CN114943703A - 多分量p图区域分析系统 - Google Patents
多分量p图区域分析系统 Download PDFInfo
- Publication number
- CN114943703A CN114943703A CN202210566769.4A CN202210566769A CN114943703A CN 114943703 A CN114943703 A CN 114943703A CN 202210566769 A CN202210566769 A CN 202210566769A CN 114943703 A CN114943703 A CN 114943703A
- Authority
- CN
- China
- Prior art keywords
- pixel point
- pixel
- image
- component
- picture
- 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
Images
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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种多分量P图区域分析系统,包括:类型检测器件,用于在待辨识图像中某一个像素点同时属于色相变化突出像素点、亮度变化突出像素点以及饱和度变化突出像素点时,将其辨识为P图确认像素点,在待辨识图像中某一个像素点同时属于色相变化突出像素点、亮度变化突出像素点以及饱和度变化突出像素点中的任意两种时,将其辨识为P图疑似像素点;来源辨识器件,用于将临近P图确认像素点的P图疑似像素点修正为P图确认像素点,并在P图确认像素点占据比例大于等于设定比例数值时,发出P图辨识信号。通过本发明,能够引入针对性的分量辨识机制对获取的图像进行多分量差异性的协同判断,从而实现对获取图像来源的智能化解析。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种多分量P图区域分析系统。
背景技术
图像处理是一个多阶段、多途径、多目标的信息处理过程。图像处理的相关理论包括有关的数学知识,视觉知识,图像的数学描述,图像的数字化,图像变换,图像增强,图像恢复等内容。图像处理技术既可以作为独立的技术,产生用户所需的输出,满足用户的需求,也可以是后续的某些信息处理的预处理。
当前,对于获取图像以进行使用的用户来说,其常常困惑的是,无法辨识出获取的图像是否为P图,即获取的图像是否为原始图像,导致对其是否使用图像以及如何使用图像存在分歧,同时造成一定的图像误判,当前仅有的P图分析机制基本上依赖于人工经验,判断精度不足且判断效率低下。
发明内容
为了解决相关领域的技术问题,本发明提供了一种多分量P图区域分析系统,引入针对性的分量辨识机制对获取的图像进行多分量差异性的协同判断,从而对获取的图像的来源进行电子化分析,提升了P图辨识的精度和效率。
根据本发明的一方面,提供了一种多分量P图区域分析系统,所述系统包括:
图像录入器件,设置在客户端内,用于对从客户端连接的服务器处下载的待辨识图像执行下载操作或者对客户端预先存储的各个图像中执行待辨识图像的选择操作以录入待辨识图像;
分量剖析器件,设置在客户端内,与所述图像录入器件连接,用于获取待辨识图像中每一个像素点在HSV空间下的色相分量数值、亮度分量数值和饱和度分量数值;
色相判断器件,与所述分量剖析器件连接,用于获取所述待辨识图像中每一个像素点在HSV空间下的色相分量数值,并将每一个像素点作为目标像素点执行以下判断操作:当以所述目标像素点为中心以固定形状构成的像素点窗口中覆盖的多个像素点分别对应的多个像素点的标准差超限时,判断所述目标像素点为色相变化突出像素点;
亮度判断器件,与所述分量剖析器件连接,用于获取所述待辨识图像中每一个像素点在HSV空间下的亮度分量数值,并将每一个像素点作为目标像素点执行以下判断操作:当以所述目标像素点为中心以固定形状构成的像素点窗口中覆盖的多个像素点分别对应的多个像素点的标准差超限时,判断所述目标像素点为亮度变化突出像素点;
饱和度判断器件,与所述分量剖析器件连接,用于获取所述待辨识图像中每一个像素点在HSV空间下的饱和度分量数值,并将每一个像素点作为目标像素点执行以下判断操作:当以所述目标像素点为中心以固定形状构成的像素点窗口中覆盖的多个像素点分别对应的多个像素点的标准差超限时,判断所述目标像素点为饱和度变化突出像素点;
类型检测器件,分别与所述色相判断器件、所述亮度判断器件以及所述饱和度判断器件连接,用于在所述待辨识图像中某一个像素点同时属于色相变化突出像素点、亮度变化突出像素点以及饱和度变化突出像素点时,将所述某一个像素点辨识为P图确认像素点,在所述待辨识图像中某一个像素点同时属于色相变化突出像素点、亮度变化突出像素点以及饱和度变化突出像素点中的任意两种时,将所述某一个像素点辨识为P图疑似像素点;
来源辨识器件,与所述类型检测器件连接,用于将临近P图确认像素点的P图疑似像素点修正为P图确认像素点,并在P图确认像素点占据所述待辨识图像的像素点数量比例大于等于设定比例数值时,发出P图辨识信号。
由此可见,本发明至少具有以下三处显著的技术进步:首先,对待辨识是否存在P图区域的图像执行HSV空间下的色相分量数值布局分析、亮度分量数值布局分析和饱和度分量数值布局分析,以基于上述三种分析结果统一判断像素点分量数值与周围像素点分量数值的差异性,实现对P图区域构成像素点的有效判断;其次,采用针对性设计的像素点窗口执行像素点分量数值与周围像素点分量数值的差异性判断,所述像素点窗口为以目标像素点为中心以设定半径的圆形覆盖的最大尺寸的像素点窗口,所述固定形状为圆形,所述设定半径的取值为待辨识图像的水平解析度和垂直解析度均值的十分之一;再次,采用动态判断机制对P图疑似像素点和P图确认像素点进行分辨,其中,将临近P图确认像素点的P图疑似像素点修正为P图确认像素点。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明实施方案示出的多分量P图区域分析系统的内部结构示意图。
图2为根据本发明实施方案示出的多分量P图区域分析系统使用的HSV空间的分量构成示意图。
具体实施方式
下面将参照附图对本发明的多分量P图区域分析系统的实施方案进行详细说明。
P图指的是采用各种图像处理技术对拍摄或者存储的原图进行各种图像处理,以实现对原图的增强目标或者创造满足用户各项需求的处理图像。一个显著的问题是,经过P图的图像,人们很难确定其真实性,从而容易造成各种视觉误判。
当前,对于获取图像以进行使用的用户来说,其常常困惑的是,无法辨识出获取的图像是否为P图,即获取的图像是否为原始图像,导致对其是否使用图像以及如何使用图像存在分歧,同时造成一定的图像误判,当前仅有的P图分析机制基本上依赖于人工经验,判断精度不足且判断效率低下。
为了克服上述不足,本发明搭建了一种多分量P图区域分析系统,能够有效解决相应的技术问题。
本发明至少具有以下三处显著的技术进步:首先,对待辨识是否存在P图区域的图像执行HSV空间下的色相分量数值布局分析、亮度分量数值布局分析和饱和度分量数值布局分析,以基于上述三种分析结果统一判断像素点分量数值与周围像素点分量数值的差异性,实现对P图区域构成像素点的有效判断;其次,采用针对性设计的像素点窗口执行像素点分量数值与周围像素点分量数值的差异性判断,所述像素点窗口为以目标像素点为中心以设定半径的圆形覆盖的最大尺寸的像素点窗口,所述固定形状为圆形,所述设定半径的取值为待辨识图像的水平解析度和垂直解析度均值的十分之一;再次,采用动态判断机制对P图疑似像素点和P图确认像素点进行分辨,其中,将临近P图确认像素点的P图疑似像素点修正为P图确认像素点。
图1为根据本发明实施方案示出的多分量P图区域分析系统的内部结构示意图,所述系统包括:
图像录入器件,设置在客户端内,用于对从客户端连接的服务器处下载的待辨识图像执行下载操作或者对客户端预先存储的各个图像中执行待辨识图像的选择操作以录入待辨识图像;
分量剖析器件,设置在客户端内,与所述图像录入器件连接,用于获取待辨识图像中每一个像素点在HSV空间下的色相分量数值、亮度分量数值和饱和度分量数值;
如图2所示,给出了HSV空间的分量构成示意图,在图2中,Value代表了亮度分量,Hue代表了色相分量,Saturation代表了饱和度分量;
色相判断器件,与所述分量剖析器件连接,用于获取所述待辨识图像中每一个像素点在HSV空间下的色相分量数值,并将每一个像素点作为目标像素点执行以下判断操作:当以所述目标像素点为中心以固定形状构成的像素点窗口中覆盖的多个像素点分别对应的多个像素点的标准差超限时,判断所述目标像素点为色相变化突出像素点;
亮度判断器件,与所述分量剖析器件连接,用于获取所述待辨识图像中每一个像素点在HSV空间下的亮度分量数值,并将每一个像素点作为目标像素点执行以下判断操作:当以所述目标像素点为中心以固定形状构成的像素点窗口中覆盖的多个像素点分别对应的多个像素点的标准差超限时,判断所述目标像素点为亮度变化突出像素点;
饱和度判断器件,与所述分量剖析器件连接,用于获取所述待辨识图像中每一个像素点在HSV空间下的饱和度分量数值,并将每一个像素点作为目标像素点执行以下判断操作:当以所述目标像素点为中心以固定形状构成的像素点窗口中覆盖的多个像素点分别对应的多个像素点的标准差超限时,判断所述目标像素点为饱和度变化突出像素点;
类型检测器件,分别与所述色相判断器件、所述亮度判断器件以及所述饱和度判断器件连接,用于在所述待辨识图像中某一个像素点同时属于色相变化突出像素点、亮度变化突出像素点以及饱和度变化突出像素点时,将所述某一个像素点辨识为P图确认像素点,在所述待辨识图像中某一个像素点同时属于色相变化突出像素点、亮度变化突出像素点以及饱和度变化突出像素点中的任意两种时,将所述某一个像素点辨识为P图疑似像素点;
来源辨识器件,与所述类型检测器件连接,用于将临近P图确认像素点的P图疑似像素点修正为P图确认像素点,并在P图确认像素点占据所述待辨识图像的像素点数量比例大于等于设定比例数值时,发出P图辨识信号。
接着,继续对本发明的多分量P图区域分析系统的具体结构进行进一步的说明。
在所述多分量P图区域分析系统中,还包括:
区域解析器件,与所述来源辨识器件连接,用于将所述待辨识图像中的各个P图确认像素点去除孤立P图确认像素点后拟合成一个以上的P图区域。
在所述多分量P图区域分析系统中,还包括:
内容标识器件,与所述区域解析器件连接,用于采用高亮红色标识模式对所述待辨识图像中的一个以上的P图区域执行高亮红色标识。
在所述多分量P图区域分析系统中:
采用高亮红色标识模式对所述待辨识图像中的一个以上的P图区域执行高亮红色标识包括:对所述待辨识图像中的每一个P图区域的封闭边缘曲线执行高亮红色标识。
在所述多分量P图区域分析系统中:
所述来源辨识器件还用于在P图确认像素点占据所述待辨识图像的像素点数量比例小于所述设定比例数值时,发出P图未辨识信号。
在所述多分量P图区域分析系统中:
当以所述目标像素点为中心以固定形状构成的像素点窗口中覆盖的多个像素点分别对应的多个像素点的标准差超限时,判断所述目标像素点为亮度变化突出像素点包括:所述固定形状为圆形,所述像素点窗口为以所述目标像素点为中心以设定半径的圆形覆盖的最大尺寸的像素点窗口。
在所述多分量P图区域分析系统中:
所述固定形状为圆形,所述像素点窗口为以所述目标像素点为中心以设定半径的圆形覆盖的最大尺寸的像素点窗口包括:所述设定半径的取值为所述待辨识图像的水平解析度和垂直解析度均值的十分之一。
在所述多分量P图区域分析系统中:
当以所述目标像素点为中心以固定形状构成的像素点窗口中覆盖的多个像素点分别对应的多个像素点的标准差超限时,判断所述目标像素点为亮度变化突出像素点包括:所述固定形状为圆形,所述像素点窗口为以所述目标像素点为中心以设定半径的圆形覆盖的最大尺寸的像素点窗口。
在所述多分量P图区域分析系统中:
当以所述目标像素点为中心以固定形状构成的像素点窗口中覆盖的多个像素点分别对应的多个像素点的标准差超限时,判断所述目标像素点为饱和度变化突出像素点包括:所述固定形状为圆形,所述像素点窗口为以所述目标像素点为中心以设定半径的圆形覆盖的最大尺寸的像素点窗口。
以及在所述多分量P图区域分析系统中:
当以所述目标像素点为中心以固定形状构成的像素点窗口中覆盖的多个像素点分别对应的多个像素点的标准差超限时,判断所述目标像素点为亮度变化突出像素点包括:所述固定形状为方形,所述像素点窗口为以所述目标像素点为中心以设定边长的方形覆盖的最大尺寸的像素点窗口;
其中,所述固定形状为方形,所述像素点窗口为以所述目标像素点为中心以设定边长的方形覆盖的最大尺寸的像素点窗口包括:所述设定边长的取值为所述待辨识图像的水平解析度和垂直解析度均值的五分之一。
另外,在所述多分量P图区域分析系统中,所述类型检测器件还用于在所述待辨识图像中某一个像素点不属于色相变化突出像素点、亮度变化突出像素点以及饱和度变化突出像素点的任何一个时,将所述某一个像素点辨识为未P图像素点;
以及在所述多分量P图区域分析系统中,所述类型检测器件还用于在所述待辨识图像中某一个像素点属于色相变化突出像素点、亮度变化突出像素点以及饱和度变化突出像素点的任何一个且所述某一个像素点不临近任何一个P图确认像素点时,将所述某一个像素点辨识为未P图像素点。
采用本发明的多分量P图区域分析系统,针对现有技术中P图难以电子化判断导致图像来源分析效率低下的技术问题,能够引入针对性的分量辨识机制对获取的图像进行多分量差异性的协同判断,从而实现对获取图像来源的智能化解析。
这里虽参照附图详述了本发明的具体实施方式,但应理解,本发明不限于这些精密的实施方案,它们不准备把本发明穷举或限于所揭示的精密形式,因而众多修正与变化是显而易见的。
Claims (10)
1.一种多分量P图区域分析系统,其特征在于,所述系统包括:
图像录入器件,设置在客户端内,用于对从客户端连接的服务器处下载的待辨识图像执行下载操作或者对客户端预先存储的各个图像中执行待辨识图像的选择操作以录入待辨识图像;
分量剖析器件,设置在客户端内,与所述图像录入器件连接,用于获取待辨识图像中每一个像素点在HSV空间下的色相分量数值、亮度分量数值和饱和度分量数值;
色相判断器件,与所述分量剖析器件连接,用于获取所述待辨识图像中每一个像素点在HSV空间下的色相分量数值,并将每一个像素点作为目标像素点执行以下判断操作:当以所述目标像素点为中心以固定形状构成的像素点窗口中覆盖的多个像素点分别对应的多个像素点的标准差超限时,判断所述目标像素点为色相变化突出像素点;
亮度判断器件,与所述分量剖析器件连接,用于获取所述待辨识图像中每一个像素点在HSV空间下的亮度分量数值,并将每一个像素点作为目标像素点执行以下判断操作:当以所述目标像素点为中心以固定形状构成的像素点窗口中覆盖的多个像素点分别对应的多个像素点的标准差超限时,判断所述目标像素点为亮度变化突出像素点;
饱和度判断器件,与所述分量剖析器件连接,用于获取所述待辨识图像中每一个像素点在HSV空间下的饱和度分量数值,并将每一个像素点作为目标像素点执行以下判断操作:当以所述目标像素点为中心以固定形状构成的像素点窗口中覆盖的多个像素点分别对应的多个像素点的标准差超限时,判断所述目标像素点为饱和度变化突出像素点;
类型检测器件,分别与所述色相判断器件、所述亮度判断器件以及所述饱和度判断器件连接,用于在所述待辨识图像中某一个像素点同时属于色相变化突出像素点、亮度变化突出像素点以及饱和度变化突出像素点时,将所述某一个像素点辨识为P图确认像素点,在所述待辨识图像中某一个像素点同时属于色相变化突出像素点、亮度变化突出像素点以及饱和度变化突出像素点中的任意两种时,将所述某一个像素点辨识为P图疑似像素点;
来源辨识器件,与所述类型检测器件连接,用于将临近P图确认像素点的P图疑似像素点修正为P图确认像素点,并在P图确认像素点占据所述待辨识图像的像素点数量比例大于等于设定比例数值时,发出P图辨识信号。
2.如权利要求1所述的多分量P图区域分析系统,其特征在于,所述系统还包括:
区域解析器件,与所述来源辨识器件连接,用于将所述待辨识图像中的各个P图确认像素点去除孤立P图确认像素点后拟合成一个以上的P图区域。
3.如权利要求2所述的多分量P图区域分析系统,其特征在于,所述系统还包括:
内容标识器件,与所述区域解析器件连接,用于采用高亮红色标识模式对所述待辨识图像中的一个以上的P图区域执行高亮红色标识。
4.如权利要求3所述的多分量P图区域分析系统,其特征在于:
采用高亮红色标识模式对所述待辨识图像中的一个以上的P图区域执行高亮红色标识包括:对所述待辨识图像中的每一个P图区域的封闭边缘曲线执行高亮红色标识。
5.如权利要求1-4任一所述的多分量P图区域分析系统,其特征在于:
所述来源辨识器件还用于在P图确认像素点占据所述待辨识图像的像素点数量比例小于所述设定比例数值时,发出P图未辨识信号。
6.如权利要求1-4任一所述的多分量P图区域分析系统,其特征在于:
当以所述目标像素点为中心以固定形状构成的像素点窗口中覆盖的多个像素点分别对应的多个像素点的标准差超限时,判断所述目标像素点为亮度变化突出像素点包括:所述固定形状为圆形,所述像素点窗口为以所述目标像素点为中心以设定半径的圆形覆盖的最大尺寸的像素点窗口。
7.如权利要求6所述的多分量P图区域分析系统,其特征在于:
所述固定形状为圆形,所述像素点窗口为以所述目标像素点为中心以设定半径的圆形覆盖的最大尺寸的像素点窗口包括:所述设定半径的取值为所述待辨识图像的水平解析度和垂直解析度均值的十分之一。
8.如权利要求7所述的多分量P图区域分析系统,其特征在于:
当以所述目标像素点为中心以固定形状构成的像素点窗口中覆盖的多个像素点分别对应的多个像素点的标准差超限时,判断所述目标像素点为亮度变化突出像素点包括:所述固定形状为圆形,所述像素点窗口为以所述目标像素点为中心以设定半径的圆形覆盖的最大尺寸的像素点窗口。
9.如权利要求8所述的多分量P图区域分析系统,其特征在于:
当以所述目标像素点为中心以固定形状构成的像素点窗口中覆盖的多个像素点分别对应的多个像素点的标准差超限时,判断所述目标像素点为饱和度变化突出像素点包括:所述固定形状为圆形,所述像素点窗口为以所述目标像素点为中心以设定半径的圆形覆盖的最大尺寸的像素点窗口。
10.如权利要求1-4任一所述的多分量P图区域分析系统,其特征在于:
当以所述目标像素点为中心以固定形状构成的像素点窗口中覆盖的多个像素点分别对应的多个像素点的标准差超限时,判断所述目标像素点为亮度变化突出像素点包括:所述固定形状为方形,所述像素点窗口为以所述目标像素点为中心以设定边长的方形覆盖的最大尺寸的像素点窗口;
其中,所述固定形状为方形,所述像素点窗口为以所述目标像素点为中心以设定边长的方形覆盖的最大尺寸的像素点窗口包括:所述设定边长的取值为所述待辨识图像的水平解析度和垂直解析度均值的五分之一。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210566769.4A CN114943703B (zh) | 2022-05-24 | 2022-05-24 | 多分量p图区域分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210566769.4A CN114943703B (zh) | 2022-05-24 | 2022-05-24 | 多分量p图区域分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114943703A true CN114943703A (zh) | 2022-08-26 |
CN114943703B CN114943703B (zh) | 2023-09-05 |
Family
ID=82909644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210566769.4A Active CN114943703B (zh) | 2022-05-24 | 2022-05-24 | 多分量p图区域分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114943703B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115619410A (zh) * | 2022-10-19 | 2023-01-17 | 闫雪 | 自适应金融支付平台 |
CN116469055A (zh) * | 2023-04-26 | 2023-07-21 | 杨利容 | 用于分向标记的关键图像区域判断系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200407794A (en) * | 2002-11-04 | 2004-05-16 | Inst Information Industry | Image-based protruded part recognizing and tracking method |
CN111062931A (zh) * | 2019-12-20 | 2020-04-24 | 河北工业大学 | 一种被拼接篡改的图像的检测方法 |
CN114038030A (zh) * | 2021-10-13 | 2022-02-11 | 恒睿(重庆)人工智能技术研究院有限公司 | 图像篡改识别方法、设备及计算机存储介质 |
CN114266743A (zh) * | 2021-12-17 | 2022-04-01 | 深圳技术大学 | 基于hsv和cnn的fpc缺陷检测方法、系统及存储介质 |
-
2022
- 2022-05-24 CN CN202210566769.4A patent/CN114943703B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200407794A (en) * | 2002-11-04 | 2004-05-16 | Inst Information Industry | Image-based protruded part recognizing and tracking method |
CN111062931A (zh) * | 2019-12-20 | 2020-04-24 | 河北工业大学 | 一种被拼接篡改的图像的检测方法 |
CN114038030A (zh) * | 2021-10-13 | 2022-02-11 | 恒睿(重庆)人工智能技术研究院有限公司 | 图像篡改识别方法、设备及计算机存储介质 |
CN114266743A (zh) * | 2021-12-17 | 2022-04-01 | 深圳技术大学 | 基于hsv和cnn的fpc缺陷检测方法、系统及存储介质 |
Non-Patent Citations (2)
Title |
---|
WEN CHEN 等: "《IDENTIFYING COMPUTER GRAPHICS USING HSV COLOR MODEL AND STATISTICAL MOMENTS OF CHARACTERISTIC FUNCTIONS》", 《IEEE》 * |
陈良庚 等: "《浅议识别伪造数码照片的方法》", 《科技信息》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115619410A (zh) * | 2022-10-19 | 2023-01-17 | 闫雪 | 自适应金融支付平台 |
CN115619410B (zh) * | 2022-10-19 | 2024-01-26 | 闫雪 | 自适应金融支付平台 |
CN116469055A (zh) * | 2023-04-26 | 2023-07-21 | 杨利容 | 用于分向标记的关键图像区域判断系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114943703B (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114943703A (zh) | 多分量p图区域分析系统 | |
CN110678901B (zh) | 信息处理设备、信息处理方法和计算机可读存储介质 | |
JP2018198053A5 (zh) | ||
US9251614B1 (en) | Background removal for document images | |
CN108090511B (zh) | 图像分类方法、装置、电子设备及可读存储介质 | |
CN108764352B (zh) | 重复页面内容检测方法和装置 | |
CN110675940A (zh) | 病理图像标注方法、装置、计算机设备及存储介质 | |
US10699423B2 (en) | Registration of tissue slice image | |
CN108389215B (zh) | 一种边缘检测方法、装置、计算机存储介质及终端 | |
JP7355943B2 (ja) | マシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けの方法並びにシステム | |
CN110781877B (zh) | 一种图像识别方法、设备及存储介质 | |
CN105718931B (zh) | 用于确定采集图像中的杂斑的系统和方法 | |
US20080226143A1 (en) | Character noise eliminating apparatus, character noise eliminating method, and character noise eliminating program | |
DK2447884T3 (en) | A method for the detection and recognition of an object in an image and an apparatus and a computer program therefor | |
Mohan et al. | An intelligent recognition system for identification of wood species | |
Hossain et al. | Extending GLCM to include color information for texture recognition | |
JP2010008159A (ja) | 外観検査処理方法 | |
JP2000048120A (ja) | 濃淡画像の文字領域抽出方法及びそのプログラムを記録した記録媒体 | |
CN110992299A (zh) | 一种检测浏览器兼容性的方法及装置 | |
CN112907593B (zh) | 一种手机镜片胶体断层位置的识别方法、装置及相关设备 | |
US10083516B2 (en) | Method for segmenting a color image and digital microscope | |
EP0535610A2 (en) | Printed matter inspection method | |
CN112465817A (zh) | 一种基于方向滤波器的路面裂缝检测方法 | |
JPH06337936A (ja) | 線検出方法およびその装置 | |
CN106934814B (zh) | 一种基于图像的背景信息识别方法及装置 |
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 |