CN113222963B - 一种非正射红外监测海面溢油面积估算方法及系统 - Google Patents
一种非正射红外监测海面溢油面积估算方法及系统 Download PDFInfo
- Publication number
- CN113222963B CN113222963B CN202110587244.4A CN202110587244A CN113222963B CN 113222963 B CN113222963 B CN 113222963B CN 202110587244 A CN202110587244 A CN 202110587244A CN 113222963 B CN113222963 B CN 113222963B
- Authority
- CN
- China
- Prior art keywords
- area
- oil spill
- sea surface
- image
- image extraction
- 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
- 239000003305 oil spill Substances 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 title claims abstract description 19
- 238000000605 extraction Methods 0.000 claims abstract description 39
- 230000011218 segmentation Effects 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 25
- 230000002146 bilateral effect Effects 0.000 claims abstract description 19
- 238000004891 communication Methods 0.000 claims abstract description 12
- 238000002372 labelling Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000002746 orthostatic effect Effects 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 abstract description 4
- 239000003921 oil Substances 0.000 description 30
- 238000001514 detection method Methods 0.000 description 3
- 239000011087 paperboard Substances 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005574 cross-species transmission Effects 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- G06T7/187—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
- 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
- G06T2207/10048—Infrared 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
- G06T2207/20021—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)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种非正射红外监测海面溢油面积估算方法及系统。方法包括:获取溢油区域的海面图像信息;同时记录图像提取特征;通过优化的双边分割网络实时对海面图像进行处理,从而分割出海面溢油目标区域;对所述海面溢油目标区域进行二值化处理,标记出每一个溢油连通区域,从而得到只标记溢油区域的无背景干扰的二值化图像;根据所述图像提取特征结合预先构建的面积拟合曲线得到所述二值化图像像素值对应的实际溢油区域面积;所述面积拟合曲线根据图像提取特征与拍摄面积的对应关系拟合获取。本发明根据事先实验得到的拟合曲线可以直接得到任何拍摄角度下的单个像素对应的真实面积。
Description
技术领域
本发明涉及计算机视觉与图像识别技术领域,具体而言,尤其涉及一种非正射红外监测海面溢油面积估算方法及系统。
背景技术
随着人类的海洋活动越来越频繁,对海洋环境的影响越来越大,关于海洋环境的污染检测和海洋安全防护越发受到人们的重视。在海洋环境污染事件中,原油和其他成品油的泄漏是最严重的污染情况,对溢油的清除和回收一直是解决该类问题的主要手段。为更快捷、高效的进行溢油清除和回收,对溢油面积和体积进行估算是一个十分必要和重要的工作。
针对溢油面积估计,主要通过图像处理技术快速获得溢油面积的像素值,然后获取激光测距机转载在高精度的二维伺服结构的基础上,测量溢油油膜不同位置距离观测点的真实距离,将溢油面积的像素值和转换为真实的面积尺寸。但利用激光测距机计算溢油面积,只是片面的计算了大致区域的几个点,并不具备普遍性,无法保证估算准确性。
发明内容
根据上述提出的溢油面积估算准确性不高的技术问题,而提供一种非正射红外监测海面溢油面积估算方法及系统,根据事先实验得到的拟合曲线可以直接得到任何拍摄角度下的单个像素对应的真实面积。
本发明采用的技术手段如下:
一种非正射红外监测海面溢油面积估算方法,包括:
获取溢油区域的海面图像信息;同时记录图像提取特征;
通过优化的双边分割网络实时对海面图像进行处理,从而分割出海面溢油目标区域;
对所述海面溢油目标区域进行二值化处理,标记出每一个溢油连通区域,从而得到只标记溢油区域的无背景干扰的二值化图像;
根据所述图像提取特征结合预先构建的面积拟合曲线得到所述二值化图像像素值对应的实际溢油区域面积;所述面积拟合曲线根据图像提取特征与拍摄面积的对应关系拟合获取。
进一步地,所述面积拟合曲线的获取方式包括:
设定不同的图像提取特征参数,并在设定的参数下对面积固定的参照物进行图像提取;
由提取的图像中获取参照物的像素面积;
根据像素面积与实际面积的对应关系,推导图像提取特征与实际面积的对应关系,从而获得面积拟合曲线。
进一步地,所述图像提取特征包括图像拍摄的高度、俯仰角度以及偏航角度。
进一步地,还包括将获取的实际溢油区域及面积标注在海面图像上。
本发明还提供了一种非正射红外监测海面溢油面积估算系统,包括:
获取单元,用于获取溢油区域的海面图像信息;同时记录图像提取特征;
分割单元,用于通过优化的双边分割网络实时对海面图像进行处理,从而分割出海面溢油目标区域;
处理单元,用于对所述海面溢油目标区域进行二值化处理,标记出每一个溢油连通区域,从而得到只标记溢油区域的无背景干扰的二值化图像;
计算单元,用于根据所述图像提取特征结合预先构建的面积拟合曲线得到所述二值化图像像素值对应的实际溢油区域面积;所述面积拟合曲线根据图像提取特征与拍摄面积的对应关系拟合获取。
进一步地,所述面积拟合曲线的获取方式包括:
设定不同的图像提取特征参数,并在设定的参数下对面积固定的参照物进行图像提取;
由提取的图像中获取参照物的像素面积;
根据像素面积与实际面积的对应关系,推导图像提取特征与实际面积的对应关系,从而获得面积拟合曲线。
进一步地,所述图像提取特征包括图像拍摄的高度、俯仰角度以及偏航角度。
进一步地,还包括标注单元,用于将获取的实际溢油区域及面积标注在海面图像上。
较现有技术相比,本发明具有以下优点:
本发明利用优化的双边检测网络识别溢油目标的准确度非常高,保证了溢油图片二值化的准确性,可以完整准确的分离出溢油区域,并且详细的标注出同一张图片上的不同的连通的溢油区域;分别计算每一个连通的溢油区域的面积;从而保证溢油面积计算精度与准确性。
基于上述理由本发明可在海洋环境污染检测和海洋安全防护等领域广泛推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明非正射红外监测海面溢油面积估算方法流程图。
图2为本发明优化的双边分割网络结构示意图。
图3为本发明实施例中获取的图像信息。
图4为俯仰角和偏航角示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1所示,本发明提供了一种非正射红外监测海面溢油面积估算方法,包括:
S1、获取溢油区域的海面图像信息;同时记录图像提取特征;图像提取特征包括图像拍摄的高度、俯仰角度以及偏航角度。如图4所示,俯仰角度以云台相机平视为基准线,向上拍摄的角度构成仰角,向下偏移的角度为俯角;偏航角度为设定云台相机初始位置,向左右偏移的角度为偏航角度。
S2、通过优化的双边分割网络实时对海面图像进行处理,从而分割出海面溢油目标区域。其中优化的双边分割网络如图2所示。本申请中在原双边分割网络的基础上进行了优化,如图所示,将双边分割网络与上下文特征网络相结合,利用双边分割网络的语义分支和细节分支处理输入图片,将细节分支得到的初略语义分割结果(Soft Object Regions),和语义分支得到的网络最深层输出的像素特征(PixelRepresentations)输入到上下文特征网络中,最后得到已经提取出完整的海面溢油区域的输出图像。
S3、对所述海面溢油目标区域进行二值化处理,标记出每一个溢油连通区域,从而得到只标记溢油区域的无背景干扰的二值化图像。二值化处理过程包括:将彩色图像进行灰度二值化处理,即将海面背景与溢油目标区域通过阈值设定的方法进行0,1标注。处理成只有溢油区域的无背景干扰的二值化图像。
S4、根据所述图像提取特征结合预先构建的面积拟合曲线得到所述二值化图像像素值对应的实际溢油区域面积;所述面积拟合曲线根据图像提取特征与拍摄面积的对应关系拟合获取。其中,面积拟合曲线的获取方式包括:设定不同的图像提取特征参数,并在设定的参数下对面积固定的参照物进行图像提取;由提取的图像中获取参照物的像素面积;根据像素面积与实际面积的对应关系,推导图像提取特征与实际面积的对应关系,从而获得面积拟合曲线。
进一步地,本方法还包括:
S5、将获取的实际溢油区域及面积标注在海面图像上。
下面通过具体的应用实例,对本发明的方法和效果做进一步说明。
本实施例中,通过红外/可见光双光云台相机获取溢油区域的海面图像信息,记录俯仰角度与偏航角度。具体来说,安装红外/可见光双光云台相机,记录云台相机安装的高度,利用双光云台相机拍摄/录制海面环境,通过优化的双边分割网络实时检测并准确识别已拍摄的海面溢油图像,标记出海面溢油目标区域,同时读取云台相机拍摄每一帧图片的俯仰角度与偏航角度。
对将已经识别并标记的海面溢油图像进行二值化处理,标记出每一个溢油连通区域,最后得到只标记溢油区域的无背景干扰的二值化图片。
根据记录的每一帧溢油图片对应的信息,读取相应的拟合曲线。具体来说,根据记录保存的溢油图片信息——云台相机拍摄图片时的俯仰角度与偏航角度,读取事先实验得到的高度、俯仰角度与像素大小三者的对应关系的拟合曲线,从而得到该图片的像素值对应的实际面积大小。本实施例中,拟合曲线根据以下方式获取:通过面积为1.50m2的纸板,将云台相机安装在相似高度,拍摄10米高度下,0-90°范围内纸板图片,通过计算得到10米高度下,0-90°范围内纸板的像素面积,从而得到像素面积与实际面积的对应关系。从而可以直接根据高度与角度,读取实际面积大小。
根据计算溢油图像中连通区域的面积,标记并显示溢油区域实际面积。具体来说,得到的图像像素值对应的实际面积大小,首先计算每一个连通区域的像素和,根据拟合曲线,读取一个像素点对应的实际面积大小,从而计算出溢油图像中每一个连通的溢油区域的实际面积大小。同时将计算得到的每一个连通区域的实际面积大小标记在图像中对应的连通区域上。
如图3所示,为将已经通过优化的双边分割网络识别并标记的海面溢油图像进行二值化处理,得到只标记溢油区域的无背景干扰的二值化图片,计算连通区域的像素和58304,查找对应10m高度和90°角度下的单个像素对应的实际面积大小1.53*10-5m2,二者相乘,得到此时的溢油区域实际面积0.894m2。
本发明根据事先实验得到高度、俯仰角度与像素大小三者的对应关系的拟合曲线,无需复杂的计算,就可以准确的得到对应高度与俯仰角度下拍摄的溢油图像中每一个连通的溢油区域的实际面积大小,同时标记在溢油图片中。
对应于本发明提供的非正射红外监测海面溢油面积估算方法,本发明实施例的另一方面,还提供了一种非正射红外监测海面溢油面积估算系统,包括:
获取单元,用于获取溢油区域的海面图像信息;同时记录图像提取特征;图像提取特征包括图像拍摄的高度、俯仰角度以及偏航角度。
分割单元,用于通过优化的双边分割网络实时对海面图像进行处理,从而分割出海面溢油目标区域。
处理单元,用于对所述海面溢油目标区域进行二值化处理,标记出每一个溢油连通区域,从而得到只标记溢油区域的无背景干扰的二值化图像。
计算单元,用于根据所述图像提取特征结合预先构建的面积拟合曲线得到所述二值化图像像素值对应的实际溢油区域面积;所述面积拟合曲线根据图像提取特征与拍摄面积的对应关系拟合获取。其中,面积拟合曲线的获取方式包括:设定不同的图像提取特征参数,并在设定的参数下对面积固定的参照物进行图像提取;由提取的图像中获取参照物的像素面积;根据像素面积与实际面积的对应关系,推导图像提取特征与实际面积的对应关系,从而获得面积拟合曲线。
还包括标注单元,用于将获取的实际溢油区域及面积标注在海面图像上。
对于本发明实施例的而言,由于其与上面实施例中的相对应,所以描述的比较简单,相关相似之处请参见上面实施例中部分的说明即可,此处不再详述。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种非正射红外监测海面溢油面积估算方法,其特征在于,包括:
获取溢油区域的海面图像信息;同时记录图像提取特征;
通过优化的双边分割网络实时对海面图像进行处理,从而分割出海面溢油目标区域,所述优化的双边分割网络被设置为在将双边分割网络与上下文特征网络相结合,利用双边分割网络的语义分支和细节分支处理输入图片,通过细节分支得到初略语义分割结果,通过语义分支得到的网络最深层输出的像素特征,将初略语义分割结果和输入到上下文特征网络中,最后输出海面溢油目标区域;
对所述海面溢油目标区域进行二值化处理,标记出每一个溢油连通区域,从而得到只标记溢油区域的无背景干扰的二值化图像;
根据所述图像提取特征结合预先构建的面积拟合曲线得到所述二值化图像像素值对应的实际溢油区域面积;所述面积拟合曲线根据图像提取特征与拍摄面积的对应关系拟合获取。
2.根据权利要求1所述的非正射红外监测海面溢油面积估算方法,其特征在于,所述面积拟合曲线的获取方式包括:
设定不同的图像提取特征参数,并在设定的参数下对面积固定的参照物进行图像提取;
由提取的图像中获取参照物的像素面积;
根据像素面积与实际面积的对应关系,推导图像提取特征与实际面积的对应关系,从而获得面积拟合曲线。
3.根据权利要求1所述的非正射红外监测海面溢油面积估算方法,其特征在于,所述图像提取特征包括图像拍摄的高度、俯仰角度以及偏航角度。
4.根据权利要求1所述的非正射红外监测海面溢油面积估算方法,其特征在于,还包括将获取的实际溢油区域及面积标注在海面图像上。
5.一种非正射红外监测海面溢油面积估算系统,用于实现如权利要求1所述的方法,其特征在于,包括:
获取单元,用于获取溢油区域的海面图像信息;同时记录图像提取特征;
分割单元,用于通过优化的双边分割网络实时对海面图像进行处理,从而分割出海面溢油目标区域,所述优化的双边分割网络被设置为在将双边分割网络与上下文特征网络相结合,利用双边分割网络的语义分支和细节分支处理输入图片,通过细节分支得到初略语义分割结果,通过语义分支得到的网络最深层输出的像素特征,将初略语义分割结果和输入到上下文特征网络中,最后输出海绵溢油目标区域;
处理单元,用于对所述海面溢油目标区域进行二值化处理,标记出每一个溢油连通区域,从而得到只标记溢油区域的无背景干扰的二值化图像;
计算单元,用于根据所述图像提取特征结合预先构建的面积拟合曲线得到所述二值化图像像素值对应的实际溢油区域面积;所述面积拟合曲线根据图像提取特征与拍摄面积的对应关系拟合获取。
6.根据权利要求5所述的非正射红外监测海面溢油面积估算系统,其特征在于,所述面积拟合曲线的获取方式包括:
设定不同的图像提取特征参数,并在设定的参数下对面积固定的参照物进行图像提取;
由提取的图像中获取参照物的像素面积;
根据像素面积与实际面积的对应关系,推导图像提取特征与实际面积的对应关系,从而获得面积拟合曲线。
7.根据权利要求5所述的非正射红外监测海面溢油面积估算系统,其特征在于,所述图像提取特征包括图像拍摄的高度、俯仰角度以及偏航角度。
8.根据权利要求5所述的非正射红外监测海面溢油面积估算系统,其特征在于,还包括标注单元,用于将获取的实际溢油区域及面积标注在海面图像上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110587244.4A CN113222963B (zh) | 2021-05-27 | 2021-05-27 | 一种非正射红外监测海面溢油面积估算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110587244.4A CN113222963B (zh) | 2021-05-27 | 2021-05-27 | 一种非正射红外监测海面溢油面积估算方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113222963A CN113222963A (zh) | 2021-08-06 |
CN113222963B true CN113222963B (zh) | 2024-03-26 |
Family
ID=77098923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110587244.4A Active CN113222963B (zh) | 2021-05-27 | 2021-05-27 | 一种非正射红外监测海面溢油面积估算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113222963B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116052061B (zh) * | 2023-02-21 | 2024-02-27 | 嘉洋智慧安全科技(北京)股份有限公司 | 事件监测方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109829858A (zh) * | 2019-01-29 | 2019-05-31 | 大连海事大学 | 一种基于局部自适应阈值的船载雷达图像溢油监测方法 |
CN110070549A (zh) * | 2019-04-25 | 2019-07-30 | 中国石油大学(华东) | 一种基于最优尺度邻域信息的海上溢油sar图像软分割方法 |
CN111881913A (zh) * | 2019-07-05 | 2020-11-03 | 深圳数字生命研究院 | 图像识别方法及装置、存储介质和处理器 |
CN112232303A (zh) * | 2020-11-16 | 2021-01-15 | 内蒙古自治区农牧业科学院 | 一种基于高分遥感影像的草原道路信息提取方法 |
CN112684796A (zh) * | 2020-12-14 | 2021-04-20 | 大连海事大学 | 一种针对复杂海域usv航行的路径规划方法 |
WO2021093283A1 (zh) * | 2019-11-14 | 2021-05-20 | 青岛理工大学 | 基于多传感融合的海面小面积溢油区域检测系统及检测方法 |
-
2021
- 2021-05-27 CN CN202110587244.4A patent/CN113222963B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109829858A (zh) * | 2019-01-29 | 2019-05-31 | 大连海事大学 | 一种基于局部自适应阈值的船载雷达图像溢油监测方法 |
CN110070549A (zh) * | 2019-04-25 | 2019-07-30 | 中国石油大学(华东) | 一种基于最优尺度邻域信息的海上溢油sar图像软分割方法 |
CN111881913A (zh) * | 2019-07-05 | 2020-11-03 | 深圳数字生命研究院 | 图像识别方法及装置、存储介质和处理器 |
WO2021093283A1 (zh) * | 2019-11-14 | 2021-05-20 | 青岛理工大学 | 基于多传感融合的海面小面积溢油区域检测系统及检测方法 |
CN112232303A (zh) * | 2020-11-16 | 2021-01-15 | 内蒙古自治区农牧业科学院 | 一种基于高分遥感影像的草原道路信息提取方法 |
CN112684796A (zh) * | 2020-12-14 | 2021-04-20 | 大连海事大学 | 一种针对复杂海域usv航行的路径规划方法 |
Non-Patent Citations (2)
Title |
---|
BiSeNet: Bilateral Segmentation Network for Real-time Semantic Segmentation;Changqian Yu,et al.;《arXiv:1808.00897》;20180802;全文 * |
基于深度语义分割的多源遥感图像海面溢油监测;陈彦彤;李雨阳;吕石立;王俊生;;光学精密工程;20200513(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113222963A (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111695486B (zh) | 一种基于点云的高精度方向标志牌目标提取方法 | |
GB2594657A (en) | Damage detection from multi-view visual data | |
Linger et al. | Aerial image registration for tracking | |
CN107016348A (zh) | 结合深度信息的人脸检测方法、检测装置和电子装置 | |
CN108447094B (zh) | 一种单目彩色相机的姿态估算方法及系统 | |
CN109934873B (zh) | 标注图像获取方法、装置及设备 | |
CN112102141B (zh) | 水印的检测方法、装置、存储介质以及电子设备 | |
FR3027136A1 (fr) | Procede d'identification d'un signe sur un document deforme | |
CN109978797B (zh) | 基于暗通道噪声模板的主动式像素传感器星图去噪方法 | |
CN109447902B (zh) | 一种图像拼接方法、装置、储存介质及设备 | |
CN111415364A (zh) | 一种计算机视觉中图像分割样本的转换方法、系统及存储介质 | |
CN111340749A (zh) | 图像质量的检测方法、装置、设备及存储介质 | |
CN111383252A (zh) | 多相机目标追踪方法、系统、装置及存储介质 | |
CN111476812A (zh) | 地图分割方法、装置、位姿估计方法和设备终端 | |
CN113222963B (zh) | 一种非正射红外监测海面溢油面积估算方法及系统 | |
CN111191708A (zh) | 自动化样本关键点标注方法、装置及系统 | |
CN112837384B (zh) | 车辆标记方法、装置和电子设备 | |
CN104484647B (zh) | 一种高分辨率遥感图像云高度检测方法 | |
CN117132503A (zh) | 一种图像局部高亮区域修复方法、系统、设备及存储介质 | |
CN113221818B (zh) | 一种海面溢油特征智能检测方法及系统 | |
Wang et al. | Target recognition and localization of mobile robot with monocular PTZ camera | |
CN112991342B (zh) | 基于水位尺图像的水位线检测方法、装置与系统 | |
CN112819953A (zh) | 三维重建方法、网络模型训练方法、装置及电子设备 | |
Xiang et al. | A modified joint trilateral filter based depth map refinement method | |
Chunxian et al. | Hybrid video stabilization for mobile vehicle detection on SURF in aerial surveillance |
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 |