CN113296095B - 一种用于脉冲探地雷达的目标双曲线边缘提取方法 - Google Patents
一种用于脉冲探地雷达的目标双曲线边缘提取方法 Download PDFInfo
- Publication number
- CN113296095B CN113296095B CN202110557324.5A CN202110557324A CN113296095B CN 113296095 B CN113296095 B CN 113296095B CN 202110557324 A CN202110557324 A CN 202110557324A CN 113296095 B CN113296095 B CN 113296095B
- Authority
- CN
- China
- Prior art keywords
- image
- gradient
- target
- ground penetrating
- penetrating radar
- 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
- 230000000149 penetrating effect Effects 0.000 title claims abstract description 42
- 238000000605 extraction Methods 0.000 title claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 50
- 230000011218 segmentation Effects 0.000 claims abstract description 14
- 230000001629 suppression Effects 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 2
- 238000009499 grossing Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 7
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000003708 edge detection Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 241000764238 Isis Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/885—Radar or analogous systems specially adapted for specific applications for ground probing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/411—Identification of targets based on measurements of radar reflectivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/418—Theoretical aspects
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种用于脉冲探地雷达的目标双曲线边缘提取方法,包括五个主要步骤:探地雷达图像预处理;高斯滤波去噪;使用Sobel算子获得预处理后图像各像素点梯度幅值及方向;使用改进的非极大值抑制算法获得处理后的梯度图像;对处理后的梯度图像使用一种基于Otsu的自适应单阈值分割算法得到最优阈值,并分割图像,获得最后边缘双曲线的提取结果。本发明可有效解决基于传统Canny算法的探地雷达目标双曲线提取存在同一目标提取出多条双曲线边缘,导致后续目标检测定位计算量增加,并且无法自适应选择阈值的问题,提高了探地雷达目标双曲线边缘提取的自适应能力,并且与曲线拟合算法结合可提高后续目标检测定位效率。
Description
技术领域
本发明涉及探地雷达技术领域,特别是涉及一种用于脉冲探地雷达的目标双曲线边缘提取方法。
背景技术
脉冲探地雷达由于其成本以及硬件复杂度较低,因此广泛应用于探地雷达系统中。基于探地雷达的地下目标检测是探地雷达领域重要的任务之一。目前探地雷达目标检测的方法大多数是基于目标双曲线回波形态完成的,其中最简单常用的方法是基于边缘检测算法提取探地雷达目标回波双曲线边缘,并结合曲线拟合算法进行目标检测与定位。
目前的用于探地雷达图像双曲线边缘提取的算法大部分是基于图像处理领域中的各种经典边缘检测算法实现的,如Robert算法、Prewitt算法、Sobel算法、Canny算法。有文献研究结果表明基于Canny算法的探地雷达目标双曲线边缘提取方法较其余边缘检测算法而言具有更好的边缘提取性能。但传统Canny算法常常导致一个目标检测出多条边缘,大大增加了后续曲线拟合的计算量,影响目标的精确定位。并且传统的Canny算法不具备自适应选择划分图像阈值的能力,人工选取阈值不够自动化且很难选取到最优阈值。因此本发明结合脉冲探地雷达回波变化特征并给出一种自适应单阈值分割算法,弥补传统Canny算法的缺陷,实现对探地雷达回波图像中每个目标自适应地检测出单条双曲线边缘。实验表明该算法与曲线拟合算法结合可实现更快速的目标检测与定位。
发明内容
有鉴于此,本发明的目的在于提供一种用于脉冲探地雷达的目标双曲线边缘提取方法,用以解决现有技术中基于传统Canny算法的探地雷达目标回波双曲线边缘检测会对同一目标提取多条边缘,导致后续曲线拟合算法计算量过高,以及无法自适应选取分割阈值两方面的缺陷。
为了实现上述目的,本发明采用如下技术方案:
一种用于脉冲探地雷达的目标双曲线边缘提取方法,包括如下步骤:
步骤S1、获取探地雷达的原始图像,并对该图像进行预处理,用以去除图像中的干扰,凸显目标;
步骤S2、通过高斯滤波对所述步骤S1中经过预处理后的图像进行降噪处理,获取降噪图像;
步骤S3、通过Sobel算子对所述步骤S2中的降噪图像进行处理,获取图像中各像素点垂直及水平方向的梯度,并计算各像素点的梯度幅值及方向;
步骤S4、对步骤S3中获取的所有垂直梯度方向为正的像素点的梯度幅度进行非极大值抑制,其余像素点的梯度幅度直接置为0,获得梯度图像;
步骤S5、通过基于Otsu的改进自适应单阈值分割算法对步骤S4中获取的梯度图像进行分割阈值处理,梯度幅值大于该阈值的像素点则置1,小于该阈值的像素点则置0,最终输出边缘提取后的图像。
进一步的,所述预处理的步骤具体为:
步骤S101、对所述原始图像进行直流滤波处理,表达式为:
公式(1)中,I′(x,y)表示为经过直流滤波处理的图像,I(x,y)表示为探地雷达的原始图像,2w1+1表示为滑动窗长;
步骤S102、对直流滤波后的图像I′(x,y)使用均值法进行杂波抑制,表达式为:
公式(2)中,I″(x,y)表示为经过杂波抑制后的图像,2w2+1表示为滑动窗长;
进一步的,所述步骤S2具体包括:
步骤S201、选择高斯滤波参数,构建二维高斯核函数H(x,y),表达式为:
公式(3)中,σ表示为控制高斯平滑滤波效果的参数;
步骤S202、将步骤S201中构建的二维高斯核函数H(x,y)与步骤S102中经过杂波抑制后的图像I″(x,y)进行卷积,获得高斯滤波后图像G(x,y)。
进一步的,所述步骤S3具体包括:
步骤S301、使用Sobel算子计算各像素点水平方向梯度Ph(x,y)及垂直方向梯度Pv(x,y);
步骤S302、计算各像素点的梯度幅度D(x,y)及方向θ(x,y),表达式为:
进一步的,在所述步骤S4中,对于步骤S3获取的所有垂直梯度方向为正的像素点,即Pv(x,y)≥0像素点的梯度幅度进行非极大值抑制算法,其余像素点的梯度幅度直接置为0,获得经过非极大值抑制后的梯度图像N(x,y)。
进一步的,所述步骤S5具体包括:
步骤S501、对步骤S4获得的非极大值抑制后的梯度图像N(x,y)使用Otsu算法进行计算获取划分阈值k1;
步骤S502、对所述梯度图像N(x,y)中幅度大于划分阈值T1的所有像素点再次使用Otsu算法进行计算获取划分阈值k2;
步骤S503、对所述梯度图像N(x,y)使用划分阈值k2进行划分,像素点的幅度大于k2则认为是目标边缘,置1;否则认为是背景,置0,最后获得边缘提取的结果图像。
本发明的有益效果是:
1、由于探地雷达目标双曲线上下边缘梯度十分接近,使用基于传统Canny算法的探地雷达目标双曲线边缘提取无法通过划分阈值的选取将二者分离,导致同时提取目标双曲线上下两条边缘,增加后续基于曲线拟合的目标检测与定位算法的计算量;本发明通过步骤S4的处理,根据脉冲探地雷达目标回波双曲线梯度变化特性,可只检测目标双曲线上边缘,使得后续需要计算的像素点大大减少,计算效率大幅度提升。
2、由于基于传统Canny算法的探地雷达回波图像目标双曲线边缘提取包含人工选择分割阈值步骤,但在实际不同的场景下需要人工多次尝试选择不同阈值,以获得最优的边缘提取结果,效率低且耗费时间与人力;本发明使用步骤S5给出的一种自适应单阈值分割算法,可自适应确定最优划分阈值,减少人工投入。
附图说明
图1、为实施例1中用于脉冲探地雷达的目标双曲线边缘提取方法的流程示意图。
图2、为实施例1中经过预处理后的仿真探地雷达图像。
图3、为基于传统Canny算法的仿真图像双曲线边缘提取结果。
图4、为实施例1中获得的仿真图像双曲线边缘提取结果。
图5、为实施例1中经过预处理后的实测探地雷达图像
图6、为基于传统Canny算法的实测图像双曲线边缘提取结果。
图7、为实施例1中获得的实测图像双曲线边缘提取结果。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,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,都属于本发明保护的范围。
实施例1
参见图1-图7,本实施例提供一种用于脉冲探地雷达的目标双曲线边缘提取方法,该方法首先需要获取到原始探地雷达回波灰度图像,用I(x,y)表示原始图像中像素点位于(x,y)位置的灰度值。接下来进行具体的处理步骤:
步骤S1、获取探地雷达的原始图像,并对该图像进行预处理,用以去除图像中的干扰,凸显目标;具体的说,步骤S1包括:
步骤S101、对原始探地雷达回波图像I(x,y)确定一个滑动窗长2w1+1,通过如下公式计算直流滤波后的图像I′(x,y)为:
步骤S102、对原始探地雷达回波图像I′(x,y)确定滑动窗长为2w2+1,通过如下公式计算出杂波抑制后的图像I″(x,y)为:
步骤S2、通过高斯滤波对所述步骤S1中经过预处理后的图像进行降噪处理,获取降噪图像;
具体的说,步骤S2包括:
步骤S201、确定合适高斯滤波器参数,构建二维高斯核函数
步骤S202、将高斯核函数H(x,y)与预处理后的图像I″(x,y)进行卷积,获得高斯滤波后图像G(x,y)。
步骤S3、通过Sobel算子对所述步骤S2中的降噪图像进行处理,获取图像中各像素点垂直及水平方向的梯度,并计算各像素点的梯度幅值及方向;
具体的说,步骤S3包括:
步骤S301、使用下述公式分别计算出各像素点水平方向梯度Ph(x,y)及垂直方向梯度Pv(x,y):
Ph(x,y)=G(x-1,y+1)+2G(x,y+1)
+G(x+1,y+1)-G(x-1,y-1)
-2G(x,y-1)-G(x+1,y-1)
Pv(x,y)=G(x-1,y-1)+2G(x-1,y)
+G(x-1,y+1)-G(x+1,y-1)
-2G(x+1,y)-G(x+1,y+1)
步骤S302、使用下述公式分别计算得到各像素点的梯度幅度D(x,y)及方向θ(x,y),表达式为:
步骤S4、对步骤S3中获取的所有垂直梯度方向为正的像素点的梯度幅度进行非极大值抑制,其余像素点的梯度幅度直接置为0,获得梯度图像;
具体的说,传统Canny算法中的非极大值抑制算法具体可描述为:若某像素点比沿梯度方向上相邻两个像素点的灰度值大,那么该像素点是极大值点,其梯度值保留;否则置0,以获得更准确的边缘定位性能。
若直接使用非极大值抑制算法会导致处理后的梯度图像包含双曲线上下边缘,由于探地雷达目标双曲线上下边缘梯度十分接近,难以通过阈值选取的方式去除,边缘提取结果会包含上下两条双曲线边缘。
因此,本实施例采用一种改进的非极大值抑制方法,具体为:对于步骤S3获得的所有垂直梯度方向为正的像素点进行非极大值抑制处理,其余像素点的梯度幅度直接置0,获得改进非极大值抑制后的梯度图像N(x,y)。
步骤S5、通过基于Otsu的改进自适应单阈值分割算法对步骤S4中获取的梯度图像进行分割阈值处理,梯度幅值大于该阈值的像素点则置1,小于该阈值的像素点则置0,最终输出边缘提取后的图像。
具体的说,传统Otsu算法基本步骤可以表述为:若待分割图像灰度值位于[ka,kb],像素点总数为N,灰度值为i的像素点个数为ni,那么灰度值为i的像素点所占比例为设有一分割阈值kth将图像划分为目标和背景两部分,所有灰度值大于等于kth的像素点为目标,灰度值小于kth的像素点为背景。那么目标和背景在图像中所占比例分别计算为:
目标以及背景的像素点的平均灰度值可计算为:
此时图像类间方差可计算为:
σ2(ka,kb,kth)=ptpb(μt-μb)2
由于类间方差σ2越大,目标与背景之间的差别越大,错分概率越小,因此Otsu算法通过最大化类间方差以确定最优阈值kOtsu:
由于经过步骤S4处理后的梯度图像中存在大量小梯度的噪声点,直接使用传统Otsu自适应选择阈值会导致分割阈值偏小,因此本实施例给出一种基于改进Otsu的自适应阈值分割算法,其具体实现步骤为:
步骤S501、若步骤S4获得的非极大值抑制后的梯度图像灰度值位于[ka,kb],对该图像所有像素点使用传统Otsu算法进行自适应获得划分阈值k1,表达式为:
步骤S502、对梯度图像中所有灰度值位于[k1,kb]的像素点再次使用传统Otsu算法自适应获得划分阈值k2,表达式为:
步骤S503、最后对梯度图像使用阈值k2行划分,像素点幅度大于k2则认为是目标边缘,置1;否则认为是背景,置0,获得边缘提取的结果图像。
图2为预处理后的仿真探地雷达图像,图3为基于传统Canny算法的仿真图像双曲线边缘提取结果,图4为通过本实施获得的仿真图像双曲线边缘提取结果,图5为预处理后的实测探地雷达图像,图6为基于传统Canny算法的实测图像双曲线边缘提取结果,图7为通过本实施例方法获得的实测图像双曲线边缘提取结果;从图2-图7的结果可以看出,无论是仿真数据还是实测数据,使用传统Canny算法会导致每个目标提取出两条双曲线边缘,给出的算法不仅可以自适应选择出最优阈值,而且每个目标只提取出单条双曲线边缘。由于提取的冗余双曲线边缘减少了,因此本实施例与曲线拟合算法结合可实现更快速的目标检测与定位。
本发明未详述之处,均为本领域技术人员的公知技术。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (3)
1.一种用于脉冲探地雷达的目标双曲线边缘提取方法,其特征在于,包括如下步骤:
步骤S1、获取探地雷达的原始图像,并对该图像进行预处理,用以去除图像中的干扰,凸显目标;
步骤S2、通过高斯滤波对所述步骤S1中经过预处理后的图像进行降噪处理,获取降噪图像;
步骤S3、通过Sobel算子对所述步骤S2中的降噪图像进行处理,获取图像中各像素点垂直及水平方向的梯度,并计算各像素点的梯度幅值及方向;
步骤S4、对步骤S3中获取的所有垂直梯度方向为正的像素点的梯度幅度进行非极大值抑制,其余像素点的梯度幅度直接置为0,获得梯度图像;
步骤S5、通过基于Otsu的改进自适应单阈值分割算法对步骤S4中获取的梯度图像进行分割阈值处理,梯度幅值大于该阈值的像素点则置1,小于该阈值的像素点则置0,最终输出边缘提取后的图像;
所述预处理的步骤具体为:
步骤S101、对所述原始图像进行直流滤波处理,表达式为:
公式(1)中,I′(x,y)表示为经过直流滤波处理的图像,I(x,y)表示为探地雷达的原始图像,2w1+1表示为滑动窗长;
步骤S102、对直流滤波后的图像I′(x,y)使用均值法进行杂波抑制,表达式为:
公式(2)中,I″(x,y)表示为经过杂波抑制后的图像,2w2+1表示为滑动窗长;
所述步骤S2具体包括:
步骤S201、选择高斯滤波参数,构建二维高斯核函数H(x,y),表达式为:
公式(3)中,σ表示为控制高斯平滑滤波效果的参数;
步骤S202、将步骤S201中构建的二维高斯核函数H(x,y)与步骤S102中经过杂波抑制后的图像I″(x,y)进行卷积,获得高斯滤波后图像G(x,y);
所述步骤S5具体包括:
步骤S501、对步骤S4获得的非极大值抑制后的梯度图像N(x,y)使用Otsu算法进行计算获取划分阈值T1;
步骤S502、对所述梯度图像N(x,y)中幅度大于划分阈值T1的所有像素点再次使用Otsu算法进行计算获取划分阈值T2;
步骤S503、对所述梯度图像N(x,y)使用划分阈值T2进行划分,像素点的幅度大于T2则认为是目标边缘,置1;否则认为是背景,置0,最后获得边缘提取的结果图像。
2.根据权利要求1所述的一种用于脉冲探地雷达的目标双曲线边缘提取方法,其特征在于,所述步骤S3具体包括:
步骤S301、使用Sobel算子计算各像素点水平方向梯度Ph(x,y)及垂直方向梯度Pv(x,y);
步骤S302、计算各像素点的梯度幅度D(x,y)及方向θ(x,y),表达式为:
3.根据权利要求2所述的一种用于脉冲探地雷达的目标双曲线边缘提取方法,其特征在于,在所述步骤S4中,对于步骤S3获取的所有垂直梯度方向为正的像素点,即Pv(x,y)≥0像素点的梯度幅度进行非极大值抑制算法,其余像素点的梯度幅度直接置为0,获得经过非极大值抑制后的梯度图像N(x,y)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110557324.5A CN113296095B (zh) | 2021-05-21 | 2021-05-21 | 一种用于脉冲探地雷达的目标双曲线边缘提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110557324.5A CN113296095B (zh) | 2021-05-21 | 2021-05-21 | 一种用于脉冲探地雷达的目标双曲线边缘提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113296095A CN113296095A (zh) | 2021-08-24 |
CN113296095B true CN113296095B (zh) | 2023-12-22 |
Family
ID=77323520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110557324.5A Active CN113296095B (zh) | 2021-05-21 | 2021-05-21 | 一种用于脉冲探地雷达的目标双曲线边缘提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113296095B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114373079A (zh) * | 2022-01-10 | 2022-04-19 | 东南大学 | 一种快速准确的探地雷达目标检测方法 |
CN114862786A (zh) * | 2022-04-29 | 2022-08-05 | 清远蓄能发电有限公司 | 基于Retinex图像增强和Ostu阈值分割的隔离带检测方法及系统 |
CN116523900B (zh) * | 2023-06-19 | 2023-09-08 | 东莞市新通电子设备有限公司 | 一种五金件加工质量检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108333634A (zh) * | 2018-01-29 | 2018-07-27 | 河南工业大学 | 一种基于频谱残余显著性检测方法的探地雷达地下目标定位方法 |
CN109816673A (zh) * | 2018-12-27 | 2019-05-28 | 合肥工业大学 | 一种非极大值抑制、动态阈值计算及图像边缘检测方法 |
CN111652033A (zh) * | 2019-12-12 | 2020-09-11 | 苏州奥易克斯汽车电子有限公司 | 基于OpenCV的车道线检测方法 |
CN112528868A (zh) * | 2020-12-14 | 2021-03-19 | 江苏师范大学 | 一种基于改进Canny边缘检测算法的违章压线判别方法 |
-
2021
- 2021-05-21 CN CN202110557324.5A patent/CN113296095B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108333634A (zh) * | 2018-01-29 | 2018-07-27 | 河南工业大学 | 一种基于频谱残余显著性检测方法的探地雷达地下目标定位方法 |
CN109816673A (zh) * | 2018-12-27 | 2019-05-28 | 合肥工业大学 | 一种非极大值抑制、动态阈值计算及图像边缘检测方法 |
CN111652033A (zh) * | 2019-12-12 | 2020-09-11 | 苏州奥易克斯汽车电子有限公司 | 基于OpenCV的车道线检测方法 |
CN112528868A (zh) * | 2020-12-14 | 2021-03-19 | 江苏师范大学 | 一种基于改进Canny边缘检测算法的违章压线判别方法 |
Non-Patent Citations (6)
Title |
---|
Improved Edge Detection Algorithm of High-Resolution Remote Sensing Images based on Fast Guided Filter;Hanmin Ye等;《2018 IEEE 4th Information Technology and Mechatronics Engineering Conference》;全文 * |
Research on Improved Algorithm of Infrared Image Edge Detection for Electrical Equipment;Zhao, LH等;《2020 CHINESE AUTOMATION CONGRESS》;全文 * |
一种改进自适应阈值的Canny算法;于晓海;张阳;须颖;;机械与电子(01);全文 * |
基于统计滤波的自适应双阈值改进canny算子边缘检测算法;段军;高翔;;激光杂志(01);全文 * |
探地雷达目标回波信号双曲线提取算法研究;张旭;龚钢军;郝建红;;计算机测量与控制(10);全文 * |
改进Canny算子在水面目标边缘检测中的研究;王嘉俊;段先华;;计算机时代(01);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113296095A (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113296095B (zh) | 一种用于脉冲探地雷达的目标双曲线边缘提取方法 | |
CN107220988B (zh) | 基于改进canny算子的零部件图像边缘提取方法 | |
CN110415208B (zh) | 一种自适应目标检测方法及其装置、设备、存储介质 | |
Kalra et al. | A Hybrid approach using sobel and canny operator for digital image edge detection | |
CN102521836A (zh) | 一种基于特定类灰度图像的边缘检测方法 | |
Er-Sen et al. | An adaptive edge-detection method based on the canny operator | |
CN107437251B (zh) | 头部mri影像颅骨剥离模块 | |
CN109671092A (zh) | 一种改进的Canny图像分割方法和系统 | |
CN116468641A (zh) | 一种红外血管图像增强处理方法 | |
CN111105427B (zh) | 一种基于连通区域分析的肺部图像分割方法及系统 | |
CN104182965B (zh) | 一种乳腺图像中分割胸肌的方法 | |
CN114943744A (zh) | 基于局部Otsu阈值化的边缘检测方法 | |
CN116993764B (zh) | 一种胃部ct智能分割提取方法 | |
CN109636822A (zh) | 一种基于新构建隶属度函数的改进Canny自适应边缘提取方法 | |
CN105825514A (zh) | 基于剪切波系数概率密度分布的图像边缘检测方法 | |
CN110796076A (zh) | 一种高光谱图像河流检测方法 | |
Wu et al. | Bi-lateral filtering based edge detection on hexagonal architecture | |
CN108401563B (zh) | 基于多尺度均值滤波和显著性检测的红外小目标检测方法 | |
CN108961290B (zh) | 一种基于Otsu的Ratio算子自适应图像边缘检测方法 | |
CN115100198B (zh) | 基于除油效果评估的二次除油强度控制方法及系统 | |
Lixin et al. | Segmentation of breast masses using adaptive region growing | |
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 | |
CN103886554A (zh) | 自动识别系统中的代码定位方法 | |
CN110930426B (zh) | 一种基于峰域形态辨识的弱小点目标提取方法 | |
Biradar et al. | Automated delineation of Doppler echocardiographic images using texture filters |
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 |