CN113673518B - 一种目标定位候选位置筛选策略方法 - Google Patents
一种目标定位候选位置筛选策略方法 Download PDFInfo
- Publication number
- CN113673518B CN113673518B CN202110973714.0A CN202110973714A CN113673518B CN 113673518 B CN113673518 B CN 113673518B CN 202110973714 A CN202110973714 A CN 202110973714A CN 113673518 B CN113673518 B CN 113673518B
- Authority
- CN
- China
- Prior art keywords
- template
- overlapping
- candidate
- image
- threshold parameter
- 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 60
- 238000012216 screening Methods 0.000 title claims abstract description 36
- 238000013507 mapping Methods 0.000 claims abstract description 36
- 238000012549 training Methods 0.000 claims abstract description 13
- 230000007717 exclusion Effects 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 230000009466 transformation Effects 0.000 claims description 21
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 15
- 238000005259 measurement Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06T3/02—Affine transformations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种目标定位候选位置筛选策略方法,包括截取训练用图像中的目标区域作为模板获得模板区域;根据模板区域扫描待测图像中的每个像素点,设定得分阈值参数,通过得分阈值参数获取待测图像中的数个第一候选位置;通过同角度位置8邻域排除方法筛选第一候选位置获得数个第二候选位置;通过所有第二候选位置将模板区域模板映射获得重叠结果;通过二维图遍历重叠结果,得到任意两个第二候选位置的重叠率;设定重叠阈值参数,判定重叠率和重叠阈值参数与模板的相似度,保留其中相似度更高的,即为待测图像中的目标区域。本申请可有效筛选出候选位置的同时保证不会误删除导致定位出错,通过二维图不仅保证了精度还提高了重叠率的计算速度。
Description
技术领域
本申请涉及目标定位方法技术领域,尤其涉及一种目标定位候选位置筛选策略方法。
背景技术
在视觉图像领域,目标定位是应用最广泛的算法,一直是行业研究热点。定位指的是创建一个模板,在实时图像上找到一个或多个目标其相似度度量大于预设阈值,同时返回相对于模板的平移、旋转、缩放值(x,y,theta,scale),相似度一般取[0,1],0 表示与模板完全不一样,1表示与模板一模一样。定位方法有多种,有基于像素值的,有基于边缘的,不管是何种方法都是对原图像或变换后的图像进行扫描,每个扫描位置都会得到一个与模板的相似度度量值,多个扫描位置可能会存在多个位置的相似度度量大于设置的阈值,无法确定哪一个结果是真正的结果;同时可能存在位置一致但角度略微旋转的情况,无法区分这两个候选位置是同一个目标还是不同的两个目标,本申请针对上述问题提出了有效的解决方案。
发明内容
本申请提供了一种目标定位候选位置筛选策略方法,以解决目标定位算法中每个扫描位置都会得到一个与模板的相似度度量值,多个扫描位置可能会存在多个位置的相似度度量大于设置的阈值,无法确定哪一个结果是真正的结果;同时可能存在位置一致但角度略微旋转的情况,无法区分这两个候选位置是同一个目标还是不同的两个目标的问题。
本申请提供一种目标定位候选位置筛选策略方法,包括,
截取训练用图像中的目标区域作为模板获得模板区域;
根据模板区域扫描待测图像中的每个像素点,设定得分阈值参数,通过得分阈值参数获取待测图像中的数个第一候选位置;
通过同角度位置8邻域排除方法筛选第一候选位置获得数个第二候选位置;
通过所有第二候选位置将模板区域模板映射获得重叠结果;
通过二维图遍历重叠结果,得到任意两个第二候选位置的重叠率;
设定重叠阈值参数,判定重叠率和重叠阈值参数与模板的相似度,保留其中相似度更高的,即为待测图像中的目标区域。
可选的,所述截取训练用图像中的目标区域作为模板获得模板区域的步骤包括:
在训练用图像中裁剪出目标区域,通过裁剪出的图像创建模板区域。
可选的,所述根据模板区域扫描待测图像中的每个像素点,设定得分阈值参数,通过得分阈值参数获取待测图像中的数个第一候选位置的步骤包括:
以模板区域中任意一点为原点,逐个扫描待测图像中的每个像素点,获得像素点的得分与对应位置,通过设定的得分阈值参数剔除得分小于得分阈值参数的位置,剩下的位置即为第一候选位置。
可选的,所述通过同角度位置8邻域排除方法筛选第一候选位置获得数个第二候选位置的步骤包括:
根据候选位置的成簇存在性,将角度与缩放一致的第一候选位置映射到二维图,二维图中的值用相似度值表示,全遍历二维图的每一个值,如果在8领域内此位置的相似度值最高则保留为第二候选位置。
可选的,所述同角度位置8邻域排除方法的扩展步骤包括:
设置8邻域筛选到24邻域,大幅减少获得的第二候选位置,减少模板映射与二维图计算过程。
可选的,所述通过所有第二候选位置将模板区域模板映射获得重叠结果的步骤包括:
通过模板映射将模板区域映射至第二候选位置,获得数个第二候选位置的重叠结果。
可选的,所述模板映射的步骤包括:
所述模板映射为变换模型中的仿射变换,图像保存使用矩形表示,任意形状模板区域也用矩形表示,0表示无效数据,1表示有效数据,模板映射时数据为1则在二维图中加1。
可选的,所述通过二维图遍历重叠结果,得到任意两个第二候选位置的重叠率的步骤包括:
二维图初始值为0,在模板映射过程中对二维图映射的值加1,同时二维图的每一个位置都包含数值信息和所属第二候选位置信息,通过二维图中位置的数值信息和所属第二候选位置信息计算重叠率。
可选的,所述通过二维图中位置的数值信息和所属候选位置信息计算重叠率的步骤包括:
获取二维图中重叠位置的数值信息和所属第二候选位置信息,计算重叠率,所述重叠率为重叠区域面积与第二候选位置面积的比值。
可选的,所述设定重叠阈值参数,判定重叠率和重叠阈值参数与模板的相似度,保留其中相似度更高的,即为待测图像中的目标区域步骤包括:
设定重叠阈值参数,取值范围[0,1],0表示不重叠,1表示完全重叠,对比重叠阈值参数与重叠率,保留与模板相似度更高的一项。
由以上技术方案可知,本申请提供一种目标定位候选位置筛选策略方法,包括截取训练用图像中的目标区域作为模板获得模板区域;根据模板区域扫描待测图像中的每个像素点,设定得分阈值参数,通过得分阈值参数获取待测图像中的数个第一候选位置;通过同角度位置8邻域排除方法筛选第一候选位置获得数个第二候选位置;通过所有第二候选位置将模板区域模板映射获得重叠结果;通过二维图遍历重叠结果,得到任意两个第二候选位置的重叠率;设定重叠阈值参数,判定重叠率和重叠阈值参数与模板的相似度,保留其中相似度更高的,即为待测图像中的目标区域。
本申请可有效筛选出候选位置的同时保证不会误删除导致定位出错,由于二维图的使用,不仅保证了精度还提高了重叠率的计算速度。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请提供的一种目标定位候选位置筛选策略方法的边缘缺陷检测流程示意图;
图2为本申请提供的一种目标定位候选位置筛选策略方法的获取模板区域的步骤示意图;
图3为本申请提供的一种目标定位候选位置筛选策略方法的得到任意两个候选位置重叠率的步骤示意图;
图4为本申请提供的一种目标定位候选位置筛选策略方法的重叠情况示意图;
图5为本申请提供的一种目标定位候选位置筛选策略方法的重叠情况示意图;
图6为本申请提供的一种目标定位候选位置筛选策略方法的重叠情况示意图;
图7为本申请提供的一种目标定位候选位置筛选策略方法的重叠情况示意图;
图8为本申请实施例中提供的训练用图像示意图;
图9为本申请实施例中提供的模板区域示意图;
图10为本申请实施例中提供的根据模板区域扫描待测图像示意图;
图11为本申请实施例中提供的第一位置相似度得分示意图;
图12为本申请实施例中提供的通过同角度位置8邻域排除方法筛选第一候选位置获得第二候选位置示意图;
图13为本申请实施例中提供的通过同角度位置8邻域排除方法筛选第一候选位置获得第二候选位置示意图;
图14为本申请实施例中提供的通过第二候选位置将模板区域模板映射获得重叠结果示意图。
具体实施方式
下面将详细地对实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下实施例中描述的实施方式并不代表与本申请相一致的所有实施方式。仅是与权利要求书中所详述的、本申请的一些方面相一致的系统和方法的示例。
本申请在建立模板的时候会获得一个模板区域,在执行定位过程中根据获得的候选位置对模板区域进行仿射变换,有相交的区域则可能存在重叠结果,要求有一个重叠阈值参数,取值范围[0,1],0表示不重叠,1表示完全重叠,根据相交的比率是否大于用户输入的重叠阈值来判断两候选位置是否是重叠结果,若是则保留相似度较大的结果。同时为提高速度,在搜索的结果中角度相同的时候对所有候选位置的8邻域取相似度最大的值,之所以这样做是因为候选位置出现往往不是孤立的,它会像一座山峰一样,越接近目标位置相似度阈值越高,此时取极值保留即可,这样就省去了模板区域映射与求重叠率的过程,提高了速度。
参见图1,为本申请提供的一种目标定位候选位置筛选策略方法的边缘缺陷检测流程示意图,包括,
截取训练用图像中的目标区域作为模板获得模板区域;
根据模板区域扫描待测图像中的每个像素点,设定得分阈值参数,通过得分阈值参数获取待测图像中的数个第一候选位置;
通过同角度位置8邻域排除方法筛选第一候选位置获得数个第二候选位置;
通过所有第二候选位置将模板区域模板映射获得重叠结果;
通过二维图遍历重叠结果,得到任意两个第二候选位置的重叠率;
设定重叠阈值参数,判定重叠率和重叠阈值参数与模板的相似度,保留其中相似度更高的,即为待测图像中的目标区域。
参见图2,为本申请提供的一种目标定位候选位置筛选策略方法的获取模板区域的步骤示意图,进一步的,所述截取训练用图像中的目标区域作为模板获得模板区域的步骤包括:
在训练用图像中裁剪出目标区域,通过裁剪出的图像创建模板区域。
进一步的,所述根据模板区域扫描待测图像中的每个像素点,设定得分阈值参数,通过得分阈值参数获取待测图像中的数个第一候选位置的步骤包括:
以模板区域中任意一点为原点,逐个扫描待测图像中的每个像素点,获得像素点的得分与对应位置,通过设定的得分阈值参数剔除得分小于得分阈值参数的位置,剩下的位置即为第一候选位置。
每张图像都是由像素点组成的,比如一张图有1024个行像素,1024个列像素,那么使用上述模板中的任意一点比如图中十字架为原点(黑白交接处叫边缘点,也是模板的特征点),十字架与这1024*1024个点一一对应逐个扫描,可以说每个点都有一个得分,就有1024*1024个位置的分数,这些位置就叫候选位置,再输入一个得分阈值,得分小于用户输入得分阈值的位置会被剔除,剩下的位置就是真正的候选位置。
进一步的,所述通过同角度位置8邻域排除方法筛选第一候选位置获得数个第二候选位置的步骤包括:
根据候选位置的成簇存在性,将角度与缩放一致的第一候选位置映射到二维图,二维图中的值用相似度值表示,全遍历二维图的每一个值,如果在8领域内此位置的相似度值最高则保留为第二候选位置。
进一步的,所述同角度位置8邻域排除方法的扩展步骤包括:
设置8邻域筛选到24邻域,大幅减少获得的第二候选位置,减少模板映射与二维图计算过程。
进一步的,所述通过所有第二候选位置将模板区域模板映射获得重叠结果的步骤包括:
通过模板映射将模板区域映射至第二候选位置,获得数个第二候选位置的重叠结果。
进一步的,所述模板映射的步骤包括:
所述模板映射为变换模型中的仿射变换,图像保存使用矩形表示,任意形状模板区域也用矩形表示,0表示无效数据,1表示有效数据,模板映射时数据为1则在二维图中加1。
变换模型是指根据待匹配图像与背景图像之间几何畸变的情况,所选择的能最佳拟合两幅图像之间变化的几何变换模型。可采用的变换模型有如下几种:刚性变换、仿射变换、透视变换和非线形变换等。
仿射变换(Affine Transformation或Affine Map)是一种二维坐标到二维坐标之间的线性变换,它保持了二维图形的“平直性”(即:直线经过变换之后依然是直线)和“平行性”(即:二维图形之间的相对位置关系保持不变,平行线依然是平行线,且直线上点的位置顺序不变)。简单来说,仿射变换就是允许图像任意倾斜,而且允许图形在两个方向上任意伸缩变换,但是,不能保持原来的线段长度不变,也不能保持原来的夹角角度不变。它可以通过一系列原子变换的复合来实现,其中包括平移,缩放,旋转,翻转和错切。不共线的三对对应点决定了一个唯一的仿射变换。
参见图3,为本申请提供的一种目标定位候选位置筛选策略方法的得到任意两个候选位置重叠率的步骤示意图,进一步的,所述通过二维图遍历重叠结果,得到任意两个第二候选位置的重叠率的步骤包括:
二维图初始值为0,在模板映射过程中对二维图映射的值加1,同时二维图的每一个位置都包含数值信息和所属第二候选位置信息,通过二维图中位置的数值信息和所属第二候选位置信息计算重叠率。
进一步的,所述通过二维图中位置的数值信息和所属候选位置信息计算重叠率的步骤包括:
获取二维图中重叠位置的数值信息和所属第二候选位置信息,计算重叠率,所述重叠率为重叠区域面积与第二候选位置面积的比值。
图3中为两个候选位置将模板区域映射后的结果,图中每个方格代表一个像素,图中的虚线区域为重叠区域。在二维图中每个方格就是每个元素,会有每一个元素的数值信息和所属候选位置信息。此时虚线内的每个方格值为2(两个区域重叠),遍历统计时统计到数值为2说明这个方格肯定是两个区域的重叠处,如果是3那么这个方格就是3 个区域的重叠处了。方格里面不仅有数值信息,还会记录是哪几个区域重叠的信息,从左至右从上至下遍历每一个方格,每个区域36个方格,数值为1且属于上部区域的有 27个,数值为1且属于下部区域的有27个,数值为2且同时属于两个区域的有9个,那么重叠率就为overlap=9/36=0.25。
参见图4、图5、图6和图7,为本申请提供的一种目标定位候选位置筛选策略方法的重叠情况示意图,进一步的,所述设定重叠阈值参数,判定重叠率和重叠阈值参数与模板的相似度,保留其中相似度更高的,即为待测图像中的目标区域步骤包括:
设定重叠阈值参数,取值范围[0,1],0表示不重叠,1表示完全重叠,对比重叠阈值参数与重叠率,保留与模板相似度更高的一项。
比如用户输入的重叠阈值参数为0.5,两个候选区域的重叠率为0.6,保留与模板相似度更高的那一个,就是更像目标的那一个。至于怎么衡量哪一个更像这里不做解释,方法有很多种。
实施例
参见图8,为模板图像,从中截取出模板区域如图9所示,以图9为模板区域在下图10中搜索可能的目标,模板在图10中从左至右从上至下遍历,由于具有角度,故将模板旋转一个固定角度再进行搜索,比如360度每隔一度遍历一遍图10,在图10中有3 个区域存在与模板区域类似目标,左上角位置有2个重叠目标,右上角位置是单独目标,底部位置与模板部分相似。在模板区域扫描完图10后得到相似度得分图,也就是第一候选位置,将图10中右上角区域得分图放大到像素级别。参见图11,表示了定位时出现簇的现象,越接近准确位置得分越高。8邻域筛选表示得分图中8邻域范围保留最大值,比如左上角0.5的位置通过8邻域筛选后会将0.5置0,图11通过8邻域筛选得图12 结果。而图10左上角位置则不同,有两个得分高位置如图13所示,其中图13表示通过 8邻域筛选后还剩下两个候选位置,也就是第二候选位置。图10中左上角位置两候选结果实际重叠率为0.3,如果用户接受重叠率低于0.3则这两个候选位置只能保留一个结果,如果用户接受重叠率0.3或以上的则两个结果全保留。重叠率计算就是将图9所示模板区域映射到图13所示的两个候选位置如图14,映射时二维图每一个元素与图10整个图像一一对应,每个元素记录哪一个第二候选位置映射到此处并将结果加1,最后统计如图14所示,重叠区域二维图元素值为2,灰色区域二维图元素值为0,黑色区域二维图元素值为1.通过统计2的数量就可以得到重叠区域的面积,然后与模板区域总面积相比就得到了重叠率,保留得分最高的,若得分一致则任意保留一个结果。
本申请提供的一种目标定位候选位置筛选策略方法,包括截取训练用图像中的目标区域作为模板获得模板区域;根据模板区域扫描待测图像中的每个像素点,设定得分阈值参数,通过得分阈值参数获取待测图像中的数个第一候选位置;通过同角度位置8邻域排除方法筛选第一候选位置获得数个第二候选位置;通过所有第二候选位置将模板区域模板映射获得重叠结果;通过二维图遍历重叠结果,得到任意两个第二候选位置的重叠率;设定重叠阈值参数,判定重叠率和重叠阈值参数与模板的相似度,保留其中相似度更高的,即为待测图像中的目标区域。本申请可有效筛选出候选位置的同时保证不会误删除导致定位出错,由于二维图的使用,不仅保证了精度还提高了重叠率的计算速度。
以上显示和描述了本申请的基本原理和主要特征以及本申请的优点,对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
本申请提供的实施例之间的相似部分相互参见即可,以上提供的具体实施方式只是本申请总的构思下的几个示例,并不构成本申请保护范围的限定。对于本领域的技术人员而言,在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。
Claims (10)
1.一种目标定位候选位置筛选策略方法,其特征在于,包括,
截取训练用图像中的目标区域作为模板获得模板区域;
根据模板区域扫描待测图像中的每个像素点,设定得分阈值参数,通过得分阈值参数获取待测图像中的数个第一候选位置;
通过同角度位置8邻域排除方法筛选第一候选位置获得数个第二候选位置;
通过所有第二候选位置将模板区域模板映射获得重叠结果;
通过二维图遍历重叠结果,得到任意两个第二候选位置的重叠率;
设定重叠阈值参数,判定重叠率和重叠阈值参数与模板的相似度,保留其中相似度更高的,即为待测图像中的目标区域。
2.根据权利要求1所述的一种目标定位候选位置筛选策略方法,其特征在于,所述截取训练用图像中的目标区域作为模板获得模板区域的步骤包括:
在训练用图像中裁剪出目标区域,通过裁剪出的图像创建模板区域。
3.根据权利要求1所述的一种目标定位候选位置筛选策略方法,其特征在于,所述根据模板区域扫描待测图像中的每个像素点,设定得分阈值参数,通过得分阈值参数获取待测图像中的数个第一候选位置的步骤包括:
以模板区域中任意一点为原点,逐个扫描待测图像中的每个像素点,获得像素点的得分与对应位置,通过设定的得分阈值参数剔除得分小于得分阈值参数的位置,剩下的位置即为第一候选位置。
4.根据权利要求1所述的一种目标定位候选位置筛选策略方法,其特征在于,所述通过同角度位置8邻域排除方法筛选第一候选位置获得数个第二候选位置的步骤包括:
根据候选位置的成簇存在性,将角度与缩放一致的第一候选位置映射到二维图,二维图中的值用相似度值表示,全遍历二维图的每一个值,如果在8领域内此位置的相似度值最高则保留为第二候选位置。
5.根据权利要求4所述的一种目标定位候选位置筛选策略方法,其特征在于,所述同角度位置8邻域排除方法的扩展步骤包括:
设置8邻域筛选到24邻域,大幅减少获得的第二候选位置,减少模板映射与二维图计算过程。
6.根据权利要求1所述的一种目标定位候选位置筛选策略方法,其特征在于,所述通过所有第二候选位置将模板区域模板映射获得重叠结果的步骤包括:
通过模板映射将模板区域映射至第二候选位置,获得数个第二候选位置的重叠结果。
7.根据权利要求1所述的一种目标定位候选位置筛选策略方法,其特征在于,所述模板映射的步骤包括:
所述模板映射为变换模型中的仿射变换,图像保存使用矩形表示,任意形状模板区域也用矩形表示,0表示无效数据,1表示有效数据,模板映射时数据为1则在二维图中加1。
8.根据权利要求1所述的一种目标定位候选位置筛选策略方法,其特征在于,所述通过二维图遍历重叠结果,得到任意两个第二候选位置的重叠率的步骤包括:
二维图初始值为0,在模板映射过程中对二维图映射的值加1,同时二维图的每一个位置都包含数值信息和所属第二候选位置信息,通过二维图中位置的数值信息和所属第二候选位置信息计算重叠率。
9.根据权利要求6所述的一种目标定位候选位置筛选策略方法,其特征在于,所述通过二维图中位置的数值信息和所属候选位置信息计算重叠率的步骤包括:
获取二维图中重叠位置的数值信息和所属第二候选位置信息,计算重叠率,所述重叠率为重叠区域面积与第二候选位置面积的比值。
10.根据权利要求1所述的一种目标定位候选位置筛选策略方法,其特征在于,所述设定重叠阈值参数,判定重叠率和重叠阈值参数与模板的相似度,保留其中相似度更高的,即为待测图像中的目标区域步骤包括:
设定重叠阈值参数,取值范围[0,1],0表示不重叠,1表示完全重叠,对比重叠阈值参数与重叠率,保留与模板相似度更高的一项。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110973714.0A CN113673518B (zh) | 2021-08-24 | 2021-08-24 | 一种目标定位候选位置筛选策略方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110973714.0A CN113673518B (zh) | 2021-08-24 | 2021-08-24 | 一种目标定位候选位置筛选策略方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113673518A CN113673518A (zh) | 2021-11-19 |
CN113673518B true CN113673518B (zh) | 2024-02-06 |
Family
ID=78545543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110973714.0A Active CN113673518B (zh) | 2021-08-24 | 2021-08-24 | 一种目标定位候选位置筛选策略方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113673518B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4851678A (en) * | 1984-07-31 | 1989-07-25 | Fuji Photo Film Co., Ltd. | Method of adjusting radiation image read-out conditions |
JP2014228893A (ja) * | 2013-05-17 | 2014-12-08 | 日本電信電話株式会社 | テンプレート画像候補領域決定装置、テンプレート画像候補領域決定方法、及びプログラム |
CN105389586A (zh) * | 2015-10-20 | 2016-03-09 | 浙江大学 | 一种基于计算机视觉自动检测虾体完整性的方法 |
CN106557767A (zh) * | 2016-11-15 | 2017-04-05 | 北京唯迈医疗设备有限公司 | 一种确定介入影像中roi区域的方法 |
CN111986262A (zh) * | 2020-09-07 | 2020-11-24 | 北京凌云光技术集团有限责任公司 | 一种图像区域定位方法及装置 |
CN112634264A (zh) * | 2020-12-30 | 2021-04-09 | 凌云光技术股份有限公司 | 一种基于前景的缺陷检测方法和系统 |
CN113283262A (zh) * | 2020-12-29 | 2021-08-20 | 深圳怡化电脑股份有限公司 | 一种二维码定位方法、装置、电子设备、机器可读介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9443164B2 (en) * | 2014-12-02 | 2016-09-13 | Xerox Corporation | System and method for product identification |
-
2021
- 2021-08-24 CN CN202110973714.0A patent/CN113673518B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4851678A (en) * | 1984-07-31 | 1989-07-25 | Fuji Photo Film Co., Ltd. | Method of adjusting radiation image read-out conditions |
JP2014228893A (ja) * | 2013-05-17 | 2014-12-08 | 日本電信電話株式会社 | テンプレート画像候補領域決定装置、テンプレート画像候補領域決定方法、及びプログラム |
CN105389586A (zh) * | 2015-10-20 | 2016-03-09 | 浙江大学 | 一种基于计算机视觉自动检测虾体完整性的方法 |
CN106557767A (zh) * | 2016-11-15 | 2017-04-05 | 北京唯迈医疗设备有限公司 | 一种确定介入影像中roi区域的方法 |
CN111986262A (zh) * | 2020-09-07 | 2020-11-24 | 北京凌云光技术集团有限责任公司 | 一种图像区域定位方法及装置 |
CN113283262A (zh) * | 2020-12-29 | 2021-08-20 | 深圳怡化电脑股份有限公司 | 一种二维码定位方法、装置、电子设备、机器可读介质 |
CN112634264A (zh) * | 2020-12-30 | 2021-04-09 | 凌云光技术股份有限公司 | 一种基于前景的缺陷检测方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113673518A (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111243032B (zh) | 一种棋盘格角点全自动检测方法 | |
CN102790841B (zh) | 书籍的书脊区域中数字图像的检测和校正方法 | |
CN107609557B (zh) | 一种指针式仪表读数识别方法 | |
CN111583188B (zh) | 手术导航标记点定位方法、存储介质及计算机设备 | |
CN108369650B (zh) | 标识校准图案的可能特征点的方法 | |
Wood et al. | Spatially ordered treemaps | |
CN109859226B (zh) | 一种图形分割的棋盘格角点亚像素的检测方法 | |
US20030152272A1 (en) | Detecting overlapping images in an automatic image segmentation device with the presence of severe bleeding | |
CN110197153B (zh) | 一种户型图中墙体自动识别方法 | |
CN109948393B (zh) | 一种一维条码的定位方法及装置 | |
CN108986152B (zh) | 一种基于差分图像的异物检测方法及装置 | |
CN104794421A (zh) | 一种qr码定位及识别方法 | |
CN109409163B (zh) | 一种基于纹理特性的qr码快速定位方法 | |
CN109325381B (zh) | 一种qr码定位和校正方法 | |
JP2007508633A (ja) | 物体輪郭画像を解析する方法および画像処理装置、物体を検出する方法および画像処理装置、産業用視覚装置、スマートカメラ、画像ディスプレイ、セキュリティシステム、ならびにコンピュータプログラム製品 | |
CN109902527B (zh) | 一种qr码自动识读方法和装置 | |
CN111754536B (zh) | 图像标注方法、装置、电子设备及存储介质 | |
CN110569845A (zh) | 一种试卷图像的校正方法及相关装置 | |
CN114972575A (zh) | 一种基于轮廓边缘的直线拟合算法 | |
Luft et al. | Automatic content‐based georeferencing of historical topographic maps | |
JPH07220090A (ja) | 物体認識方法 | |
CN114970590A (zh) | 一种条码的检测方法 | |
CN114187363A (zh) | 一种获取径向畸变参数值的方法、装置以及移动终端 | |
CN108765456B (zh) | 基于直线边缘特征的目标跟踪方法、系统 | |
CN113673518B (zh) | 一种目标定位候选位置筛选策略方法 |
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 |