CN111649703A - 基于参数解析的厚度辨识装置 - Google Patents
基于参数解析的厚度辨识装置 Download PDFInfo
- Publication number
- CN111649703A CN111649703A CN201910946453.6A CN201910946453A CN111649703A CN 111649703 A CN111649703 A CN 111649703A CN 201910946453 A CN201910946453 A CN 201910946453A CN 111649703 A CN111649703 A CN 111649703A
- Authority
- CN
- China
- Prior art keywords
- image
- raindrop
- surrounding environment
- equipment
- sub
- 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- Withdrawn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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B15/00—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons
- G01B15/02—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons for measuring thickness
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于参数解析的云层厚度辨识装置,包括:雨滴辨识设备,用于基于雨滴成像特征获取整合处理图像中的各个雨滴对象分别所在的各个雨滴子图像,并获取每一个雨滴子图像占据的像素点的数量;密度分析设备,用于基于所述整合处理图像中雨滴对象的数量确定与其成正比的雨滴密度;厚度提取设备,用于将各个雨滴对象分别占据的像素点的数量的均值作为参考雨滴面积,使用雨滴密度、第一权重值、参考雨滴面积和第二权重值进行加权计算以获得当前云层厚度。本发明的基于参数解析的云层厚度辨识装置设计紧凑,辨识有效。由于使用雨滴密度、第一权重值、参考雨滴面积和第二权重值以计算当前云层厚度,从而为云层厚度的检测提供重要途径。
Description
技术领域
本发明涉及信号处理领域,尤其涉及一种基于参数解析的厚度辨识装置。
背景技术
随着数字计算机的飞速发展,信号处理的理论和方法也得以发展。在我们的面前出现了不受物理制约的纯数学的加工,即算法,并确立了信号处理的领域。现在,对于信号的处理,人们通常是先把模拟信号变成数字信号,然后利用高效的数字信号处理器(DSP:Digital Signal Processor)或计算机对其进行数字信号处理。
作为DSP的成功例子有很多,如医用CT断层成像扫描仪的发明。它是利用生物体的各个部位对X射线吸收率不同的现象,并利用各个方向扫描的投影数据再构造出检测体剖面图的仪器。这种仪器中FFT(快速傅里叶变换)起到了快速计算的作用。以后相继研制出的还有:采用正电子的CT机和基于核磁共振的CT机等仪器,它们为医学领域作出了很大的贡献。
发明内容
本发明需要具备以下两处关键的发明点:
(1)使用雨滴密度、第一权重值、参考雨滴面积和第二权重值进行加权计算以获得当前云层厚度,从而为云层厚度的检测提供重要途径;
(2)在获取用于图像处理的参考性锐化等级的情况下,仅仅对其中对象面积超限的子图像执行锐化等级处理,从而在图像处理效果和图像处理效率之间达到平衡。
根据本发明的一方面,提供了一种基于参数解析的云层厚度辨识装置,所述装置包括:
雨滴辨识设备,与信号整合设备连接,用于接收整合处理图像,并基于雨滴成像特征获取所述整合处理图像中的各个雨滴对象分别所在的各个雨滴子图像,并获取每一个雨滴子图像占据的像素点的数量;
密度分析设备,与所述雨滴辨识设备连接,用于基于所述整合处理图像中雨滴对象的数量确定与其成正比的雨滴密度;
厚度提取设备,分别与所述雨滴辨识设备和所述密度分析设备连接,用于将各个雨滴对象分别占据的像素点的数量的均值作为参考雨滴面积,使用雨滴密度、第一权重值、参考雨滴面积和第二权重值进行加权计算以获得当前云层厚度;
球形采集设备,设置在室外场地的竖杆的侧面,用于对四周环境执行图像数据采集,以获得并输出相应的四周环境图像;
数量识别设备,与所述球形采集设备连接,用于接收四周环境图像,并获得所述四周环境图像的每一行的像素点的数量以作为图像长度输出;
即时切分设备,与所述数量识别设备连接,用于确定与所述图像长度成正比的用于图像切分的碎片面积大小,并基于确定的碎片对所述四周环境图像执行切分以获得多个子图像。
根据本发明的另一方面,还提供了一种基于参数解析的云层厚度辨识方法,所述方法包括使用一种如上述的基于参数解析的云层厚度辨识装置,用于使用雨滴密度、第一权重值、参考雨滴面积和第二权重值进行加权计算以获得当前云层厚度。
本发明的基于参数解析的云层厚度辨识装置设计紧凑,辨识有效。由于使用雨滴密度、第一权重值、参考雨滴面积和第二权重值以计算当前云层厚度,从而为云层厚度的检测提供重要途径。
具体实施方式
下面将对本发明的基于参数解析的云层厚度辨识装置的实施方案进行详细说明。
图像处理的各个内容是互相有联系的。一个实用的图像处理系统往往结合应用几种图像处理技术才能得到所需要的结果。图像数字化是将一个图像变换为适合计算机处理的形式的第一步。图像编码技术可用以传输和存储图像。图像增强和复原可以是图像处理的最后目的,也可以是为进一步的处理作准备。通过图像分割得出的图像特征可以作为最后结果,也可以作为下一步图像分析的基础。
图像匹配、描述和识别对图像进行比较和配准,通过分制提取图像的特征及相互关系,得到图像符号化的描述,再把它同模型比较,以确定其分类。图像匹配试图建立两张图片之间的几何对应关系,度量其类似或不同的程度。匹配用于图片之间或图片与地图之间的配准,例如检测不同时间所拍图片之间景物的变化,找出运动物体的轨迹。
现有技术中,云层厚度的辨识对于判断下雨何时停止非常有效,然而,由于云层位置的特殊性,人们无法在地面采用红外线或超声波透射的方式进行厚度检测,而是一般采用卫星云图的方式进行检测,然而卫星云图的检测方式存在一定的误差范围。
为了克服上述不足,本发明搭建了一种基于参数解析的云层厚度辨识装置,能够有效解决相应的技术问题。
根据本发明实施方案示出的基于参数解析的云层厚度辨识装置包括:
雨滴辨识设备,与信号整合设备连接,用于接收整合处理图像,并基于雨滴成像特征获取所述整合处理图像中的各个雨滴对象分别所在的各个雨滴子图像,并获取每一个雨滴子图像占据的像素点的数量;
密度分析设备,与所述雨滴辨识设备连接,用于基于所述整合处理图像中雨滴对象的数量确定与其成正比的雨滴密度;
厚度提取设备,分别与所述雨滴辨识设备和所述密度分析设备连接,用于将各个雨滴对象分别占据的像素点的数量的均值作为参考雨滴面积,使用雨滴密度、第一权重值、参考雨滴面积和第二权重值进行加权计算以获得当前云层厚度;
球形采集设备,设置在室外场地的竖杆的侧面,用于对四周环境执行图像数据采集,以获得并输出相应的四周环境图像;
数量识别设备,与所述球形采集设备连接,用于接收四周环境图像,并获得所述四周环境图像的每一行的像素点的数量以作为图像长度输出;
即时切分设备,与所述数量识别设备连接,用于确定与所述图像长度成正比的用于图像切分的碎片面积大小,并基于确定的碎片对所述四周环境图像执行切分以获得多个子图像;
数据采集设备,与所述即时切分设备连接,用于接收四周环境图像的各个子图像,获取各个子图像的各个锐化等级,对所述各个锐化等级进行均值计算以输出相应的参考性锐化等级;
自适应调整设备,与所述数据采集设备连接,用于对所述四周环境图像中对象面积超过预设面积阈值的每一个子图像执行以下动作:基于所述参考性锐化等级对所述子图像执行边缘锐化处理以获得处理后子图像,所述参考性锐化等级越低,对所述子图像执行边缘锐化处理的强度越高;
信号整合设备,分别与所述自适应调整设备和所述数据采集设备连接,用于将所述四周环境图像中各个处理后子图像以及所述四周环境图像中对象面积未超过预设面积阈值的各个子图像进行图像整合以获得所述四周环境图像对应的整合处理图像;
其中,所述四周环境图像中对象面积超过预设面积阈值的子图像为其中对象所占据的像素点的数量超过与所述预设面积阈值对应的像素点数量的子图像。
接着,继续对本发明的基于参数解析的云层厚度辨识装置的具体结构进行进一步的说明。
所述基于参数解析的云层厚度辨识装置中:
所述数量识别设备和所述即时切分设备使用同一石英振荡设备以获得不同频率的时钟信号。
所述基于参数解析的云层厚度辨识装置中还可以包括:
在所述厚度提取设备中,雨滴密度与第一权重值相关,参考雨滴面积与第二权重值相关。
所述基于参数解析的云层厚度辨识装置中还可以包括:
数据调节设备,与所述球形采集设备连接,用于接收四周环境图像,并在所述四周环境图像中曲线最大弧度超限时,对所述四周环境图像执行曲线修改以降低所述四周环境图像中曲线的弧度,获得数据调节图像。
所述基于参数解析的云层厚度辨识装置中还可以包括:
谐波均值滤波设备,与所述数据调节设备连接,用于接收所述数据调节图像,对所述数据调节图像执行谐波均值滤波处理,以获得并输出对应的现场滤波图像。
所述基于参数解析的云层厚度辨识装置中还可以包括:
现场插值设备,与所述谐波均值滤波设备连接,用于接收所述现场滤波图像,并对所述现场滤波图像执行三次多项式插值处理,以获得并输出相应的现场插值图像。
所述基于参数解析的云层厚度辨识装置中还可以包括:
像素点分析设备,与所述现场插值设备连接,用于接收所述现场插值图像,基于预设的基准雨滴轮廓从所述现场插值图像处分割出对应的雨滴子图像,并在所述雨滴子图像占据的像素点的数量超限时,发出信号合格信号。
所述基于参数解析的云层厚度辨识装置中:
所述像素点分析设备还用于在所述雨滴子图像占据的像素点的数量未超限时,发出信号不合格信号。
所述基于参数解析的云层厚度辨识装置中还可以包括:
数据锐化设备,分别与所述像素点分析设备、所述谐波均值滤波设备和所述现场插值设备连接,用于在接收到信号不合格信号时,对接收到的现场滤波图像执行边缘增强处理,以获得现场增强图像,并将所述现场增强图像发送给所述现场插值设备;
所述现场插值设备还与所述数量识别设备连接,用于在接收到所述现场增强图像时,对所述现场增强图像执行三次多项式插值处理以获得相应的插值后图像,并将所述插值后图像替换所述四周环境图像发送给所述数量识别设备;
其中,所述现场插值设备还与所述像素点分析设备连接,用于在接收到信号合格信号时,将所述现场插值图像作为插值后图像并替换所述四周环境图像发送给所述数量识别设备;
其中,所述数据锐化设备还用于在接收到所述信号合格信号时,停止对接收到的现场滤波图像执行的边缘增强处理。
同时,为了克服上述不足,本发明还搭建了一种基于参数解析的云层厚度辨识方法,所述方法包括使用一种如上述的基于参数解析的云层厚度辨识装置,用于使用雨滴密度、第一权重值、参考雨滴面积和第二权重值进行加权计算以获得当前云层厚度。
另外,所述数据锐化设备、所述像素点分析设备、所述谐波均值滤波设备和所述现场插值设备分别采用不同型号的PAL器件来实现。
可编程阵列逻辑PAL(Programmable Array Logic)器件是美国MMI公司率先推出的,它由于输出结构种类很多,设计灵活,因而得到普遍使用。
PAL器件的基本结构是把一个可编程的与阵列的输出乘积项馈送到或阵列,PAL器件所实现的逻辑表达式具有积之和的形式,因而可以描述任意布尔传递函数。
PAL器件从内部结构上来说由五种基本类型构成:(1)基本阵列结构;(2)可编程I/O结构;(3)带反馈的寄存器输出结构;(4)异或结构:(5)算术功能结构。
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。
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。
虽然本发明已以实施例揭示如上,但其并非用以限定本发明,任何所属技术领域的普通技术人员,在不脱离本发明的精神和范围内,应当可以做出适当的改动和同等替换。因此本发明的保护范围应当以本申请权利要求所界定的范围为准。
Claims (10)
1.一种基于参数解析的云层厚度辨识装置,所述装置包括:
雨滴辨识设备,与信号整合设备连接,用于接收整合处理图像,并基于雨滴成像特征获取所述整合处理图像中的各个雨滴对象分别所在的各个雨滴子图像,并获取每一个雨滴子图像占据的像素点的数量;
密度分析设备,与所述雨滴辨识设备连接,用于基于所述整合处理图像中雨滴对象的数量确定与其成正比的雨滴密度;
厚度提取设备,分别与所述雨滴辨识设备和所述密度分析设备连接,用于将各个雨滴对象分别占据的像素点的数量的均值作为参考雨滴面积,使用雨滴密度、第一权重值、参考雨滴面积和第二权重值进行加权计算以获得当前云层厚度;
球形采集设备,设置在室外场地的竖杆的侧面,用于对四周环境执行图像数据采集,以获得并输出相应的四周环境图像;
数量识别设备,与所述球形采集设备连接,用于接收四周环境图像,并获得所述四周环境图像的每一行的像素点的数量以作为图像长度输出;
即时切分设备,与所述数量识别设备连接,用于确定与所述图像长度成正比的用于图像切分的碎片面积大小,并基于确定的碎片对所述四周环境图像执行切分以获得多个子图像;
数据采集设备,与所述即时切分设备连接,用于接收四周环境图像的各个子图像,获取各个子图像的各个锐化等级,对所述各个锐化等级进行均值计算以输出相应的参考性锐化等级;
自适应调整设备,与所述数据采集设备连接,用于对所述四周环境图像中对象面积超过预设面积阈值的每一个子图像执行以下动作:基于所述参考性锐化等级对所述子图像执行边缘锐化处理以获得处理后子图像,所述参考性锐化等级越低,对所述子图像执行边缘锐化处理的强度越高;
信号整合设备,分别与所述自适应调整设备和所述数据采集设备连接,用于将所述四周环境图像中各个处理后子图像以及所述四周环境图像中对象面积未超过预设面积阈值的各个子图像进行图像整合以获得所述四周环境图像对应的整合处理图像;
其中,所述四周环境图像中对象面积超过预设面积阈值的子图像为其中对象所占据的像素点的数量超过与所述预设面积阈值对应的像素点数量的子图像。
2.如权利要求1所述的基于参数解析的云层厚度辨识装置,其特征在于:
所述数量识别设备和所述即时切分设备使用同一石英振荡设备以获得不同频率的时钟信号。
3.如权利要求2所述的基于参数解析的云层厚度辨识装置,其特征在于:
在所述厚度提取设备中,雨滴密度与第一权重值相关,参考雨滴面积与第二权重值相关。
4.如权利要求3所述的基于参数解析的云层厚度辨识装置,其特征在于,所述装置还包括:
数据调节设备,与所述球形采集设备连接,用于接收四周环境图像,并在所述四周环境图像中曲线最大弧度超限时,对所述四周环境图像执行曲线修改以降低所述四周环境图像中曲线的弧度,获得数据调节图像。
5.如权利要求4所述的基于参数解析的云层厚度辨识装置,其特征在于,所述装置还包括:
谐波均值滤波设备,与所述数据调节设备连接,用于接收所述数据调节图像,对所述数据调节图像执行谐波均值滤波处理,以获得并输出对应的现场滤波图像。
6.如权利要求5所述的基于参数解析的云层厚度辨识装置,其特征在于,所述装置还包括:
现场插值设备,与所述谐波均值滤波设备连接,用于接收所述现场滤波图像,并对所述现场滤波图像执行三次多项式插值处理,以获得并输出相应的现场插值图像。
7.如权利要求6所述的基于参数解析的云层厚度辨识装置,其特征在于,所述装置还包括:
像素点分析设备,与所述现场插值设备连接,用于接收所述现场插值图像,基于预设的基准雨滴轮廓从所述现场插值图像处分割出对应的雨滴子图像,并在所述雨滴子图像占据的像素点的数量超限时,发出信号合格信号。
8.如权利要求7所述的基于参数解析的云层厚度辨识装置,其特征在于:
所述像素点分析设备还用于在所述雨滴子图像占据的像素点的数量未超限时,发出信号不合格信号。
9.如权利要求8所述的基于参数解析的云层厚度辨识装置,其特征在于,所述装置还包括:
数据锐化设备,分别与所述像素点分析设备、所述谐波均值滤波设备和所述现场插值设备连接,用于在接收到信号不合格信号时,对接收到的现场滤波图像执行边缘增强处理,以获得现场增强图像,并将所述现场增强图像发送给所述现场插值设备;
所述现场插值设备还与所述数量识别设备连接,用于在接收到所述现场增强图像时,对所述现场增强图像执行三次多项式插值处理以获得相应的插值后图像,并将所述插值后图像替换所述四周环境图像发送给所述数量识别设备;
其中,所述现场插值设备还与所述像素点分析设备连接,用于在接收到信号合格信号时,将所述现场插值图像作为插值后图像并替换所述四周环境图像发送给所述数量识别设备;
其中,所述数据锐化设备还用于在接收到所述信号合格信号时,停止对接收到的现场滤波图像执行的边缘增强处理。
10.一种基于参数解析的云层厚度辨识方法,所述方法包括提供一种如权利要求3-9任一所述的基于参数解析的云层厚度辨识装置,用于使用雨滴密度、第一权重值、参考雨滴面积和第二权重值进行加权计算以获得当前云层厚度。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910946453.6A CN111649703A (zh) | 2019-10-05 | 2019-10-05 | 基于参数解析的厚度辨识装置 |
GBGB2015280.7A GB202015280D0 (en) | 2019-10-05 | 2020-09-28 | Thickness identification device based on parameter analysis |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910946453.6A CN111649703A (zh) | 2019-10-05 | 2019-10-05 | 基于参数解析的厚度辨识装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111649703A true CN111649703A (zh) | 2020-09-11 |
Family
ID=72350832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910946453.6A Withdrawn CN111649703A (zh) | 2019-10-05 | 2019-10-05 | 基于参数解析的厚度辨识装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111649703A (zh) |
GB (1) | GB202015280D0 (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6105424A (en) * | 1994-04-26 | 2000-08-22 | Cytec Technology Corp. | Settling process analysis device and method |
CN102254191A (zh) * | 2011-07-08 | 2011-11-23 | 华中科技大学 | 一种基于图像处理的降水粒子相态识别方法 |
CN102707340A (zh) * | 2012-06-06 | 2012-10-03 | 南京大学 | 一种基于视频图像的降雨量测量方法 |
CN103033857A (zh) * | 2012-12-25 | 2013-04-10 | 中国人民解放军理工大学 | 基于平行光大视场的降水降雪自动观测方法 |
CN105699981A (zh) * | 2016-02-03 | 2016-06-22 | 南京信息工程大学 | 一种测量云层高度和厚度的硬件和软件配合方法 |
CN108983322A (zh) * | 2018-06-08 | 2018-12-11 | 浙江省气象台 | 一种冬季降雨降雪的预测方法 |
CN110001582A (zh) * | 2018-10-30 | 2019-07-12 | 永康市臣贸工贸有限公司 | 发动机盖板漏水辨识机构 |
CN110260793A (zh) * | 2019-04-11 | 2019-09-20 | 刘剑 | 基于参数辨识的预警系统及方法 |
-
2019
- 2019-10-05 CN CN201910946453.6A patent/CN111649703A/zh not_active Withdrawn
-
2020
- 2020-09-28 GB GBGB2015280.7A patent/GB202015280D0/en not_active Ceased
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6105424A (en) * | 1994-04-26 | 2000-08-22 | Cytec Technology Corp. | Settling process analysis device and method |
CN102254191A (zh) * | 2011-07-08 | 2011-11-23 | 华中科技大学 | 一种基于图像处理的降水粒子相态识别方法 |
CN102707340A (zh) * | 2012-06-06 | 2012-10-03 | 南京大学 | 一种基于视频图像的降雨量测量方法 |
CN103033857A (zh) * | 2012-12-25 | 2013-04-10 | 中国人民解放军理工大学 | 基于平行光大视场的降水降雪自动观测方法 |
CN105699981A (zh) * | 2016-02-03 | 2016-06-22 | 南京信息工程大学 | 一种测量云层高度和厚度的硬件和软件配合方法 |
CN108983322A (zh) * | 2018-06-08 | 2018-12-11 | 浙江省气象台 | 一种冬季降雨降雪的预测方法 |
CN110001582A (zh) * | 2018-10-30 | 2019-07-12 | 永康市臣贸工贸有限公司 | 发动机盖板漏水辨识机构 |
CN110260793A (zh) * | 2019-04-11 | 2019-09-20 | 刘剑 | 基于参数辨识的预警系统及方法 |
Non-Patent Citations (2)
Title |
---|
宫福久等: "东北冷涡天气系统的雨滴谱特征", 《气象科学》 * |
蔡森等: "FY2C/D卫星反演云特性参数与地面雨滴谱降水观测初步分析", 《气象与环境科学》 * |
Also Published As
Publication number | Publication date |
---|---|
GB202015280D0 (en) | 2020-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shah et al. | Fusion of surveillance images in infrared and visible band using curvelet, wavelet and wavelet packet transform | |
Qu et al. | A novel image fusion algorithm based on bandelet transform | |
Lee et al. | Robust CCD and IR image registration using gradient-based statistical information | |
Yang | Multimodal medical image fusion through a new DWT based technique | |
JPH03206572A (ja) | 階調変換自動化装置 | |
CN106204570B (zh) | 一种基于非因果分数阶梯度算子的角点检测方法 | |
Bhateja et al. | An improved medical image fusion approach using PCA and complex wavelets | |
Al Zu'bi et al. | 3d multiresolution analysis for reduced features segmentation of medical volumes using pca | |
Dhruv et al. | Comparative analysis of edge detection techniques for medical images of different body parts | |
Altas et al. | A variational approach to the radiometric enhancement of digital imagery | |
Nagaraja | Noise removal techniques and quality analysis of X-ray images | |
Semler et al. | Curvelet-based texture classification of tissues in computed tomography | |
Yu et al. | Performance evaluation of edge-directed interpolation methods for noise-free images | |
Johari et al. | Metal artifact suppression in dental cone beam computed tomography images using image processing techniques | |
Singh et al. | Classification of various image fusion algorithms and their performance evaluation metrics | |
CN112102327B (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
CN111649703A (zh) | 基于参数解析的厚度辨识装置 | |
Storozhilova et al. | Two approaches for noise filtering in 3D medical CT-images | |
Cihan et al. | Fusion of CT and MR liver images using multiresolution analysis methods | |
Bavirisetti et al. | Multi-focus image fusion using maximum symmetric surround saliency detection | |
Kishore et al. | Denoising ultrasound medical images with selective fusion in wavelet domain | |
Gao et al. | Multiscale phase congruency analysis for image edge visual saliency detection | |
CN110084770B (zh) | 基于二维Littlewood-Paley经验小波变换的脑部图像融合方法 | |
Sun et al. | Study of edge detection algorithms for lung CT image on the basis of MATLAB | |
Karlita et al. | Automatic bone outer contour extraction from B-modes ultrasound images based on local phase symmetry and quadratic polynomial fitting |
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: 20200911 |