CN111950365B - 图像的区域识别方法、装置、设备以及存储介质 - Google Patents
图像的区域识别方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN111950365B CN111950365B CN202010647132.9A CN202010647132A CN111950365B CN 111950365 B CN111950365 B CN 111950365B CN 202010647132 A CN202010647132 A CN 202010647132A CN 111950365 B CN111950365 B CN 111950365B
- Authority
- CN
- China
- Prior art keywords
- recognition result
- image
- sub
- ground
- feature recognition
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004891 communication Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 23
- 238000012937 correction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Astronomy & Astrophysics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像的区域识别方法,包括:获取待处理图像;对所述待处理图像进行预设的区域划分处理,形成若干分区域;将所述分区域的图像进行地物识别;根据目标分区域的地物识别结果及目标分区域周围的分区域的地物识别结果修正所述目标分区域的地物识别结果;将修正后的地物识别结果相同且位置相邻的分区域设置为同一连通区域,得到所述待处理图像的区域地物识别结果。本发明实施例还公开了一种图像的区域识别装置、设备及存储介质,解决现有技术中出现图像识别错误的问题。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像的区域识别方法、装置、设备以及存储介质。
背景技术
地物是指地面上各种有形物(如山川、森林、农田等)和无形物(如省、县界等)的总称。泛指地球表面上相对固定的物体。
以地物中的有形物为例,为了满足各种研究的需要,例如,一般应用无人机对农田、森林进行拍摄,由于农田中的农作物种类繁多,使得现有的地物识别方法很难从拍摄的图像中识别当前区域的农作物的种类,根据现有技术进行识别时,识别的图像经常出现重叠或空洞的现象,使得识别结果出现错误。
发明内容
本发明实施例提供一种图像的区域识别方法、装置、设备以及存储介质,能有效解决现有技术中图像识别错误的问题。
本发明一实施例提供一种图像的区域识别方法,包括:
获取待处理图像;
对所述待处理图像进行预设的区域划分处理,形成若干分区域;
将所述分区域的图像进行地物识别;
根据目标分区域的地物识别结果及目标分区域周围的分区域的地物识别结果修正所述目标分区域的地物识别结果;
将修正后的地物识别结果相同且位置相邻的分区域设置为同一连通区域,得到所述待处理图像的区域地物识别结果;
其中,所述根据目标分区域的地物识别结果及目标分区域周围的分区域的地物识别结果修正所述目标分区域的地物识别结果,具体为:
根据预设的九宫格位置关系以目标分区域为中心,判断目标分区域及目标分区域周围的分区域的地物识别结果;
响应于判断结果为不小于六个所述分区域的地物识别结果为第一地物类型,则,所述目标分区域的地物识别结果为第一地物类型,并将地物识别结果为第一地物类型的分区域进行合并;
根据预设的九宫格位置关系判断每一分区域及每一分区域周围的分区域的地物识别结果;
响应于判断结果为不小于四个所述分区域的地物识别结果为第一地物类型,则,中心分区域的地物识别结果为第一地物类型,并将地物识别结果为第一地物类型的分区域进行合并。
作为上述方案的改进,在根据目标区域的地物识别结果及目标区域周围区域的地物识别结果修正所述目标区域的地物识别结果之后,在将修正后的地物识别结果相同的且位置相邻的区域设置为同一连通区域,得到所述待处理图像的区域地物识别结果之前,还包括:
去除满足预设的孤立区域条件的分区域;
其中,所述预设的孤立区域条件为:分区域的地物识别结果不同于周围的分区域的地物识别结果。
作为上述方案的改进,预设的区域划分处理具体包括:
根据所述待处理图像的拍摄高度选择区域划分的像素面积。
本发明另一实施例对应提供了一种图像的区域识别装置,包括:
获取模块,用于获取待处理图像;
划分模块,用于对所述待处理图像进行预设的区域划分处理,形成若干分区域;
识别模块,用于将所述分区域的图像进行地物识别;
修正模块,用于根据目标分区域的地物识别结果及目标分区域周围的分区域的地物识别结果修正所述目标分区域的地物识别结果,具体为:
根据预设的九宫格位置关系以目标分区域为中心,判断目标分区域及目标分区域周围的分区域的地物识别结果;
响应于判断结果为不小于六个所述分区域的地物识别结果为第一地物类型,则,所述目标分区域的地物识别结果为第一地物类型,并将地物识别结果为第一地物类型的分区域进行合并;
根据预设的九宫格位置关系判断每一分区域及每一分区域周围的分区域的地物识别结果;
响应于判断结果为不小于四个所述分区域的地物识别结果为第一地物类型,则,中心分区域的地物识别结果为第一地物类型,并将地物识别结果为第一地物类型的分区域进行合并;
处理模块,用于将修正后的地物识别结果相同且位置相邻的分区域设置为同一连通区域,得到所述待处理图像的区域地物识别结果。
作为上述方案的改进,其特征在于,
去除模块,用于去除满足预设的孤立区域条件的分区域;
其中,所述预设的孤立区域条件为:分区域的地物识别结果不同于周围的分区域的地物识别结果。
本发明另一实施例提供了一种图像的区域识别设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现上述发明实施例所述的图像的区域识别方法。
本发明另一实施例提供了一种存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述发明实施例所述的图像的区域识别方法。
与现有技术相比,本发明实施例公开的图像的区域识别方法、装置、设备及存储介质,通过对所述待处理图像进行预设的区域划分处理,形成若干分区域并对分区域进行地物识别。根据目标分区域的地物识别结果及目标分区域周围的分区域的地物识别结果修正所述目标分区域的地物识别结果;将修正后的地物识别结果相同且位置相邻的分区域设置为同一连通区域,得到所述待处理图像的区域地物识别结果。由此可见,通过目标分区域的地物识别结果及目标分区域周围的分区域的地物识别结果,修正目标分区域的地物识别结果,再对修正目标分区域的地物识别结果进行判断,避免了分区域合并后的处理结果出现空洞或重叠,使得图像区域的地物识别结果更加准确,从而根据地物的识别结果对待处理图像进行区域划分。
附图说明
图1是本发明一实施例提供的一种图像的区域识别方法的流程示意图;
图2是本发明一实施例提供的一种图像的区域识别方法的具体实施例的示意图;
图3是本发明一实施例提供的一种图像的区域识别装置的结构示意图;
图4是本发明一实施例提供的一种图像的区域识别设备的结构示意图。
具体实施方式
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作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,是本发明一实施例提供的一种图像的区域识别方法的流程示意图。
本发明一实施例提供一种图像的区域识别方法,包括:
S10,获取待处理图像。
具体地,获取无人机拍摄的农田的图像。
S20,对所述待处理图像进行预设的区域划分处理,形成若干分区域。
其中,根据所述待处理图像的拍摄高度选择区域划分的像素面积。
在本实施例中,拍摄高度等效为50米高度的1080P数字图像采用48x48像素大小的分块,拍摄高度等效为100米高度的1080P数字图像采用32x32像素大小的分块,拍摄高度等效为300米高度的4K数字图像采用8x8像素大小分块。等效范围为拍摄高度±20%,可以根据不同的场景进行设置,在此不做限定。
由此可见,通过上述划分方法,避免了单个分块的面积所对应的地面面积过大而导致漏判及误判率上升,且避免了拍摄高度等多方面因素影响。
S30,将所述分区域的图像进行地物识别。
具体地,根据现有技术中的地物识别方法对分区域的图像进行识别,得到分区域图像中的地物类型。
S40,根据目标分区域的地物识别结果及目标分区域周围的分区域的地物识别结果修正所述目标分区域的地物识别结果。
进一步地,根据预设的九宫格位置关系以目标分区域为中心,判断目标分区域及目标分区域周围的分区域的地物识别结果;
响应于判断结果为不小于六个所述分区域的地物识别结果为第一地物类型,则,所述目标分区域的地物识别结果为第一地物类型,并将地物识别结果为第一地物类型的分区域进行合并。
在本实施例中,参见图2,将第六区域设为目标区域,即九个地物识别结果中不小于六个分区域的地物识别结果都为A(即第一地物类型),则第五区域的地物识别结果为A,对其他区域进行同样的操作,则地物识别结果为第一地物类型的分区域进行第一次合并。
进一步地,根据预设的九宫格位置关系判断每一分区域及每一分区域周围的分区域的地物识别结果;
响应于判断结果为不小于四个所述分区域的地物识别结果为第一地物类型,则,中心分区域的地物识别结果为第一地物类型,并将地物识别结果为第一地物类型的分区域进行合并。
在本实施例中,将合并后的区域继续按照九宫格位置关系进行判断,当不小于四个分区域的地物识别结果都为A(即第一地物类型),则此区域的地物识别结果为A,并进行第二次分区域合并。
可以理解的是,第一次判断去除了分区域中位置分散且地物识别结果数量不超过四个的分区域,第二判断则去除待处理图像边界处区域的误判,由此可见,通过上述两次合并,避免了分区域合并后的处理结果出现空洞或重叠,使得图像区域的地物识别结果更加准确。
S50,将修正后的地物识别结果相同且位置相邻的分区域设置为同一连通区域,得到所述待处理图像的区域地物识别结果。
具体地,将地物识别结果相同且位置相邻发分区域进行合并第一连通区域,则可以得到第一连通区域的地物类型。可以理解的是,一个待处理图像中可以合并出多个连通区域,则可以通过上述方式得到每个连通区域的地物类型,从而对整个待处理图像按照地物类型进行划分。
本发明实施例公开的图像的区域识别方法,通过对所述待处理图像进行预设的区域划分处理,形成若干分区域并对分区域进行地物识别。根据目标分区域的地物识别结果及目标分区域周围的分区域的地物识别结果修正所述目标分区域的地物识别结果;将修正后的地物识别结果相同且位置相邻的分区域设置为同一连通区域,得到所述待处理图像的区域地物识别结果。由此可见,通过目标分区域的地物识别结果及目标分区域周围的分区域的地物识别结果,修正目标分区域的地物识别结果,再对修正目标分区域的地物识别结果进行判断,避免了分区域合并后的处理结果出现空洞或重叠,使得图像区域的地物识别结果更加准确,从而根据地物的识别结果对待处理图像进行区域划分。
作为上述方案的改进,在根据目标区域的地物识别结果及目标区域周围区域的地物识别结果修正所述目标区域的地物识别结果之后,在将修正后的地物识别结果相同的且位置相邻的区域设置为同一连通区域,得到所述待处理图像的区域地物识别结果之前,还包括:
去除满足预设的孤立区域条件的分区域;
其中,所述预设的孤立区域条件为:分区域的地物识别结果不同于周围的分区域的地物识别结果。
具体地,由于孤立区域的识别结果不同于其他分区域,且数量较少。可以理解的是,此区域可以视为噪点,去除此孤立区域。
参见图3,是本发明一实施例提供的一种图像的区域识别装置的结构示意图。
本发明另一实施例对应提供了一种图像的区域识别装置,包括:
获取模块10,用于获取待处理图像。
划分模块20,用于对所述待处理图像进行预设的区域划分处理,形成若干分区域。
识别模块30,用于将所述分区域的图像进行地物识别。
修正模块40,用于根据目标分区域的地物识别结果及目标分区域周围的分区域的地物识别结果修正所述目标分区域的地物识别结果。
处理模块50,用于将修正后的地物识别结果相同且位置相邻的分区域设置为同一连通区域,得到所述待处理图像的区域地物识别结果。
作为上述方案的改进,其特征在于,
去除模块,用于去除满足预设的孤立区域条件的分区域;
其中,所述预设的孤立区域条件为:分区域的地物识别结果不同于周围的分区域的地物识别结果。
参见图4,是本发明一实施例提供的图像的区域识别设备的示意图。该实施例的图像的区域识别设备包括:处理器11、存储器12以及存储在所述存储器中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计算机程序时实现上述各个图像的区域识别方法实施例中的步骤。或者,所述处理器执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述图像的区域识别设备中的执行过程。所述图像的区域识别设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述图像的区域识别设备设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述示意图仅仅是图像的区域识别设备的示例,并不构成对图像的区域识别设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述图像的区域识别设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器11可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,AS C)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述图像的区域识别设备的控制中心,利用各种接口和线路连接整个图像的区域识别设备的各个部分。
所述存储器12可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述图像的区域识别设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中,所述图像的区域识别设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (7)
1.一种图像的区域识别方法,其特征在于,包括:
获取待处理图像;
对所述待处理图像进行预设的区域划分处理,形成若干分区域;
将所述分区域的图像进行地物识别;
根据目标分区域的地物识别结果及目标分区域周围的分区域的地物识别结果修正所述目标分区域的地物识别结果;
将修正后的地物识别结果相同且位置相邻的分区域设置为同一连通区域,得到所述待处理图像的区域地物识别结果;
其中,所述根据目标分区域的地物识别结果及目标分区域周围的分区域的地物识别结果修正所述目标分区域的地物识别结果,具体为:
根据预设的九宫格位置关系以目标分区域为中心,判断目标分区域及目标分区域周围的分区域的地物识别结果;
响应于判断结果为不小于六个所述分区域的地物识别结果为第一地物类型,则,所述目标分区域的地物识别结果为第一地物类型,并将地物识别结果为第一地物类型的分区域进行合并;
根据预设的九宫格位置关系判断每一分区域及每一分区域周围的分区域的地物识别结果;
响应于判断结果为不小于四个所述分区域的地物识别结果为第一地物类型,则,中心分区域的地物识别结果为第一地物类型,并将地物识别结果为第一地物类型的分区域进行合并。
2.如权利要求1所述的图像的区域识别方法,其特征在于,在根据目标区域的地物识别结果及目标区域周围区域的地物识别结果修正所述目标区域的地物识别结果之后,在将修正后的地物识别结果相同的且位置相邻的区域设置为同一连通区域,得到所述待处理图像的区域地物识别结果之前,还包括:
去除满足预设的孤立区域条件的分区域;
其中,所述预设的孤立区域条件为:分区域的地物识别结果不同于周围的分区域的地物识别结果。
3.如权利要求1所述的图像的区域识别方法,其特征在于,预设的区域划分处理具体包括:
根据所述待处理图像的拍摄高度选择区域划分的像素面积。
4.一种图像的区域识别装置,其特征在于,包括:
获取模块,用于获取待处理图像;
划分模块,用于对所述待处理图像进行预设的区域划分处理,形成若干分区域;
识别模块,用于将所述分区域的图像进行地物识别;
修正模块,用于根据目标分区域的地物识别结果及目标分区域周围的分区域的地物识别结果修正所述目标分区域的地物识别结果,具体为:
根据预设的九宫格位置关系以目标分区域为中心,判断目标分区域及目标分区域周围的分区域的地物识别结果;
响应于判断结果为不小于六个所述分区域的地物识别结果为第一地物类型,则,所述目标分区域的地物识别结果为第一地物类型,并将地物识别结果为第一地物类型的分区域进行合并;
根据预设的九宫格位置关系判断每一分区域及每一分区域周围的分区域的地物识别结果;
响应于判断结果为不小于四个所述分区域的地物识别结果为第一地物类型,则,中心分区域的地物识别结果为第一地物类型,并将地物识别结果为第一地物类型的分区域进行合并;
处理模块,用于将修正后的地物识别结果相同且位置相邻的分区域设置为同一连通区域,得到所述待处理图像的区域地物识别结果。
5.如权利要求4所述的图像的区域识别装置,其特征在于,
去除模块,用于去除满足预设的孤立区域条件的分区域;
其中,所述预设的孤立区域条件为:分区域的地物识别结果不同于周围的分区域的地物识别结果。
6.一种图像的区域识别设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至3中任意一项所述的图像的区域识别方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至3中任意一项所述的图像的区域识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010647132.9A CN111950365B (zh) | 2020-07-07 | 2020-07-07 | 图像的区域识别方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010647132.9A CN111950365B (zh) | 2020-07-07 | 2020-07-07 | 图像的区域识别方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111950365A CN111950365A (zh) | 2020-11-17 |
CN111950365B true CN111950365B (zh) | 2023-11-14 |
Family
ID=73341406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010647132.9A Active CN111950365B (zh) | 2020-07-07 | 2020-07-07 | 图像的区域识别方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111950365B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560944B (zh) * | 2020-12-14 | 2023-08-08 | 广东电网有限责任公司珠海供电局 | 一种基于图像识别的充电桩起火检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1793350A1 (en) * | 2005-12-01 | 2007-06-06 | Medison Co., Ltd. | Ultrasound imaging system and method for forming a 3D ultrasound image of a target object |
CN103390271A (zh) * | 2013-06-27 | 2013-11-13 | 中国科学院遥感与数字地球研究所 | 遥感影像分割方法及装置 |
CN106295639A (zh) * | 2016-08-01 | 2017-01-04 | 乐视控股(北京)有限公司 | 一种虚拟现实终端以及目标图像的提取方法和装置 |
CN106898245A (zh) * | 2015-12-18 | 2017-06-27 | 北京四维图新科技股份有限公司 | 一种地图注记的标注方法及装置 |
CN110135364A (zh) * | 2019-05-16 | 2019-08-16 | 中煤航测遥感集团有限公司 | 一种地物识别方法及装置 |
CN111080526A (zh) * | 2019-12-20 | 2020-04-28 | 广州市鑫广飞信息科技有限公司 | 航拍图像的农田面积的测算方法、装置、设备及介质 |
-
2020
- 2020-07-07 CN CN202010647132.9A patent/CN111950365B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1793350A1 (en) * | 2005-12-01 | 2007-06-06 | Medison Co., Ltd. | Ultrasound imaging system and method for forming a 3D ultrasound image of a target object |
CN103390271A (zh) * | 2013-06-27 | 2013-11-13 | 中国科学院遥感与数字地球研究所 | 遥感影像分割方法及装置 |
CN106898245A (zh) * | 2015-12-18 | 2017-06-27 | 北京四维图新科技股份有限公司 | 一种地图注记的标注方法及装置 |
CN106295639A (zh) * | 2016-08-01 | 2017-01-04 | 乐视控股(北京)有限公司 | 一种虚拟现实终端以及目标图像的提取方法和装置 |
CN110135364A (zh) * | 2019-05-16 | 2019-08-16 | 中煤航测遥感集团有限公司 | 一种地物识别方法及装置 |
CN111080526A (zh) * | 2019-12-20 | 2020-04-28 | 广州市鑫广飞信息科技有限公司 | 航拍图像的农田面积的测算方法、装置、设备及介质 |
Non-Patent Citations (7)
Title |
---|
Adaptive and statistical image fusion;harma R 等;《Proceedings of the Forth International Conference on 2001》;1-5 * |
Seeded region growing;Adams R 等;《IEEE Trans. on Pattern Analysis and Machine Intelligence》;1-7 * |
基于FPGA的图像采集及压缩系统设计;韩衡畴;《数字技术与应用》;165-166 * |
基于内容的图像分割方法综述;姜枫 等;《软件学报》;1-24 * |
基于图像质量评价的可见光和红外图像融合算法研究.《中国优秀硕士学位论文全文数据库 (信息科技辑)》.2014,I138-849. * |
数字视频监控系统设计;韩衡畴;《信息通信》;108-109 * |
火灾图像分割技术的研究;方维;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;I138-609 * |
Also Published As
Publication number | Publication date |
---|---|
CN111950365A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111080526B (zh) | 航拍图像的农田面积的测算方法、装置、设备及介质 | |
US9602796B2 (en) | Technologies for improving the accuracy of depth cameras | |
CN111091572B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN111080654B (zh) | 图像的病变区域分割方法、装置及服务器 | |
CN111950365B (zh) | 图像的区域识别方法、装置、设备以及存储介质 | |
CN111582032A (zh) | 行人检测方法、装置、终端设备及存储介质 | |
CN107194971B (zh) | 一种金手指定位方法、装置及计算机可读存储介质 | |
CN110598712B (zh) | 物体位置识别方法、装置、计算机设备及存储介质 | |
CN109753957B (zh) | 图像显著性检测方法、装置、存储介质及电子设备 | |
CN113298187A (zh) | 图像处理方法及装置、计算机可读存储介质 | |
CN111263067B (zh) | 图像处理方法、装置、终端设备和存储介质 | |
CN110874814B (zh) | 一种图像处理方法、图像处理装置及终端设备 | |
CN108717533B (zh) | 一种车牌智能识别方法、装置及相关设备 | |
CN108357193B (zh) | 丝印检测方法、装置、终端设备 | |
WO2022205841A1 (zh) | 机器人导航方法、装置、终端设备及计算机可读存储介质 | |
CN112884844B (zh) | 全景影像系统的标定方法、装置及计算机可读存储介质 | |
CN112669346B (zh) | 一种路面突发状况确定方法及装置 | |
CN111860272B (zh) | 图像处理方法、芯片及电子装置 | |
CN111260663B (zh) | 鼻咽癌的病灶图像分割装置、设备及计算机可读存储介质 | |
CN114757846A (zh) | 图像矫正方法及装置、存储介质、电子装置 | |
CN112733565A (zh) | 二维码粗定位方法、设备及存储介质 | |
EP3499415A1 (en) | Method and image processing entity for applying a convolutional neural network to an image | |
CN112580638A (zh) | 文本检测方法、装置、存储介质及电子设备 | |
CN111079666B (zh) | 地物识别方法、装置、设备及存储介质 | |
CN110647890B (zh) | 高性能的图像特征提取及匹配方法、系统和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |