CN111860500A - 一种鞋印磨损区域检测与描边方法 - Google Patents
一种鞋印磨损区域检测与描边方法 Download PDFInfo
- Publication number
- CN111860500A CN111860500A CN202010665054.5A CN202010665054A CN111860500A CN 111860500 A CN111860500 A CN 111860500A CN 202010665054 A CN202010665054 A CN 202010665054A CN 111860500 A CN111860500 A CN 111860500A
- Authority
- CN
- China
- Prior art keywords
- image
- detection
- area
- point set
- wear
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012216 screening Methods 0.000 claims abstract description 18
- 238000005299 abrasion Methods 0.000 claims abstract description 12
- 239000007787 solid Substances 0.000 claims abstract description 8
- 230000002146 bilateral effect Effects 0.000 claims abstract description 7
- 239000003086 colorant Substances 0.000 claims abstract description 7
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 7
- 238000005260 corrosion Methods 0.000 claims description 6
- 230000007797 corrosion Effects 0.000 claims description 6
- 230000012010 growth Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 230000003628 erosive effect Effects 0.000 claims description 2
- 238000005530 etching Methods 0.000 claims description 2
- 238000002372 labelling Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000007688 edging Methods 0.000 claims 3
- 238000010422 painting Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 abstract description 2
- 238000005192 partition Methods 0.000 description 8
- 238000000605 extraction Methods 0.000 description 3
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035040 seed growth Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Abstract
本发明提供一种鞋印磨损区域检测与描边方法，包括针对读入的图像特征进行预处理得到待处理图像的感兴趣区域；对预处理后的图像利用多尺度高斯差分算子检测出特异性点集；对特异性点集进行条件筛选从而得到候选点集；采用基于灰度与空间距离的双边区域生长方法初步绘制磨损的掩模；采用基于连通域的条件筛选的方法去除实心小花纹；根据每个连通区域对应预处理后图像区域的熵值进行磨损程度分级，并依据分级边界进行不同颜色的标注。本发明能够有效检测鞋底花纹磨损部分并精确描述边界，对于不同类型的鞋底花纹也有较好的适应性，在嫌疑人足迹分析识别的过程中，更好更快的协助工作人员进行鞋印的对比与分析，得到较人工测量更加可靠的效果。
Description
技术领域
本发明涉及鞋印识别技术领域，具体而言，尤其涉及一种鞋印磨损区域检测与描边方法。
背景技术
现有的鞋印对比分析系统一般间接提取磨损特征，且鲜有针对磨损进行的检测。申请号为201510472283.4的中国专利中提出：将两幅待认定痕迹图像依据先验知识对鞋印进行不同磨损区域分区，再对每一个分区区域进行特征的提取，计算两幅待认定痕迹图像的各部位分区的归一化相关系数作为部位各分区的相似度，求各分区相似度加权和作为部位粗分区特征相似度，该部位粗分区特征相似度反映痕迹各分区磨损特征的相似程度，当部位粗分区特征相似度小于阈值时，表明两幅待认定痕迹图像局部磨损程度不相似。现有方法仍存在以下缺陷：
首先，提取的特征是通用的，对于磨损特征的提取和检测没有针对性，在对比分析环节，无法从抽象出的数字中对应物理现实世界中的磨损特征，所以无法具体分析磨损特征。也无法得出准确的结果。其次，没有给出磨损区域的具体边界。另外，无法实现对于磨损程度的判定等更为复杂的操作。
发明内容
根据上述提出现有技术无法给出磨损区域边界影响识别精度的的技术问题，而提供一种鞋底花纹磨损检测和描边方法，该方法能有效的检测鞋底花纹磨损部分并精确描述边界，并且对于不同类型的鞋底花纹也有较好的适应性，在进行嫌疑人足迹分析识别中，可以更好更快的协助工作人员进行鞋印的对比与分析，并且得到相比较于人工测量更加准确的性能。
本发明采用的技术手段如下：
一种鞋印磨损区域检测与描边方法，其特征在于，包括：
S1、针对读入的图像特征进行预处理得到待处理图像I的感兴趣区域IROI；
S2、对感兴趣区域IROI进行多尺度差分高斯检测并提取检测点集PD；
S3、对检测点集PD进行条件筛选从而得到候选点集PDS；
S4、对候选点集PDS采用基于灰度与空间距离的双边区域生长方法绘制磨损的初始掩模Ms；
S5、对Ms采用基于连通域的条件筛选的方法去除实心小花纹得到最终磨损掩模Md；
S6、根据最终磨损掩模Md每个连通区域对应预处理后图像区域的熵值进行磨损程度分级，并依据分级边界进行不同颜色的标注。
较现有技术相比，本发明具有以下优点：
1、本发明提供的方法，可针对不同情况的磨损提供形象的展示，无论对于完整足迹还是局部足迹均可以准确的描述边界。
2、本发明对于不同情况的磨损能够完整检出，漏检率较低，同时还可以对不同程度的磨损进行分门别类的标注。
3、本发明方法基于图像表观，不依赖于位置信息，具有一定的语义信息，能够适应不同嫌疑人由于走路的体态问题，而导致的磨损区域不同的问题。
基于上述理由本发明可在鞋印花纹提取和识别等领域广泛推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明方法流程图。
图2a为本发明实施例中输入的完整足迹图像。
图2b为本发明实施例中输出的完整足迹检出图像。
图3a为本发明实施例中输入的局部足迹图像。
图3b为本发明实施例中输出的局部足迹检出图像。
图4a为本发明实施例中不同种类检出图像第一示例。
图4b为本发明实施例中不同种类检出图像第二示例。
图4c为本发明实施例中不同种类检出图像第三示例。
图4d为本发明实施例中不同种类检出图像第四示例。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
如图1所示，本发明提供了一种鞋印磨损区域检测与描边方法，包括：
一种鞋印磨损区域检测与描边方法，其特征在于，包括：
S1、针对读入的图像特征进行预处理得到待处理图像I的感兴趣区域IROI。具体包括：
S101、提取待处理图像I的最长边长lmax；
S102、根据缩放比例因子η＝lmax/lstan，对读入图像进行缩放其中lstan为设定的标准图像边长；
S103、对缩放后的图像进行二值化处理后得到二值化图像IBW，对所述二值化图像IBW进行闭运算，得到待处理图像的感兴趣区域IROI。
S2、对感兴趣区域IROI进行多尺度差分高斯检测并提取检测点集PD。具体包括：
S201、对感兴趣区域IROI进行多尺度差分高斯检测，其中σ选取为两倍的对应层数l，即σ＝2l,从而构建起多尺度的n层的差分图像。
S202、提取差分图像的连续上中下三层间局部最大值大于阈值k的点作为检测点从而得到检测点集PD。为保证检测点集的对磨损特征的召回率，取阈值k＝0.2。
S3、对检测点集PD进行条件筛选从而得到候选点集PDS。具体包括：
S301、以检测点集中的检测点PD(i)为锚点，在进行腐蚀操作后的预处理图像IE上的邻域内以5×5的窗口内求取灰度值平均值VAVE(i)；
S302、遍历所有检测点后对求取的所有VAVE(i)取平均值作为均值筛选阈值ThAVE；
S303、判断当VAVE(i)＜ThAVE时，从检测点集中删除对应的检测点PD(i)，得到初步筛选后的检测点集PDA；
S304、对所述初步筛选后的检测点集PDA进行标准差筛选，以其中的检测点PDA(i)为锚点，在预处理图像内以其邻域内对应缩放尺度的窗口大小，计算像素值的标准差σDA(i)；
S305、遍历所有检测点后对求取的所有标准差σDA(i)取平均值作为筛选阈值Thσ；
S306、判断当σDA(i)＜Thσ时，从检测点集中删除对应的检测点σDA(i)，得到筛选后的检测点集PDS。
S4、对候选点集PDS采用基于灰度与空间距离的双边区域生长方法绘制磨损的初始掩模Ms。具体包括：
S401、对进行腐蚀操作后的预处理图像IE按缩放尺度ηMask进行缩小得到缩小后的腐蚀图像Iresize，同时按照此尺度对筛选后的检测点集PDS进行调整得到PDR；
S402、对检测点集PDR中的各个点PDR(i)分别进行灰度与空间距离的双边区域里生长得到初步的磨损区域Ms，即以PDR(i)为中心点，其八邻域内的灰度值，若小于灰度区域生长阈值Thgray则保留该邻域点PDR(i)N，并将其纳入到磨损区域Ms中。随着距离中心点PDR(i)空间距离r的变化灰度生长阈值Thgray不断发生变化，为
其中0≤r≤rmax，rmax＝300为最大的磨损区域半径单位为像素值；
为磨损分布的标准差；补误差函数
Gv为种子生长的初始阈值，通常取Gv＝40。
S5、对Ms采用基于连通域的条件筛选的方法去除实心小花纹得到最终磨损掩模Md。具体包括：
S501、判断图像的缩放尺度是否满足ηMask＞ηscale，其中ηscale为设定的缩放比例阈值，若满足则判断整个图像中的连通域个数Ncon是否满足Ncon＞NWhole，其中，其中NWhole为连通域个数阈值，若是则执行步骤S502,否则进一步判断连通域个数是否满足NWhole＞Ncon＞Nstan，其中Nstan为连通域的阈值下界，若满足，则依照符合条件的连通域面积进行由小到大的排序得到一个向量Scon，若Scon(i＝15)＜Sstan,其中，Sstan为面积阈值，则执行步骤S502，否则不满足实心小花纹条件，不进行任何操作；
S502、在缩小后的腐蚀图像中，根据Scon中的每个值依照顺序做前项差分计算得到向量DC，若求取过程中首次出现DC(i)≥DCstan，其中i为前项差分的次数，DCstan为各连通域之间的面积差值阈值，以此DC(i)作为动态面积阈值ThDc，将动态面积低于ThDc的面积值全部去除，从而完成了去除实心小花纹的功能，得到最终掩模Md。
S6、根据最终磨损掩模Md每个连通区域对应预处理后图像区域的熵值进行磨损程度分级，并依据分级边界进行不同颜色的标注。具体包括：
S601、在每个掩模Mi对应缩小后的腐蚀图像的区域中求取对应熵值ei；
S602、计算
再求取平均值eAVE＝e/n；
S603、当ei＜eAVE判定为重度磨损，当eAVE＜ei＜1.3eAVE判定为中度磨损，其余判定为轻度，分别依据边界进行不同颜色的标注。
下面通过具体的应用实例，对本发明的方案和效果做进一步说明。
如图2a所示为输入的整枚足迹图像，如图2b所示为输出整枚检测结果图像，输出图像中，红色表示为重度磨损，绿色表示为重度磨损，蓝色表示为轻度磨损。
如图3a所示为输入部分足迹图像，如图3b所示为输出检测结果图像，对比可知，本发明中涉及的方案对于不同完整度情况的磨损都能够形象的展示出来，并且可以准确的描述边界。
此外，如图4a-4d所示为本发明涉及的方案对于不同类型花纹磨损均能够完整检出，并且漏检率较低。同时本发明中对于不同程度的磨损，可以分门别类的标注出来，且基于图像表观的，有一定的语义信息。上述方案不依赖于位置信息，准确识别出因不同嫌疑人由于走路的体态差异而导致的磨损区域。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.一种鞋印磨损区域检测与描边方法，其特征在于，包括：
S1、针对读入的图像特征进行预处理得到待处理图像I的感兴趣区域IROI；
S2、对感兴趣区域IROI进行多尺度差分高斯检测并提取检测点集PD；
S3、对检测点集PD进行条件筛选从而得到候选点集PDS；
S4、对候选点集PDS采用基于灰度与空间距离的双边区域生长方法绘制磨损的初始掩模Ms；
S5、对磨损的初始掩模Ms采用基于连通域的条件筛选的方法去除实心小花纹得到最终磨损掩模Md；
S6、根据最终磨损掩模Md每个连通区域对应预处理后图像区域的熵值进行磨损程度分级，并依据分级边界进行不同颜色的标注。
2.根据权利要求1所述的鞋印磨损区域检测与描边方法，其特征在于，步骤S1针对读入的图像特征进行预处理得到待处理图像I的感兴趣区域IROI，包括：
S101、提取待处理图像I的最长边长lmax；
S102、根据缩放比例因子η＝lmax/lstan，对读入图像进行缩放其中lstan为设定的标准图像边长；
S103、对缩放后的图像进行二值化处理后得到二值化图像IBW，对所述二值化图像IBW进行闭运算，得到待处理图像的感兴趣区域IROI。
3.根据权利要求1所述的鞋印磨损区域检测与描边方法，其特征在于，步骤S2对感兴趣区域IROI进行多尺度差分高斯检测并提取检测点集PD，包括：
S201、对感兴趣区域IROI进行多尺度差分高斯检测，构建起多尺度的n层的差分图像；
S202、提取所述差分图像的连续上中下三层间局部最大值大于阈值k的点作为检测点从而得到检测点集PD。
4.根据权利要求1所述的鞋印磨损区域检测与描边方法，其特征在于，步骤S3对检测点集PD进行条件筛选从而得到候选点集PDS，包括：
S301、以检测点集中的检测点PD(i)为锚点，在进行腐蚀操作后的预处理图像IE上的邻域内以5×5的窗口内求取灰度值平均值VAVE(i)；
S302、遍历所有检测点后对求取的所有VAVE(i)取平均值作为均值筛选阈值ThAVE；
S303、判断当VAVE(i)＜ThAVE时，从检测点集中删除对应的检测点PD(i)，得到初步筛选后的检测点集PDA；
S304、对所述初步筛选后的检测点集PDA进行标准差筛选，以其中的检测点PDA(i)为锚点，在预处理图像内以其邻域内对应缩放尺度的窗口大小，计算像素值的标准差σDA(i)；
S305、遍历所有检测点后对求取的所有标准差σDA(i)取平均值作为筛选阈值Thσ；
S306、判断当σDA(i)＜Thσ时，从检测点集中删除对应的检测点σDA(i)，得到筛选后的检测点集PDS。
5.根据权利要求1所述的鞋印磨损区域检测与描边方法，其特征在于，步骤S4对候选点集PDS采用基于灰度与空间距离的双边区域生长方法绘制磨损的初始掩模Ms，包括：
S401、对进行腐蚀操作后的预处理图像IE按缩放尺度ηMask进行缩小得到缩小后的腐蚀图像Iresize，同时按照此尺度对筛选后的检测点集PDS进行调整得到PDR；
S402、对检测点集PDR中的各个点PDR(i)分别进行灰度与空间距离的双边区域里生长得到初步的磨损区域Ms，即以PDR(i)为中心点，其八邻域内的灰度值，若小于灰度区域生长阈值Thgray则保留该邻域点PDR(i)N，并将其纳入到磨损区域Ms中；
S403、对保留的邻域点PDR(i)N作为种子点，重复步骤S402，直至所有点都不满足生长阈值，即生长停止，从而得到磨损的初始掩模Ms。
6.根据权利要求1所述的鞋印磨损区域检测与描边方法，其特征在于，步骤S5对Ms采用基于连通域的条件筛选的方法去除实心小花纹得到最终磨损掩模Md,包括：
S501、判断图像的缩放尺度是否满足ηMask＞ηscale，若满足则判断整个图像中的连通域个数Ncon是否满足Ncon＞NWhole，若是则执行步骤S502,否则进一步判断连通域个数是否满足NWhole＞Ncon＞Nstan，若满足则依照符合条件的连通域面积进行由小到大的排序得到一个向量Scon，若Scon(i＝15)＜Sstan成立，则执行步骤S502，否则不满足实心小花纹条件，不进行任何操作，其中ηscale为设定的缩放比例阈值，NWhole为连通域个数阈值，Nstan为连通域的阈值下界，Sstan为面积阈值；
S502、在缩小后的腐蚀图像中，根据Scon中的每个值依照顺序做前项差分计算得到向量DC，若求取过程中首次出现DC(i)≥DCstan，则以此DC(i)作为动态面积阈值ThDc，将动态面积低于ThDc的面积值全部去除，得到最终掩模Md，其中i为前项差分的次数，DCstan为各连通域之间的面积差值阈值。
7.根据权利要求1所述的鞋印磨损区域检测与描边方法，其特征在于，步骤S6根据最终磨损掩模Md每个连通区域对应预处理后图像区域的熵值进行磨损程度分级，并依据分级边界进行不同颜色的标注,包括：
S601、在每个掩模Mi对应缩小后的腐蚀图像的区域中求取对应熵值ei；
S602、计算
再求取平均值eAVE＝e/n；
S603、当ei＜eAVE判定为重度磨损，当eAVE＜ei＜1.3eAVE判定为中度磨损，其余判定为轻度，分别依据边界进行不同颜色的标注。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010665054.5A CN111860500B (zh) | 2020-07-10 | 2020-07-10 | 一种鞋印磨损区域检测与描边方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010665054.5A CN111860500B (zh) | 2020-07-10 | 2020-07-10 | 一种鞋印磨损区域检测与描边方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111860500A true CN111860500A (zh) | 2020-10-30 |
| CN111860500B CN111860500B (zh) | 2024-03-19 |
Family
ID=72982993
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010665054.5A Active CN111860500B (zh) | 2020-07-10 | 2020-07-10 | 一种鞋印磨损区域检测与描边方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111860500B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112907549A (zh) * | 2021-03-01 | 2021-06-04 | 大连海事大学 | 一种鞋印花纹断裂特征检测与描述方法及系统 |
| CN113012124A (zh) * | 2021-03-15 | 2021-06-22 | 大连海事大学 | 一种鞋印孔洞和嵌入物特征检测及描述方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0812897D0 (en) * | 2008-07-15 | 2008-08-20 | Univ Sheffield | Shoeprint identification system |
| CN105678795A (zh) * | 2016-03-02 | 2016-06-15 | 大连海事大学 | 一种现场鞋印图像检验方法 |
| CN106650553A (zh) * | 2015-10-30 | 2017-05-10 | 比亚迪股份有限公司 | 车牌识别方法及系统 |
| CN107247929A (zh) * | 2017-05-26 | 2017-10-13 | 大连海事大学 | 一种结合先验知识的鞋印花纹渐进细化式提取方法 |
| CN107255641A (zh) * | 2017-06-06 | 2017-10-17 | 西安理工大学 | 一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法 |
| CN107301426A (zh) * | 2017-06-14 | 2017-10-27 | 大连海事大学 | 一种鞋底花纹图像的多标签聚类方法 |
| CN110188222A (zh) * | 2019-06-03 | 2019-08-30 | 大连海事大学 | 基于局部语义滤波器和桥接相似度的鞋印检索方法 |
| US20190304076A1 (en) * | 2019-06-20 | 2019-10-03 | Fanny Nina Paravecino | Pose synthesis in unseen human poses |
-
2020
- 2020-07-10 CN CN202010665054.5A patent/CN111860500B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0812897D0 (en) * | 2008-07-15 | 2008-08-20 | Univ Sheffield | Shoeprint identification system |
| CN106650553A (zh) * | 2015-10-30 | 2017-05-10 | 比亚迪股份有限公司 | 车牌识别方法及系统 |
| CN105678795A (zh) * | 2016-03-02 | 2016-06-15 | 大连海事大学 | 一种现场鞋印图像检验方法 |
| CN107247929A (zh) * | 2017-05-26 | 2017-10-13 | 大连海事大学 | 一种结合先验知识的鞋印花纹渐进细化式提取方法 |
| CN107255641A (zh) * | 2017-06-06 | 2017-10-17 | 西安理工大学 | 一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法 |
| CN107301426A (zh) * | 2017-06-14 | 2017-10-27 | 大连海事大学 | 一种鞋底花纹图像的多标签聚类方法 |
| CN110188222A (zh) * | 2019-06-03 | 2019-08-30 | 大连海事大学 | 基于局部语义滤波器和桥接相似度的鞋印检索方法 |
| US20190304076A1 (en) * | 2019-06-20 | 2019-10-03 | Fanny Nina Paravecino | Pose synthesis in unseen human poses |
Non-Patent Citations (1)
| Title |
|---|
| 李姗姗;刘丽冰;李莉;杨泽青;彭凯;李宪凯;: "基于区域生长法的数控刀具磨损状态检测方法", 制造技术与机床, no. 02, 2 February 2017 (2017-02-02) * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112907549A (zh) * | 2021-03-01 | 2021-06-04 | 大连海事大学 | 一种鞋印花纹断裂特征检测与描述方法及系统 |
| CN112907549B (zh) * | 2021-03-01 | 2023-09-05 | 大连海事大学 | 一种鞋印花纹断裂特征检测与描述方法及系统 |
| CN113012124A (zh) * | 2021-03-15 | 2021-06-22 | 大连海事大学 | 一种鞋印孔洞和嵌入物特征检测及描述方法 |
| CN113012124B (zh) * | 2021-03-15 | 2024-02-23 | 大连海事大学 | 一种鞋印孔洞和嵌入物特征检测及描述方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111860500B (zh) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Akagic et al. | Pavement crack detection using Otsu thresholding for image segmentation | |
| CN107833220B (zh) | 基于深度卷积神经网络与视觉显著性的织物缺陷检测方法 | |
| CN110110799B (zh) | 细胞分类方法、装置、计算机设备和存储介质 | |
| Chen et al. | A self organizing map optimization based image recognition and processing model for bridge crack inspection | |
| US11580647B1 (en) | Global and local binary pattern image crack segmentation method based on robot vision | |
| Oliveira et al. | Automatic road crack detection and characterization | |
| CN108918536B (zh) | 轮胎模具表面字符缺陷检测方法、装置、设备及存储介质 | |
| CN115345885B (zh) | 一种金属健身器材外观质量检测方法 | |
| CN109191459B (zh) | 连铸坯低倍组织中心偏析缺陷的自动识别与评级方法 | |
| CN106683119B (zh) | 基于航拍视频图像的运动车辆检测方法 | |
| CN107610114A (zh) | 基于支持向量机的光学卫星遥感影像云雪雾检测方法 | |
| Chambon et al. | Road crack extraction with adapted filtering and markov model-based segmentation-introduction and validation | |
| CN110598030B (zh) | 一种基于局部cnn框架的甲骨拓片分类方法 | |
| CN110796643A (zh) | 一种铁轨扣件缺陷检测方法和系统 | |
| CN111242185A (zh) | 一种基于深度学习的缺陷快速初筛方法及系统 | |
| CN111652213A (zh) | 一种基于深度学习的船舶水尺读数识别方法 | |
| CN109858438B (zh) | 一种基于模型拟合的车道线检测方法 | |
| Vorobel et al. | Segmentation of rust defects on painted steel surfaces by intelligent image analysis | |
| CN111340824A (zh) | 一种基于数据挖掘的图像特征分割方法 | |
| CN114820625B (zh) | 一种汽车顶块缺陷检测方法 | |
| Daniel et al. | Automatic road distress detection and analysis | |
| CN113221881B (zh) | 一种多层级的智能手机屏幕缺陷检测方法 | |
| CN111860500B (zh) | 一种鞋印磨损区域检测与描边方法 | |
| CN114882599A (zh) | 基于双分支神经网络的离线手写签名分割系统和方法 | |
| CN115272350A (zh) | 一种计算机pcb主板生产质量检测方法 |
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 |