S508:对获得的显著性图1和显著性图2进行做差比较,从而得出两张图纸的差异性,并将差异性标注在图纸上,完成图纸校对。
步骤S509:输出校对结果。
根据本发明实施例提出的图纸的校对方法,通过构造对比图纸与当前图纸构造的图像金字塔,从而生成对比图纸与当前图纸的显著性图,在比较对比图纸与当前图纸的显著性图后,确定对比图纸与当前图纸间的区别位置,实现基于显著性分析自动校对图纸的目的,无需人工校对,不但提高校对的准确性,而且提升校对效率,节约人力物力,降低沟通管理成本,有效保证校对质量,提升使用体验。由此,解决了人工校对图纸,导致出错率较高,同时沟通管理的成本也很高,不但浪费人力物力,而且工作效率较低,在校对质量上也没有很好的保障等问题。
其次参照附图描述根据本发明实施例提出的图纸的校对装置。
图6是本发明实施例的图纸的校对装置的结构示意图。
如图6所示,该图纸的校对装置10包括:构造模块100、融合模块200和校对模块300。
其中,构造模块100用于分别根据对比图纸与当前图纸构造第一图像金字塔与第二图像金字塔。
融合模块200用于分别提取第一图像金字塔与第二图像金字塔的每层级图像的亮度特征与方向特征,并融合每层级图像的亮度特征及融合每层级图像的方向特征,分别得到第一图像金字塔与第二金字塔的亮度特征图和方向特征图。
校对模块300用于分别根据第一图像金字塔与第二金字塔的亮度特征图和方向特征图生成对比图纸与当前图纸的显著性图,比较对比图纸与当前图纸的显著性图,确定对比图纸与当前图纸间的区别位置。
进一步地,在本发明的一个实施例中,融合模块200包括:采样单元和加权单元。
其中,采样单元用于对第一图像金字塔与第二图像金字塔中降采样层的特征图进行上采样,以使所有特征图均与金字塔的首层级的尺寸相同。
加权单元用于对尺寸相同的所有特征图进行加权,以得到第一图像金字塔与第二金字塔的亮度特征图和方向特征图。
进一步地,在本发明的一个实施例中,校对模块300包括:识别单元和标注单元。
其中,识别单元用于对对比图纸与当前图纸的显著性图进行作差比较,以识别对比图纸与当前图纸的差异性。
标注单元用于根据差异性进行标注,得到标注有区别位置的校对图纸。
需要说明的是,前述对图纸的校对方法实施例的解释说明也适用于该实施例的图纸的校对装置,此处不再赘述。
根据本发明实施例提出的图纸的校对装置,通过构造对比图纸与当前图纸构造的图像金字塔,从而生成对比图纸与当前图纸的显著性图,在比较对比图纸与当前图纸的显著性图后,确定对比图纸与当前图纸间的区别位置,实现基于显著性分析自动校对图纸的目的,无需人工校对,不但提高校对的准确性,而且提升校对效率,节约人力物力,降低沟通管理成本,有效保证校对质量,提升使用体验。由此,解决了人工校对图纸,导致出错率较高,同时沟通管理的成本也很高,不但浪费人力物力,而且工作效率较低,在校对质量上也没有很好的保障等问题。
为了实现上述实施例,本发明还提出了一种电子设备,包括:至少一个处理器和存储器。其中,存储器与至少一个处理器通信连接,其中,存储器存储有可被至少一个处理器执行的指令,指令被设置为用于执行上述实施例的图纸的校对方法,如以用于:
分别根据对比图纸与当前图纸构造第一图像金字塔与第二图像金字塔。
分别提取第一图像金字塔与第二图像金字塔的每层级图像的亮度特征与方向特征,并融合每层级图像的亮度特征及融合每层级图像的方向特征,分别得到第一图像金字塔与第二金字塔的亮度特征图和方向特征图。
分别根据第一图像金字塔与第二金字塔的亮度特征图和方向特征图生成对比图纸与当前图纸的显著性图,比较对比图纸与当前图纸的显著性图,确定对比图纸与当前图纸间的区别位置。
为了实现上述实施例,本发明还提出了一种非临时性计算机可读存储介质,其存储计算机指令,计算机指令用于使计算机执行上述实施例的图纸的校对方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“N个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或N个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种图纸的校对方法,其特征在于,包括以下步骤:
分别根据对比图纸与当前图纸构造第一图像金字塔与第二图像金字塔;
分别提取所述第一图像金字塔与所述第二图像金字塔的每层级图像的亮度特征与方向特征,并融合所述每层级图像的亮度特征及融合所述每层级图像的方向特征,分别得到所述第一图像金字塔与所述第二金字塔的亮度特征图和方向特征图;以及
分别根据所述第一图像金字塔与所述第二金字塔的亮度特征图和方向特征图生成所述对比图纸与所述当前图纸的显著性图,比较所述对比图纸与所述当前图纸的显著性图,确定所述对比图纸与所述当前图纸间的区别位置。
2.根据权利要求1所述的方法,其特征在于,所述分别根据对比图纸与当前图纸构造第一图像金字塔与第二图像金字塔,包括:
分别获取所述对比图纸与所述当前图纸的灰度图像;
分别对所述对比图纸与所述当前图纸的灰度图像进行高斯滤波处理和降采样处理,以生成所述第一图像金字塔和所述第二图像金字塔。
3.根据权利要求1所述的方法,其特征在于,所述融合所述每层级图像的亮度特征及融合所述每层级图像的方向特征,包括:
对所述第一图像金字塔与所述第二图像金字塔中降采样层的特征图进行上采样,以使所有特征图均与金字塔的首层级的尺寸相同;
对尺寸相同的所有特征图进行加权,以得到所述第一图像金字塔与所述第二金字塔的亮度特征图和方向特征图。
4.根据权利要求1所述的方法,其特征在于,所述分别根据所述第一图像金字塔与所述第二金字塔的亮度特征图和方向特征图生成所述对比图纸与所述当前图纸的显著性图,包括:
对每张亮度特征图和每张方向特征图均进行预设的标准化处理;
根据标准化后的亮度特征图和方向特征图的均值作为显著性特征,分别生成所述对比图纸与所述当前图纸的显著性图。
5.根据权利要求1所述的方法,其特征在于,所述确定所述对比图纸与所述当前图纸间的区别位置,包括:
对所述对比图纸与所述当前图纸的显著性图进行作差比较,以识别所述对比图纸与所述当前图纸的差异性;
根据所述差异性进行标注,得到标注有所述区别位置的校对图纸。
6.一种图纸的校对装置,其特征在于,包括:
构造模块,用于分别根据对比图纸与当前图纸构造第一图像金字塔与第二图像金字塔;
融合模块,用于分别提取所述第一图像金字塔与所述第二图像金字塔的每层级图像的亮度特征与方向特征,并融合所述每层级图像的亮度特征及融合所述每层级图像的方向特征,分别得到所述第一图像金字塔与所述第二金字塔的亮度特征图和方向特征图;以及
校对模块,用于分别根据所述第一图像金字塔与所述第二金字塔的亮度特征图和方向特征图生成所述对比图纸与所述当前图纸的显著性图,比较所述对比图纸与所述当前图纸的显著性图,确定所述对比图纸与所述当前图纸间的区别位置。
7.根据权利要求6所述的装置,其特征在于,所述融合模块包括:
采样单元,用于对所述第一图像金字塔与所述第二图像金字塔中降采样层的特征图进行上采样,以使所有特征图均与金字塔的首层级的尺寸相同;
加权单元,用于对尺寸相同的所有特征图进行加权,以得到所述第一图像金字塔与所述第二金字塔的亮度特征图和方向特征图。
8.根据权利要求6所述的装置,其特征在于,所述校对模块包括:
识别单元,用于对所述对比图纸与所述当前图纸的显著性图进行作差比较,以识别所述对比图纸与所述当前图纸的差异性;
标注单元,用于根据所述差异性进行标注,得到标注有所述区别位置的校对图纸。
9.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如权利要求1-5任一项所述的图纸的校对方法。
10.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以用于实现如权利要求1-5任一项所述的图纸的校对方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911341799.XA CN110751135A (zh) | 2019-12-24 | 2019-12-24 | 图纸的校对方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911341799.XA CN110751135A (zh) | 2019-12-24 | 2019-12-24 | 图纸的校对方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110751135A true CN110751135A (zh) | 2020-02-04 |
Family
ID=69285982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911341799.XA Pending CN110751135A (zh) | 2019-12-24 | 2019-12-24 | 图纸的校对方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110751135A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563429A (zh) * | 2020-04-23 | 2020-08-21 | 广东博智林机器人有限公司 | 一种图纸校对方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400129A (zh) * | 2013-07-22 | 2013-11-20 | 中国科学院光电技术研究所 | 一种基于频域显著性的目标跟踪方法 |
CN103871053A (zh) * | 2014-02-25 | 2014-06-18 | 苏州大学 | 一种基于视觉显著性的布匹瑕疵检测方法 |
CN105869146A (zh) * | 2016-03-22 | 2016-08-17 | 西安电子科技大学 | 基于显著性融合的sar图像变化检测方法 |
CN106530196A (zh) * | 2016-09-26 | 2017-03-22 | 上海理工大学 | 一种基于jpeg2000的多尺度拉普拉斯金字塔水印方法 |
CN108664981A (zh) * | 2017-03-30 | 2018-10-16 | 北京航空航天大学 | 显著图像提取方法及装置 |
CN109858452A (zh) * | 2019-02-15 | 2019-06-07 | 滨州建筑工程施工图审查中心 | 建筑图纸自动比对方法和装置 |
-
2019
- 2019-12-24 CN CN201911341799.XA patent/CN110751135A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400129A (zh) * | 2013-07-22 | 2013-11-20 | 中国科学院光电技术研究所 | 一种基于频域显著性的目标跟踪方法 |
CN103871053A (zh) * | 2014-02-25 | 2014-06-18 | 苏州大学 | 一种基于视觉显著性的布匹瑕疵检测方法 |
CN105869146A (zh) * | 2016-03-22 | 2016-08-17 | 西安电子科技大学 | 基于显著性融合的sar图像变化检测方法 |
CN106530196A (zh) * | 2016-09-26 | 2017-03-22 | 上海理工大学 | 一种基于jpeg2000的多尺度拉普拉斯金字塔水印方法 |
CN108664981A (zh) * | 2017-03-30 | 2018-10-16 | 北京航空航天大学 | 显著图像提取方法及装置 |
CN109858452A (zh) * | 2019-02-15 | 2019-06-07 | 滨州建筑工程施工图审查中心 | 建筑图纸自动比对方法和装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563429A (zh) * | 2020-04-23 | 2020-08-21 | 广东博智林机器人有限公司 | 一种图纸校对方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108961303B (zh) | 一种图像处理方法、装置、电子设备和计算机可读介质 | |
CN112348815A (zh) | 图像处理方法、图像处理装置以及非瞬时性存储介质 | |
CN110097068B (zh) | 相似车辆的识别方法和装置 | |
US11645851B2 (en) | Method of processing image data in a connectionist network | |
CN111626295B (zh) | 车牌检测模型的训练方法和装置 | |
CN113744142B (zh) | 图像修复方法、电子设备及存储介质 | |
CN113592886A (zh) | 建筑图纸的审图方法、装置、电子设备及介质 | |
CN110705225A (zh) | 一种合同标注方法及装置 | |
CN114612289A (zh) | 风格化图像生成方法、装置及图像处理设备 | |
CN115424111A (zh) | 一种抗原检测试剂盒智能识别方法、装置、设备及介质 | |
CN115082888A (zh) | 一种车道线检测方法和装置 | |
CN113643311B (zh) | 一种对边界误差鲁棒的图像分割方法和装置 | |
CN110751135A (zh) | 图纸的校对方法、装置、电子设备及存储介质 | |
US20080267506A1 (en) | Interest point detection | |
CN113643173A (zh) | 水印去除方法、装置、终端设备及可读存储介质 | |
CN117095417A (zh) | 一种屏摄表单图像文本识别方法、装置、设备及存储介质 | |
JP5513960B2 (ja) | 画像処理装置 | |
CN116385369A (zh) | 深度图像质量评价方法、装置、电子设备及存储介质 | |
CN112785595A (zh) | 目标属性检测、神经网络训练及智能行驶方法、装置 | |
US20130064471A1 (en) | Distance map-based warping of binary images | |
CN115374517A (zh) | 布线软件的测试方法、装置、电子设备及存储介质 | |
CN111753723B (zh) | 一种基于密度校准的指纹识别方法及装置 | |
CN114241044A (zh) | 回环检测方法、装置、电子设备和计算机可读介质 | |
CN114549429A (zh) | 基于超图结构的深度数据质量评价方法及装置 | |
CN113496468A (zh) | 深度图像的修复方法、装置和存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200204 |