CN112767336A - 声呐图像中的障碍物提取方法、计算机装置和存储介质 - Google Patents
声呐图像中的障碍物提取方法、计算机装置和存储介质 Download PDFInfo
- Publication number
- CN112767336A CN112767336A CN202110034023.4A CN202110034023A CN112767336A CN 112767336 A CN112767336 A CN 112767336A CN 202110034023 A CN202110034023 A CN 202110034023A CN 112767336 A CN112767336 A CN 112767336A
- Authority
- CN
- China
- Prior art keywords
- sonar image
- obstacle
- image
- extracting
- sonar
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 238000001914 filtration Methods 0.000 claims abstract description 18
- 238000000605 extraction Methods 0.000 claims abstract description 9
- 238000004891 communication Methods 0.000 claims description 9
- 239000000654 additive Substances 0.000 abstract description 6
- 230000000996 additive effect Effects 0.000 abstract description 6
- 230000002411 adverse Effects 0.000 abstract description 3
- 238000006243 chemical reaction Methods 0.000 abstract description 3
- 230000008439 repair process Effects 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/10132—Ultrasound 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
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种声呐图像中的障碍物提取方法、计算机装置和存储介质,障碍物提取方法包括依次对声呐图像进行OTSU算法处理、中值滤波算法处理、二值化处理和八连通区域检测,提取声呐图像中的前景,将前景确定为障碍物等步骤,其中OTSU算法所使用的OTSU阈值由声呐图像的图像点位距离和增益系数确定,八连通区域检测所使用的连通阈值由最大连通域面积和连通比例参数确定。本发明可以抑制声呐图像中的乘性噪声、加性噪声以及较大的孤立噪声点,可以约束已知退化图像在转换域下的图像连通域,修补退化图像的稀疏结构,从水下不利条件下获取的低质量的声呐图像中的前景中也能提取完整的障碍物目标。本发明广泛应用于图像处理技术领域。
Description
技术领域
本发明涉及图像处理技术领域,尤其是一种声呐图像中的障碍物提取方法、计算机装置和存储介质。
背景技术
船舶无人驾驶、军事探测、海底测量、沉船打捞和水下管道检测到领域需要进行水下障碍物探测。由于在海洋环境中,声波传递几乎是唯一一种可以进行远距离信息传送的方法,因此使用声呐拍摄图像来进行障碍物探测,即通过对声呐图像进行图像分析,提取出声呐图像中的障碍物,确定障碍物的位置和尺寸。
由于水下环境复杂,存在声波衰减、多普勒和混响等因素影响,导致声学成像分辨率低、对比度低、质量差,水下声学图像由于噪声、干扰多,无法有效识别目标,且目标边缘不完整,对图像分割、目标识别等处理带来较大困难。
发明内容
针对上述至少一个技术问题,本发明的目的在于提供一种声呐图像中的障碍物提取方法、计算机装置和存储介质。
一方面,本发明实施例包括一种声呐图像中的障碍物提取方法,包括:
获取声呐图像;
依次对所述声呐图像进行OTSU算法处理、中值滤波算法处理、二值化处理和八连通区域检测;其中,所述OTSU算法所使用的OTSU阈值由所述声呐图像的图像点位距离和增益系数确定,所述八连通区域检测所使用的连通阈值由最大连通域面积和连通比例参数确定;
提取所述声呐图像中的前景,将所述前景确定为障碍物。
进一步地,所述增益系数为所述声呐图像的距离补偿系数与声波衰减系数之差。
进一步地,所述中值滤波算法处理所使用的公式为:
进一步地,所述八连通区域检测包括:
对所述声呐图像进行四连通区域检测;
对所述四连通区域检测的结果进行目标位置对角像素点的判定。
进一步地,所述八连通区域检测所使用的公式为:
c8(p)=c4(p)∪(x+1,y+1),(x+1,y-1),(x-1,y+1),(x-1,y-1);
其中,c4(p)为所述四连通区域检测所使用的公式,(x,y)表示所述声呐图像中的像素。
进一步地,c4(p)=(x-1,y),(x+1,y),(x,y-1),(x,y+1)
进一步地,所述连通阈值为所述最大连通域面积与所述连通比例参数之积。
另一方面,本发明实施例还包括一种计算机装置,包括存储器和处理器,所述存储器用于存储至少一个程序,所述处理器用于加载所述至少一个程序以执行实施例中的声呐图像中的障碍物提取方法。
另一方面,本发明实施例还包括一种存储介质,其中存储有处理器可执行的程序,所述处理器可执行的程序在由处理器执行时用于执行实施例中的声呐图像中的障碍物提取方法。
本发明的有益效果是:实施例中的声呐图像中的障碍物提取方法,经过依次对声呐图像进行OTSU算法处理、中值滤波算法处理、二值化处理和八连通区域检测,可以抑制声呐图像中的乘性噪声、加性噪声以及较大的孤立噪声点等主要噪声,可以约束已知退化图像在转换域下的图像连通域,修补退化图像的稀疏结构,从水下不利条件下获取的低质量的声呐图像中的前景中也能提取完整的障碍物目标。
附图说明
图1为实施例中声呐图像中的障碍物提取方法的流程图。
具体实施方式
本实施例中,参照图1,声呐图像中的障碍物提取方法包括以下步骤:
S1.获取声呐图像;
S2.依次对声呐图像进行OTSU算法处理、中值滤波算法处理、二值化处理和八连通区域检测;
S3.提取声呐图像中的前景,将前景确定为障碍物。
步骤S1中,通过声呐系统采集声呐视频流数据,离线处理成为图像帧数据,获得声呐图像。
步骤S2中,对于其中一张声呐图像,依次进行OTSU算法处理、中值滤波算法处理、二值化处理和八连通区域检测。其中所使用的OTSU算法是经过改进的OTSU算法,其所使用的OTSU阈值是由声呐图像的图像点位距离和增益系数确定的,从而可以抑制声呐图像中的乘性噪声。对经过OTSU算法处理后的声呐图像进行中值滤波算法处理,可以抑制声呐图像中的加性噪声。对经过中值滤波算法处理后的声呐图像进行二值化处理,可以为进一步进行八连通区域检测做准备。对经过二值化处理后的声呐图像进行八连通区域检测,可以抑制声呐图像中较大的孤立噪声点。
综上,经过依次对声呐图像进行OTSU算法处理、中值滤波算法处理、二值化处理和八连通区域检测,可以抑制声呐图像中的乘性噪声、加性噪声以及较大的孤立噪声点等主要噪声,可以约束已知退化图像在转换域下的图像连通域,修补退化图像的稀疏结构,从水下不利条件下获取的低质量的声呐图像中的前景中也能提取完整的障碍物目标。
本实施例中,对声呐图像进行OTSU算法处理的原理在于:考虑到声呐图像乘性噪声伴随声呐图像前景出现,而声呐成像存在距离补偿机制,乘性噪声也会随着距离增强,声波衰减的公式为而距离补偿的公式为其中表示声强即声呐图像像素值,θ0表示声呐图像的声波衰减系数,θ1表示声呐图像的距离补偿系数,d表示声波传播距离,根据声波衰减的公式和距离补偿的公式可以得到增益γ方程而本实施例中使用的OTSU算法中的OTSU阈值为其中T为一个可以设定的倍数,θ*为增益系数,其中,增益系数为距离补偿系数与声波衰减系数之差,即θ*=θ1-θ0,d为图像点位距离即声波传播距离。
通过对声呐图像进行中值滤波算法处理,能够有效地抑制声呐图像中的加性噪声尤其是加性椒盐噪声。
本实施例中,在对声呐图像进行二值化处理后,对声呐图像进行八连通区域检测,具体地,所使用的算法是Two-pass八连通区域的序贯算法,即基于四连通区域检测的结果,检测目标位置相邻像素点位水平、垂直和对角等八个自由度方向的连通性。其中,四连通区域检测是在目标位置从左至右、从上至下进行标记,给每个有效的像素值一个标签。而本实施例中所使用的八连通区域检测是在对四连通区域检测的结果进行目标位置对角像素点的判定。八连通区域检测所使用的公式为:c8(p)=c4(p)∪(x+1,y+1),(x+1,y-1),(x-1,y+1),(x-1,y-1),其中c4(p)为四连通区域检测所使用的公式,(x,y)表示声呐图像中的像素,c4(p)可以进一步表示为c4(p)=(x-1,y),(x+1,y),(x,y-1),(x,y+1)。
本实施例中,八连通区域可以有效地填充目标内部面积较大的开放式空洞点。由于声呐图像中一般孤立噪声点的连通域远小于声呐图像中前景连通域,因此,以最大连通域面积Smax为参考设置连通阈值,由最大连通域面积Smax和连通比例参数μ确定连通阈值Tcnt,具体地,连通阈值为最大连通域面积与连通比例参数之积,即Tcnt=μ*Smax,其中连通比例参数μ可以取0.05。
可以通过编写执行本实施例中的声呐图像中的障碍物提取方法的计算机程序,将该计算机程序写入至计算机装置或者存储介质中,当计算机程序被读取出来运行时,执行本实施例中的声呐图像中的障碍物提取方法。
需要说明的是,如无特殊说明,当某一特征被称为“固定”、“连接”在另一个特征,它可以直接固定、连接在另一个特征上,也可以间接地固定、连接在另一个特征上。此外,本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。此外,除非另有定义,本实施例所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本实施例说明书中所使用的术语只是为了描述具体的实施例,而不是为了限制本发明。本实施例所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。
应当理解,尽管在本公开可能采用术语第一、第二、第三等来描述各种元件,但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如,在不脱离本公开范围的情况下,第一元件也可以被称为第二元件,类似地,第二元件也可以被称为第一元件。本实施例所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例,并且除非另外要求,否则不会对本发明的范围施加限制。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本实施例描述的过程的操作,除非本实施例另外指示或以其他方式明显地与上下文矛盾。本实施例描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本实施例所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。
计算机程序能够应用于输入数据以执行本实施例所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (10)
1.一种声呐图像中的障碍物提取方法,其特征在于,包括:
获取声呐图像;
依次对所述声呐图像进行OTSU算法处理、中值滤波算法处理、二值化处理和八连通区域检测;其中,所述OTSU算法所使用的OTSU阈值由所述声呐图像的图像点位距离和增益系数确定,所述八连通区域检测所使用的连通阈值由最大连通域面积和连通比例参数确定;
提取所述声呐图像中的前景,将所述前景确定为障碍物。
3.根据权利要求2所述的声呐图像中的障碍物提取方法,其特征在于,所述增益系数为所述声呐图像的距离补偿系数与声波衰减系数之差。
5.根据权利要求1所述的声呐图像中的障碍物提取方法,其特征在于,所述八连通区域检测包括:
对所述声呐图像进行四连通区域检测;
对所述四连通区域检测的结果进行目标位置对角像素点的判定。
6.根据权利要求5所述的声呐图像中的障碍物提取方法,其特征在于,所述八连通区域检测所使用的公式为:
c8(p)=c4(p)∪(x+1,y+1),(x+1,y-1),(x-1,y+1),(x-1,y-1);
其中,c4(p)为所述四连通区域检测所使用的公式,(x,y)表示所述声呐图像中的像素。
7.根据权利要求6所述的声呐图像中的障碍物提取方法,其特征在于,c4(p)=(x-1,y),(x+1,y),(x,y-1),(x,y+1)。
8.根据权利要求1所述的声呐图像中的障碍物提取方法,其特征在于,所述连通阈值为所述最大连通域面积与所述连通比例参数之积。
9.一种计算机装置,其特征在于,包括存储器和处理器,所述存储器用于存储至少一个程序,所述处理器用于加载所述至少一个程序以执行权利要求1-8任一项所述声呐图像中的障碍物提取方法。
10.一种存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序在由处理器执行时用于执行如权利要求1-8任一项所述声呐图像中的障碍物提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110034023.4A CN112767336A (zh) | 2021-01-11 | 2021-01-11 | 声呐图像中的障碍物提取方法、计算机装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110034023.4A CN112767336A (zh) | 2021-01-11 | 2021-01-11 | 声呐图像中的障碍物提取方法、计算机装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112767336A true CN112767336A (zh) | 2021-05-07 |
Family
ID=75701554
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110034023.4A Pending CN112767336A (zh) | 2021-01-11 | 2021-01-11 | 声呐图像中的障碍物提取方法、计算机装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112767336A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102879786A (zh) * | 2012-09-19 | 2013-01-16 | 上海大学 | 一种针对水下障碍物的检测定位方法和系统 |
CN103177244A (zh) * | 2013-03-15 | 2013-06-26 | 浙江大学 | 水下显微图像中快速检测目标生物的方法 |
CN104021553A (zh) * | 2014-05-30 | 2014-09-03 | 哈尔滨工程大学 | 一种基于像素点分层的声纳图像目标检测方法 |
CN110246139A (zh) * | 2019-04-26 | 2019-09-17 | 清华大学深圳研究生院 | 基于双阈值的浮游生物原位图像roi快速提取方法 |
WO2019245722A1 (en) * | 2018-06-19 | 2019-12-26 | Aquabyte, Inc. | Sea lice detection and classification in an aquaculture environment |
CN111208521A (zh) * | 2020-01-14 | 2020-05-29 | 武汉理工大学 | 一种多波束前视声呐水下障碍物鲁棒检测方法 |
-
2021
- 2021-01-11 CN CN202110034023.4A patent/CN112767336A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102879786A (zh) * | 2012-09-19 | 2013-01-16 | 上海大学 | 一种针对水下障碍物的检测定位方法和系统 |
CN103177244A (zh) * | 2013-03-15 | 2013-06-26 | 浙江大学 | 水下显微图像中快速检测目标生物的方法 |
CN104021553A (zh) * | 2014-05-30 | 2014-09-03 | 哈尔滨工程大学 | 一种基于像素点分层的声纳图像目标检测方法 |
WO2019245722A1 (en) * | 2018-06-19 | 2019-12-26 | Aquabyte, Inc. | Sea lice detection and classification in an aquaculture environment |
CN110246139A (zh) * | 2019-04-26 | 2019-09-17 | 清华大学深圳研究生院 | 基于双阈值的浮游生物原位图像roi快速提取方法 |
CN111208521A (zh) * | 2020-01-14 | 2020-05-29 | 武汉理工大学 | 一种多波束前视声呐水下障碍物鲁棒检测方法 |
Non-Patent Citations (6)
Title |
---|
张俞鹏 等: "基于多波束前视声呐的水下障碍物检测及避障算法", 《工业控制计算机》, vol. 33, no. 03, 25 March 2020 (2020-03-25) * |
徐从营 等: "基于分区自适应阈值的声呐障碍物检测算法研究", 《数字海洋与水下攻防》, vol. 01, no. 02, 30 September 2018 (2018-09-30) * |
朱殿尧: "水声图像处理与模式识别", 《中国优秀硕士学位论文全文数据库 信息科技辑(月刊)》, no. 06, 15 June 2010 (2010-06-15), pages 1 - 58 * |
章毓晋 著: "《图象工程 上 图象处理和分析》", 28 February 1999, 北京:清华大学出版社, pages: 205 - 206 * |
许彦伟 等: "声纳图像处理中的连通成分标记算法研究", 《微计算机信息》, vol. 26, no. 02, 31 January 2010 (2010-01-31) * |
陈根方 著: "《智能音乐学与中国音乐数字媒体论 国家社科基金后期资助项目》", 31 March 2018, 北京:文化艺术出版社, pages: 98 - 101 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109685060B (zh) | 图像处理方法和装置 | |
EP3048579B1 (en) | Structure analysis method for recovering missing structures in an image after object removal | |
KR101917282B1 (ko) | 소나 영상을 이용한 수중 물체 식별 방법 및 그 장치 | |
EP2860696A1 (en) | Optical flow tracking method and apparatus | |
CN104966272A (zh) | 一种水下海参图像处理方法及系统 | |
Gwon et al. | Development of a side scan sonar module for the underwater simulator | |
CN110570361B (zh) | 声呐图像结构化噪声的抑制方法、系统、装置和存储介质 | |
Burguera et al. | Towards automatic visual sea grass detection in underwater areas of ecological interest | |
Al-Rawi et al. | Intensity normalization of sidescan sonar imagery | |
CN110348442B (zh) | 一种基于支持向量机的船载雷达图像海上油膜识别方法 | |
CN112767336A (zh) | 声呐图像中的障碍物提取方法、计算机装置和存储介质 | |
CN107680083B (zh) | 视差确定方法和视差确定装置 | |
CN116243289A (zh) | 一种基于成像声呐的无人艇水下目标智能识别方法 | |
Khidkikar et al. | Segmentation and classification of side-scan sonar data | |
CN112017203A (zh) | 图像处理方法、视频处理方法、装置、设备及存储介质 | |
JP7221454B2 (ja) | 識別装置、学習装置およびモデル生成方法 | |
Aswini et al. | Drone image de-noising and feature extraction | |
CN116934776B (zh) | 一种fish显微图像信号点区域提取方法、装置、设备及介质 | |
KR102420578B1 (ko) | 노이즈 제거 필터를 이용한 공동 예측 시스템 및 방법 | |
KR102420571B1 (ko) | 딥러닝 기반의 공동 예측 시스템 및 방법 | |
KR102420573B1 (ko) | 신호 증폭 필터를 이용한 공동 예측 시스템 및 방법 | |
KR102420580B1 (ko) | 로컬 평균 차감을 통한 공동 예측 시스템 및 방법 | |
Wang et al. | Object detection in side scan sonar | |
Maitra et al. | Seismic data interpretation using hough transformation technique | |
Pereira Nunes et al. | A mosaicking technique for object identification in underwater environments |
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 |