CN113628255A - 一种三光融合无损检测图像配准算法 - Google Patents
一种三光融合无损检测图像配准算法 Download PDFInfo
- Publication number
- CN113628255A CN113628255A CN202110855584.0A CN202110855584A CN113628255A CN 113628255 A CN113628255 A CN 113628255A CN 202110855584 A CN202110855584 A CN 202110855584A CN 113628255 A CN113628255 A CN 113628255A
- Authority
- CN
- China
- Prior art keywords
- ultraviolet
- infrared
- visible light
- imaging
- image
- 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.)
- Granted
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 12
- 238000009659 non-destructive testing Methods 0.000 title description 2
- 238000003384 imaging method Methods 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000001514 detection method Methods 0.000 claims abstract description 25
- 230000015572 biosynthetic process Effects 0.000 claims description 14
- 230000010354 integration Effects 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 5
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- 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
- G06T7/0004—Industrial image inspection
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Transforming Light Signals Into Electric Signals (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种三光融合无损检测图像配准算法，其步骤如下：步骤一：通过紫外、红外与可见光一体化成像仪对所测物件进行检测；步骤二：控制变量；步骤三：设计算法；步骤四：获取最佳值，将所得所有获得的成像图纸进行对比，取相似度最接近的几组图纸进行立体成像，为最佳立体成像方法，从而结束算法，该三光融合无损检测图像配准算法，保证成像后的图形对比相似度达到要求，方便整体对比出最接近实际情况的图像，且方便加工人员进行计算，且检测图像配准算法中的变量有两组，可以对整体进行对比计算，增加了整体的成像效果，保证图像最接近现实情况，做到对电路情况进行充分的成型，从而增加了整体实用性。
Description
技术领域
本发明涉及图像检测技术领域，具体为一种三光融合无损检测图像配准算法。
背景技术
图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，一般工业使用中，采用工业相机拍摄图片，然后再利用软件根据图片灰阶差做进一步识别处理，图像识别软件国外代表为康耐视等，国内代表为图智能等，图像识别在输电行业的运用也颇为广泛，保证整体正常的成像，方便整体对输电设备进行检测。
检测图像配准算法是要在图像成型检测的过程中对图像进行充分对比的重要算法，要保证图像最接近现实情况，但是现有的检测图像配准算法，无法做到对电路情况进行充分的成型，且成像过程中不会对图像进行充分对比，导致最后成像的图像不符合实际情况，不能方便加工人员进行计算，且现有的检测图像配准算法中的变量基本没有，无法对整体进行对比计算，降低了整体的成像效果，从而降低了整体实用性。
发明内容
本发明的目的在于提供一种三光融合无损检测图像配准算法，以解决上述背景技术中提出检测图像配准算法是要在图像成型检测的过程中对图像进行充分对比的重要算法，要保证素的图像最接近现实情况，但是现有的检测图像配准算法，无法做到对电路情况进行充分的成型，且成像过程中不会对图像进行充分对比，导致最后成像的图像不符合实际情况，不能方便加工人员进行计算，且现有的检测图像配准算法中的变量基本没有，无法对整体进行对比计算，降低了整体的成像效果，从而降低了整体实用性的问题。
为实现上述目的，本发明提供如下技术方案：一种三光融合无损检测图像配准算法，其步骤如下：
步骤一：通过紫外、红外与可见光一体化成像仪对所测物件进行检测，从而方便整体进行成像，在对整体进行成像的过程中，通过智能成像装置对整体进行智能图纸绘制，方便整体进行充分的检测，紫外、红外与可见光一体化成像仪在进行数据收集的过程中，在成像的过程中，通过多角度的拍摄取景，从而对整体的成像角度进行多样化的取样，方便进行后续的对比。
步骤二：控制变量，对不同角度的所测物件进行检测，并将紫外、红外与可见光对整体进行充分的成像，且成像的过程中，使用单紫外、单红外、单可见光、紫外+可见光、紫外+红外、紫外+红外+可见光等搭配方式对整体进行充分的成像，并对所得到的图像进行对比，保证成像后的图形对比相似度达到要求，并对不同角度的成像图片进行对比，保证相同位置的物件对比相似度达到要求，所以对整体进行多角度的拍摄，并使用多种光照的配合，保证整体良好的对比条件。
步骤三：设计算法，对整体的变化量进行设定，对整体不同角度的所得的图像数值进行记录，并对不同角度的所得的图像数值进行对比，当不同角度的所得的图像对比数值达到指定值后，进入下一算法，当不同角度的所得的图像对比数值未达到要求时，重新拍摄再次进行对比，进入下一算法时，将单紫外、单红外、单可见光、紫外+可见光、紫外+红外、紫外+红外+可见光这几种方式所得的图像进行对比，保证同一拍摄位置的多种组合光排出的图像对比数值未达到要求时，重新拍摄再次进行对比，当多种组合光排出的图像对比数值未达到要求时，获得成像图纸。
步骤四：获取最佳值，将所得所有获得的成像图纸进行对比，取相似度最接近的几组图纸进行立体成像，为最佳立体成像方法，从而结束算法。
优选的，所述步骤二中的单紫外、单红外、单可见光、紫外+可见光、紫外+红外、紫外+红外+可见光六种搭配方式均从相同角度进行拍摄，且拍摄角度选取至少四面。
优选的，所述步骤二中的成像后的多角度图形对比相似度至少90％，且成像后的多光线下的图形对比相似度至少95％。
与现有技术相比，本发明的有益效果是：该三光融合无损检测图像配准算法，对整体的变化量进行设定，对整体不同角度的所得的图像数值进行记录，并对不同角度的所得的图像数值进行对比，方便整体在角度的变化量上进行对比，保证成像后的图形对比相似度达到要求，方便整体对比出最接近实际情况的图像，且通过单紫外、单红外、单可见光、紫外+可见光、紫外+红外、紫外+红外+可见光六种搭配方式的对整体进行光成像，保证整体在成像的过程中可以看见更多东西，且保证成像后的图形对比相似度达到要求，并且保证对比后的图像基本无损，增加了整体成像对比效果，同时通过设计算法，对整体拍摄的相片进行充分的对比，保证整体成像后的图像符合实际情况，方便加工人员进行计算，且检测图像配准算法中的变量有两组，可以对整体进行对比计算，增加了整体的成像效果，保证图像最接近现实情况，做到对电路情况进行充分的成型，从而增加了整体实用性。
附图说明
图1为本发明工作流程示意图。
具体实施方式
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。
请参阅图1，本发明提供一种技术方案：一种三光融合无损检测图像配准算法，其步骤如下：
步骤一：通过紫外、红外与可见光一体化成像仪对所测物件进行检测，从而方便整体进行成像，在对整体进行成像的过程中，通过智能成像装置对整体进行智能图纸绘制，方便整体进行充分的检测，紫外、红外与可见光一体化成像仪在进行数据收集的过程中，在成像的过程中，通过多角度的拍摄取景，从而对整体的成像角度进行多样化的取样，方便进行后续的对比。
步骤二：控制变量，对不同角度的所测物件进行检测，并将紫外、红外与可见光对整体进行充分的成像，且成像的过程中，使用单紫外、单红外、单可见光、紫外+可见光、紫外+红外、紫外+红外+可见光等搭配方式对整体进行充分的成像，并对所得到的图像进行对比，保证成像后的图形对比相似度达到要求，并对不同角度的成像图片进行对比，保证相同位置的物件对比相似度达到要求，所以对整体进行多角度的拍摄，并使用多种光照的配合，保证整体良好的对比条件。
步骤三：设计算法，对整体的变化量进行设定，对整体不同角度的所得的图像数值进行记录，并对不同角度的所得的图像数值进行对比，当不同角度的所得的图像对比数值达到指定值后，进入下一算法，当不同角度的所得的图像对比数值未达到要求时，重新拍摄再次进行对比，进入下一算法时，将单紫外、单红外、单可见光、紫外+可见光、紫外+红外、紫外+红外+可见光这几种方式所得的图像进行对比，保证同一拍摄位置的多种组合光排出的图像对比数值未达到要求时，重新拍摄再次进行对比，当多种组合光排出的图像对比数值未达到要求时，获得成像图纸。
步骤四：获取最佳值，将所得所有获得的成像图纸进行对比，取相似度最接近的几组图纸进行立体成像，为最佳立体成像方法，从而结束算法。
进一步的，步骤二中的单紫外、单红外、单可见光、紫外+可见光、紫外+红外、紫外+红外+可见光六种搭配方式均从相同角度进行拍摄，且拍摄角度选取至少四面。
进一步的，步骤二中的成像后的多角度图形对比相似度至少90％，且成像后的多光线下的图形对比相似度至少95％。
本发明的首先通过紫外、红外与可见光一体化成像仪对所测物件进行检测，从而方便整体进行成像，在对整体进行成像的过程中，通过智能成像装置对整体进行智能图纸绘制，方便整体进行充分的检测，紫外、红外与可见光一体化成像仪在进行数据收集的过程中，在成像的过程中，通过多角度的拍摄取景，从而对整体的成像角度进行多样化的取样，方便进行后续的对比，对所测物件的至少四个角度进行检测成像，并将紫外、红外与可见光对整体进行充分的成像，且使用单紫外、单红外、单可见光、紫外+可见光、紫外+红外、紫外+红外+可见光等搭配方式对整体进行充分的成像并进行对比，首先对不同角度的图像进行对比，保证不同角度中的物件形状和各项指标基本一致，也就是多角度图形对比相似度至少90％，从而方便对整体的排布情况进行了解，找到正确的角度后，使用单紫外、单红外、单可见光、紫外+可见光、紫外+红外、紫外+红外+可见光等搭配方式对上述角度进行检测成像，并对成像后的图像进行对比，从而使成像后的多光线下的图形对比相似度至少95％，方便整体进行充分的成像，且将所得所有获得的成像图纸进行对比，取相似度最接近的几组图纸进行立体成像，为最佳立体成像方法，从而结束算法，保证整体成像的情况最符合实际情况。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (3)
1.一种三光融合无损检测图像配准算法，其特征在于：其步骤如下：
步骤一：通过紫外、红外与可见光一体化成像仪对所测物件进行检测，从而方便整体进行成像，在对整体进行成像的过程中，通过智能成像装置对整体进行智能图纸绘制，方便整体进行充分的检测，紫外、红外与可见光一体化成像仪在进行数据收集的过程中，在成像的过程中，通过多角度的拍摄取景，从而对整体的成像角度进行多样化的取样，方便进行后续的对比。
步骤二：控制变量，对不同角度的所测物件进行检测，并将紫外、红外与可见光对整体进行充分的成像，且成像的过程中，使用单紫外、单红外、单可见光、紫外+可见光、紫外+红外、紫外+红外+可见光等搭配方式对整体进行充分的成像，并对所得到的图像进行对比，保证成像后的图形对比相似度达到要求，并对不同角度的成像图片进行对比，保证相同位置的物件对比相似度达到要求，所以对整体进行多角度的拍摄，并使用多种光照的配合，保证整体良好的对比条件。
步骤三：设计算法，对整体的变化量进行设定，对整体不同角度的所得的图像数值进行记录，并对不同角度的所得的图像数值进行对比，当不同角度的所得的图像对比数值达到指定值后，进入下一算法，当不同角度的所得的图像对比数值未达到要求时，重新拍摄再次进行对比，进入下一算法时，将单紫外、单红外、单可见光、紫外+可见光、紫外+红外、紫外+红外+可见光这几种方式所得的图像进行对比，保证同一拍摄位置的多种组合光排出的图像对比数值未达到要求时，重新拍摄再次进行对比，当多种组合光排出的图像对比数值未达到要求时，获得成像图纸。
步骤四：获取最佳值，将所得所有获得的成像图纸进行对比，取相似度最接近的几组图纸进行立体成像，为最佳立体成像方法，从而结束算法。
2.根据权利要求1所述的一种三光融合无损检测图像配准算法，其特征在于：所述步骤二中的单紫外、单红外、单可见光、紫外+可见光、紫外+红外、紫外+红外+可见光六种搭配方式均从相同角度进行拍摄，且拍摄角度选取至少四面。
3.根据权利要求1所述的一种三光融合无损检测图像配准算法，其特征在于：所述步骤二中的成像后的多角度图形对比相似度至少90％，且成像后的多光线下的图形对比相似度至少95％。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110855584.0A CN113628255B (zh) | 2021-07-28 | 2021-07-28 | 一种三光融合无损检测图像配准算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110855584.0A CN113628255B (zh) | 2021-07-28 | 2021-07-28 | 一种三光融合无损检测图像配准算法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113628255A true CN113628255A (zh) | 2021-11-09 |
| CN113628255B CN113628255B (zh) | 2024-03-12 |
Family
ID=78381272
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110855584.0A Active CN113628255B (zh) | 2021-07-28 | 2021-07-28 | 一种三光融合无损检测图像配准算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113628255B (zh) |
Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020015536A1 (en) * | 2000-04-24 | 2002-02-07 | Warren Penny G. | Apparatus and method for color image fusion |
| US20100045809A1 (en) * | 2008-08-22 | 2010-02-25 | Fluke Corporation | Infrared and visible-light image registration |
| US20130155248A1 (en) * | 2011-12-20 | 2013-06-20 | Fluke Corporation | Thermal imaging camera for infrared rephotography |
| US20150269742A1 (en) * | 2014-03-21 | 2015-09-24 | Fluke Corporation | Visible light image with edge marking for enhancing ir imagery |
| CN105738779A (zh) * | 2016-01-26 | 2016-07-06 | 国网上海市电力公司 | 一种基于多源图像融合的局部放电检测方法 |
| WO2017041335A1 (zh) * | 2015-09-07 | 2017-03-16 | 南京华图信息技术有限公司 | 一种全光学波段图谱协同探测动目标的装置和方法 |
| CN107015125A (zh) * | 2017-02-04 | 2017-08-04 | 国网河北省电力公司电力科学研究院 | 一种基于红外、紫外和可见光的一体化检测方法和装置 |
| CN107491781A (zh) * | 2017-07-21 | 2017-12-19 | 国家电网公司 | 一种巡检机器人可见光与红外传感器数据融合方法 |
| CN107607202A (zh) * | 2017-08-31 | 2018-01-19 | 江苏宇特光电科技股份有限公司 | 三光融合智能成像仪及其方法 |
| US9924160B1 (en) * | 2016-09-22 | 2018-03-20 | Fluke Corporation | Imaging device with alignment analysis |
| CN108008259A (zh) * | 2017-11-14 | 2018-05-08 | 国网江西省电力有限公司电力科学研究院 | 基于红外、紫外和可见光图像融合一体化的检测方法和装置 |
| CN108230237A (zh) * | 2017-12-15 | 2018-06-29 | 同济大学 | 一种用于电气设备在线检测的多光谱图像重构方法 |
| CN207820070U (zh) * | 2017-12-21 | 2018-09-04 | 武汉三江中电科技有限责任公司 | 定焦红外与变焦可见光图像快速融合系统 |
| CN109283143A (zh) * | 2018-11-23 | 2019-01-29 | 云南电网有限责任公司普洱供电局 | 一种红外、紫外、可见光的图像处理融合系统及方法 |
| CN110111287A (zh) * | 2019-04-04 | 2019-08-09 | 上海工程技术大学 | 一种织物多角度图像融合系统及其方法 |
| CN110166714A (zh) * | 2019-04-11 | 2019-08-23 | 深圳市朗驰欣创科技股份有限公司 | 双光融合调整方法、双光融合调整装置及双光融合设备 |
| CN111344554A (zh) * | 2018-12-26 | 2020-06-26 | 合刃科技（深圳）有限公司 | 外观缺陷检测方法及装置 |
| CN111698412A (zh) * | 2019-03-12 | 2020-09-22 | 杭州海康机器人技术有限公司 | 双光谱全景图像采集方法、装置、无人机及客户端 |
| CN112666426A (zh) * | 2020-11-13 | 2021-04-16 | 国网江苏省电力有限公司电力科学研究院 | 基于多光谱三合一图像的设备故障检测方法及系统 |
| CN112862871A (zh) * | 2021-01-20 | 2021-05-28 | 华中科技大学 | 图像融合方法及装置 |
| CN112991218A (zh) * | 2021-03-23 | 2021-06-18 | 北京百度网讯科技有限公司 | 图像处理的方法、装置、设备以及存储介质 |
-
2021
- 2021-07-28 CN CN202110855584.0A patent/CN113628255B/zh active Active
Patent Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020015536A1 (en) * | 2000-04-24 | 2002-02-07 | Warren Penny G. | Apparatus and method for color image fusion |
| US20100045809A1 (en) * | 2008-08-22 | 2010-02-25 | Fluke Corporation | Infrared and visible-light image registration |
| US20130155248A1 (en) * | 2011-12-20 | 2013-06-20 | Fluke Corporation | Thermal imaging camera for infrared rephotography |
| US20150269742A1 (en) * | 2014-03-21 | 2015-09-24 | Fluke Corporation | Visible light image with edge marking for enhancing ir imagery |
| WO2017041335A1 (zh) * | 2015-09-07 | 2017-03-16 | 南京华图信息技术有限公司 | 一种全光学波段图谱协同探测动目标的装置和方法 |
| CN105738779A (zh) * | 2016-01-26 | 2016-07-06 | 国网上海市电力公司 | 一种基于多源图像融合的局部放电检测方法 |
| CN107864375A (zh) * | 2016-09-22 | 2018-03-30 | 弗兰克公司 | 带对准分析的成像设备 |
| US9924160B1 (en) * | 2016-09-22 | 2018-03-20 | Fluke Corporation | Imaging device with alignment analysis |
| CN107015125A (zh) * | 2017-02-04 | 2017-08-04 | 国网河北省电力公司电力科学研究院 | 一种基于红外、紫外和可见光的一体化检测方法和装置 |
| CN107491781A (zh) * | 2017-07-21 | 2017-12-19 | 国家电网公司 | 一种巡检机器人可见光与红外传感器数据融合方法 |
| CN107607202A (zh) * | 2017-08-31 | 2018-01-19 | 江苏宇特光电科技股份有限公司 | 三光融合智能成像仪及其方法 |
| CN108008259A (zh) * | 2017-11-14 | 2018-05-08 | 国网江西省电力有限公司电力科学研究院 | 基于红外、紫外和可见光图像融合一体化的检测方法和装置 |
| CN108230237A (zh) * | 2017-12-15 | 2018-06-29 | 同济大学 | 一种用于电气设备在线检测的多光谱图像重构方法 |
| CN207820070U (zh) * | 2017-12-21 | 2018-09-04 | 武汉三江中电科技有限责任公司 | 定焦红外与变焦可见光图像快速融合系统 |
| CN109283143A (zh) * | 2018-11-23 | 2019-01-29 | 云南电网有限责任公司普洱供电局 | 一种红外、紫外、可见光的图像处理融合系统及方法 |
| CN111344554A (zh) * | 2018-12-26 | 2020-06-26 | 合刃科技（深圳）有限公司 | 外观缺陷检测方法及装置 |
| CN111698412A (zh) * | 2019-03-12 | 2020-09-22 | 杭州海康机器人技术有限公司 | 双光谱全景图像采集方法、装置、无人机及客户端 |
| CN110111287A (zh) * | 2019-04-04 | 2019-08-09 | 上海工程技术大学 | 一种织物多角度图像融合系统及其方法 |
| CN110166714A (zh) * | 2019-04-11 | 2019-08-23 | 深圳市朗驰欣创科技股份有限公司 | 双光融合调整方法、双光融合调整装置及双光融合设备 |
| CN112666426A (zh) * | 2020-11-13 | 2021-04-16 | 国网江苏省电力有限公司电力科学研究院 | 基于多光谱三合一图像的设备故障检测方法及系统 |
| CN112862871A (zh) * | 2021-01-20 | 2021-05-28 | 华中科技大学 | 图像融合方法及装置 |
| CN112991218A (zh) * | 2021-03-23 | 2021-06-18 | 北京百度网讯科技有限公司 | 图像处理的方法、装置、设备以及存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| 徐鹏;陆启宇;马奥;董明;任明;李腾飞;许侃;: "基于红外、超声和紫外技术的局部放电联合检测方法研究", 红外, no. 09 * |
| 李霜;袁辉建;阳明;蒋燕;: "双光谱电力设备在线监测装置的实现", 计算机测量与控制, no. 12 * |
| 臧丽;王敬东;: "基于互信息的红外与可见光图像快速配准", 红外与激光工程, no. 01 * |
| 金立军;陈俊佑;张文豪;闫书佳;: "基于图像处理技术的电力设备局部放电紫外成像检测", 电力系统保护与控制, no. 08 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113628255B (zh) | 2024-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111009007B (zh) | 一种指部多特征全面三维重建方法 | |
| CN110378931A (zh) | 一种基于多摄像头的行人目标移动轨迹获取方法及系统 | |
| CN106886216B (zh) | 基于rgbd人脸检测的机器人自动跟踪方法和系统 | |
| Wang et al. | Window zooming–based localization algorithm of fruit and vegetable for harvesting robot | |
| CN102663411B (zh) | 一种目标人体识别方法 | |
| CN103093191A (zh) | 一种三维点云数据结合数字影像数据的物体识别方法 | |
| CN103530599A (zh) | 一种真实人脸和图片人脸的区别方法和系统 | |
| CN105160649A (zh) | 基于核函数非监督聚类的多目标跟踪方法及系统 | |
| CN108898132B (zh) | 一种基于形状上下文描述的太赫兹图像危险品识别方法 | |
| CN104517095A (zh) | 一种基于深度图像的人头分割方法 | |
| CN109285183B (zh) | 一种基于运动区域图像清晰度的多模视频图像配准方法 | |
| CN105809678B (zh) | 一种短基线条件下两视图间线段特征全局匹配方法 | |
| CN106682674A (zh) | 一种基于智能巡检机器人的指针式仪表自动读数方法 | |
| CN105654479A (zh) | 多光谱图像配准方法和装置 | |
| CN108563997B (zh) | 一种建立人脸检测模型、人脸识别的方法和装置 | |
| CN111881841B (zh) | 一种基于双目视觉的人脸检测识别方法 | |
| CN111985436B (zh) | 一种基于lsd的车间地标线识别拟合方法 | |
| CN106447734A (zh) | 一种采用人脸标定物的智能手机相机标定算法 | |
| CN113628255A (zh) | 一种三光融合无损检测图像配准算法 | |
| Narang et al. | Robust face recognition method based on SIFT features using Levenberg-Marquardt Backpropagation neural networks | |
| Guangyun et al. | An improved ORB feature extraction and matching algorithm | |
| CN108010076B (zh) | 一种面向密集工业棒材图像检测的端面外观建模方法 | |
| CN115330751A (zh) | 一种基于YOLOv5和Realsense的螺栓检测与定位方法 | |
| CN110674755B (zh) | 一种基于最适宜步态流型空间的步态识别方法 | |
| CN112070840A (zh) | 一种多深度相机融合的人体空间定位与跟踪方法 |
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 |