CN113091699B - 一种基于视频图像的微小位移放大方法 - Google Patents
一种基于视频图像的微小位移放大方法 Download PDFInfo
- Publication number
- CN113091699B CN113091699B CN202110351563.5A CN202110351563A CN113091699B CN 113091699 B CN113091699 B CN 113091699B CN 202110351563 A CN202110351563 A CN 202110351563A CN 113091699 B CN113091699 B CN 113091699B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- area
- point
- coordinates
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000003321 amplification Effects 0.000 title claims abstract description 23
- 238000003199 nucleic acid amplification method Methods 0.000 title claims abstract description 23
- 238000006073 displacement reaction Methods 0.000 title claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 95
- 238000004062 sedimentation Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 23
- 238000005336 cracking Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 3
- 230000003014 reinforcing effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000012106 screening analysis Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明属于视频图像处理技术领域,尤其涉及一种基于视频图像的微小位移放大方法,包括:S1,接收监控视频图像;S2,按照预设的尺寸,以参照标记点为中心获取参照区域,并以监控参照点为中心获取监控区域;再按预设的放大比例,对参照区域及监控区域进行放大后,获取视频图像中参照标记点与监控标记点的当前坐标;S3,根据参照标记点的当前坐标以及初始坐标,对坐标原点进行更新,使更新坐标原点后,参照标记点的坐标与初始坐标一致;S4,根据更新后的坐标原点,得到监控标记点更新后的当前坐标,记为更新坐标;S5,根据更新坐标及初始坐标,计算监控标记点的沉降数据。使用本方法,能够对隧道的沉降进行及时准确的监控。
Description
技术领域
本发明属于视频图像处理技术领域,尤其涉及一种基于视频图像的微小位移放大方法。
背景技术
隧道建成通车后,由于自身材料会不断风化受损,进而不可避免地造成地层变形与沉降。在运营过程中,随着隧道建成年限的增加,由于区域性地面沉降、土层纵向的不均匀性、隧道周边基坑开挖、隧道渗漏、列车荷载等因素的影响,隧道沉降会持续增大,甚至引发安全性问题。
因此,隧道长期运营过程中的隧道沉降问题日益引起人们的重视,通过科学合理的方法预防和治理隧道沉降问题具有重要的理论和实践意义。为了及时了解隧道沉降的情况,需要隧道的风险地段进行实时检测。目前的检测方法是,在稳定地段设置参照标记和监控器,并在风险地段设置监控标记。监控器将视频信息反馈给后端服务器,服务器基于参照标记和监控标记,分析该风险地段的沉降情况,工作人员可依据分析的情况,对出现沉降的地段进行计时处理。
通过这样的方式,可以实现对隧道沉降的自动化检测,但是,沉降的过程是一个缓慢累积的过程,观测点的位移量也是很微小的,要想对沉降进行精准的检测跟踪,需要对位移量进行准确的跟踪检测。常规的视频图像分析方法,虽然能够对位移进行分析,但对于沉降这样缓慢发生的过程,难以做到及时准确的监控,当监控到异常时,往往沉降已经有一定程度了,处理起来会较为费力。
因此,需要一种基于视频图像的微小位移放大方法,能够对隧道的沉降进行及时准确的监控。
发明内容
本发明的目的在于,提供一种基于视频图像的微小位移放大方法,能够对隧道的沉降进行及时准确的监控。
为了解决上述技术问题,本申请提供如下技术方案:
一种基于视频图像的微小位移放大方法,包括:
S1,接收监控视频图像;
S2,按照预设的尺寸,以参照标记点为中心获取参照区域,并以监控参照点为中心获取监控区域;再按预设的放大比例,对参照区域及监控区域进行放大后,获取视频图像中参照标记点与监控标记点的当前坐标;判断是否存储有参照标记点及监控标记点的初始坐标,若无,则将参照标记点与监控标记点的当前坐标作为初始坐标进行存储,若有则转到S3;
S3,根据参照标记点的当前坐标以及初始坐标,对坐标原点进行更新,使更新坐标原点后,参照标记点的坐标与初始坐标一致;
S4,根据更新后的坐标原点,得到监控标记点更新后的当前坐标,记为更新坐标;
S5,根据更新坐标及初始坐标,计算监控标记点的沉降数据。
基础方案原理及有益效果如下:
使用本方法,在接收到监控视频图像后,按照预设的尺寸,以参照标记点为中心获取参照区域(如预设大小的正方形区域),以监控参照点为中心获取监控区域。
之后,按预设的放大比例,对参照区域及监控区域进行放大后,获取视频图像中参照标记点与监控标记点的当前坐标。这样获取的坐标,由于对参照区域及监控区域进行了放大,可以获得高精度的坐标值,便于及时了解分析隧道的沉降。之后,判断是否存储有参照标记点及监控标记点的初始坐标,若无,则将参照标记点与监控标记点的当前坐标作为初始坐标进行存储。
虽然参照标记点及摄影装置都设置在稳定区域,通常不会出现沉降的情况。但是,摄影装置在长期使用的过程中,有时会出现姿态细微变化的情况。因此,根据参照标记点的当前坐标以及初始坐标,对坐标原点进行更新,使更新坐标原点后,参照标记点的坐标与初始坐标一致;这样的方式,可以保证坐标参考系的一致性。
再根据更新后的坐标原点,得到监控标记点更新后的当前坐标,记为更新坐标。并根据更新坐标及初始坐标,计算监控标记点的沉降数据。这样,在保证沉降数据精度的同时,也保证了参照坐标系的一致性。
综上,使用本方法,能够对隧道的沉降进行及时准确的监控。
进一步,还包括S11,按照预设的频率,对监控视频图像进行筛选,筛选出符合预设清晰度,且不存在预设干扰项的监控图像。
由于沉降是一个缓慢的过程,通常不会瞬间出现大幅沉降,通过预设的频率进行监控视频图像筛选分析,在不影响隧道沉降监控的同时,可以有效的节约系统资源。另一方面,由于隧道内的车灯、雾气等情况,会对拍摄图像造成影响,进而监控到的画面上,在精度性上难以保证。通过对监控视频图像进行筛选,可以规避上述情况,保障放大前监控图像的准确性和清晰度,可避免因原始图像的问题而导致后续沉降分析出现问题的情况。
进一步,S11中,预设干扰项包括雾气,若所有监控视频图像均存在雾气,则给隧道端发送镜头除雾信号,隧道端接收到镜头除雾信号后对摄像头的镜头进行除雾;发送镜头除雾信号预设时间后,重新进行摄像头图像筛选,若仍所有监控视频图像均存在雾气,则给隧道端发送除雾信号,隧道端接收到隧道除雾信号后进行隧道除雾。
如果所有的图像均存在雾气,可能是摄像头的镜头上存在水雾或者隧道内存在雾气。因此,先给隧道端发送隧道除雾信号对摄像头的镜头进行除雾(如热风除雾)。并在预设时间后,重新进行监控图像筛选,若有不存在雾气的监控视频图像,这说明问题已经解决,进行后续流程即可。若仍所有监控视频图像均存在雾气,则说明是隧道内的雾气,因此给隧道端发送隧道除雾信号,对隧道进行除雾(如引风机除雾)。这样,通过依次对镜头及隧道除雾,保障监控视频图像的质量。
进一步,S11中,若第二预设时间内的监控视频图像始终存在雾气,则生成警报信号。
如果第二预设时间(如8个小时)内,监控视频图像始终存在雾气,则说明隧道存在异常(如除雾设备存在故障),因此生成警报信号,工作人员可及时对其进行检修。
进一步,S2中,对参照区域及监控区域进行放大时,先获取待放大图像区域的灰度图,之后,对灰度图进行边缘检测,并根据检测结果将待放大图像划分为不包含边缘像素的非边缘区域,以及包含边缘像素的带边缘区域;采用不同的插值算法分别对非边缘区域和带边缘区域进行放大处理。
采用这样的处理方式,与直接采用三次差值算法相比,由于将待放大的图像分为非边缘区域和带边缘区域后,对不同区域采用了不同的方式进行放大处理,在保证放大后效果的同时,可以根据区域的特性选择恰当的放大处理方式,在保障整体运算效率的同时,可以有效的减少运算量。
进一步,S2中,采用双线性插值算法计算非边缘区域中插值像素点的像素值;若带边缘区域中只有一个边缘像素,采用双线性插值算法计算带边缘区域中插值像素点的像素值时不使用该边缘像素;若带边缘区域中有两个边缘像素且两个边缘像素在同一方向上,则在该方向上采用线性插值算法计算带边缘区域中插值像素点的像素值;若带边缘区域中有两个边缘像素且所述两个边缘像素在对角线方向上,则先将插值像素点投影至所述对角线方向上,再判断插值像素点与投影点之间的距离是否小于预设的距离阈值,若插值像素点与投影点之间的距离小于给定的距离阈值,则插值像素点的像素值等于投影点的像素值,若插值像素点与投影点之间的距离不小于给定的距离阈值,则插值像素点的像素值等于最邻近的非边缘像素的像素值。
进一步,S2中,当带边缘区域中有两个边缘像素且所述两个边缘像素在同一方向上,在该方向上采用线性插值算法计算带边缘区域中插值像素点的像素值时,若两个边缘像素在同一水平方向,则插值像素点的像素值为水平方向的线性插值;若两个边缘像素在同一竖直方向,则插值像素点的像素值为竖直方向的线性插值。
由于边缘区域放大后,容易出现细节不清楚、轮廓模糊或者存在锯齿的情况,对于计算结果会有负面影响。而沉降分析时,对于精度要求较高,因此需要对其进行处理。使用本方法,可以根据边缘区域的具体情况,选择对应的放大处理方式,来保证放大后图像的清晰度和准确性。
进一步,S2中,对参照区域及监控区域进行放大时,采用双三次插值算法进行放大处理。
双三次插值又称立方卷积插值,此算法不仅考虑到像素点周围直接相邻灰度影响,而且还考虑到各邻点间灰度值变化率的影响,图像经过三次运算可以得到高分辨率图像放大的结果,可以保障图像放大后的清晰度和准确性。
附图说明
图1为本发明实施例一的流程图。
具体实施方式
下面通过具体实施方式进一步详细说明:
实施例一
本实施例中,监控视频图像的接收及处理均由服务器进行,隧道端包括PLC、摄像头、热风机及引风机,PLC分别与摄像头、热风机及引风机电连接。
如图1所示,一种基于视频图像的微小位移放大方法,包括:
S1,接收监控视频图像。
S11,按照预设的频率,对监控视频图像进行筛选,筛选出符合预设清晰度,且不存在预设干扰项的监控图像。其中,预设干扰项包括雾气,若所有监控视频图像均存在雾气,则给隧道端发送镜头除雾信号,隧道端接收到镜头除雾信号后对摄像头的镜头进行除雾;发送镜头除雾信号预设时间后,重新进行摄像头图像筛选,若仍所有监控视频图像均存在雾气,则给隧道端发送除雾信号,隧道端接收到隧道除雾信号后进行隧道除雾。若第二预设时间内的监控视频图像始终存在雾气,则生成警报信号。
S2,按照预设的尺寸,以参照标记点为中心获取参照区域,并以监控参照点为中心获取监控区域;再按预设的放大比例,对参照区域及监控区域进行放大后,获取视频图像中参照标记点与监控标记点的当前坐标;判断是否存储有参照标记点及监控标记点的初始坐标,若无,则将参照标记点与监控标记点的当前坐标作为初始坐标进行存储,若有则转到S3;本实施例中,对参照区域及监控区域进行放大时,采用双三次插值算法进行放大处理。
S3,根据参照标记点的当前坐标以及初始坐标,对坐标原点进行更新,使更新坐标原点后,参照标记点的坐标与初始坐标一致;
S4,根据更新后的坐标原点,得到监控标记点更新后的当前坐标,记为更新坐标;
S5,根据更新坐标及初始坐标,计算监控标记点的沉降数据。
具体实施过程如下:
使用本方法,在接收到监控视频图像后,按照预设的尺寸,以参照标记点为中心获取参照区域(如预设大小的正方形区域),以监控参照点为中心获取监控区域。
之后,按预设的放大比例,对参照区域及监控区域进行放大后,获取视频图像中参照标记点与监控标记点的当前坐标。这样获取的坐标,由于对参照区域及监控区域进行了放大,可以获得高精度的坐标值。便于及时了解分析隧道的沉降。之后,判断是否存储有参照标记点及监控标记点的初始坐标,若无,则将参照标记点与监控标记点的当前坐标作为初始坐标进行存储。
虽然参照标记点及摄影装置都设置在稳定区域,通常不会出现沉降的情况。但是,摄影装置在长期使用的过程中,有时会出现姿态细微变化的情况。因此,根据参照标记点的当前坐标以及初始坐标,对坐标原点进行更新,使更新坐标原点后,参照标记点的坐标与初始坐标一致;这样的方式,可以保证坐标参考系的一致性。
再根据更新后的坐标原点,得到监控标记点更新后的当前坐标,记为更新坐标。并根据更新坐标及初始坐标,计算监控标记点的沉降数据。这样,在保证沉降数据精度的同时,也保证了参照坐标系的一致性。
综上,使用本方法,能够对隧道的沉降进行及时准确的监控。
实施例二
本实施例和实施例一的区别在于,本实施例的S2中,对参照区域及监控区域进行放大时,先获取待放大图像区域的灰度图,之后,对灰度图进行边缘检测,并根据检测结果将待放大图像划分为不包含边缘像素的非边缘区域,以及包含边缘像素的带边缘区域;采用不同的插值算法分别对非边缘区域和带边缘区域进行放大处理。
具体的,采用双线性插值算法计算非边缘区域中插值像素点的像素值。若带边缘区域中只有一个边缘像素,采用双线性插值算法计算带边缘区域中插值像素点的像素值时不使用该边缘像素;若带边缘区域中有两个边缘像素且两个边缘像素在同一方向上,则在该方向上采用线性插值算法计算带边缘区域中插值像素点的像素值;若带边缘区域中有两个边缘像素且所述两个边缘像素在对角线方向上,则先将插值像素点投影至所述对角线方向上,再判断插值像素点与投影点之间的距离是否小于预设的距离阈值,若插值像素点与投影点之间的距离小于给定的距离阈值,则插值像素点的像素值等于投影点的像素值,若插值像素点与投影点之间的距离不小于给定的距离阈值,则插值像素点的像素值等于最邻近的非边缘像素的像素值。
当带边缘区域中有两个边缘像素且所述两个边缘像素在同一方向上,在该方向上采用线性插值算法计算带边缘区域中插值像素点的像素值时,若两个边缘像素在同一水平方向,则插值像素点的像素值为水平方向的线性插值;若两个边缘像素在同一竖直方向,则插值像素点的像素值为竖直方向的线性插值。
采用这样的图像放大处理方式,与直接采用三次差值算法相比,由于将待放大的图像分为非边缘区域和带边缘区域后,对不同区域采用了不同的方式进行放大处理,在保证放大后效果的同时,可以根据区域的特性选择恰当的放大处理方式,在保障整体运算效率的同时,可以有效的减少运算量。
实施例三
与实施例一不同的是,S1中,还按照第一频率接收应力采集数据;S11中,按照第二频率对监控视频图像进行筛选,其中第二频率大于第一频率。
S11中的预设干扰项还包括水滴面,若监控视频图像中存在水滴面,则调取对应区域的环境采集数据,环境采集数据包括对应区域的温湿度数据及隧道洞口外的温度数据,并分析水滴面是否为冷凝水,若分析结果为是冷凝水,则发出冷凝水处理信号;若析结果为不是冷凝水时,则调取对应区域的应力采集数据,进行壁面开裂分析,若分析结果为存在开裂,则生成加固信号,若分析结果为不存在开裂,则生成探查信号。
还包括S12,接收到应力采集数据后,进行隧道开裂分析,并在开裂分析结果为异常时生成疑似信号。
具体实施过程如下:
通过监控图像的分析,可以了解是否存在水滴面。当存在水滴面时,需要对其进行处理。但是,隧道内水滴面的成因有多种,而不同成因需要的应对措施也会不同,其中最为常见的成因便是冷凝水。调取对应区域的环境采集数据(对应区域的温湿度数据及隧道洞口外的温度数据),分析水滴面是否为冷凝水。若分析结果为冷凝水,则发出冷凝水处理信号。通过这样的方式,不仅能够让工作人员了解到存在水滴面,还能让工作人员了解形成原因,进行针对性应对(如加强通风)。
如果不是冷凝水,则水滴面的最大形成原因便是由于隧道壁面的开裂导致了渗漏。因此,调取对应区域的应力采集数据进行壁面开裂分析,并在分析结果为存在开裂时生成加固信号。工作人员通过加固信号,可以及时了解情况,对开裂处进行相应的修补处理。如果分析结果为不存在开裂,则需要工作人员人工进行探查处理,因此生成探查信号,让工作人员了解情况。
由于隧道在开裂时多半会伴随着发生隧道的沉降,进而会在后续步骤的位移中分析出来。因此,在日常已经按照第二频率进行隧道沉降监测的基础上,即使单独进行开裂分析的频率小于第二频率,也已足以对隧道的开裂进行较好的监测。通过疑似信号,则可以让工作人员及时到对应位置处查看具体情况。采用第一频率发送应力数据还有一个好处,就是存储应力的装置可以在发送应力数据之后删除对应的应力数据,进而减少对存储容量的需求,减少硬件支出。
以上的仅是本发明的实施例,该发明不限于此实施案例涉及的领域,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (5)
1.一种基于视频图像的微小位移放大方法,其特征在于,包括:
S1,接收监控视频图像;
S11,按照预设的频率,对监控视频图像进行筛选,筛选出符合预设清晰度,且不存在预设干扰项的监控图像;S1中,还按照第一频率接收应力采集数据,S11中,按照第二频率对监控视频图像进行筛选,第二频率大于第一频率;
其中,预设干扰项包括雾气,若所有监控视频图像均存在雾气,则给隧道端发送镜头除雾信号,隧道端接收到镜头除雾信号后对摄像头的镜头进行除雾;发送镜头除雾信号预设时间后,重新进行摄像头图像筛选,若仍所有监控视频图像均存在雾气,则给隧道端发送除雾信号,隧道端接收到隧道除雾信号后进行隧道除雾;
预设干扰项还包括水滴面,监控视频图像中存在水滴面,则调取对应区域的环境采集数据,环境采集数据包括对应区域的温湿度数据及隧道洞口外的温度数据,并分析水滴面是否为冷凝水,若分析结果为是冷凝水,则发出冷凝水处理信号;若析结果为不是冷凝水时,则调取对应区域的应力采集数据,进行壁面开裂分析,若分析结果为存在开裂,则生成加固信号,若分析结果为不存在开裂,则生成探查信号;
S2,按照预设的尺寸,以参照标记点为中心获取参照区域,并以监控参照点为中心获取监控区域;再按预设的放大比例,对参照区域及监控区域进行放大后,获取视频图像中参照标记点与监控标记点的当前坐标;判断是否存储有参照标记点及监控标记点的初始坐标,若无,则将参照标记点与监控标记点的当前坐标作为初始坐标进行存储,若有则转到S3;
其中,对参照区域及监控区域进行放大时,先获取待放大图像区域的灰度图,之后,对灰度图进行边缘检测,并根据检测结果将待放大图像划分为不包含边缘像素的非边缘区域,以及包含边缘像素的带边缘区域;采用不同的插值算法分别对非边缘区域和带边缘区域进行放大处理;
S3,根据参照标记点的当前坐标以及初始坐标,对坐标原点进行更新,使更新坐标原点后,参照标记点的坐标与初始坐标一致;
S4,根据更新后的坐标原点,得到监控标记点更新后的当前坐标,记为更新坐标;
S5,根据更新坐标及初始坐标,计算监控标记点的沉降数据。
2.根据权利要求1所述的基于视频图像的微小位移放大方法,其特征在于:S11中,若第二预设时间内的监控视频图像始终存在雾气,则生成警报信号。
3.根据权利要求1所述的基于视频图像的微小位移放大方法,其特征在于:S2中,采用双线性插值算法计算非边缘区域中插值像素点的像素值;若带边缘区域中只有一个边缘像素,采用双线性插值算法计算带边缘区域中插值像素点的像素值时不使用该边缘像素;若带边缘区域中有两个边缘像素且两个边缘像素在同一方向上,则在该方向上采用线性插值算法计算带边缘区域中插值像素点的像素值;若带边缘区域中有两个边缘像素且所述两个边缘像素在对角线方向上,则先将插值像素点投影至所述对角线方向上,再判断插值像素点与投影点之间的距离是否小于预设的距离阈值,若插值像素点与投影点之间的距离小于给定的距离阈值,则插值像素点的像素值等于投影点的像素值,若插值像素点与投影点之间的距离不小于给定的距离阈值,则插值像素点的像素值等于最邻近的非边缘像素的像素值。
4.根据权利要求3所述的基于视频图像的微小位移放大方法,其特征在于:S2中,当带边缘区域中有两个边缘像素且所述两个边缘像素在同一方向上,在该方向上采用线性插值算法计算带边缘区域中插值像素点的像素值时,若两个边缘像素在同一水平方向,则插值像素点的像素值为水平方向的线性插值;若两个边缘像素在同一竖直方向,则插值像素点的像素值为竖直方向的线性插值。
5.根据权利要求1所述的基于视频图像的微小位移放大方法,其特征在于:S2中,对参照区域及监控区域进行放大时,采用双三次插值算法进行放大处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110351563.5A CN113091699B (zh) | 2021-03-31 | 2021-03-31 | 一种基于视频图像的微小位移放大方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110351563.5A CN113091699B (zh) | 2021-03-31 | 2021-03-31 | 一种基于视频图像的微小位移放大方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113091699A CN113091699A (zh) | 2021-07-09 |
CN113091699B true CN113091699B (zh) | 2024-05-14 |
Family
ID=76672622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110351563.5A Active CN113091699B (zh) | 2021-03-31 | 2021-03-31 | 一种基于视频图像的微小位移放大方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113091699B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114022366B (zh) * | 2022-01-06 | 2022-03-18 | 深圳鲲云信息科技有限公司 | 基于数据流架构的图像尺寸调整装置、调整方法及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110130987A (zh) * | 2019-04-19 | 2019-08-16 | 同济大学 | 一种基于图像分析的隧道收敛变形监测方法 |
CN110332903A (zh) * | 2019-07-16 | 2019-10-15 | 中国二十冶集团有限公司 | 基于数字图像处理的非接触式监测结构变形的方法 |
CN111288967A (zh) * | 2020-01-19 | 2020-06-16 | 广州翰南工程技术有限公司 | 一种基于机器视觉的远距离高精度位移检测方法 |
CN111473776A (zh) * | 2020-05-11 | 2020-07-31 | 中晋环境科技有限公司 | 一种基于单像近景摄影测量的滑坡裂缝监测方法 |
CN112284260A (zh) * | 2020-09-30 | 2021-01-29 | 深圳市北斗云信息技术有限公司 | 一种视觉位移监测方法、设备和系统 |
-
2021
- 2021-03-31 CN CN202110351563.5A patent/CN113091699B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110130987A (zh) * | 2019-04-19 | 2019-08-16 | 同济大学 | 一种基于图像分析的隧道收敛变形监测方法 |
CN110332903A (zh) * | 2019-07-16 | 2019-10-15 | 中国二十冶集团有限公司 | 基于数字图像处理的非接触式监测结构变形的方法 |
CN111288967A (zh) * | 2020-01-19 | 2020-06-16 | 广州翰南工程技术有限公司 | 一种基于机器视觉的远距离高精度位移检测方法 |
CN111473776A (zh) * | 2020-05-11 | 2020-07-31 | 中晋环境科技有限公司 | 一种基于单像近景摄影测量的滑坡裂缝监测方法 |
CN112284260A (zh) * | 2020-09-30 | 2021-01-29 | 深圳市北斗云信息技术有限公司 | 一种视觉位移监测方法、设备和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113091699A (zh) | 2021-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9185402B2 (en) | Traffic camera calibration update utilizing scene analysis | |
US8976242B2 (en) | Visual inspection apparatus and visual inspection method | |
JP2017053819A (ja) | コンクリートのひび割れ検出方法及び検出プログラム | |
CN117274722B (zh) | 基于红外图像的配电箱智能检测方法 | |
CN104700395A (zh) | 一种构造物外观裂缝检测方法及系统 | |
CN113091699B (zh) | 一种基于视频图像的微小位移放大方法 | |
CN110533649B (zh) | 一种无人机通用结构裂缝识别检测装置及方法 | |
CN104897269A (zh) | 基于线扫描成像的架空电线振动频率测量系统 | |
CN113554667B (zh) | 一种基于图像识别的三维位移检测方法及装置 | |
WO2021114650A1 (zh) | 基于高分相机图像采集处理的盾尾间隙测量系统 | |
CN117309159A (zh) | 基于红外热成像的列车机柜火焰预警方法 | |
US11315218B2 (en) | Composition processing system, composition processing apparatus, and composition processing method | |
Ioli et al. | UAV photogrammetry for metric evaluation of concrete bridge cracks | |
CN113469974B (zh) | 球团链篦机篦板状态监测方法及其监测系统 | |
CN114037953A (zh) | 边坡安全监测方法、装置、计算机设备及存储介质 | |
JP2009052907A (ja) | 異物検出システム | |
CN111402158B (zh) | 一种综采工作面低照度雾尘图像清晰化方法 | |
CN116736814A (zh) | 一种电缆保护管制造用生产设备的控制方法及系统 | |
CN116563608A (zh) | 一种隧道衬砌典型病害图像的识别方法及装置 | |
KR20170044239A (ko) | 해양 레이더를 이용한 누적 강수량 산출 시스템 및 그 산출방법 | |
KR101886510B1 (ko) | 케이블 교량의 장력 측정 시스템 및 케이블 교량의 장력 측정 방법 | |
CN113074694A (zh) | 用于隧道断面变形的自动监测装置 | |
CN116379937B (zh) | 一种输电塔晃动监测方法及装置 | |
CN114894092B (zh) | 一种农机具作业幅宽视觉检测系统与方法 | |
CN117537930B (zh) | 一种基于红外热成像的阵列测温方法及管理系统 |
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 |