CN113508395B - 用于检测由像素构成的图像中的对象的方法和设备 - Google Patents
用于检测由像素构成的图像中的对象的方法和设备 Download PDFInfo
- Publication number
- CN113508395B CN113508395B CN202080017965.5A CN202080017965A CN113508395B CN 113508395 B CN113508395 B CN 113508395B CN 202080017965 A CN202080017965 A CN 202080017965A CN 113508395 B CN113508395 B CN 113508395B
- Authority
- CN
- China
- Prior art keywords
- neighborhood
- pixels
- mask
- values
- region
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/04—Systems determining presence of a target
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/04—Systems determining the presence of a target
-
- 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
- G01S7/414—Discriminating targets with respect to background clutter
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/77—Determining position or orientation of objects or cameras using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Nonlinear Science (AREA)
Abstract
一种检测由像素构成的图像中的对象的方法和设备。方法包括:获得(300)所述图像中的掩模的位置,所述掩模覆盖所述图像的至少一个像素;获得(301)围绕所述掩模的预定义像素邻域并将所述邻域划分为多个区域;对于各个区域,计算所述区域的像素值的均值(303)和方差(304);对于各个可能的区域对,计算(307)表示所述区域之间的差异的差异值;根据所述差异值确定所述掩模的背景为多模还是单模类型;依赖于所述背景的单模或多模类型,使用用于计算方差的算式计算(308、309、310)所述邻域的像素值的方差;使用由此获得的所述邻域的像素值的方差计算掩模位置的信噪比(311);以及当所述信噪比高于第二预定阈值时,检测到(312、313)对象。
Description
技术领域
本发明涉及用于检测图像中的对象的方法和实现所述方法的设备。
背景技术
使用对象检测的方法通常用于环境监测,特别是在空中和海域中。这些方法包括输入环境的至少一个光电图像,并且在各个图像中寻找潜在对象的存在的指示。
用于检测图像中的对象的已知方法在于计算局部信噪比(SNR)值,然后将各个局部SNR值与预定义检测阈值进行比较。当局部SNR值高于检测阈值时,认为检测到对象。
图1例示了这种方法在由像素网格组成的图像1上的实现。图像1包括两个对象O1和O2。为了检测在图像1中是否存在至少一个对象,图像由掩模(mask)A遍历。掩模是包含在被分析的图像的预定义形式的子部分中的一组像素。掩模的该组像素包括一个或多个像素。对于图像1中的掩模的各个可能位置,计算掩模A中包括的像素的值的均值IA(例如,像素的值是该像素的灰度级值)、围绕掩模A的邻域B中的像素的值的均值IB和方差值σB 2。当掩模包括多个像素时,由于计算负荷的原因,均值IA也可以由掩模A的中心像素的值代替。掩模的预定义邻域是包含在被分析的图像的子部分中的位于所述掩模附近的预定义形式的一组像素。根据这三个值,对于掩模的各个可能位置,如下计算SNR值:
这里,我们在这里通常说的是正对比的目标检测,,即,对于能够应用的检测测试,IA的值必须高于IB的值。也可以计算如下SNR值:
我们通常在这里谈论正对比或负对比的目标检测,即均值IA和均值IB之间的差的符号不重要。
接下来,将所获得的SNR值与检测阈值进行比较,以确定对象的存在与否。当SNR值超过检测阈值时,声称检测到,其被称为初始检测的。当掩模包括单个像素时,该像素构成初始检测。当掩模包括多个像素时,掩模的中心像素构成初始检测。接下来执行标记以尝试将初始检测分组在一起。标记的一个目的是将对应于同一对象的初始检测分组在一起。分组是根据位置接近标准(通常以4连通或8连通来实现)来执行的。初始检测的分组构成也称为图(plot)的检测。
此外,已经知道的是对象可能在不同环境中移动。当在给定图像上,对象位于纹理背景(例如包括至少两种不同纹理的多模背景)上时,会出现已知问题。
图2A、图2B和图2C示出了由诸如摄像头(未示出)的光电设备获得的图像,其中飞机1在有云2的环境中移动。在飞机1在该环境中移动期间,其连续地从无云区域行进到多云区域,然后返回到无云区域。飞机1潜在地是能够通过对象检测方法检测的对象。
在图2A和图2B所示的图像中,对应于飞机1的像素具有与飞机1附近的像素非常不同的特性(亮度值、灰度级值、SNR值等)。为了简化,这里认为云是几乎均匀的区域。然后,在这些图像中毫无困难地检测对应于飞机1的对象,例如通过使用上述掩模A的方法来检测。这是因为,在这种情况下,当掩模A位于飞机1中时,所获得的SNR值高于检测阈值。
图2C描述了一种不太有利的情况。在对应于图2C的图像中,飞机1部分地位于对应于云2的背景上并且部分地位于对应于天空的背景上。在这种情况下,当掩模A位于飞机1上时,方差σB 2的值高,这具有降低所获得的SNR值的效果。然后SNR值可以低于检测阈值。因此,图2C表示当对象位于多模背景上时对象未被检测到的通常情况。
希望克服现有技术的这些缺点。特别希望提出一种无论对象位于单模背景上还是多模背景上都能够检测到对象的方法。此外,希望提出一种实施简单且具有低计算成本的方法。
发明内容
根据本发明的第一个方面,本发明涉及一种用于检测由像素构成的图像中的对象的方法,各个像素由像素值表示,所述方法包括以下步骤:获得所述图像中的掩模的位置,所述掩模覆盖所述图像的至少一个像素;获得围绕所述掩模的预定义像素邻域并将所述邻域划分为多个区域;对于所述邻域的各个可能的区域对,计算表示所述区域之间的差异的值;如果表示差异的值中的至少一个值高于第一预定阈值,则确定所述掩模的背景为多模类型的,否则确定所述背景为单模类型的;计算方差σB 2,在所述背景为所述单模类型的情况下使用第一计算算式来计算,在所述背景为所述多模类型的情况下使用第二计算算式来计算;计算所述掩模的所述位置的信噪比,所述信噪比的噪声是由计算出的方差σB 2估计的;在所述信噪比高于第二预定阈值的情况下,确定已经进行了对象的初始检测;并且将标记应用于各个初始检测,以尝试根据来自所述初始检测的预定标准从多个相邻初始检测形成初始检测的称为图的至少一个分组。
根据一个实施方式,在掩模的背景为单模类型时,用于计算方差σB 2的算式考虑了对于各个区域,该区域的像素的值的均值与所述邻域的像素的值的均值之间的差异,并考虑邻域的各个区域的像素的值的方差,而当掩模的背景为多模类型时,用于计算方差σB 2的算式仅考虑邻域的各个区域的像素的值的方差。
根据具体的实施方式,所述第一计算算式如下:
所述第二计算算式如下:
根据实施方式,表示两个区域之间的差异的值是各个区域之间根据χ2定律的差异值:
根据本发明的第二个方面,本发明涉及一种用于检测由像素构成的图像中的对象的设备,各个像素由像素值表示,所述设备包括:用于获得所述图像中的掩模的位置的获得单元,所述掩模覆盖所述图像的至少一个像素;用于获得围绕所述掩模的预定义像素邻域并将所述邻域划分为多个区域的获得单元;用于对于各个区域计算该区域的像素值的均值和方差的计算单元;用于针对所述邻域的各个可能的区域对计算表示所述区域之间的差异的值的计算单元;用于如果表示差异的值的至少一个值高于第一预定阈值则确定所述掩模的背景为多模类型,否则确定所述背景为单模类型的确定单元;用于计算方差σB 2的计算单元,在所述背景为所述单模类型的情况下使用第一计算算式来计算,在所述背景为所述多模类型的情况下使用第二计算算式来计算,所述第一计算算式如下:
所述第二计算算式如下:
用于计算所述掩模的位置的信噪比的计算单元,所述信噪比的噪声是由计算出的方差σB 2估计的;用于在所述信噪比高于第二预定阈值的情况下确定已经进行了对象的初始检测的检测单元;以及用于将标记应用于各个初始检测,以尝试根据来自所述初始检测的预定标准从多个相邻初始检测形成初始检测的称为图的至少一个分组的标记单元。
根据本发明的第三个方面,本发明涉及一种计算机程序,所述计算机程序包括指令,所述指令用于当所述程序由设备的处理器执行时,由所述设备实现第一个方面所述的方法。
根据第四个方面,本发明涉及一种存储装置,所述存储装置存储包括指令的计算机程序,所述指令用于当所述程序由设备的处理器执行时,由所述设备执行根据第一个方面所述的方法。
附图说明
通过阅读以下对示例性实施方式的描述,将更清楚地显现本发明的上述特征以及其它特征,所述描述是相对于附图作出的,其中:
图1例示了检测图像中的对象的方法;
图2A示意性地例示了由诸如摄像头(未示出)的光电设备获得的第一图像,其中飞机在包括云的环境中移动;
图2B示意性地例示了由光电设备获得的飞机的第二图像;
图2C示意性地例示了由光电设备获得的飞机的第三图像;
图3A示意性地例示了适于实施本发明的设备;
图3B示意性地例示了适于实现本发明的处理模块的硬件结构;
图4示意性地例示了根据本发明的用于检测图像中的对象的方法;
图5A示意性地例示了被划分为四个区域的邻域B的第一示例;
图5B示意性地例示了被划分为六个区域的邻域B的第一示例;以及
图5C示意性地例示了被划分为四个区域的邻域B的第二示例。
具体实施方式
以下在空中监测的上下文中描述本发明,所述空中监测使用在可见域中进行图像采集的图像采集装置。本发明也可以应用于不同的监测环境,例如海事监测。此外,本发明适用于其它类型的图像(即,其它谱域),诸如红外图像、热图像和雷达图像。
图3A示意性地例示了适于实施本发明的设备1。
设备1包括图像获取模块10,例如在可见光谱域中工作的摄像头。图像获取模块10将其获取的图像提供给处理模块11。图像处理模块11尤其适合于根据在下文中关于图4描述的本发明的方法来检测各个图像中的对象。
处理模块11将表示检测到的各个对象的信息提供给显示模块12,例如屏幕,该显示模块12显示该信息,使得操作者可以使用该信息。例如,处理模块11向显示模块12提供表示在所获得的图像中检测到的各个对象的位置的信息。在另一实施方式中,由图像处理模块11提供的表示检测到的各个对象的信息也可以用作的时空滤波模块的输入(称为跟踪),用于减少系统误警报(热噪声、伪像),同时用表示所述检测的表观运动学或行为的信息来丰富检测(目标)。
认为设备1形成了光电系统。
在图3A中,图像获取模块10、处理模块11和显示模块12被示为形成同一设备1的一部分。在一个实施方式中,这些模块也可以包括在不同的装置或设备中,各个装置或设备包括使其能够彼此通信的通信模块。然后,这些装置或设备形成适于实现本发明的光电系统。
图3B示意性地例示了处理模块的硬件结构的示例。
根据图3B所示的硬件结构的示例,处理模块11则包括通过通信总线110连接的:处理器或中央处理单元(CPU)111;随机存取存储器RAM 112;只读存储器ROM 113;诸如硬盘或存储介质读取器的存储单元,诸如SD(安全数字)卡读取器114;至少一个通信接口115,其使得处理模块11能够与图像获取模块10和显示模块12通信。
处理器111能够执行从ROM 113、从外部存储器(未示出)、从存储介质(诸如SD卡)或从通信网络加载到RAM 112中的指令。当设备1加电时,处理器111能够从RAM 112读取指令并执行指令。这些指令形成计算机程序,其使得处理器111完全或部分地执行下文中关于图4描述的方法。
关于图4描述的方法可以通过由可编程机器(例如DSP(数字信号处理器)或微控制器)执行一组指令而以软件形式实现,或者可以由机器或专用组件(例如FPGA(现场可编程门阵列)或ASIC(专用集成电路))以硬件形式实现。
图4示意性地例示了根据本发明的用于检测图像中的对象的方法。
对由图像获取模块10获得的各个图像执行该方法。由设备1处理的图像在下文中被称为当前图像。在下文中,我们假设图像获取模块10生成图像,其中各个像素包括分量,例如灰度级图像。
掩模A被定义为使用遍历算法在当前图像上遍历。在一个实施方式中,掩模A对应于当前图像的像素矩形,其在当前图像的垂直轴上的高度等于V个像素,在当前图像的水平轴上的宽度等于H个像素。
遍历算法的示例包括通过水平线利用掩模A在当前图像上遍历。每条水平线对应于当前图像的像素带,其高度等于数量V,宽度等于当前图像的宽度。当前图像的水平线例如从左到右和从上到下遍历。在给定的水平线上,在关于图4描述的方法的每次迭代中,掩模前进一个像素。
在步骤300中,处理模块11获得掩模A的新位置。在图4的方法的第一次迭代期间,处理模块11获得对应于当前图像的左上角的掩模A的位置。
在步骤301中,处理模块11获得围绕掩模A的像素的预定邻域B,并将该邻域B划分为N个区域。多个邻域B以及,对于各个邻域而言,划分成N个区域的多个划分是可能的。
图5A示意性地例示了被划分为四个区域的邻域B的第一示例。在该示例中,邻域B形成围绕掩模A的矩形环。
图5B示意性地例示了关于图5A描述的邻域B的第一示例,但是这次划分为六个区域。
图5C示意性地例示了划分为具有相同形状的四个区域的邻域B的第二示例。在该示例中,邻域B包括分布在掩模A的上方、下方、右侧和左侧的四个分离部分,各个部分对应于一个区域。
在步骤302中,处理模块11将变量n初始化为1,变量n用于在邻域B的各个区域上遍历。
在步骤305中,处理模块11检查邻域B的所有区域已被处理。为此,如果变量n小于或等于N,则处理模块11在步骤306中通过将变量n递增一个单位来传递到邻域B的新区域。在步骤306之后进行步骤303。
当变量n等于N+1时,在步骤305之后进行步骤307。
在步骤307中,处理模块11为邻域B的各个可能的区域对计算表示区域之间的差异的值。在一个实施方式中,表示两个区域之间的差异的值是各个区域之间根据χ2定律的差异值δij(i≠j,i∈[1,N],j∈[1,N])。
可以设想表示差异的其它值,当所比较的两个区域具有相同的形式时,例如两个区的像素值之间的绝对差之和(SAD)或平方差之和(SSD)。
该模块然后获得(N-1)(N/2)个不同的差异值δij。
在步骤308中,将(N-1)(N/2)个差异值中的每一个差异值与预定阈值T2进行比较,以确定掩模A的背景是多模类型的还是单模类型的。预定阈值T2是从包括位于单模背景或多模背景上的对象的多个训练图像来确定的。预定阈值T2被选择成自动区分训练图像中的单模背景上的对象与多模背景上的对象。如果差异值δij中的至少一个高于预定阈值T2,则处理模块11确定掩模A的背景为多模式类型的并且执行步骤310。否则,处理模块11认为掩模A的背景为单模类型的并执行步骤309。
处理模块11因此使方差的计算适应于掩模A的背景的多模类型或单模类型。用于计算方差σB 2的算式实际上依赖于掩模A的背景的单模类型或多模类型。
在步骤311中,处理模块11如下计算掩模的当前位置的SNR值:
或如下:
因此,在步骤309或步骤310处获得的表示方差σB 2的值用于估计信噪比中的噪声。更具体地说,噪声等于标准差σB。
依赖于是否希望仅考虑正对比还是正和负对比。
在一个实施方式中,IA是掩模A的中心像素的值。
如果SNR的值高于预定检测阈值T1,则在步骤312中,处理模块11认为已经检测到对象。预定阈值T1是从包括对象的多个训练图像确定的。预定阈值T1被选择成自动区分训练图像中的对象并限制误检测的数量。
当已经进行了被称为初始检测的对象检测时,处理模块11执行步骤313,在该步骤期间,处理模块11存储表示初始检测的信息。在一个实施方式中,表示初始检测的信息包括初始检测的当前图像中的坐标。
在步骤314中,处理模块11确定整个当前图像是否已经由掩模A遍历,或者掩模的其它可能位置是否还没有被探查。如果至少一个其他位置仍有待探查,则处理模块11返回到步骤300。如果已经遍历了整个当前图像,则处理模块11执行步骤315。
在步骤315期间,处理模块11将标记应用于在当前图像中进行的初始检测,以尝试根据所述检测中的预定标准从相邻检测形成图(即,多组检测)。预定标准例如是4连通或8连通。在标记之后,表示各个图的信息被发送到显示模块12。表示各个图的信息包括例如当前图像以及各个图的位置。
在一个实施方式中,处理模块11将表示各个图的该信息提供给跟踪模块,以过滤系统误警报并用表示所述图的表观运动学或行为的信息补充表示各个图的信息。
在另一实施方式中,当前图像可以被部分地遍历,例如在当前图像的具有低于其初始分辨率的分辨率的经降采样而缩减的版本上完全遍历,然后在当前图像上以其初始分辨率仅在以缩减的版本检测到的任何图的邻域中进行遍历。
在一个实施方式中,各个当前图像是多分量图像,即各个像素包括多个分量。在这种情况下,在一个实施方式中,关于图4描述的方法独立地应用于各个分量。如果在掩模A的给定位置处,分量中的在步骤312处计算的至少一个SNR值高于预定检测阈值T1,则认为检测到对象。
在一个实施方式中,掩模A对应于像素。
在一个实施方式中,针对多个不同掩模A和/或针对多个不同邻域B,重复关于图4描述的方法。如果在掩模A的给定位置处,在步骤312处针对所关注的多个掩模A中的一个和/或所关注的多个邻域B一个计算的至少一个SNR值高于预定检测阈值T1,则认为检测到对象。
Claims (4)
1.一种用于检测由像素构成的图像中的对象的方法,各个像素由像素值表示,其特征在于,所述方法包括以下步骤:
获得(300)所述图像中的掩模的位置,所述掩模覆盖所述图像的至少一个像素;
获得(301)围绕所述掩模的预定义像素邻域并将所述邻域划分为多个区域;
对于所述邻域的各个可能的区域对,计算(307)表示所述区域之间的差异的值;
如果表示差异的值中的至少一个值高于第一预定阈值,则确定所述掩模的背景为多模类型的,否则确定所述背景为单模类型的;
计算(308、309、310)方差σB 2,在所述背景为所述单模类型的情况下使用第一计算算式来计算,在所述背景为所述多模类型的情况下使用第二计算算式来计算,所述第一计算算式如下:
所述第二计算算式如下:
计算(311)所述掩模的所述位置的信噪比,所述信噪比的噪声是由计算出的方差σB 2估计的;
在所述信噪比高于第二预定阈值的情况下,确定(312、313)已经进行了对象的初始检测;并且
将标记应用于各个初始检测结果,以尝试根据来自所述初始检测的预定标准从多个相邻初始检测结果形成初始检测结果的至少一个分组,所述至少一个分组称为图。
3.一种用于检测由像素构成的图像中的对象的设备,各个像素由像素值表示,其特征在于,所述设备包括:
用于获得(300)所述图像中的掩模的位置的获得单元,所述掩模覆盖所述图像的至少一个像素;
用于获得(301)围绕所述掩模的预定义像素邻域并将所述邻域划分为多个区域的获得单元;
用于对于各个区域计算该区域的像素值的均值(303)和方差(304)的计算单元;
用于针对所述邻域的各个可能的区域对计算(307)表示所述区域之间的差异的值的计算单元;
用于如果表示差异的值中的至少一个值高于第一预定阈值则确定所述掩模的背景为多模类型,否则确定所述背景为单模类型的确定单元;
用于计算(308、309、310)方差σB 2的计算单元,在所述背景为所述单模类型的情况下使用第一计算算式来计算,在所述背景为所述多模类型的情况下使用第二计算算式来计算,所述第一计算算式如下:
所述第二计算算式如下:
用于计算信噪比(311)的计算单元,所述信噪比的噪声是由计算出的方差σB 2估计的;
用于在所述信噪比高于第二预定阈值的情况下确定已经进行了对象的初始检测(312、313)的检测单元;以及
-用于将标记应用于各个初始检测结果,以尝试根据来自所述初始检测的预定标准从多个相邻初始检测结果形成初始检测结果的至少一个分组的标记单元,所述至少一个分组称为图。
4.一种存储装置,其特征在于,所述存储装置存储包括指令的计算机程序,所述指令用于当所述程序由设备(11)的处理器执行时,由所述设备执行根据权利要求1至2中任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1904287A FR3095541B1 (fr) | 2019-04-24 | 2019-04-24 | Procede de detection de cibles |
FRFR1904287 | 2019-04-24 | ||
PCT/EP2020/061096 WO2020216747A1 (fr) | 2019-04-24 | 2020-04-21 | Procede de detection de cibles |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113508395A CN113508395A (zh) | 2021-10-15 |
CN113508395B true CN113508395B (zh) | 2022-06-21 |
Family
ID=67810833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080017965.5A Active CN113508395B (zh) | 2019-04-24 | 2020-04-21 | 用于检测由像素构成的图像中的对象的方法和设备 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11361533B2 (zh) |
EP (1) | EP3959648B1 (zh) |
CN (1) | CN113508395B (zh) |
FR (1) | FR3095541B1 (zh) |
WO (1) | WO2020216747A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258549B (zh) * | 2020-11-12 | 2022-01-04 | 珠海大横琴科技发展有限公司 | 一种基于背景消除的船只目标跟踪方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923711A (zh) * | 2010-07-16 | 2010-12-22 | 西安电子科技大学 | 基于邻域相似性及掩模增强的sar图像变化检测方法 |
CN102165491A (zh) * | 2009-07-30 | 2011-08-24 | 索尼公司 | 图像处理设备、图像处理方法以及程序 |
WO2014038924A2 (en) * | 2012-09-06 | 2014-03-13 | Mimos Berhad | A method for producing a background model |
CN109478230A (zh) * | 2016-03-18 | 2019-03-15 | 光学技术注册协会莱布尼兹研究所 | 通过分割概览图像来检查分布式对象的方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3114668B2 (ja) * | 1997-10-03 | 2000-12-04 | 日本電気株式会社 | 物体検出・背景除去方法、装置およびプログラムを記録した記録媒体 |
FR2923024B1 (fr) * | 2007-10-26 | 2010-08-13 | Thales Sa | Procede de detection d'une cible |
FR3013876B1 (fr) * | 2013-11-28 | 2016-01-01 | Sagem Defense Securite | Analyse d'une image multispectrale |
US9600894B2 (en) * | 2015-04-07 | 2017-03-21 | Toshiba Tec Kabushiki Kaisha | Image processing apparatus and computer-readable storage medium |
FR3039290B1 (fr) * | 2015-07-21 | 2018-03-02 | Safran Electronics & Defense | Procede de visualisation d'un spot laser |
-
2019
- 2019-04-24 FR FR1904287A patent/FR3095541B1/fr active Active
-
2020
- 2020-04-21 EP EP20720814.1A patent/EP3959648B1/fr active Active
- 2020-04-21 CN CN202080017965.5A patent/CN113508395B/zh active Active
- 2020-04-21 WO PCT/EP2020/061096 patent/WO2020216747A1/fr unknown
- 2020-04-21 US US17/434,590 patent/US11361533B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102165491A (zh) * | 2009-07-30 | 2011-08-24 | 索尼公司 | 图像处理设备、图像处理方法以及程序 |
CN101923711A (zh) * | 2010-07-16 | 2010-12-22 | 西安电子科技大学 | 基于邻域相似性及掩模增强的sar图像变化检测方法 |
WO2014038924A2 (en) * | 2012-09-06 | 2014-03-13 | Mimos Berhad | A method for producing a background model |
CN109478230A (zh) * | 2016-03-18 | 2019-03-15 | 光学技术注册协会莱布尼兹研究所 | 通过分割概览图像来检查分布式对象的方法 |
Non-Patent Citations (2)
Title |
---|
Image sequence measures for aotumatic target tracking;Weihe Diao,et al;《Progress in Electromagnetics Research》;20120812;全文 * |
膝关节MRI软骨自动分割和定量分析研究;何璇;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20170331;全文 * |
Also Published As
Publication number | Publication date |
---|---|
FR3095541B1 (fr) | 2021-09-24 |
EP3959648B1 (fr) | 2023-03-22 |
WO2020216747A1 (fr) | 2020-10-29 |
CN113508395A (zh) | 2021-10-15 |
FR3095541A1 (fr) | 2020-10-30 |
EP3959648A1 (fr) | 2022-03-02 |
US20220148288A1 (en) | 2022-05-12 |
US11361533B2 (en) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10846867B2 (en) | Apparatus, method and image processing device for smoke detection in image | |
CN110502982B (zh) | 一种检测高速公路中障碍物的方法、装置及计算机设备 | |
CN109636771B (zh) | 基于图像处理的飞行目标检测方法及系统 | |
CN112184744B (zh) | 显示屏边缘缺陷检测方法和装置 | |
CN110490839B (zh) | 一种检测高速公路中损坏区域的方法、装置及计算机设备 | |
US20160343143A1 (en) | Edge detection apparatus, edge detection method, and computer readable medium | |
US20140050387A1 (en) | System and Method for Machine Vision Inspection | |
CN108961345B (zh) | 一种尿液试纸中有效颜色的确定方法及确定装置 | |
CN111882568B (zh) | 火灾图像边缘提取处理方法、终端及系统 | |
US11132802B2 (en) | Method of detecting moving objects from a temporal sequence of images | |
US20160259990A1 (en) | Region-of-interest detection apparatus, region-of-interest detection method, and recording medium | |
JP2009064175A (ja) | 物体検出装置および物体検出方法 | |
CN115205223B (zh) | 透明物体的视觉检测方法、装置、计算机设备及介质 | |
CN106530271A (zh) | 一种红外图像显著性检测方法 | |
US20170011502A1 (en) | Defect inspection apparatus for inspecting sheet-like inspection object, computer-implemented method for inspecting sheet-like inspection object, and defect inspection system for inspecting sheet-like inspection object | |
CN116958145B (zh) | 图像处理方法、装置、视觉检测系统及电子设备 | |
CN108197622A (zh) | 一种车牌检测方法、装置以及设备 | |
CN107230212B (zh) | 一种基于视觉的手机尺寸的测量方法及系统 | |
CN113508395B (zh) | 用于检测由像素构成的图像中的对象的方法和设备 | |
US20150117769A1 (en) | Blob-Encoding | |
CN112150522A (zh) | 遥感图像的配准方法、装置、设备、存储介质及系统 | |
WO2016092783A1 (en) | Information processing apparatus, method for processing information, discriminator generating apparatus, method for generating discriminator, and program | |
CN107862679B (zh) | 图像检测区域的确定方法及装置 | |
US20200304739A1 (en) | Image processing device, image processing method and storage medium | |
CN115423795A (zh) | 静帧检测方法、电子设备及存储介质 |
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 |