CN113052922B - 裸土识别方法、系统、设备及介质 - Google Patents
裸土识别方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN113052922B CN113052922B CN202110325713.5A CN202110325713A CN113052922B CN 113052922 B CN113052922 B CN 113052922B CN 202110325713 A CN202110325713 A CN 202110325713A CN 113052922 B CN113052922 B CN 113052922B
- Authority
- CN
- China
- Prior art keywords
- seed
- grid
- bare soil
- lattice points
- connected domain
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种裸土识别方法、系统、设备及介质,该方法包括:获取施工现场内包含裸土区域画面的监控图像;利用网格划分监控图像,生成多个网格大小相同的网格图像;根据随机抽样法、网格颜色分布以及网格纹理特征从网格图像中选取疑似裸土的格点生成种子格点集;利用种子生长技术对选中的种子格点进行邻域扩展,计算种子格点与其周围形成的连通域内格点的梯度;逐个比较连通域内格点与种子格点之间的梯度和预设梯度阈值大小,识别连通域内格点是否为裸土。本申请利用网格划生成多个网格大小相同的网格图像;使用区域特征代替单个像素点特征,减少单个像素点造成的误判;精度更高;利用种子生长技术对裸土及其周围格点进行判断,提高搜索的效率。
Description
技术领域
本申请涉及图像处理与工地施工领域,特别是涉及一种裸土识别方法、系统、设备及介质。
背景技术
城市建设施工过程中经常会产生裸土,如果裸土得不到及时处理,极易产生扬尘、泥水等,对城市环境造成极大的污染,侵害公众的健康。因此环保部们规定,对于施工过程中产生的裸土必须进行绿化或者采用防尘网进行覆盖,例如,施工现场裸土需采用毡布覆盖,施工现场易飞扬的细颗粒建材应密闭存放等。
然而,目前对施工单位的监管主要靠有关部门定期、不定期检查,监管效率低下,难以及时有效的发现不文明施工行为。因此,如何实时的对工地文明施工情况进行监管,成了亟待解决的问题。
发明内容
鉴于以上所述现有技术的缺点,本申请的目的在于提供一种裸土识别方法、系统、设备及介质,用于解决现有技术中需人工识别裸土,导致裸土监管效率不高的问题。
为实现上述目的及其他相关目的,本申请提供一种裸土识别方法,包括:
获取施工现场内包含裸土区域画面的监控图像;
利用网格划分所述监控图像,生成多个网格大小相同的网格图像;
根据随机抽样法、网格颜色分布以及网格纹理特征从所述网格图像中选取疑似裸土的格点生成种子格点集;
利用种子生长技术对选中的种子格点进行邻域扩展,计算种子格点与其周围形成的连通域内格点的梯度;
逐个比较连通域内格点与种子格点之间的梯度和预设梯度阈值大小,根据比较结果识别所述连通域内格点是否为裸土。
在本申请的另一目的在于提供一种裸土识别系统,包括:
图像获取模块,用于获取施工现场内包含裸土区域画面的监控图像;
网格图像生成模块,用于利用网格划分所述监控图像,生成多个网格大小相同的网格图像;
种子格点生成模块,用于根据随机抽样法、网格颜色分布以及网格纹理特征从所述网格图像中选取疑似裸土的格点生成种子格点集;
梯度计算模块,利用种子生长技术对选中的种子格点进行邻域扩展,计算种子格点与其周围形成的连通域内格点的梯度;
裸土识别模块,用于逐个比较连通域内格点与种子格点之间的梯度和预设梯度阈值大小,根据比较结果识别所述连通域内格点是否为裸土。
在本申请的另一目的在于提供一种电子设备,包括:
一个或多个处理装置;
存储器,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理装置执行,使得所述一个或多个处理装置执行所述裸土识别方法。
在本申请的还一目的在于提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序用于使所述计算机执行所述裸土识别方法。
如上所述,本申请的裸土识别方法、系统、设备及介质,具有以下有益效果:
本申请利用网格划分所述监控图像,生成多个网格大小相同的网格图像;使用区域特征代替单个像素点特征,减少单个像素点造成的误判;同时,利用小网格对裸土区域进行拟合,相比检测模型直接用大矩形框包围裸土区域的方法,精度更高;其中利用种子生长技术,只对裸土及其周围格点进行判断,提高搜索的效率。
附图说明
图1显示为本申请提供的一种裸土识别方法流程图;
图2显示为本申请提供的一种裸土识别方法中步骤S3的流程图;
图3显示为本申请提供的一种裸土识别方法中步骤S4的流程图;
图4显示为本申请提供的一种裸土识别方法中步骤S5的流程图;
图5显示为本申请提供的一种裸土识别系统结构框图;
图6显示为本申请一实施例提供的一种电子设备的结构示意图。
具体实施方式
以下通过特定的具体实例说明本申请的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本申请的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本申请的基本构想,遂图式中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
请参阅图1,为本申请提供的一种裸土识别方法流程图,包括:
步骤S1,获取施工现场内包含裸土区域画面的监控图像;
其中,获取的监控图像为监控摄像头拍摄的建设工地、储备用地、渣土堆放地、山地等可能包含未覆盖裸土的区域画面。监控摄像头包括但不限于目前监控常用球机、枪机、筒机。
步骤S2,利用网格划分所述监控图像,生成多个网格大小相同的网格图像;
其中,图像网格划分,是根据输入的监控图像的大小,将监控图像划分成N*M个K*K的方块网格,每个网格大小一致。
假设监控图像的长宽分别为H和W,那么网格划分的公式为:
M=H/K,N=W/K
其中,网格边长K大于10个像素点。
步骤S3,根据随机抽样法、网格颜色分布以及网格纹理特征从所述网格图像中选取疑似裸土的格点生成种子格点集;
其中,所述种子格点集包括种子网格选取、裸土种子初选、裸土种子优选;
步骤S4,利用种子生长技术对选中的种子格点进行邻域扩展,计算种子格点与其周围形成的连通域内格点的梯度;
其中,种子生长技术是属于图像分割方法,例如:首先,选取图像中的一点为种子点(种子点的选取需要具体情况具体分析);其次,在种子点处进行8邻域或4邻域扩展,判定准则是:如果考虑的像素与种子像素灰度值差的绝对值小于某个门限T,则将该像素包括进种子像素所在的区域;最后,当不再有像素满足加入这个区域的准则时,区域生长停止。
又例如,种子区域生长法的实现步骤包括:①对图像顺序扫描找到第1个还没有归属的像素,设该像素为(x0,y0);②以(x0,y0)为中心,考虑(x0,y0)的8邻域像素(x,y),如果(x,,y)满足生长准则,将(x,y)与(x0,y0)合并(在同一区域内),同时将(x,y)压入堆栈;③从堆栈中取出一个像素,把它当作(x0,y0)返回到步骤②;④当堆栈为空时返回到步骤①。
步骤S5,逐个比较连通域内格点与种子格点之间的梯度和预设梯度阈值大小,根据比较结果识别所述连通域内格点是否为裸土。
相比,目前部分厂家采用颜色等浅层特征识别裸土,虽能在特定场景下进行比较有效的识别,但算法鲁棒性差,受到光照等因素的影响较大;此外,相比,遥感图像的裸土识别,二者监控场景差异较大,并不属于同一个研究范畴,同时,识别方法也不通用。
在本实施例中,由于网格的疏密和相机视角远近的影响,防尘网中间的空洞部分的裸土可能被相机清晰成像。逐像素点判断,可能将防尘网中间空洞判断为未被覆盖的裸土;利用网格划分所述监控图像,生成多个网格大小相同的网格图像;使用区域特征代替单个像素点特征,减少单个像素点造成的误判;同时,利用小网格对裸土区域进行拟合,可以拟合出各种形状分布的裸土区域,相比检测模型直接用大矩形框包围裸土区域的方法,精度更高;其中利用种子生长技术,只对裸土及其周围格点进行判断,提高搜索的效率。
请参阅图2,本申请提供的一种裸土识别方法中步骤S3的流程图,在上述图1实施例基础上,在步骤S3,还包括:
步骤S31,采用等距随机抽样法在网格图像内选择种子网格;
具体地,采用等距随机抽样的方法,选取种子网格,保正种子网格覆盖全图各个区域范围。假设左上角的网格坐标为(0,0),水平向右为X轴正方向,竖直向下为Y轴正方向,每向右、向下一个网格对应坐标加一,则右下角的网格为(N-1,M-1),那么等距随机抽样的种子坐标点集合为:
{(x,y)|x/d=0,y/d=0},
其中,(x,y)为坐标点,d为等距采样的间隔;采用上述方式,使得选取的种子网格分布均匀、具有较高的代表性,同时,实现简单,能够轻易确定种子格点。
步骤S32,利用网格的颜色分布从等距抽样的种子网格集合初选概率较大成为裸土的网格为裸土种子网格;
具体地,通过网格的颜色分布,从等距抽样的种子网格集合中初选出可能为裸土的网格。假设Ngreen为某个种子网格中绿色像素的个数,K*K为网格总像素点个数,网格中绿色像素占比为Pgreen=Ngreen/(K*K),则该网格为裸土的概率为:
P=1if Pgreen>=30%
P=(10*Ngreen)/(3*K*K)if Pgreen<=30%
当P>PT时,初选网格为裸土种子网格,其中,PT为预设概率阈值,通过初选种子网格实现筛选,能够提高种子网格的识别概率。
步骤S33,提取所述裸土种子网格的纹理特征,根据所述纹理特征得到优选的种子网格。
具体地,采用基于小波变换得到托马斯纹理特征;首先,对选定的网格点进行二维小波分解,得到LL、LH、HL、HH四个不同频域的信号;然后,分别提取LL分量的Tamura特征;根据格点的Tamura纹理特征(所述纹理特征包括粗糙度、对比度和方向度),优选疑似为裸土的种子格点集。其中Tamura特征中的粗糙度fcrs和对比度fcrt,计算公式如下:
在此,(I,j)为像素点,m、n分别为图像的长和宽,Sbest为每个像素点的最优窗口大小,C(I,j)为对比度计算系数。
需要说明的是,采用基于Tamura纹理特征对图像分类,能够准确判断经过小波变换所对应的种子网格是否为裸土,从而提高后续裸土判断的准确率。
请参阅图3,显示为本申请提供的一种裸土识别方法中步骤S4的流程图,包括:
步骤S41,计算每一个格点的灰度均值,得到图像内整个格点的灰度均值图;
具体地,计算每一个格点的灰度均值(各个像素点的灰度值的平均值),该灰度均值代表整个格点的灰度值,得到图片的格点灰度均值图。计算公式如下:
其中,N为图片内格点的总数,f(x,y)为各个格点所述对应灰度值,通过计算灰度均值能够凸显不同灰度格点,便于识别。
步骤S42,对所述图像的格点灰度均值进行中值滤波以消除噪声;
其中,对图片的格点灰度均值图进行中值滤波;中值滤波就是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围的像素值接近的真实值,从而消除孤立的噪声点;例如,以划分的格点为基本单位进行中值滤波,减少对由于光照、湿度等引发的噪声格。
步骤S43,选择除噪后的格点进行种子生长;
其中,其中,种子生长的方式包括泛洪法,扫描线法,区段法,在此优选泛洪法,生长方式采用深度优先搜索的递归方法,或,也可以采用广度优先搜索的迭代来实现。
步骤S44,基于种子生长后的连通域建立二值矩阵;
其中,将裸土格点设为1,非裸土格点设为0,建立二值矩阵,就是将连通域标记处理从裸土格点“1”与非裸土格点“0”组成的一幅点阵图像中,将相互邻接的(4邻接或8邻接)具有灰度值为“1”或“0”的像素集合提取出来。
步骤S45,对所述二值矩阵进行二次中值滤波,计算种子格点与其周围形成的连通域内格点的梯度
其中,对建立的二值矩阵进行中值滤波,使得该格点与周围相邻的各格点的中值替代,从而消除了噪声点,提高种子格点判断的准确性。
在另一个实施例中,根据对连通域搜寻操作,将相邻且包含种子格点的标记进行拟合得到合并连通域,通过种子生长技术以种子格点为基础,不仅能够将标记相同的格点拟合到一起,同时,形成的连通域在搜索时,效率也更高。
请参阅图4,显示为本申请提供的一种裸土识别方法中步骤S5的流程图,包括:
步骤S51,计算种子格点与其周围形成的连通域内格点的梯度;
步骤S52,当所述连通域内某个格点与种子格点的梯度小于预设梯度阈值时,则判定该格点所代表的区域为裸土,且将该格点作为新的裸土种子格点;
步骤S53,当所述连通域内某个格点与种子格点的梯度不小于预设梯度阈值时,则判定该格点所代表的区域不为裸土;
步骤S54,重复上述步骤直至连通域内所述有格点都判定完为止。
例如,首先从种子格点开始,计算种子格点与其周围8连通域内格点的梯度grad,假设8连通域内某个格点与种子格点灰度梯度小于某个阈值,则判定该格点代表的区域为裸土,该格点也成为新的裸土种子格点,重复上述步骤。直到所有的裸土格点8连通域格点都判断完成。
其中,四个邻域分别表示当前像素上下左右的相邻像素;八连通区域或八邻域,对四邻域多了斜相邻的左上、右上、左下、右下像素;八领域的联通区域在生长的时候,包含条件更宽松(因为斜对面有同色像素也认为是相邻,在同一个区域里),所以区域也会更大。
在本实施例中,通过逐一判断连通域各个格点与种子格点之间的梯度,能够迅速判断完连通域内所有格点的是否为裸土,从而提高了裸土的识别效率。
请参阅图5,为本申请提供的一种裸土识别系统结构框图;包括:
图像获取模块1,用于获取施工现场内包含裸土区域画面的监控图像;
网格图像生成模块2,用于利用网格划分所述监控图像,生成多个网格大小相同的网格图像;
种子格点生成模块3,用于根据随机抽样法、网格颜色分布以及网格纹理特征从所述网格图像中选取疑似裸土的格点生成种子格点集;
梯度计算模块4,利用种子生长技术对选中的种子格点进行邻域扩展,计算种子格点与其周围形成的连通域内格点的梯度;
裸土识别模块5,用于逐个比较连通域内格点与种子格点之间的梯度和预设梯度阈值大小,根据比较结果识别所述连通域内格点是否为裸土
其中,还需要说明的是,裸土识别系统与裸土识别方法为一一对应的关系,在此,各个模块与上述流程步骤所涉及的技术细节与技术效果均相同,在此不用一一赘述,请参照上述裸土识别方法。
下面参考图6,其示出了适于用来实现本公开实施例的电子设备(例如终端设备或服务器600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开实施例的方法中限定的上述功能
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:
步骤S1,获取施工现场内包含裸土区域画面的监控图像;
步骤S2,利用网格划分所述监控图像,生成多个网格大小相同的网格图像;
步骤S3,根据随机抽样法、网格颜色分布以及网格纹理特征从所述网格图像中选取疑似裸土的格点生成种子格点集;
步骤S4,利用种子生长技术对选中的种子格点进行邻域扩展,计算种子格点与其周围形成的连通域内格点的梯度;
步骤S5,逐个比较连通域内格点与种子格点之间的梯度和预设梯度阈值大小,识别所述连通域内格点是否为裸土。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
综上所述,本申请利用网格划分所述监控图像,生成多个网格大小相同的网格图像;使用区域特征代替单个像素点特征,减少单个像素点造成的误判;同时,利用小网格对裸土区域进行拟合,相比检测模型直接用大矩形框包围裸土区域的方法,精度更高;其中利用种子生长技术,只对裸土及其周围格点进行判断,提高搜索的效率。
上述实施例仅例示性说明本申请的原理及其功效,而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本申请的权利要求所涵盖。
Claims (9)
1.一种裸土识别方法,其特征在于,包括:
获取施工现场内包含裸土区域画面的监控图像;
利用网格划分所述监控图像,生成多个网格大小相同的网格图像;
根据随机抽样法、网格颜色分布以及网格纹理特征从所述网格图像中选取疑似裸土的格点生成种子格点集;其中,采用等距随机抽样法在网格图像内选择种子网格;利用网格的颜色分布从等距抽样的种子网格集合初选概率较大成为裸土的网格为裸土种子网格;提取所述裸土种子网格的纹理特征,根据所述纹理特征得到优选的种子网格;
利用种子生长技术对选中的种子格点进行邻域扩展,计算种子格点与其周围形成的连通域内格点的梯度;
逐个比较连通域内格点与种子格点之间的梯度和预设梯度阈值大小,根据比较结果识别所述连通域内格点是否为裸土。
3.根据权利要求1所述的裸土识别方法,其特征在于,所述提取所述裸土种子网格的纹理特征,根据所述纹理特征得到优选的种子网格的步骤,包括:对所述裸土种子网格进行二维小波分解,得到LL、LH、HL、HH四个不同频域的信号;根据提取LL、HH分量信号的托马斯纹理特征筛选种子格点集。
4.根据权利要求1所述的裸土识别方法,其特征在于,所述利用种子生长技术对选中的种子格点进行邻域扩展,计算种子格点与其周围形成的连通域内格点的梯度的步骤,包括:
计算每一个格点的灰度均值,得到图像内整个格点的灰度均值图;对所述图像的格点灰度均值进行中值滤波以消除噪声;选择除噪后的格点进行种子生长;基于种子生长后的连通域建立二值矩阵;对所述二值矩阵进行二次中值滤波,根据滤值结果计算种子格点与其周围形成的连通域内格点的梯度。
5.根据权利要求1或4所述的裸土识别方法,其特征在于,所述逐个比较连通域内格点与种子格点之间的梯度和预设梯度阈值大小,根据比较结果识别所述连通域内格点是否为裸土的步骤,包括:
比较连通域内格点与种子格点之间的梯度和预设梯度阈值大小,当所述连通域内某个格点与种子格点的梯度小于预设梯度阈值时,则判定该格点所代表的区域为裸土,且将该格点作为新的裸土种子格点;当所述连通域内某个格点与种子格点的梯度不小于预设梯度阈值时,则判定该格点所代表的区域不为裸土;重复上述步骤直至连通域内所有格点都判定完为止。
6.根据权利要求1所述的裸土识别方法,其特征在于,所述利用种子生长技术对选中的种子格点进行邻域扩展的步骤,还包括:根据对连通域搜寻操作,将相邻且包含种子格点的标记进行拟合得到合并连通域。
7.一种裸土识别系统,其特征在于,包括:
图像获取模块,用于获取施工现场内包含裸土区域画面的监控图像;
网格图像生成模块,用于利用网格划分所述监控图像,生成多个网格大小相同的网格图像;
种子格点生成模块,用于根据随机抽样法、网格颜色分布以及网格纹理特征从所述网格图像中选取疑似裸土的格点生成种子格点集;其中,采用等距随机抽样法在网格图像内选择种子网格;利用网格的颜色分布从等距抽样的种子网格集合初选概率较大成为裸土的网格为裸土种子网格;提取所述裸土种子网格的纹理特征,根据所述纹理特征得到优选的种子网格;
梯度计算模块,利用种子生长技术对选中的种子格点进行邻域扩展,计算种子格点与其周围形成的连通域内格点的梯度;
裸土识别模块,用于逐个比较连通域内格点与种子格点之间的梯度和预设梯度阈值大小,根据比较结果识别所述连通域内格点是否为裸土。
8.一种电子设备,其特征在于:包括:
一个或多个处理装置;
存储器,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理装置执行,使得所述一个或多个处理装置实现如1至6中任一所述的裸土识别方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序用于使所述计算机执行权利要求1至6中任一所述的裸土识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110325713.5A CN113052922B (zh) | 2021-03-26 | 2021-03-26 | 裸土识别方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110325713.5A CN113052922B (zh) | 2021-03-26 | 2021-03-26 | 裸土识别方法、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113052922A CN113052922A (zh) | 2021-06-29 |
CN113052922B true CN113052922B (zh) | 2023-03-14 |
Family
ID=76515438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110325713.5A Active CN113052922B (zh) | 2021-03-26 | 2021-03-26 | 裸土识别方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113052922B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113537406B (zh) * | 2021-08-30 | 2023-04-07 | 重庆紫光华山智安科技有限公司 | 一种图像自动数据增强方法、系统、介质及终端 |
CN114299290B (zh) * | 2021-12-24 | 2023-04-07 | 腾晖科技建筑智能(深圳)有限公司 | 裸土识别方法、装置、设备及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077406A (zh) * | 2013-02-21 | 2013-05-01 | 苏州大学 | 一种基于网格标记的图像识别方法 |
WO2016127883A1 (zh) * | 2015-02-12 | 2016-08-18 | 阿里巴巴集团控股有限公司 | 一种图像区域检测方法及装置 |
CN109886991A (zh) * | 2019-03-04 | 2019-06-14 | 电子科技大学 | 一种基于邻域强度纹理编码的红外成像河道检测方法 |
CN112215815A (zh) * | 2020-10-12 | 2021-01-12 | 杭州视在科技有限公司 | 一种用于建筑工地的裸土覆盖自动检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030039402A1 (en) * | 2001-08-24 | 2003-02-27 | Robins David R. | Method and apparatus for detection and removal of scanned image scratches and dust |
CN111062331B (zh) * | 2019-12-18 | 2023-09-05 | 银河互联网电视有限公司 | 图像的马赛克检测方法、装置、电子设备及存储介质 |
CN112116242B (zh) * | 2020-09-17 | 2022-08-16 | 福州福大经纬信息科技有限公司 | 一种结合多种遥感指标的裸土变化识别方法 |
-
2021
- 2021-03-26 CN CN202110325713.5A patent/CN113052922B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077406A (zh) * | 2013-02-21 | 2013-05-01 | 苏州大学 | 一种基于网格标记的图像识别方法 |
WO2016127883A1 (zh) * | 2015-02-12 | 2016-08-18 | 阿里巴巴集团控股有限公司 | 一种图像区域检测方法及装置 |
CN109886991A (zh) * | 2019-03-04 | 2019-06-14 | 电子科技大学 | 一种基于邻域强度纹理编码的红外成像河道检测方法 |
CN112215815A (zh) * | 2020-10-12 | 2021-01-12 | 杭州视在科技有限公司 | 一种用于建筑工地的裸土覆盖自动检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113052922A (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113052922B (zh) | 裸土识别方法、系统、设备及介质 | |
WO2022237811A1 (zh) | 图像处理方法、装置及设备 | |
CN111310674B (zh) | 基于网格划分技术的河流生态缓冲带遥感监测方法和装置 | |
CN111415300A (zh) | 一种用于全景图像的拼接方法和系统 | |
CN111222509B (zh) | 目标检测方法、装置及电子设备 | |
CN113962859B (zh) | 一种全景图生成方法、装置、设备及介质 | |
CN110705511A (zh) | 模糊图像的识别方法、装置、设备及存储介质 | |
CN111881915A (zh) | 一种基于多种先验信息约束的卫星视频目标智能检测方法 | |
CN110321858B (zh) | 视频相似度确定方法、装置、电子设备及存储介质 | |
CN115345895B (zh) | 用于视觉检测的图像分割方法、装置、计算机设备及介质 | |
CN111870953A (zh) | 一种高度图生成方法、装置、设备及存储介质 | |
CN113838078B (zh) | 采煤塌陷地裂缝的识别与提取方法、装置及存储介质 | |
CN115861354A (zh) | 图像边缘检测方法、装置、设备及存储介质 | |
CN113239432B (zh) | 一种地铁隧道全景图像区域化分块检测推荐方法 | |
CN114972113A (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
CN115471477A (zh) | 扫描数据的去噪方法、扫描方法、装置、设备和介质 | |
CN115100536A (zh) | 建筑物识别方法、装置、电子设备和计算机可读介质 | |
CN110796144B (zh) | 车牌检测方法、装置、设备及存储介质 | |
CN113762266A (zh) | 目标检测方法、装置、电子设备和计算机可读介质 | |
CN113506315A (zh) | 运动物体的检测方法、装置及存储介质 | |
CN112487127A (zh) | 一种基于颜色特征分布与图像语义的众包建图方法及装置 | |
CN113469057B (zh) | 火眼视频自适应检测方法、装置、设备及介质 | |
CN111870954B (zh) | 一种高度图生成方法、装置、设备及存储介质 | |
CN113157820B (zh) | 适用于蜿蜒河流的缓冲带自动化分段与分类方法和装置 | |
CN117152186A (zh) | 一种数据处理方法、装置、电子设备、计算机可读介质 |
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 |