CN112258518B - 一种海天线提取方法及装置 - Google Patents

一种海天线提取方法及装置 Download PDF

Info

Publication number
CN112258518B
CN112258518B CN202011073808.4A CN202011073808A CN112258518B CN 112258518 B CN112258518 B CN 112258518B CN 202011073808 A CN202011073808 A CN 202011073808A CN 112258518 B CN112258518 B CN 112258518B
Authority
CN
China
Prior art keywords
image
sea
sky
line
edge
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
Application number
CN202011073808.4A
Other languages
English (en)
Other versions
CN112258518A (zh
Inventor
董超
郑兵
王伟平
蒋俊杰
黄志成
何西
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China Sea Survey Technology Center State Oceanic Administration (south China Sea Marine Buoy Center)
Southern Marine Science and Engineering Guangdong Laboratory Zhuhai
Original Assignee
South China Sea Survey Technology Center State Oceanic Administration (south China Sea Marine Buoy Center)
Southern Marine Science and Engineering Guangdong Laboratory Zhuhai
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by South China Sea Survey Technology Center State Oceanic Administration (south China Sea Marine Buoy Center), Southern Marine Science and Engineering Guangdong Laboratory Zhuhai filed Critical South China Sea Survey Technology Center State Oceanic Administration (south China Sea Marine Buoy Center)
Priority to CN202011073808.4A priority Critical patent/CN112258518B/zh
Publication of CN112258518A publication Critical patent/CN112258518A/zh
Application granted granted Critical
Publication of CN112258518B publication Critical patent/CN112258518B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • 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
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种海天线提取方法及装置，所述方法包括：对获取到的待检测图像进行滤波处理；将滤波处理后的待检测图像进行垂直分割为若干个图像块；对每一图像块进行二值化处理后，采用预设的边缘提取算子对每一图像块进行边缘特征提取；对提取到的边缘特征进行霍夫直线变换，以得到每一图像的边缘直线线段，继而根据预设的角度限定阈值对所述边缘直线线段进行筛选得到目标直线线段；采用预设的聚类算法对每一图像的目标直线线段进行聚合得到海天线段集合；采用最小二乘法对所述海天线段集合进行拟合得到所述待检测图像的海天线。本发明能够在复杂的海况环境下准确地提取得到海天线。

Description

一种海天线提取方法及装置
技术领域
本发明涉及图像处理技术领域，尤其是涉及一种海天线提取方法及装置。
背景技术
海天线的提取在海面目标检测方面具有重要的应用，海天线作为海洋和天空的分界线，如果能准确的提取海天线，可以将海面目标检测限定在海面区域，排除天空中云朵、光照等干扰，提高目标检测的准确率。另外海天线夹角反映海面摇晃程度，通过海天线提取，可以对摇晃进行角度补偿，避免海面检测目标倾斜，在海面目标检测、船舷字符检测方面具有重要的应用。
在目前海天线提取方案中，通常采用基于局部Otsu(最大类间方差法)分割与霍夫变换的检测方法，该方法依据图像特点进行纵向分块处理来补偿光照的不均匀性，然后进行局部Otsu分割得到边缘像素，最后采用Hough变换拟合边缘像素以得到海天线。这种海天线提取方法，主要存在以下缺点：
(1)采用Otsu图像分割算法确定的阈值分割点容易受到外界(云朵、海面船舶等)干扰，并不能准确的区分海面和天空的交界，影响了海天线提取的结果。
(2)该方法中直接采用霍夫变换直接进行直线检测，可以检测直线，但对检测到的直线是海天线还是其他的干扰物的直线并不能很好的区分。
发明内容
本发明实施例所要解决的技术问题在于，提供一种海天线提取方法，以解决上述技术问题，从而能够在复杂的海洋环境中实现对海天线的准确检测。
为了解决上述技术问题，本发明实施例提供了一种海天线提取方法，包括：
对获取到的待检测图像进行滤波处理；
将滤波处理后的待检测图像进行垂直分割为若干个图像块；
对每一图像块进行二值化处理后，采用预设的边缘提取算子对每一图像块进行边缘特征提取；
对提取到的边缘特征进行霍夫直线变换，以得到每一图像的边缘直线线段，继而根据预设的角度限定阈值对所述边缘直线线段进行筛选得到目标直线线段；
采用预设的聚类算法对每一图像的目标直线线段进行聚合得到海天线段集合；
采用最小二乘法对所述海天线段集合进行拟合得到所述待检测图像的海天线。
进一步地，所述对获取到的待检测图像进行滤波处理，具体包括：
对获取到的待检测图像进行高斯平滑滤波处理。
进一步地，所述对获取到的待检测图像进行滤波处理，还包括：
对高斯平滑滤波处理后的待检测图像进行L0梯度平滑滤波处理。
进一步地，所述对每一图像块进行二值化处理后，采用预设的边缘提取算子对每一图像块进行边缘特征提取，具体为：
对每一图像块进行二值化处理后，采用Canny算子对每一图像块进行边缘特征提取。
进一步地，所述采用预设的聚类算法对每一图像的目标直线线段进行聚合得到海天线段集合，具体为：
采用K-means聚类算法对每一图像的目标直线线段进行聚合得到海天线段集合。
为了解决相同的技术问题，本发明还提供了一种海天线提取装置，包括：
图像滤波模块，用于对获取到的待检测图像进行滤波处理；
图像分割模块，用于将滤波处理后的待检测图像进行垂直分割为若干个图像块；
边缘提取模块，用于对每一图像块进行二值化处理后，采用预设的边缘提取算子对每一图像块进行边缘特征提取；
线段筛选模块，用于对提取到的边缘特征进行霍夫直线变换，以得到每一图像的边缘直线线段，继而根据预设的角度限定阈值对所述边缘直线线段进行筛选得到目标直线线段；
线段聚合模块，用于采用预设的聚类算法对每一图像的目标直线线段进行聚合得到海天线段集合；
海天线提取模块，用于采用最小二乘法对所述海天线段集合进行拟合得到所述待检测图像的海天线。
进一步地，所述图像滤波模块具体用于对获取到的待检测图像进行高斯平滑滤波处理。
进一步地，所述图像滤波模块，还用于对高斯平滑滤波处理后的待检测图像进行L0梯度平滑滤波处理。
进一步地，所述边缘提取模块，具体用于对每一图像块进行二值化处理后，采用Canny算子对每一图像块进行边缘特征提取。
进一步地，所述线段聚合模块具体用于采用K-means聚类算法对每一图像的目标直线线段进行聚合得到海天线段集合。
与现有技术相比，本发明具有如下有益效果：
本发明实施例提供了一种海天线提取方法及装置，所述方法包括：对获取到的待检测图像进行滤波处理；将滤波处理后的待检测图像进行垂直分割为若干个图像块；对每一图像块进行二值化处理后，采用预设的边缘提取算子对每一图像块进行边缘特征提取；对提取到的边缘特征进行霍夫直线变换，以得到每一图像的边缘直线线段，继而根据预设的角度限定阈值对所述边缘直线线段进行筛选得到目标直线线段；采用预设的聚类算法对每一图像的目标直线线段进行聚合得到海天线段集合；采用最小二乘法对所述海天线段集合进行拟合得到所述待检测图像的海天线。本发明能够在复杂的海况环境下准确地提取得到海天线。
附图说明
图1是本发明一实施例提供的海天线提取方法的流程示意图；
图2是本发明一实施例提供的海天线提取方法的另一流程示意图；
图3是本发明一实施例提供的海天线提取装置的结构示意图。
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、完整的描述，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。
请参见图1-2，本发明实施例提供了一种海天线提取方法，包括步骤：
S1、对获取到的待检测图像进行滤波处理。
在本发明实施例中，进一步地，步骤S1具体包括步骤：
S11、对获取到的待检测图像进行高斯平滑滤波处理。
在本发明实施例中，进一步地，步骤S1还包括步骤：
S12、对高斯平滑滤波处理后的待检测图像进行L0梯度平滑滤波处理。
在本发明实施例中，步骤S1为对待检测图像进行滤波处理，具体地，首先对图像进行高斯平滑滤波，去除图像中广泛存在的高斯噪声点，获取平滑后的高斯滤波图像，采取高斯平滑滤波的公式如下：
Figure BDA0002714751850000041
其中，(x,y)为图像坐标，σ为标准差。
继而，对高斯滤波后的图像进行L0梯度平滑滤波，该滤波器是一种基于稀疏策略的全局平滑滤波器，对图像使用梯度平滑滤波，可以消除图像中小的非零梯度，抚平图像中的不重要细节的同时增强图像的显著性边缘。让海天线的边缘更加显著，对二维图像进行L0梯度平滑公式如下：
Figure BDA0002714751850000042
Figure BDA0002714751850000043
其中，f代表平滑后图像，g为原图，c为梯度算子，λ为正则化系数。
S2、将滤波处理后的待检测图像进行垂直分割为若干个图像块。
在本发明实施例中，步骤S2为对L0梯度平滑后的图像进行局部区域分割，局部区域分割的策略为：将图像沿着竖直的方向进行分割，分割的图像块为k，如果原图像的尺寸为(w，h)，那么分割后的k个图像块，每个图像块的尺寸为(w/k，h)。按照该策略对图像进行分割，由于分割方向为垂直海天线的方向，这样可以保证每一个分块的图像中都含有海天线部分，在之后的海天线提取过程中，能在每个块中提取到所需的海天线。
S3、对每一图像块进行二值化处理后，采用预设的边缘提取算子对每一图像块进行边缘特征提取。
在本发明实施例中，进一步地，步骤S3具体为：
对每一图像块进行二值化处理后，采用Canny算子对每一图像块进行边缘特征提取。
在本发明实施例中，步骤S3为将分割后的每一个区块的图像转变为二值图像，然后对图像采用Canny算子滤波，对分割后的图像进行边缘检测，提取每个图像中的边缘部分。
S4、对提取到的边缘特征进行霍夫直线变换，以得到每一图像的边缘直线线段，继而根据预设的角度限定阈值对所述边缘直线线段进行筛选得到目标直线线段。
在本发明实施例中，步骤S4为对Canny算子处理后的图像进行霍夫直线变换，提取区块图像中的直线部分。霍夫直线检测就是把图像空间中的直线变换到参数空间中的点，在海天线的提取过程中，一般假定海天线为直线，通过Canny算子处理后，在每个区块中可以提取到各种边缘，通过霍夫直线检测去提取边缘中的直线部分，在提取直线的过程中，通过限定海天线的角度，删除明显不属于海天线部分的直线段，剩余的直线部分就是包含海天线部分的直线线段。
S5、采用预设的聚类算法对每一图像的目标直线线段进行聚合得到海天线段集合。
在本发明实施例中，进一步地，步骤S5具体为：
采用K-means聚类算法对每一图像的目标直线线段进行聚合得到海天线段集合。
在本发明实施例中，步骤S5通过K-means(K均值)聚类算法提取海天线所在的直线部分，在步骤S4的直线检测过程中，每一个区块中都可以检测到包含海天线的直线段，在该步骤中，通过K-mean聚类算法，依据海天线直线特征，将海天线聚集在一起，将每个区域块中的海天线聚合起来。
S6、采用最小二乘法对所述海天线段集合进行拟合得到所述待检测图像的海天线。
在本发明实施例中，步骤S6通过直线拟合，将得到的海天线段集合拟合成一条直线，就提取到海天线，该步骤所使用的直线拟合是将对线段的端点采用最小二乘法进行拟合，最后将得到的海天线显示在原来的图像上，完成海天线的提取过程。
需要说明的是，对于以上方法或流程实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作并不一定是本发明实施例所必须的。
需要说明的是，本发明实施例的方法可以准确的提取复杂海况环境状况下的海天线，并且具备较强的鲁棒性，在强光及复杂海况环境下也能够准确提取出海天线。
本发明实施例的关键点如下：
(1)对图像采用L0梯度平滑滤波，该滤波器是一种基于稀疏策略的全局平滑滤波器，对图像使用梯度平滑滤波，可以消除图像中小的非零梯度，抚平图像中的不重要细节的同时增强图像的显著性边缘，让海天线的边缘更加显著；
(2)对图像进行局部区域分割，在每一个分割区块图像中都含有海天线部分，在之后的海天线提取过程中，能在每个块中提取到所需的海天线；
(3)通过K-mean聚类算法，依据海天线直线特征，将海天线聚集在一起，将每个区域块中的海天线聚合起来。
与现有技术相比，本发明实施例的优点在于：能够在复杂海况环境下，包括强光、弱光、遮挡等环境下准确的提取海天线，该优点主要采用以下技术实现：
(1)L0梯度平滑滤波技术，该技术可以消除图像中不重要细节的同时增强图像的显著性边缘，让海天线的边缘更加显著；
(2)图像局部区域分割技术，该技术让海天线的检测成为一种概率预测，避免因为海面光线过强或者海天线被遮挡造成的海天线检测失败的问题。
请参见图3，为了解决相同的技术问题，本发明还提供了一种海天线提取装置，包括：
图像滤波模块1，用于对获取到的待检测图像进行滤波处理；
图像分割模块2，用于将滤波处理后的待检测图像进行垂直分割为若干个图像块；
边缘提取模块3，用于对每一图像块进行二值化处理后，采用预设的边缘提取算子对每一图像块进行边缘特征提取；
线段筛选模块4，用于对提取到的边缘特征进行霍夫直线变换，以得到每一图像的边缘直线线段，继而根据预设的角度限定阈值对所述边缘直线线段进行筛选得到目标直线线段；
线段聚合模块5，用于采用预设的聚类算法对每一图像的目标直线线段进行聚合得到海天线段集合；
海天线提取模块6，用于采用最小二乘法对所述海天线段集合进行拟合得到所述待检测图像的海天线。
在本发明实施例中，进一步地，所述图像滤波模块具体用于对获取到的待检测图像进行高斯平滑滤波处理。
在本发明实施例中，进一步地，所述图像滤波模块，还用于对高斯平滑滤波处理后的待检测图像进行L0梯度平滑滤波处理。
在本发明实施例中，进一步地，所述边缘提取模块，具体用于对每一图像块进行二值化处理后，采用Canny算子对每一图像块进行边缘特征提取。
在本发明实施例中，进一步地，所述线段聚合模块具体用于采用K-means聚类算法对每一图像的目标直线线段进行聚合得到海天线段集合。
可以理解的是上述装置项实施例，是与本发明方法项实施例相对应的，本发明实施例提供的一种海天线提取装置，可以实现本发明任意一项方法项实施例提供的海天线提取方法。
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 (6)

1.一种海天线提取方法，其特征在于，包括：
对获取到的待检测图像进行滤波处理；
将滤波处理后的待检测图像进行垂直分割为若干个图像块；
对每一图像块进行二值化处理后，采用预设的边缘提取算子对每一图像块进行边缘特征提取；
对提取到的边缘特征进行霍夫直线变换，以得到每一图像的边缘直线线段，继而根据预设的角度限定阈值对所述边缘直线线段进行筛选得到目标直线线段；
采用预设的聚类算法对每一图像的目标直线线段进行聚合得到海天线段集合；
采用最小二乘法对所述海天线段集合进行拟合得到所述待检测图像的海天线；
所述对获取到的待检测图像进行滤波处理，具体包括：
对获取到的待检测图像进行高斯平滑滤波处理；
所述对获取到的待检测图像进行滤波处理，还包括：
对高斯平滑滤波处理后的待检测图像进行L0梯度平滑滤波处理；
其中，对图像进行L0梯度平滑滤波处理的公式如下：
Figure FDA0003500494220000011
Figure FDA0003500494220000012
其中，f代表平滑后图像，g为原图，c为梯度算子，λ为正则化系数。
2.根据权利要求1所述的海天线提取方法，其特征在于，所述对每一图像块进行二值化处理后，采用预设的边缘提取算子对每一图像块进行边缘特征提取，具体为：
对每一图像块进行二值化处理后，采用Canny算子对每一图像块进行边缘特征提取。
3.根据权利要求1所述的海天线提取方法，其特征在于，所述采用预设的聚类算法对每一图像的目标直线线段进行聚合得到海天线段集合，具体为：
采用K-means聚类算法对每一图像的目标直线线段进行聚合得到海天线段集合。
4.一种海天线提取装置，其特征在于，包括：
图像滤波模块，用于对获取到的待检测图像进行滤波处理；
图像分割模块，用于将滤波处理后的待检测图像进行垂直分割为若干个图像块；
边缘提取模块，用于对每一图像块进行二值化处理后，采用预设的边缘提取算子对每一图像块进行边缘特征提取；
线段筛选模块，用于对提取到的边缘特征进行霍夫直线变换，以得到每一图像的边缘直线线段，继而根据预设的角度限定阈值对所述边缘直线线段进行筛选得到目标直线线段；
线段聚合模块，用于采用预设的聚类算法对每一图像的目标直线线段进行聚合得到海天线段集合；
海天线提取模块，用于采用最小二乘法对所述海天线段集合进行拟合得到所述待检测图像的海天线；
所述图像滤波模块具体用于对获取到的待检测图像进行高斯平滑滤波处理；
所述图像滤波模块，还用于对高斯平滑滤波处理后的待检测图像进行L0梯度平滑滤波处理；
其中，对图像进行L0梯度平滑滤波处理的公式如下：
Figure FDA0003500494220000021
Figure FDA0003500494220000022
其中，f代表平滑后图像，g为原图，c为梯度算子，λ为正则化系数。
5.根据权利要求4所述的海天线提取装置，其特征在于，所述边缘提取模块，具体用于对每一图像块进行二值化处理后，采用Canny算子对每一图像块进行边缘特征提取。
6.根据权利要求4所述的海天线提取装置，其特征在于，所述线段聚合模块具体用于采用K-means聚类算法对每一图像的目标直线线段进行聚合得到海天线段集合。
CN202011073808.4A 2020-10-09 2020-10-09 一种海天线提取方法及装置 Active CN112258518B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011073808.4A CN112258518B (zh) 2020-10-09 2020-10-09 一种海天线提取方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011073808.4A CN112258518B (zh) 2020-10-09 2020-10-09 一种海天线提取方法及装置

Publications (2)

Publication Number Publication Date
CN112258518A CN112258518A (zh) 2021-01-22
CN112258518B true CN112258518B (zh) 2022-05-03

Family

ID=74241866

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011073808.4A Active CN112258518B (zh) 2020-10-09 2020-10-09 一种海天线提取方法及装置

Country Status (1)

Country Link
CN (1) CN112258518B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114863258B (zh) * 2022-07-06 2022-09-06 四川迪晟新达类脑智能技术有限公司 海天线场景中基于视角转换检测小目标的方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107092890A (zh) * 2017-04-24 2017-08-25 山东工商学院 基于红外视频的舰船检测及跟踪方法
CN109816006A (zh) * 2019-01-18 2019-05-28 深圳大学 一种海天线检测方法、装置及计算机可读存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19840873A1 (de) * 1998-09-01 2000-03-09 Deutsch Zentr Luft & Raumfahrt Verfahren und Vorrichtung zur automatischen Waldbranderkennung
CN107808386A (zh) * 2017-09-26 2018-03-16 上海大学 一种基于图像语义分割的海天线检测方法
CN108776778A (zh) * 2018-05-29 2018-11-09 西安工业大学 一种基于数学形态学的海天线检测方法
CN111105390B (zh) * 2019-11-20 2022-03-18 复旦大学 一种改进的海天线检测和评估方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107092890A (zh) * 2017-04-24 2017-08-25 山东工商学院 基于红外视频的舰船检测及跟踪方法
CN109816006A (zh) * 2019-01-18 2019-05-28 深圳大学 一种海天线检测方法、装置及计算机可读存储介质

Also Published As

Publication number Publication date
CN112258518A (zh) 2021-01-22

Similar Documents

Publication Publication Date Title
CN106683075B (zh) 一种输电线杆塔横担处螺栓缺陷检测方法
JP5844783B2 (ja) テキスト領域を含むグレースケール文書画像を処理する方法、グレースケール文書画像の少なくともテキスト領域を二値化する方法、グレースケール文書画像においてグリッドを形成するテーブルの抽出方法及びプログラム
CN108280450B (zh) 一种基于车道线的高速公路路面检测方法
CN109785285B (zh) 一种基于椭圆特征拟合的绝缘子破损检测方法
CN108038883B (zh) 一种应用于公路路面视频图像的裂缝检测及识别方法
CN109191432B (zh) 基于域变换滤波多尺度分解的遥感图像云检测方法
CN106326822B (zh) 车道线检测的方法及装置
CN108229342B (zh) 一种海面舰船目标自动检测方法
CN109447067B (zh) 一种票据方向检测矫正方法及自动检票系统
CN108921813B (zh) 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法
CN108830832A (zh) 一种基于机器视觉的塑料筒表面缺陷检测算法
CN108985305B (zh) 一种激光蚀刻工业雷管编码图像定位及校正方法
Paunwala et al. A novel multiple license plate extraction technique for complex background in Indian traffic conditions
CN109858438B (zh) 一种基于模型拟合的车道线检测方法
CN112734729B (zh) 适用于夜间补光条件的水尺水位线图像检测方法、装置及存储介质
CN112308872B (zh) 基于多尺度Gabor一阶导数的图像边缘检测方法
CN114897806A (zh) 缺陷检测方法、电子设备及计算机可读存储介质
CN111652844B (zh) 一种基于数字图像区域增长的x射线缺陷检测方法及系统
CN112258518B (zh) 一种海天线提取方法及装置
CN109961065B (zh) 一种海面舰船目标检测方法
Shuai et al. A ship target automatic detection method for high-resolution remote sensing
CN106940782B (zh) 基于变差函数的高分sar新增建设用地提取软件
Ren et al. Effective SAR sea ice image segmentation and touch floe separation using a combined multi-stage approach
Aytekin et al. Automatic and unsupervised building extraction in complex urban environments from multi spectral satellite imagery
Wu et al. Research on crack detection algorithm of asphalt pavement

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