CN111583325A - 一种基于图像处理的无人艇检测海浪的方法 - Google Patents
一种基于图像处理的无人艇检测海浪的方法 Download PDFInfo
- Publication number
- CN111583325A CN111583325A CN202010389360.0A CN202010389360A CN111583325A CN 111583325 A CN111583325 A CN 111583325A CN 202010389360 A CN202010389360 A CN 202010389360A CN 111583325 A CN111583325 A CN 111583325A
- Authority
- CN
- China
- Prior art keywords
- image
- sea
- sea waves
- waves
- pixel
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 230000000877 morphologic effect Effects 0.000 claims abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 230000007797 corrosion Effects 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 241000192710 Microcystis aeruginosa Species 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 239000013535 sea water Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005070 sampling Methods 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
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T7/60—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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/10024—Color 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
- G06T2207/20036—Morphological image processing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种基于图像处理的无人艇检测海浪的方法,其利用艇载摄像头拍摄无人艇周围海域图像,并利用高斯滤波对原图进行预处理;将预处理后的图像所属颜色空间进行转换;对图像进行形态学操作,获取海浪所属的区域;统计海浪所属像素区域的面积在整张图像中的占比;当海浪所属像素面积在整张图像中的占比超过设定值后,生成触发信号,表明海浪大小,进行预警。本发明是低成本、高效率的海浪检测方法,能对周围海浪大小进行检测以规避风浪危害。
Description
技术领域
本发明属于无人艇应用技术领域,更具体地说,是一种基于图像处理的无人艇检测海浪的方法,其能够根据无人艇周围的海浪情况,自动识别风浪风险,从而保护无人艇。
背景技术
海底测绘是无人艇作业的重要任务之一,然而海上情况多变,尤其是恶劣气候所导致的狂风大浪和海啸等自然灾害,对无人艇船体和所搭载的设备构成了极大的威胁,容易损坏艇载设备,甚至导致无人艇翻船,带来重大损失。同时,无人艇测绘的海域多为有人测绘船不方便测绘的深度较浅的海域,这些地方有的岛礁伸出海面,在极端天气情况下,风浪摇晃,极易使得无人艇碰撞岛礁或者触及暗礁,破环舰体结构,严重情况下甚至使得无人艇报废。
目前,业界常用的现有技术是这样的:
(1)利用天气预报进行对预测绘海域的天气等海况信息进行预估和判断,然而,海上天气多变,无人艇往往位于无人海域单独作业,单一的天气预报很难预测及时并且准确的无人艇周围海况;
(2)利用毫米波雷达对周围的海况进行建模,获取无人艇周围海浪信息,然而,雷达的价格高昂,性价比低,同时雷达进行海浪建模需要耗费一定的计算资源,而无人艇测绘本身使用的传感器设备众多,再使用雷达进行单一的海浪建模会造成计算资源更为紧张。并且雷达建模的采样建模耗费时间,难以做到实时建模,浪费大量资源而获取的效果不佳。
因此,需要一套低成本、高效率的海浪检测系统来对周围海浪大小进行检测以规避风浪危害。
发明内容
针对现有技术存在的问题,本发明提供了一种基于图像处理的无人艇检测海浪的方法,其是利用艇载摄像头视频中检测海浪高度并进行预警的方法。
本发明通过以下技术方案予以实现:
一种基于图像处理的无人艇检测海浪的方法,具体包括以下步骤:
步骤一:海浪视频预处理,减少视频中图像的噪声,得到下一步可以处理的图像;
步骤二:将预处理后的图像所属颜色空间进行转换;
步骤三:对图像进行形态学操作,获取海浪所属的区域;
步骤四:统计海浪所属像素区域的面积在整张图像中的占比;
步骤五:当海浪所属像素面积在整张图像中的占比超过设定值后,生成触发信号,表明海浪大小,进行预警。
进一步,所述步骤一中海浪视频预处理方法,具体包括:
(1)对获取的图像逐帧进行高斯滤波;
(2)获取图像的基本参数,包括图像尺寸的总行数H和图像总列数W。
进一步,所述高斯滤波是一种线性滤波器,其抑制噪声,平滑图像,减少因为环境因素所导致摄像头采集的图像中的白噪声,保留图像中更多的有效特征,得到预处理图像,高斯卷积核尺寸为5×5。
进一步,所述步骤二中预处理后的图像所属颜色空间转换,具体包括:
(1)RGB颜色空间根据颜色发光原理来设计,使用红(R)、绿(G)、蓝(B)三种颜色不同比例混合,描述物体颜色,而HSV颜色空间是一种比较直观的颜色模型,使用色调(H)、饱和度(S)和明度(V)来描述物体颜色,转换公式如下:
取R′,G′,B′中最大值,记为Cmax=max(R′,G′,B′);
取R′,G′,B′中最小值,记为Cmin=min(R′,G′,B′),
令Δ=Cmax-Cmin,则
V=Cmax;
(2)根据转换公式,对原始图像进行像素点的逐一运算,计算出色调H,饱和度S和明度V,生成得到HSV图像。
进一步,所述步骤三中对图像进行形态学操作,获取海浪所属的区域,具体包括:
(1)由于海浪腾起时呈现出的颜色偏白,与周围平静的海水的蓝色有所区别,利用颜色对比进行海浪区分,根据HSV颜色空间特性,设置上下阈值,其中设置色调(H)上阈值为180,下阈值为0,饱和度(S)上阈值为200,下阈值为0,明度(V)上阈值为255,下阈值为220,记录图像色调、饱和度和明度位于阈值区间的像素坐标;
(2)对预处理图像进行二值化操作,上一步中记录像素的坐标对应预处理图像中的像素使其红(R)、绿(G)和蓝(B)三个通道值设为255,即显示为白色,剩余像素红(R)、绿(G)和蓝(B)三个通道值设为1,即显示为黑色;
(3)对图像中的小水花做过滤处理,具体为对上一步图像先进行图像腐蚀操作,采用的腐蚀算子尺寸为5×5,随后进行图像膨胀操作,采用的膨胀算子尺寸为5×5。
进一步,所述步骤四中统计海浪所属像素区域的面积在整张图像中的占比,具体包括:
(1)计算白色像素点,即像素点的红(R)、绿(G)和蓝(B)三个通道值为255的像素,记录最左边(xL,yL),最右边(xR,yR),最上边(xH,yH),最下边(xD,yD)出现的白色像素坐标,依据着四个坐标计算出海浪图像的最小外接矩形面积,则最小外接矩形像素数量为
N=(yH-yD)×(xR-xL);
进一步,所述步骤五中当海浪所属像素区域面积在整张图像中的占比超过设定值后,生成触发信号,判断海浪是否过高,具体包括:
(1)判断η值大小,当50%<η≤100%时,说明此时无人艇遭遇的海浪较大;当0≤η<50%,说明此时无人艇遭遇的海浪较小。
有益效果
本发明是低成本、高效率的海浪检测方法,能对周围海浪大小进行检测以规避风浪危害。利用本发明的方法能够较完整的标注出海浪的主体,对海浪最高部的小浪花也能做到很好的一直处理,同时本方法算法简单,计算量小,可以做到实时处理,对嵌入式设备等算力较低的设备也能够很好的支持,能够极大的拓展其实用性。需要一套低成本、高效率的海浪检测系统来对周围海浪大小进行检测以规避风浪危害。
附图说明
图1为本发明一种基于图像处理的无人艇检测海浪的方法主流程图;
图2为本发明一种基于图像处理的无人艇检测海浪的方法海浪采集原图;
图3为本发明一种基于图像处理的无人艇检测海浪的方法海浪分割二值化处理图;
图4为本发明一种基于图像处理的无人艇检测海浪的方法实际效果图。
具体实施方式
为了便于本领域普通技术人员对本专利技术方案的充分理解,同时,也为了使本专利的技术目的、技术方案和有益效果更加清楚,并使权利要求书的保护范围能够得到充分支持,下面以具体案例的形式对本专利的技术方案做出进一步的、更详细的说明。
如图1所示,一种基于图像处理的无人艇检测海浪的方法,其包括以下步骤:
S1:海浪视频预处理,减少视频中图像的噪声,得到下一步可以处理的图像;
S2:将预处理后的图像所属颜色空间进行转换;
S3:对图像进行形态学操作,获取海浪所属的区域;
S4:统计海浪所属像素区域的面积在整张图像中的占比;
S5:当海浪所属像素面积在整张图像中的占比超过设定值后,生成触发信号,表明海浪大小。
其中,所述海浪视频预处理方法具体包括:
S101:对获取的图像逐帧进行高斯滤波。高斯滤波是一种线性滤波器,能够十分有效的抑制噪声,平滑图像,减少因为环境因素所导致摄像头采集的图像中的白噪声,保留图像中更多的有效特征,得到预处理图像,此处选用高斯卷积核尺寸为5×5。
S102:获取图像的基本参数,包括图像尺寸的总行数H和图像总列数W;
进一步,所述预处理后的图像所属颜色空间转换具体包括:
S201:RGB颜色空间根据颜色发光原理来设计,使用红(R)、绿(G)、蓝(B)三种颜色不同比例混合,描述物体颜色。而HSV颜色空间是一种比较直观的颜色模型,使用色调(H)、饱和度(S)和明度(V)来描述物体颜色。转换公式如下:
取R′,G′,B′中最大值,记为Cmax=max(R′,G′,B′);
取R′,G′,B′中最小值,记为Cmin=min(R′,G′,B′),
令Δ=Cmax-Cmin,则
V=Cmax;
(2)根据转换公式,对原始图像进行像素点的逐一运算,计算出色调H,饱和度S和明度V,生成得到HSV图像。
其中,对图像进行形态学操作,获取海浪所属的区域,具体包括:
S301:由于海浪腾起时呈现出的颜色偏白,与周围平静的海水的蓝色有所区别,利用颜色对比进行海浪区分。根据HSV颜色空间特性,设置上下阈值,其中设置色调(H)上阈值为180,下阈值为0,饱和度(S)上阈值为200,下阈值为0,明度(V)上阈值为255,下阈值为200。记录图像色调、饱和度和明度位于阈值区间的像素坐标;
S302:对预处理图像进行二值化操作,上一步中记录像素的坐标对应预处理图像中的像素使其红(R)、绿(G)和蓝(B)三个通道值设为255,即显示为白色,剩余像素红(R)、绿(G)和蓝(B)三个通道值设为1,即显示为黑色;
S303:对图像中的小水花做过滤处理,具体为对上一步图像先进行图像腐蚀操作,此处采用的腐蚀算子尺寸为5×5,随后进行图像膨胀操作,此处采用的膨胀算子尺寸为5×5。
其中,统计海浪所属像素区域的面积在整张图像中的占比,具体包括:
S401:计算白色像素点,即像素点的红(R)、绿(G)和蓝(B)三个通道值为255的像素,记录最左边(xL,yL),最右边(xR,yR),最上边(xH,yH),最下边(xD,yD)出现的白色像素坐标,依据着四个坐标计算出海浪图像的最小外接矩形面积,则最小外接矩形像素数量为
N=(yH-yD)×(xR-xL);
进一步,当海浪所属像素区域面积在整张图像中的占比超过设定值后,生成触发信号,判断海浪是否过高具体包括:
S501:判断η值大小,当50%<η≤100%时,说明此时无人艇遭遇的海浪较大;当0≤η<50%,说明此时无人艇遭遇的海浪较小。
以下是一个更为具体的例子。
如图2所示,该图片为无人艇在进行目标海域测绘时拍摄海况画面,经过处理本方法之后,海浪分割二值化处理图如图3所示,实际海浪检测效果图如图4所示,实际海浪占比60.267%,超过50%,此时海浪较大。
由实际效果可以看出,利用本方法能够较完整的标注出海浪的主体,对海浪最高部的小浪花也能做到很好的一直处理,同时本方法算法简单,计算量小,可以做到实时处理,对嵌入式设备等算力较低的设备也能够很好的支持,能够极大的拓展其实用性。
此外,需要注意的是上述对于本专利的具体实施方法仅仅是为了方便本领域的普通工作人员理解本专利的技术方案而列举的示例性描述,并非按时本专利的保护范围仅仅被限制在这些个例中,本专业领域的普通技术人员完全可以在对本专利技术方法做出充分理解的前提下,以不付出任何创造性劳动的情况下,通过对本专利所列举的各个例进行组合技术特征、替换部分技术特征、加入更多技术特征等等方式,得到更多的具体实施方式,所有的这些具体实施方式均在本专利要求书的涵盖范围之类。因此,这些新的具体实施方式也应该在本专利的保护范围之内。
Claims (7)
1.一种基于图像处理的无人艇检测海浪的方法,其特征在于,具体包括以下步骤:
步骤一:海浪视频预处理,减少视频中图像的噪声,得到下一步可以处理的图像;
步骤二:将预处理后的图像所属颜色空间进行转换;
步骤三:对图像进行形态学操作,获取海浪所属的区域;
步骤四:统计海浪所属像素区域的面积在整张图像中的占比;
步骤五:当海浪所属像素面积在整张图像中的占比超过设定值后,生成触发信号,表明海浪大小,进行预警。
2.根据权利要求1所述的一种基于图像处理的无人艇检测海浪的方法,其特征在于,所述步骤一中海浪视频预处理,具体包括:
(1)对获取的图像逐帧进行高斯滤波;
(2)获取图像的基本参数,包括图像尺寸的总行数H和图像总列数W。
3.根据权利要求2所述的一种基于图像处理的无人艇检测海浪的方法,其特征在于,所述高斯滤波是一种线性滤波器,其抑制噪声,平滑图像,减少因为环境因素所导致摄像头采集的图像中的白噪声,保留图像中更多的有效特征,得到预处理图像,高斯卷积核尺寸为5×5。
4.根据权利要求1所述的一种基于图像处理的无人艇检测海浪的方法,其特征在于,所述步骤二中预处理后的图像所属颜色空间转换,具体包括:
(1)RGB颜色空间根据颜色发光原理来设计,使用红(R)、绿(G)、蓝(B)三种颜色不同比例混合,描述物体颜色,而HSV颜色空间是一种比较直观的颜色模型,使用色调(H)、饱和度(S)和明度(V)来描述物体颜色,转换公式如下:
取R′,G′,B′中最大值,记为Cmax=max(R′,G′,B′);
取R′,G′,B′中最小值,记为Cmin=min(R′,G′,B′),
令Δ=Cmax-Cmin,则
V=Cmax;
(2)根据转换公式,对原始图像进行像素点的逐一运算,计算出色调H,饱和度S和明度V,生成得到HSV图像。
5.根据权利要求1所述的一种基于图像处理的无人艇检测海浪的方法,其特征在于,所述步骤三中对图像进行形态学操作,获取海浪所属的区域,具体包括:
(1)由于海浪腾起时呈现出的颜色偏白,与周围平静的海水的蓝色有所区别,利用颜色对比进行海浪区分,根据HSV颜色空间特性,设置上下阈值,其中设置色调(H)上阈值为180,下阈值为0,饱和度(S)上阈值为200,下阈值为0,明度(V)上阈值为255,下阈值为220,记录图像色调、饱和度和明度位于阈值区间的像素坐标;
(2)对预处理图像进行二值化操作,上一步中记录像素的坐标对应预处理图像中的像素使其红(R)、绿(G)和蓝(B)三个通道值设为255,即显示为白色,剩余像素红(R)、绿(G)和蓝(B)三个通道值设为1,即显示为黑色;
(3)对图像中的小水花做过滤处理,具体为对上一步图像先进行图像腐蚀操作,采用的腐蚀算子尺寸为5×5,随后进行图像膨胀操作,采用的膨胀算子尺寸为5×5。
7.根据权利要求1所述的一种基于图像处理的无人艇检测海浪的方法,其特征在于,所述步骤五中当海浪所属像素区域面积在整张图像中的占比超过设定值后,生成触发信号,判断海浪是否过高,具体包括:
(1)判断η值大小,当50%<η≤100%时,说明此时无人艇遭遇的海浪较大;当0≤η<50%,说明此时无人艇遭遇的海浪较小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010389360.0A CN111583325A (zh) | 2020-05-10 | 2020-05-10 | 一种基于图像处理的无人艇检测海浪的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010389360.0A CN111583325A (zh) | 2020-05-10 | 2020-05-10 | 一种基于图像处理的无人艇检测海浪的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111583325A true CN111583325A (zh) | 2020-08-25 |
Family
ID=72126491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010389360.0A Withdrawn CN111583325A (zh) | 2020-05-10 | 2020-05-10 | 一种基于图像处理的无人艇检测海浪的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111583325A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023143A (zh) * | 2016-05-06 | 2016-10-12 | 中铁大桥科学研究院有限公司 | 一种跨海桥梁施工处波浪高度监测预警方法 |
CN106485722A (zh) * | 2016-09-21 | 2017-03-08 | 北京航天宏图信息技术股份有限公司 | 一种遥感影像中靠港舰船检测方法 |
CN106780366A (zh) * | 2016-11-25 | 2017-05-31 | 中国科学院上海技术物理研究所 | 一种红外图像海天线信噪比增强方法 |
CN108961305A (zh) * | 2018-07-05 | 2018-12-07 | 四创科技有限公司 | 一种基于图像识别的海浪爬坡监测方法 |
CN109215078A (zh) * | 2018-07-16 | 2019-01-15 | 哈尔滨工程大学 | 一种基于红外成像的海浪浪向确定方法 |
CN109886217A (zh) * | 2019-02-26 | 2019-06-14 | 上海海洋大学 | 一种基于卷积神经网络从近岸海浪视频中检测浪高的方法 |
CN110298271A (zh) * | 2019-06-17 | 2019-10-01 | 上海大学 | 基于关键点检测网络和空间约束混合模型的海水区域检测方法 |
CN111105390A (zh) * | 2019-11-20 | 2020-05-05 | 复旦大学 | 一种改进的海天线检测和评估方法 |
-
2020
- 2020-05-10 CN CN202010389360.0A patent/CN111583325A/zh not_active Withdrawn
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023143A (zh) * | 2016-05-06 | 2016-10-12 | 中铁大桥科学研究院有限公司 | 一种跨海桥梁施工处波浪高度监测预警方法 |
CN106485722A (zh) * | 2016-09-21 | 2017-03-08 | 北京航天宏图信息技术股份有限公司 | 一种遥感影像中靠港舰船检测方法 |
CN106780366A (zh) * | 2016-11-25 | 2017-05-31 | 中国科学院上海技术物理研究所 | 一种红外图像海天线信噪比增强方法 |
CN108961305A (zh) * | 2018-07-05 | 2018-12-07 | 四创科技有限公司 | 一种基于图像识别的海浪爬坡监测方法 |
CN109215078A (zh) * | 2018-07-16 | 2019-01-15 | 哈尔滨工程大学 | 一种基于红外成像的海浪浪向确定方法 |
CN109886217A (zh) * | 2019-02-26 | 2019-06-14 | 上海海洋大学 | 一种基于卷积神经网络从近岸海浪视频中检测浪高的方法 |
CN110298271A (zh) * | 2019-06-17 | 2019-10-01 | 上海大学 | 基于关键点检测网络和空间约束混合模型的海水区域检测方法 |
CN111105390A (zh) * | 2019-11-20 | 2020-05-05 | 复旦大学 | 一种改进的海天线检测和评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110414411B (zh) | 基于视觉显著性的海面船只候选区域检测方法 | |
CN109978869A (zh) | 一种基于灰度共生矩阵和Hough变换的海天线检测方法与系统 | |
CN109815807B (zh) | 一种基于边缘线分析和聚合通道特征的靠岸船舶检测方法 | |
WO2023025236A1 (zh) | 一种多通航要素数据融合方法 | |
CN104217215B (zh) | 一种水面有雾图像和清晰图像的分类识别方法 | |
CN101214851A (zh) | 船舶行驶智能型全天候主动安全预警系统及其预警方法 | |
US20140314270A1 (en) | Detection of floating objects in maritime video using a mobile camera | |
CN110866926B (zh) | 一种红外遥感图像快速精细海陆分割方法 | |
CN106530313A (zh) | 一种基于区域分割的海天线实时检测方法 | |
CN110807424B (zh) | 一种基于航拍图像的港口船舶比对方法 | |
CN109064479B (zh) | 一种基于邻近视频帧灰度动态特征的海天线检测方法 | |
CN111105390B (zh) | 一种改进的海天线检测和评估方法 | |
CN113255537A (zh) | 一种用于航行船舶识别的图像增强去噪方法 | |
CN110097549A (zh) | 基于形态学的水陆空交界线检测方法、系统、介质和设备 | |
CN103413320A (zh) | 一种港口污染物显著性检测方法 | |
CN107609537B (zh) | 一种基于hsv空间水面图像特征的水岸线检测方法 | |
CN108547272B (zh) | 一种无人驾驶的溢油自动回收系统的工作方法 | |
CN112926365A (zh) | 一种车道线检测方法及其系统 | |
Chan | Maritime filtering for images and videos | |
CN103810487A (zh) | 一种海洋航拍图像的目标检测与识别方法及系统 | |
CN111583325A (zh) | 一种基于图像处理的无人艇检测海浪的方法 | |
CN113177473A (zh) | 遥感影像水体自动化提取方法和装置 | |
CN111382718A (zh) | 一种夜间行人检测系统及基于该系统的行人检测方法 | |
CN115082811A (zh) | 一种依据图像数据的海上航行船舶识别与距离测量的方法 | |
US8433139B2 (en) | Image processing apparatus, image processing method and program for segmentation based on a degree of dispersion of pixels with a same characteristic quality |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200825 |