CN113034366A - 无拼接缝sar图像分割并行加速处理方法 - Google Patents
无拼接缝sar图像分割并行加速处理方法 Download PDFInfo
- Publication number
- CN113034366A CN113034366A CN202110323048.6A CN202110323048A CN113034366A CN 113034366 A CN113034366 A CN 113034366A CN 202110323048 A CN202110323048 A CN 202110323048A CN 113034366 A CN113034366 A CN 113034366A
- Authority
- CN
- China
- Prior art keywords
- image
- sub
- processing
- images
- boundary
- 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
- 238000003709 image segmentation Methods 0.000 title claims abstract description 25
- 230000001133 acceleration Effects 0.000 title claims abstract description 23
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000001914 filtration Methods 0.000 claims abstract description 16
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 3
- 230000003628 erosive effect Effects 0.000 claims description 3
- 238000003707 image sharpening Methods 0.000 claims description 3
- 230000010339 dilation Effects 0.000 claims description 2
- 238000000034 method Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010076 replication Effects 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
-
- 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 by the use of local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G06T5/73—
-
- 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
- G06T7/13—Edge detection
-
- 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
- G06T2207/20—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)
- Image Processing (AREA)
Abstract
本发明提供了一种无拼接缝SAR图像分割并行加速处理方法，包括以下步骤：获取整景图像，并对所述整景图像进行分块处理得到子图像；对所述子图像分别进行边界处理；对边界处理之后的子图像进行并行计算处理；经所述并行计算处理获得子图像滤波结果；以及将处理后的子图像进行合并，得到与所述整景图像尺寸大小一致的无拼接缝SAR图像。
Description
技术领域
本发明涉及图像处理领域，尤其涉及一种无拼接缝SAR图像分割并行加速处理方法。
背景技术
在图像处理过程中，由于不同计算机的性能差异，导致对于SAR图像等大幅图像无法被整体进行处理计算，所以在真正设计图像处理算法时，都需要考虑到计算机内存的不足，从而将原始输入图像进行分割后再做后续处理。
不论是图像增强还是检测，往往都需要设计出一定大小的滑窗在图像上逐像素滑动计算，而滑窗在滑动的过程中，由于图像边界的存在，导致滑窗在滑动的过程中无法对图像边缘的N排像素(N取决于滑窗半径)进行处理，从而最终表现出处理结果图像边缘在视觉效果上存在明显的差异。若是对整幅图处理，常规情况下会选择将无法处理的边缘进行裁剪或者在处理前进行边缘复制扩充，再将结果图裁剪为原图大小，这两种方法或多或少都会导致图像信息损失或边缘处理不当。
而在实行图像分割时，由于原本完整的图像被分割为若干小块，导致每块子图像的边缘都存在这种明显的视觉差异，在最终将子图像重新拼接时出现明显拼接线条，或称为“拼接缝”。拼接缝的存在不仅会影响图像的视觉效果，还有可能在后续图像检测识别过程中产生影响，提高检测识别的虚警率。传统的避免拼接缝的方法沿用了图像边界复制扩充的思想，对于分割的子图像，由于滑窗处理一次便会损失宽度为N(滑窗半径)的像素，所以对于分割得到的子图像提前进行M*N宽度的边界复制扩充(M为预先设定的滑窗处理次数，即迭代次数)，从而在最终迭代结束时得到恰好为原始子图像大小的结果图，从而进行整合拼接。这种方法在实际操作时效果仍然不够理想，原因在于图像边界的单一扩充无法反映出原图在子图像裁剪处存在的特征信息，反而在裁剪并重新扩充后变成了平滑的均匀区域，使得一些特殊功能的滑窗(如梯度检测)在子图像边界处失效，造成了一定的漏警或虚警。
发明内容
有鉴于此，本发明的主要目的在于提供一种无拼接缝SAR图像分割并行加速处理方法，以期部分地解决上述技术问题中的至少之一。
为了实现上述目的，作为本发明的一方面，提供了一种无拼接缝SAR图像分割并行加速处理方法，包括以下步骤：
获取整景图像，并对所述整景图像进行分块处理得到子图像；
对所述子图像分别进行边界处理；
对边界处理之后的子图像进行并行计算处理；
经所述并行计算处理获得子图像滤波结果；以及
将处理后的子图像进行合并，得到与所述整景图像尺寸大小一致的无拼接缝SAR图像。
其中，所述对所述整景图像进行分块处理包括：
根据拼接尺寸对所述整景图像进行分割；
根据所述子图像的位置分配边界；
进入后续处理流程。
其中，所述后续处理流程包括图像锐化、边缘检测、中值滤波、均值滤波、侵蚀和膨胀。
其中，所述边界处理包括：
直接计算分割后的子图像的边长；
在子图像左右两侧各添加N个像素；
得到分割后的子图像便可直接使用滑窗进行运算，单次运算后即得到原始子图像大小的结果图。
基于上述技术方案可知，本发明的无拼接缝SAR图像分割并行加速处理方法相对于现有技术至少具有如下有益效果之一：
(1)本发明的处理方法不受图像处理所需迭代次数的影响，可以在每次迭代后获得直接用于整图拼接的处理结果子图像；
(2)本发明的处理方法不受图像具体尺寸的影响，不用考虑长宽尺寸能否被整数分割的问题即可得到分割图像并用于并行加速处理，而在加速处理中，各子图像尺寸差异不会造成并行加速处理的差异，最终有效得到无拼接缝的图像处理结果。
附图说明
图1是本发明实施例提供的无拼接缝SAR图像分割并行加速处理方法流程图；
图2是本发明实施例提供的图像分块的流程示意图；
图3是本发明实施例提供的传统处理方法与本发明公开的处理方法效果对比图。
具体实施方式
本发明具体通过对大幅图像处理时所需完成的图像分割步骤进行分析，结合图像常规滤波处理的处理原理，设计了不受迭代参数约束的图像分割方法，该方法可以有效的消除图像分割处理后所产生的拼接缝，并直接通过并行运算进行处理加速。
不同于已有的图像分割方法，本发明所提供的处理方法不受图像处理所需迭代次数的影响，可以在每次迭代后获得直接用于整图拼接的处理结果子图像；此外，本发明所提供的处理方法不受图像具体尺寸的影响，不用考虑长宽尺寸能否被整数分割的问题即可得到分割图像并用于并行加速处理，而在加速处理中，各子图像尺寸差异不会造成并行加速处理的差异，最终有效得到无拼接缝的图像处理结果。
对于原始的输入图像，由于尺寸很大，所以计算机处理时由于计算资源有限，数据吞吐量无法满足原始图像大小。因此，我们需要将原始的大图像进行分割分块，得到适合计算机计算能力的小图像块来进行顺序处理。然而由于图像处理过程中，滤波器在任何图像上滑动滤波时都会导致图像边缘部份N个宽度像素的损失，(N是滤波器窗口的半径)导致处理后的图像变小(也就是会小一圈)。
于是，针对这种情况的出现，常用的处理手段是将待处理图像沿着图像边界扩充N个像素宽度，然后再与滤波器卷积处理，处理后的图像就会和输入的图像大小一致。
但是，传统的边界扩充方法局限于复制、镜像、0填充或1填充等，无法在边界位置反应原本的图像细节。这导致在处理图像时，边缘区域的处理无法得到理想结果。
那么，在对大型图像进行分块处理时，也就会遇到这个问题，因为每个分割后的子图像在单独处理时，它的边缘区域实际是可能有重要信息的，由于传统的边界扩充方法，导致子图像在处理时损失了边缘信息，而在所有子图像处理完毕重新拼接时，就会反映出各个子图像块的边缘有视觉上明显、突兀的条带，称为拼接缝。
本发明所设计的图像分割方法，在分割操作时，直接计算分割子图像的边长，然后在其左右两侧各添加N个像素，从而确定真实的分割框，得到分割后的子图像可以直接使用滑窗进行运算，单次运算后即可得到原始子图像大小的结果图，在下次迭代中重新对上一步的滤波结果图重新划分子图像。如此进行图像分割以及迭代处理，可以保证获得的子图像边缘得到正确处理，拼接后相邻子图像边缘之间不存在任何结果差异，实现真正的无缝拼接。
在图像分割后，为了提高图像处理程序的速度，所以可以根据计算机性能将分割得到的子图像分配给多个计算机线程，每个线程对各自的分配到的子图像分别进行处理，最终再将处理结果整合拼接。在执行并行运算时，往往要求各个线程内的运算特征参数一致，从而才能各线程无差别执行。但是本发明涉及的图像分割方法，可以有效避开并行处理时各线程所需的存在差异的参数，使得线程内完成物理内存的动态分配。
最终，利用本发明涉及的图像分割方法，可以用于各种需要滑窗运算的图像处理程序，消除图像拼接缝的同时提高程序运算速度。
本发明提供了一种新型的无拼接缝SAR图像分割并行加速处理方法，包括：无拼接缝、图像分割、并行加速处理。
所述无拼接缝，是指图像分割后，由于图像滤波特点导致在滤波过程中对于每一个子图像进行处理时，滤波算子在子图像上滑动的同时，只能作用于算子中心对应像素，从而导致子图像边界损失或没有被处理，最终各个子图像重新拼接时在拼接边界出现的明显不用于子图像内部视觉效果的明显线条。
所述图像分割，是指对大幅SAR图像来说，若想同时处理整张图象则对计算机性能要求是极高的，所以需要根据计算机性能合理地将图像分割为若干块以供计算机完成具体处理功能。
所述并行加速处理，是指在计算机执行具体处理程序时，根据传统程序流程，对于子图像都是逐个顺序处理，所以根据计算机性能设置多个线程，对分割的子图像进行同时处理，以起到加速的效果。
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。
如图1所示，为无拼接缝SAR图像分割并行加速处理方法流程图；具体包括以下步骤：
获取整景图像，并对所述整景图像进行分块处理得到子图像；对所述子图像分别进行边界处理；对边界处理之后的子图像进行并行计算处理；经所述并行计算处理获得子图像滤波结果；以及将处理后的子图像进行合并，得到与所述整景图像尺寸大小一致的无拼接缝SAR图像。
在图1中，原本的输入图像需要按照红色虚线线条进行分割，由于子图像所处位置不同，得到的分别是斜纹格、斑点、斜条带、方纹格四种类型的子图像类型。而为了避免图像在滤波时出现的边界像素损失，且保留原本的边界信息，以达到子图像处理完成后消除拼接缝的目标，所以设计了新的边缘补偿方案(如图1中子图像第二列)，根据子图像所属位置不同，将原图中临近子图像边缘的图像信息补充到子图像周围，得到扩充图像，然后进行后续处理。
“子图像边界分配情况列举”就是用来列举边界扩充的不同情况。(可以看到各个方框内的子图像周围的边界位置对应的纹理类型不同，即代表扩充部分来源于不同的图像区域)。
如图2所示，为图像分块的流程示意图；包括：
根据拼接尺寸对所述整景图像进行分割；根据所述子图像的位置分配边界；进入后续处理流程。
其中，对所述整景图像进行分割包括：
后续处理流程需根据实际要求执行，常见的处理有：图像锐化、边缘检测、中值滤波、均值滤波、侵蚀、膨胀等。这些处理往往都需要设计一个作用于图像的滑窗(也可被称为滤波器)，滑窗的处理结果就会导致边界损失。
为了克服上述边界损失，进行边界处理，包括：
直接计算分割后的子图像的边长；
在子图像左右两侧各添加N个像素；
得到分割后的子图像便可直接使用滑窗进行运算，单次运算后即得到原始子图像大小的结果图。
如图3所示，为传统处理方法与本发明公开的处理方法效果对比图；可以通过左右两图对比看出，作图虚线之间的部份图像块之间有一个明显的缝隙，也就是拼接缝，不利于整体图像的识别；而右图经过本方法处理的图像则没有拼接缝，整体表现出连续且平滑的效果。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，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，均应包含在本发明的保护范围之内。
Claims (4)
1.一种无拼接缝SAR图像分割并行加速处理方法，其特征在于，包括以下步骤：
获取整景图像，并对所述整景图像进行分块处理得到子图像；
对所述子图像分别进行边界处理；
对边界处理之后的子图像进行并行计算处理；
经所述并行计算处理获得子图像滤波结果；以及
将处理后的子图像进行合并，得到与所述整景图像尺寸大小一致的无拼接缝SAR图像。
2.根据权利要求1所述的无拼接缝SAR图像分割并行加速处理方法，其特征在于，所述对所述整景图像进行分块处理包括：
根据拼接尺寸对所述整景图像进行分割；
根据所述子图像的位置分配边界；
进入后续处理流程。
3.根据权利要求2所述的无拼接缝SAR图像分割并行加速处理方法，其特征在于，所述后续处理流程包括图像锐化、边缘检测、中值滤波、均值滤波、侵蚀和膨胀。
4.根据权利要求1所述的无拼接缝SAR图像分割并行加速处理方法，其特征在于，所述边界处理包括：
直接计算分割后的子图像的边长；
在子图像左右两侧各添加N个像素；
得到分割后的子图像便可直接使用滑窗进行运算，单次运算后即得到原始子图像大小的结果图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110323048.6A CN113034366A (zh) | 2021-03-25 | 2021-03-25 | 无拼接缝sar图像分割并行加速处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110323048.6A CN113034366A (zh) | 2021-03-25 | 2021-03-25 | 无拼接缝sar图像分割并行加速处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113034366A true CN113034366A (zh) | 2021-06-25 |
Family
ID=76474361
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110323048.6A Pending CN113034366A (zh) | 2021-03-25 | 2021-03-25 | 无拼接缝sar图像分割并行加速处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113034366A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113051422A (zh) * | 2020-11-21 | 2021-06-29 | 泰州芯源半导体科技有限公司 | 利用数据分析的云端存储服务平台 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5640468A (en) * | 1994-04-28 | 1997-06-17 | Hsu; Shin-Yi | Method for identifying objects and features in an image |
| US6058405A (en) * | 1997-11-06 | 2000-05-02 | Motorola Inc. | SIMD computation of rank based filters for M×N grids |
| CN101692335A (zh) * | 2009-09-24 | 2010-04-07 | 广东威创视讯科技股份有限公司 | 一种实现无缝拼接大屏幕显示的图像处理方法及其装置 |
| CN103164848A (zh) * | 2011-12-09 | 2013-06-19 | 腾讯科技（深圳）有限公司 | 图像处理方法和系统 |
| US20140267390A1 (en) * | 2013-03-15 | 2014-09-18 | Digitalglobe, Inc. | Automated geospatial image mosaic generation with automatic cutline generation |
| US9218689B1 (en) * | 2003-12-31 | 2015-12-22 | Zilabs Inc., Ltd. | Multi-sample antialiasing optimization via edge tracking |
| US20160093060A1 (en) * | 2013-04-09 | 2016-03-31 | Laboratoires Bodycad Inc. | Multi-scale active contour segmentation |
| US20170091947A1 (en) * | 2015-09-25 | 2017-03-30 | Gilad Baruch | Histogram-based image segmentation |
| CN106991665A (zh) * | 2017-03-24 | 2017-07-28 | 中国人民解放军国防科学技术大学 | 基于cuda图像融合并行计算的方法 |
| CN107808383A (zh) * | 2017-10-13 | 2018-03-16 | 上海无线电设备研究所 | 一种强海杂波下sar图像目标快速检测方法 |
| CN111083366A (zh) * | 2019-12-25 | 2020-04-28 | 眸芯科技（上海）有限公司 | 基于数据分割的图像处理方法、装置及系统 |
| CN112150362A (zh) * | 2020-09-22 | 2020-12-29 | 北京中房智宝科技有限公司 | 一种图片前处理解决方法 |
-
2021
- 2021-03-25 CN CN202110323048.6A patent/CN113034366A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5640468A (en) * | 1994-04-28 | 1997-06-17 | Hsu; Shin-Yi | Method for identifying objects and features in an image |
| US6058405A (en) * | 1997-11-06 | 2000-05-02 | Motorola Inc. | SIMD computation of rank based filters for M×N grids |
| US9218689B1 (en) * | 2003-12-31 | 2015-12-22 | Zilabs Inc., Ltd. | Multi-sample antialiasing optimization via edge tracking |
| CN101692335A (zh) * | 2009-09-24 | 2010-04-07 | 广东威创视讯科技股份有限公司 | 一种实现无缝拼接大屏幕显示的图像处理方法及其装置 |
| CN103164848A (zh) * | 2011-12-09 | 2013-06-19 | 腾讯科技（深圳）有限公司 | 图像处理方法和系统 |
| US20140267390A1 (en) * | 2013-03-15 | 2014-09-18 | Digitalglobe, Inc. | Automated geospatial image mosaic generation with automatic cutline generation |
| US20160093060A1 (en) * | 2013-04-09 | 2016-03-31 | Laboratoires Bodycad Inc. | Multi-scale active contour segmentation |
| US20170091947A1 (en) * | 2015-09-25 | 2017-03-30 | Gilad Baruch | Histogram-based image segmentation |
| CN106991665A (zh) * | 2017-03-24 | 2017-07-28 | 中国人民解放军国防科学技术大学 | 基于cuda图像融合并行计算的方法 |
| CN107808383A (zh) * | 2017-10-13 | 2018-03-16 | 上海无线电设备研究所 | 一种强海杂波下sar图像目标快速检测方法 |
| CN111083366A (zh) * | 2019-12-25 | 2020-04-28 | 眸芯科技（上海）有限公司 | 基于数据分割的图像处理方法、装置及系统 |
| CN112150362A (zh) * | 2020-09-22 | 2020-12-29 | 北京中房智宝科技有限公司 | 一种图片前处理解决方法 |
Non-Patent Citations (3)
| Title |
|---|
| JIANG, YH等: "A distributed parallel resampling algorithm for large images", LECTURE NOTES IN ARTIFICIAL INTELLIGENCE, vol. 2834, pages 608 - 618 * |
| 丁翠;杨云涛;张建;: "遥感影像并行分割的无缝拼接算法", 测绘科学, no. 04, pages 37 - 41 * |
| 王卫红;徐文涛;夏列钢;方赵林;: "大规模遥感影像Mean Shift并行分割优化算法研究", 小型微型计算机系统, no. 05, pages 191 - 196 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113051422A (zh) * | 2020-11-21 | 2021-06-29 | 泰州芯源半导体科技有限公司 | 利用数据分析的云端存储服务平台 |
| CN113051422B (zh) * | 2020-11-21 | 2022-01-11 | 圣凯诺服饰有限公司 | 利用数据分析的云端存储服务平台 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gerrits et al. | Local stereo matching with segmentation-based outlier rejection | |
| CN102113015B (zh) | 使用修补技术进行图像校正 | |
| US20180300937A1 (en) | System and a method of restoring an occluded background region | |
| EP2709070A1 (en) | Image generation device and image generation method | |
| WO2012074361A1 (en) | Method of image segmentation using intensity and depth information | |
| CN111862110A (zh) | 一种绿幕抠像方法、系统、设备和可读存储介质 | |
| CN111275034B (zh) | 从图像中提取文本区域的方法、装置、设备和存储介质 | |
| US20110148909A1 (en) | Generating object representation from bitmap image | |
| US8750622B2 (en) | Image processing device and image processing method | |
| KR102158390B1 (ko) | 영상 처리 방법 및 장치 | |
| CN113034366A (zh) | 无拼接缝sar图像分割并行加速处理方法 | |
| CN111080723A (zh) | 基于Unet网络的图像元素分割方法 | |
| CN111476750B (zh) | 对成像模组进行污点检测的方法、装置、系统及存储介质 | |
| WO2020084091A4 (en) | Stereo image processing | |
| US9514526B2 (en) | Device and method for detecting angle of rotation from normal position of image | |
| JP5295044B2 (ja) | マスク画像を抽出する方法及びプログラム並びにボクセルデータを構築する方法及びプログラム | |
| US10460219B2 (en) | Generating an object map from a plurality of binary images | |
| Dimiccoli et al. | Hierarchical region-based representation for segmentation and filtering with depth in single images | |
| CN115619618A (zh) | 一种基于高层次综合工具的图像处理方法及系统 | |
| JP3514373B2 (ja) | ３次元情報抽出方法、装置、および３次元情報抽出プログラムを記録した記録媒体 | |
| RU2470368C2 (ru) | Способ обработки изображений | |
| KR101667306B1 (ko) | Topological Derivative 기반 저 복잡도 영상 세그먼테이션 방법 및 시스템 | |
| CN108876784A (zh) | 一种去除平面工件连接部件的图像处理方法和装置 | |
| CN113781607B (zh) | Ocr图像的标注数据的处理方法、装置、设备及存储介质 | |
| Li et al. | Depth image restoration method based on improved FMM algorithm |
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 |