CN115393813B - 基于遥感图像的道路识别方法、装置、设备及存储介质 - Google Patents
基于遥感图像的道路识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115393813B CN115393813B CN202210994482.1A CN202210994482A CN115393813B CN 115393813 B CN115393813 B CN 115393813B CN 202210994482 A CN202210994482 A CN 202210994482A CN 115393813 B CN115393813 B CN 115393813B
- Authority
- CN
- China
- Prior art keywords
- road
- image
- suspected
- information
- remote sensing
- 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 49
- 239000002689 soil Substances 0.000 claims abstract description 88
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 230000002238 attenuated effect Effects 0.000 claims description 10
- 238000012886 linear function Methods 0.000 claims description 10
- 239000000203 mixture Substances 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 6
- 230000001629 suppression Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 238000004040 coloring Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000004042 decolorization Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 206010004950 Birth mark Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- 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
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及遥感图像技术领域，公开了一种基于遥感图像的道路识别方法、装置、设备及存储介质，所述方法包括：获取待识别荒郊区域的遥感图像，根据遥感图像的像素点和道路特征确定疑似道路区域图像；根据预设道路土壤信息和空间分辨率对疑似道路区域图像进行预处理，得到当前疑似道路区域图像；通过目标边缘识别算法对当前疑似道路区域图像进行检测，得到道路路面信息和道路边缘轮廓信息；根据道路路面信息和道路边缘轮廓信息生成目标荒郊道路；通过上述方式，根据像素点和道路特征确定疑似道路区域图像，然后对疑似道路区域图像进行预处理，再根据道路路面信息和道路边缘轮廓信息生成目标荒郊道路，从而能够有效提高识别荒郊道路的准确性。
Description
技术领域
本发明涉及遥感图像技术领域，尤其涉及基于遥感图像的道路识别方法、装置、设备及存储介质。
背景技术
近年来，随着勘察技术不断提高，使得我国的安全率显著提高，但是还是存在不少心存侥幸人员，在做出某些严重后果的事情后，为躲避相关执法人员的盘询而选择较为隐蔽的荒郊道路进行逃跑，因此，如何准确识别出荒郊道路就显得尤为重要，目前，识别荒郊道路的相关技术是通过卫星定位和实地勘测，但是卫星定位对于宽度较窄且被杂草覆盖的荒郊道路是无法准确检测出的，而实地勘测耗费的人力物力极大，且对于大面积的荒郊区域是难以分辨出具体的荒郊道路，即相关技术识别荒郊道路的准确性较低。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种基于遥感图像的道路识别方法、装置、设备及存储介质，旨在解决现有技术识别荒郊道路的准确性较低的技术问题。
为实现上述目的，本发明提供了一种基于遥感图像的道路识别方法，所述基于遥感图像的道路识别方法包括以下步骤：
获取待识别荒郊区域的遥感图像，根据所述遥感图像的像素点和道路特征确定疑似道路区域图像；
根据预设道路土壤信息和空间分辨率对所述疑似道路区域图像进行预处理，得到当前疑似道路区域图像；
通过目标边缘识别算法对所述当前疑似道路区域图像进行检测，得到道路路面信息和道路边缘轮廓信息；
根据所述道路路面信息和所述道路边缘轮廓信息生成目标荒郊道路。
可选地，所述获取待识别荒郊区域的遥感图像，根据所述遥感图像的像素点和道路特征确定疑似道路区域图像，包括：
获取待识别荒郊区域的遥感图像，根据所述遥感图像得到图像区域亮度；
根据所述图像区域亮度对所述遥感图像进行采样，得到若干遥感图像块；
通过预设均值算法对所述若干遥感图像块的像素点进行计算，得到像素点均值；
通过所述预设方差算法对所述若干遥感图像块的像素点进行计算，得到像素点方差；
根据所述道路特征计算出道路像素点均值范围和道路像素点方差范围；
在所述像素点均值位于所述道路像素点均值范围且所述像素点方差位于所述道路像素点方差范围时，从所述遥感图像块中任选一目标遥感图像块；
将所述目标遥感图像块与相邻图像块进行计算，得到若干数量欧式距离；
提取所述若干数量欧式距离的最小欧式距离，并将所述最小欧式距离对应的遥感图像块进行拼接，得到当前拼接遥感图像区域；
重复迭代执行从所述遥感图像块中任选遥感图像块的步骤，得到若干拼接遥感图像区域；
根据所述当前拼接遥感图像区域和所述若干拼接遥感图像区域得到疑似道路区域图像。
可选地，所述根据预设道路土壤信息和空间分辨率对所述疑似道路区域图像进行预处理，得到当前疑似道路区域图像，包括：
对所述疑似道路区域图像进行去色处理，得到疑似道路区域灰度图像；
通过预设点位算法根据所述疑似道路区域图像的特征信息设定目标灰度阈值；
根据所述目标灰度阈值将所述疑似道路区域灰度图像划分为第一疑似道路区域灰度图像和第二疑似道路区域灰度图像，所述第一疑似道路区域灰度图像的灰度值高于所述第二疑似道路区域灰度图像的灰度值；
通过预设线性函数对所述第一疑似道路区域灰度图像进行线性增强，得到当前衰减疑似道路区域灰度图像；
通过所述预设线性函数对所述第二疑似道路区域灰度图像进行线性衰减，得到当前衰减疑似道路区域灰度图像；
将所述当前衰减疑似道路区域灰度图像和所述当前衰减疑似道路区域灰度图像进行融合，得到融合疑似道路区域灰度图像；
根据所述融合疑似道路区域灰度图像得到疑似道路区域土壤灰色图像；
根据所述疑似道路区域土壤灰色图像、预设道路土壤信息以及空间分辨率得到当前疑似道路区域图像。
可选地，所述根据所述疑似道路区域土壤灰色图像、预设道路土壤信息以及空间分辨率得到当前疑似道路区域图像，包括：
对所述疑似道路区域土壤灰色图像进行检测，得到土壤紧实度和土壤成分信息；
将所述土壤紧实度和所述土壤成分信息分别与预设道路土壤信息进行匹配，得到当前土壤信息匹配结果；
在所述当前土壤信息匹配结果为所述土壤紧实度位于预设紧实度阈值且所述成分信息为预设成分信息范围时，根据所述空间分辨率对疑似道路区域图像进行筛选，得到当前疑似道路区域图像。
可选地，所述通过目标边缘识别算法对所述当前疑似道路区域图像进行检测，得到道路路面信息和道路边缘轮廓信息，包括：
对所述当前疑似道路区域图像进行消噪，得到疑似道路区域平滑图像；
通过目标阶数差分算法对所述疑似道路区域平滑图像进行计算，得到图像梯度幅度和图像梯度方向；
对所述图像梯度幅度进行非极大值抑制，得到目标疑似道路区域图像；
通过目标边缘识别算法对所述目标疑似道路区域图像进行检测，得到道路边缘轮廓信息；
在所述道路边缘轮廓信息对应的轮廓上选取目标定位点；
通过预设区域搜索算法在所述目标定位点根据所述图像梯度方向搜索出道路路面信息。
可选地，所述根据所述道路路面信息和所述道路边缘轮廓信息生成目标荒郊道路，包括：
根据所述道路边缘轮廓信息得到道路直线边缘和道路曲线边缘；
分别对所述道路直线边缘和道路曲线边缘进行计算，得到道路边缘宽度；
对所述道路路面信息对应的路面进行计算，得到道路路面宽度；
在所述道路边缘宽度小于所述道路路面宽度时，通过道路直线边缘和道路曲线边缘分别对所述道路路面信息对应的路面进行切割，得到目标荒郊道路；
在所述道路边缘宽度大于所述道路路面宽度，通过所述道路路面信息对应的路面对所述道路直线边缘和道路曲线边缘对应的区域进行填充，得到目标荒郊道路。
可选地，所述根据所述道路路面信息和所述道路边缘轮廓信息生成目标荒郊道路之后，还包括：
在接收到目标人员的追踪请求时，获取所述目标人员的特征图像信息和位置信息；
根据所述位置信息查询设置在非荒郊道路的摄像设备信息；
根据所述摄像设备信息得到对应的拍摄图像；
在所述拍摄图像中不存在所述特征图像信息时，通过目标无人机对所述目标荒郊道路进行追踪，并在所述目标荒郊道路的进出口设置警报关卡。
此外，为实现上述目的，本发明还提出一种基于遥感图像的道路识别装置，所述基于遥感图像的道路识别装置包括：
获取模块，用于获取待识别荒郊区域的遥感图像，根据所述遥感图像的像素点和道路特征确定疑似道路区域图像；
处理模块，用于根据预设道路土壤信息和空间分辨率对所述疑似道路区域图像进行预处理，得到当前疑似道路区域图像；
检测模块，用于通过目标边缘识别算法对所述当前疑似道路区域图像进行检测，得到道路路面信息和道路边缘轮廓信息；
生成模块，用于根据所述道路路面信息和所述道路边缘轮廓信息生成目标荒郊道路。
此外，为实现上述目的，本发明还提出一种基于遥感图像的道路识别设备，所述基于遥感图像的道路识别设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于遥感图像的道路识别程序，所述基于遥感图像的道路识别程序配置为实现如上文所述的基于遥感图像的道路识别方法。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有基于遥感图像的道路识别程序，所述基于遥感图像的道路识别程序被处理器执行时实现如上文所述的基于遥感图像的道路识别方法。
本发明提出的基于遥感图像的道路识别方法，通过获取待识别荒郊区域的遥感图像，根据所述遥感图像的像素点和道路特征确定疑似道路区域图像；根据预设道路土壤信息和空间分辨率对所述疑似道路区域图像进行预处理，得到当前疑似道路区域图像；通过目标边缘识别算法对所述当前疑似道路区域图像进行检测，得到道路路面信息和道路边缘轮廓信息；根据所述道路路面信息和所述道路边缘轮廓信息生成目标荒郊道路；通过上述方式，根据像素点和道路特征确定疑似道路区域图像，然后对疑似道路区域图像进行预处理，再根据道路路面信息和道路边缘轮廓信息生成目标荒郊道路，从而能够有效提高识别荒郊道路的准确性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的基于遥感图像的道路识别设备的结构示意图；
图2为本发明基于遥感图像的道路识别方法第一实施例的流程示意图；
图3为本发明基于遥感图像的道路识别方法一实施例的荒郊道路场景示意图；
图4为本发明基于遥感图像的道路识别方法第二实施例的流程示意图；
图5为本发明基于遥感图像的道路识别装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的基于遥感图像的道路识别设备结构示意图。
如图1所示，该基于遥感图像的道路识别设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对基于遥感图像的道路识别设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于遥感图像的道路识别程序。
在图1所示的基于遥感图像的道路识别设备中，网络接口1004主要用于与网络一体化平台工作站进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明基于遥感图像的道路识别设备中的处理器1001、存储器1005可以设置在基于遥感图像的道路识别设备中，所述基于遥感图像的道路识别设备通过处理器1001调用存储器1005中存储的基于遥感图像的道路识别程序，并执行本发明实施例提供的基于遥感图像的道路识别方法。
基于上述硬件结构，提出本发明基于遥感图像的道路识别方法实施例。
参照图2，图2为本发明基于遥感图像的道路识别方法第一实施例的流程示意图。
在第一实施例中，所述基于遥感图像的道路识别方法包括以下步骤：
步骤S10，获取待识别荒郊区域的遥感图像，根据所述遥感图像的像素点和道路特征确定疑似道路区域图像。
需要说明的是，本实施例的执行主体为基于遥感图像的道路识别设备，还可为其他可实现相同或相似功能的设备，例如道路识别控制器等，本实施例对此不作限制，在本实施例中，以道路识别控制器为例进行说明。
应当理解的是，待识别荒郊区域指的是含有荒郊道路且无道路标志的区域，该待识别荒郊区域可以为荒山野岭区域，该待识别荒郊区域的遥感图像可以通过定位设备采集得到，道路特征指的是能够唯一识别不同道路的特征，例如，柏油道路、混凝土道路、砂石道路等，然后根据遥感图像的像素点和道路特征确定疑似道路区域图像，该疑似道路区域图像指的是遥感图像中可能是荒郊道路的图像，即通过遥感图像的像素点和道路特征初步确定。
进一步地，步骤S10，包括：获取待识别荒郊区域的遥感图像，根据所述遥感图像得到图像区域亮度；根据所述图像区域亮度对所述遥感图像进行采样，得到若干遥感图像块；通过预设均值算法对所述若干遥感图像块的像素点进行计算，得到像素点均值；通过所述预设方差算法对所述若干遥感图像块的像素点进行计算，得到像素点方差；根据所述道路特征计算出道路像素点均值范围和道路像素点方差范围；在所述像素点均值位于所述道路像素点均值范围且所述像素点方差位于所述道路像素点方差范围时，从所述遥感图像块中任选一目标遥感图像块；将所述目标遥感图像块与相邻图像块进行计算，得到若干数量欧式距离；提取所述若干数量欧式距离的最小欧式距离，并将所述最小欧式距离对应的遥感图像块进行拼接，得到当前拼接遥感图像区域；重复迭代执行从所述遥感图像块中任选遥感图像块的步骤，得到若干拼接遥感图像区域；根据所述当前拼接遥感图像区域和所述若干拼接遥感图像区域得到疑似道路区域图像。
可以理解的是，由于待识别荒郊区域不同位置所生成的杂草树木的种类或茂盛程度均不相同，以及在待识别荒郊区域可能还存在沼泽等区域，使得遥感图像在显示时存在不同亮度区域，因此，根据图像区域亮度将烟感图像划分为若干遥感图像块，然后通过预设均值算法计算出若干遥感图像块的像素点均值，以及通过预设方差算法计算出若干遥感图像块的像素点方差，根据道路像素点均值范围和道路像素点方差范围将若干遥感图像块中的道路遥感图像筛选出，即像素点均值位于道路像素点均值范围且像素点方差位于所述道路像素点方差范围的遥感图像块为道路图像块，然后计算选取的目标遥感图像块与其相邻的遥感图像块之间的欧式距离，例如，目标遥感图像块为a，与目标遥感图像块a相邻的遥感图像块有b、c以及d，通过精准计算可知，a与b之间的欧式距离为ab，a与c之间的欧式距离为ac，以及a与d之间的欧式距离为ad，经过比较可知，欧式距离ac最小，此时将a与c进行拼接，然后上述方式，继续重复迭代，直至选取的目标遥感图像块均以拼接，然后依次将当前拼接遥感图像区域和若干拼接遥感图像区域连接，以得到疑似道路区域图像。
步骤S20，根据预设道路土壤信息和空间分辨率对所述疑似道路区域图像进行预处理，得到当前疑似道路区域图像。
可以理解的是，当前疑似道路区域图像指的是疑似道路区域图像中最可能为荒郊道路的区域图像，预设道路土壤信息指的是泥土道路的土壤信息，该预设道路土壤信息包括但不限于土壤紧实度、土壤成分信息等，空间分辨率指的是从空间层次角度进行筛选的分辨率，疑似道路区域图像的预处理具体是根据预设道路突土壤信息进行匹配，根据空间分辨率进行筛选。
进一步地，步骤S20，包括：对所述疑似道路区域图像进行去色处理，得到疑似道路区域灰度图像；通过预设点位算法根据所述疑似道路区域图像的特征信息设定目标灰度阈值；根据所述目标灰度阈值将所述疑似道路区域灰度图像划分为第一疑似道路区域灰度图像和第二疑似道路区域灰度图像，所述第一疑似道路区域灰度图像的灰度值高于所述第二疑似道路区域灰度图像的灰度值；通过预设线性函数对所述第一疑似道路区域灰度图像进行线性增强，得到当前衰减疑似道路区域灰度图像；通过所述预设线性函数对所述第二疑似道路区域灰度图像进行线性衰减，得到当前衰减疑似道路区域灰度图像；将所述当前衰减疑似道路区域灰度图像和所述当前衰减疑似道路区域灰度图像进行融合，得到融合疑似道路区域灰度图像；根据所述融合疑似道路区域灰度图像得到疑似道路区域土壤灰色图像；根据所述疑似道路区域土壤灰色图像、预设道路土壤信息以及空间分辨率得到当前疑似道路区域图像。
应当理解的是，由于疑似道路区域图像会存在模糊的情形，需要在灰度图像下进行模糊处理，疑似道路区域灰度图像指的是将疑似道路区域图像去色后的灰度图像，目标灰度阈值指的是划分第一疑似道路区域灰度图像和第二疑似道路区域灰度图像的灰度值，具体是预设点位算法根据疑似道路区域图像的特征信息设定，第一疑似道路区域灰度图像指的是疑似道路区域灰度图像中灰度值高于目标灰度阈值的图像，同样，第二疑似道路区域灰度图像指的是疑似道路区域灰度图像中灰度值低于目标灰度阈值的图像，然后通过预设线性函数对第一疑似道路区域灰度图像进行线性衰减，以及通过预设线性函数对第二疑似道路区域灰度图像进行线性衰减，在线性处理完成后，使得整个区域图像的对比度得到了明显增强，在得到融合疑似道路区域灰度图像后，从融合疑似道路区域灰度图像提取出与土壤相关联的疑似道路区域土壤灰色图像。
进一步地，所述根据所述疑似道路区域土壤灰色图像、预设道路土壤信息以及空间分辨率得到当前疑似道路区域图像，包括：对所述疑似道路区域土壤灰色图像进行检测，得到土壤紧实度和土壤成分信息；将所述土壤紧实度和所述土壤成分信息分别与预设道路土壤信息进行匹配，得到当前土壤信息匹配结果；在所述当前土壤信息匹配结果为所述土壤紧实度位于预设紧实度阈值且所述成分信息为预设成分信息范围时，根据所述空间分辨率对疑似道路区域图像进行筛选，得到当前疑似道路区域图像。
可以理解的是，土壤紧实度指的是土壤各层之间的紧实度，土壤紧实度越高，表明该土壤所在的位置更可能为荒郊区域的道路，土壤成分信息指的是土壤中动物、植物以及微生物等成分信息，由于道路的形成会影响各成分的生存或者生长，在得到疑似道路区域土壤灰色图像后，对疑似道路区域土壤灰色图像进行放大，然后对放大的疑似道路区域土壤灰色图像进行深度检测，然后将检测得到的土壤紧实度和土壤成分信息分别与预设道路土壤信息进行匹配，再将匹配结果分别与预设紧实度阈值和预设成分信息范围进行判断，该预设紧实度阈值和预设成分信息分别为标准道路的土壤紧实度和土壤成分信息，然后再通过空间分辨率进一步筛选出当前疑似道路区域图像。
步骤S30，通过目标边缘识别算法对所述当前疑似道路区域图像进行检测，得到道路路面信息和道路边缘轮廓信息。
应当理解的是，道路路面信息指的是疑似道路区域图像中的路面信息，该道路路面信息对应的路面位于不同的位置，例如，路面1位于待识别荒郊区域的左上角，路面2位于待识别荒郊区域的右下角，路面3位于待识别荒郊区域的上三分之一和左三分之一位置，道路边缘轮廓信息指的是疑似道路区域图像中边缘轮廓信息，该道路边缘轮廓信息包括但不限于道路边缘轮廓的角度和长度等。
步骤S40，根据所述道路路面信息和所述道路边缘轮廓信息生成目标荒郊道路。
进一步地，步骤S40，包括：根据所述道路边缘轮廓信息得到道路直线边缘和道路曲线边缘；分别对所述道路直线边缘和道路曲线边缘进行计算，得到道路边缘宽度；对所述道路路面信息对应的路面进行计算，得到道路路面宽度；在所述道路边缘宽度小于所述道路路面宽度时，通过道路直线边缘和道路曲线边缘分别对所述道路路面信息对应的路面进行切割，得到目标荒郊道路；在所述道路边缘宽度大于所述道路路面宽度，通过所述道路路面信息对应的路面对所述道路直线边缘和道路曲线边缘对应的区域进行填充，得到目标荒郊道路。
应当理解的是，目标荒郊道路指的是最终从待识别荒郊区域中识别出道路，道路直线边缘指的是道路边缘轮廓信息中弧度小于或等于预设弧度值的边缘，同样，道路曲线边缘指的是道路边缘轮廓信息中弧度大于预设弧度值的边缘，道路边缘宽度指的是道路直线边缘和道路曲线边缘的左右线条之间的距离，在道路边缘宽度小于道路路面宽度时，表明识别出的路面有多余，此时需要通过道路直线边缘和道路曲线边缘分别进行切割，切割完成后，根据剩余的路面、道路直线边缘以及道路曲线边缘生成目标荒郊道路，在道路边缘宽度大于道路路面宽度时，表明识别出的路面不足，此时需要对道路直线边缘和道路曲线边缘对应的区域进行填充，在填充完成后，根据填充区域、道路路面信息对应的路面、道路直线边缘以及道路曲线边缘生成目标荒郊道路，参考图3，图3为荒郊道路场景示意图，具体为：目标荒郊道路整体呈曲线形式，且贯穿整个待识别荒郊区域的长度，即从左上角至右下角。
进一步地，步骤S40之后，还包括：在接收到目标人员的追踪请求时，获取所述目标人员的特征图像信息和位置信息；根据所述位置信息查询设置在非荒郊道路的摄像设备信息；根据所述摄像设备信息得到对应的拍摄图像；在所述拍摄图像中不存在所述特征图像信息时，通过目标无人机对所述目标荒郊道路进行追踪，并在所述目标荒郊道路的进出口设置警报关卡。
可以理解的是，特征图像信息指的是能够唯一识别目标人员的图像信息，例如，位于脸上的胎记、特殊痣等，位置信息指的是在追踪过程中目标人员消失的位置信息，该目标人员可以为做出某些严重后果的事情的人员或者相关执法人员需要找寻的人员，在非荒郊道路的摄像设备所拍摄的图像不存在特征图像信息时，表明目标人员在逃跑时没有经过非荒郊道路，也就是说目标人员是通过荒郊道路进行逃跑，此时需要在目标荒郊道路的进出口分别设置警报关卡，然后通过目标无人机在目标荒郊道路进行追踪，以发现目标人员。
本实施例通过获取待识别荒郊区域的遥感图像，根据所述遥感图像的像素点和道路特征确定疑似道路区域图像；根据预设道路土壤信息和空间分辨率对所述疑似道路区域图像进行预处理，得到当前疑似道路区域图像；通过目标边缘识别算法对所述当前疑似道路区域图像进行检测，得到道路路面信息和道路边缘轮廓信息；根据所述道路路面信息和所述道路边缘轮廓信息生成目标荒郊道路；通过上述方式，根据像素点和道路特征确定疑似道路区域图像，然后对疑似道路区域图像进行预处理，再根据道路路面信息和道路边缘轮廓信息生成目标荒郊道路，从而能够有效提高识别荒郊道路的准确性。
在一实施例中，如图4所述，基于第一实施例提出本发明基于遥感图像的道路识别方法第二实施例，所述步骤S30，包括：
步骤S301，对所述当前疑似道路区域图像进行消噪，得到疑似道路区域平滑图像。
应当理解的是，由于当前疑似道路区域图像在采集时会存在噪音，而噪音会影响图像的平滑度，因此，在得到当前疑似道路区域图像后，对当前疑似道路区域图像进行消噪处理，以消除噪音影响，得到疑似道路区域平滑图像。
步骤S302，通过目标阶数差分算法对所述疑似道路区域平滑图像进行计算，得到图像梯度幅度和图像梯度方向。
可以理解的是，目标阶数差分算法指的是计算图像的梯度幅度和梯度方向的算法，该目标阶数差分算法可以为多阶偏导差分算法，具体是通过目标阶数差分算法计算出疑似道路区域平滑图像的梯度幅度和梯度方向。
步骤S303，对所述图像梯度幅度进行非极大值抑制，得到目标疑似道路区域图像。
应当理解的是，目标疑似道路区域图像指的是初步去除当前疑似道路区域图像中非边缘像素的图像，具体是对图像梯度幅度进行非极大值抑制，以找出图像梯度幅度中的极大值，将其他非极大值置零，即得到目标疑似道路区域图像。
步骤S304，通过目标边缘识别算法对所述目标疑似道路区域图像进行检测，得到道路边缘轮廓信息。
可以理解的是，道路边缘轮廓信息指的是疑似道路的边缘轮廓相关信息，具体是通过目标边缘识别算法对目标疑似道路区域图像进行识别，以得到道路边缘轮廓信息。
步骤S305，在所述道路边缘轮廓信息对应的轮廓上选取目标定位点。
应当理解的是，目标定位点指的是进行道路路面信息搜索的起始点，该目标定位点可以为轮廓中心点，也可以为轮廓端点，为了有效提高搜索道路路面信息的效率，本实施例以轮廓中心点为例进行说明。
步骤S306，通过预设区域搜索算法在所述目标定位点根据所述图像梯度方向搜索出道路路面信息。
可以理解的是，预设搜索区域算法指的是在特定边缘条件下搜索区域的算法，在选取目标定位点后，以目标定位点为起始点，通过预设区域搜索算法按照图像梯度方向进行搜索，在触碰到边缘或者搜索过的区域后，则顺时针调整30度并继续搜索，直至搜索出所有的道路路面。
本实施例通过对所述当前疑似道路区域图像进行消噪，得到疑似道路区域平滑图像；通过目标阶数差分算法对所述疑似道路区域平滑图像进行计算，得到图像梯度幅度和图像梯度方向；对所述图像梯度幅度进行非极大值抑制，得到目标疑似道路区域图像；通过目标边缘识别算法对所述目标疑似道路区域图像进行检测，得到道路边缘轮廓信息；在所述道路边缘轮廓信息对应的轮廓上选取目标定位点；通过预设区域搜索算法在所述目标定位点根据所述图像梯度方向搜索出道路路面信息；通过上述方式，对当前疑似道路区域图像，然后通过目标阶数差分算法计算出图像梯度幅度和图像梯度方向，再检测出道路边缘轮廓信息，然后通过预设区域搜索算法根据选取的目标定位点和图像梯度方向搜索出道路路面信息，从而能够有效提高得到道路边缘轮廓信息和道路边缘轮廓信息的准确性。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有基于遥感图像的道路识别程序，所述基于遥感图像的道路识别程序被处理器执行时实现如上文所述的基于遥感图像的道路识别方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
此外，参照图5，本发明实施例还提出一种基于遥感图像的道路识别装置，所述基于遥感图像的道路识别装置包括：
获取模块10，用于获取待识别荒郊区域的遥感图像，根据所述遥感图像的像素点和道路特征确定疑似道路区域图像。
处理模块20，用于根据预设道路土壤信息和空间分辨率对所述疑似道路区域图像进行预处理，得到当前疑似道路区域图像。
检测模块30，用于通过目标边缘识别算法对所述当前疑似道路区域图像进行检测，得到道路路面信息和道路边缘轮廓信息。
生成模块40，用于根据所述道路路面信息和所述道路边缘轮廓信息生成目标荒郊道路。
本实施例通过获取待识别荒郊区域的遥感图像，根据所述遥感图像的像素点和道路特征确定疑似道路区域图像；根据预设道路土壤信息和空间分辨率对所述疑似道路区域图像进行预处理，得到当前疑似道路区域图像；通过目标边缘识别算法对所述当前疑似道路区域图像进行检测，得到道路路面信息和道路边缘轮廓信息；根据所述道路路面信息和所述道路边缘轮廓信息生成目标荒郊道路；通过上述方式，根据像素点和道路特征确定疑似道路区域图像，然后对疑似道路区域图像进行预处理，再根据道路路面信息和道路边缘轮廓信息生成目标荒郊道路，从而能够有效提高识别荒郊道路的准确性。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的基于遥感图像的道路识别方法，此处不再赘述。
本发明所述基于遥感图像的道路识别装置的其他实施例或具有实现方法可参照上述各方法实施例，此处不再赘余。
此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，一体化平台工作站，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围。
Claims (8)
1.一种基于遥感图像的道路识别方法，其特征在于，所述基于遥感图像的道路识别方法包括以下步骤：
获取待识别荒郊区域的遥感图像，根据所述遥感图像的像素点和道路特征确定疑似道路区域图像；
根据预设道路土壤信息和空间分辨率对所述疑似道路区域图像进行预处理，得到当前疑似道路区域图像；
通过目标边缘识别算法对所述当前疑似道路区域图像进行检测，得到道路路面信息和道路边缘轮廓信息；
根据所述道路路面信息和所述道路边缘轮廓信息生成目标荒郊道路；
所述根据预设道路土壤信息和空间分辨率对所述疑似道路区域图像进行预处理，得到当前疑似道路区域图像，包括：
对所述疑似道路区域图像进行去色处理，得到疑似道路区域灰度图像；
通过预设点位算法根据所述疑似道路区域图像的特征信息设定目标灰度阈值；
根据所述目标灰度阈值将所述疑似道路区域灰度图像划分为第一疑似道路区域灰度图像和第二疑似道路区域灰度图像，所述第一疑似道路区域灰度图像的灰度值高于所述第二疑似道路区域灰度图像的灰度值；
通过预设线性函数对所述第一疑似道路区域灰度图像进行线性增强，得到当前增强疑似道路区域灰度图像；
通过所述预设线性函数对所述第二疑似道路区域灰度图像进行线性衰减，得到当前衰减疑似道路区域灰度图像；
将所述当前增强疑似道路区域灰度图像和所述当前衰减疑似道路区域灰度图像进行融合，得到融合疑似道路区域灰度图像；
根据所述融合疑似道路区域灰度图像得到疑似道路区域土壤灰色图像；
根据所述疑似道路区域土壤灰色图像、预设道路土壤信息以及空间分辨率得到当前疑似道路区域图像；
所述根据所述疑似道路区域土壤灰色图像、预设道路土壤信息以及空间分辨率得到当前疑似道路区域图像，包括：
对所述疑似道路区域土壤灰色图像进行检测，得到土壤紧实度和土壤成分信息；
将所述土壤紧实度和所述土壤成分信息分别与预设道路土壤信息进行匹配，得到当前土壤信息匹配结果；
在所述当前土壤信息匹配结果为所述土壤紧实度位于预设紧实度阈值且所述成分信息为预设成分信息范围时，根据所述空间分辨率对疑似道路区域图像进行筛选，得到当前疑似道路区域图像。
2.如权利要求1所述的基于遥感图像的道路识别方法，其特征在于，所述获取待识别荒郊区域的遥感图像，根据所述遥感图像的像素点和道路特征确定疑似道路区域图像，包括：
获取待识别荒郊区域的遥感图像，根据所述遥感图像得到图像区域亮度；
根据所述图像区域亮度对所述遥感图像进行采样，得到若干遥感图像块；
通过预设均值算法对所述若干遥感图像块的像素点进行计算，得到像素点均值；
通过预设方差算法对所述若干遥感图像块的像素点进行计算，得到像素点方差；
根据所述道路特征计算出道路像素点均值范围和道路像素点方差范围；
在所述像素点均值位于所述道路像素点均值范围且所述像素点方差位于所述道路像素点方差范围时，从所述遥感图像块中任选一目标遥感图像块；
将所述目标遥感图像块与相邻图像块进行计算，得到若干数量欧式距离；
提取所述若干数量欧式距离的最小欧式距离，并将所述最小欧式距离对应的遥感图像块进行拼接，得到当前拼接遥感图像区域；
重复迭代执行从所述遥感图像块中任选遥感图像块的步骤，得到若干拼接遥感图像区域；
根据所述当前拼接遥感图像区域和所述若干拼接遥感图像区域得到疑似道路区域图像。
3.如权利要求1所述的基于遥感图像的道路识别方法，其特征在于，所述通过目标边缘识别算法对所述当前疑似道路区域图像进行检测，得到道路路面信息和道路边缘轮廓信息，包括：
对所述当前疑似道路区域图像进行消噪，得到疑似道路区域平滑图像；
通过目标阶数差分算法对所述疑似道路区域平滑图像进行计算，得到图像梯度幅度和图像梯度方向；
对所述图像梯度幅度进行非极大值抑制，得到目标疑似道路区域图像；
通过目标边缘识别算法对所述目标疑似道路区域图像进行检测，得到道路边缘轮廓信息；
在所述道路边缘轮廓信息对应的轮廓上选取目标定位点；
通过预设区域搜索算法在所述目标定位点根据所述图像梯度方向搜索出道路路面信息。
4.如权利要求1所述的基于遥感图像的道路识别方法，其特征在于，所述根据所述道路路面信息和所述道路边缘轮廓信息生成目标荒郊道路，包括：
根据所述道路边缘轮廓信息得到道路直线边缘和道路曲线边缘；
分别对所述道路直线边缘和道路曲线边缘进行计算，得到道路边缘宽度；
对所述道路路面信息对应的路面进行计算，得到道路路面宽度；
在所述道路边缘宽度小于所述道路路面宽度时，通过道路直线边缘和道路曲线边缘分别对所述道路路面信息对应的路面进行切割，得到目标荒郊道路；
在所述道路边缘宽度大于所述道路路面宽度，通过所述道路路面信息对应的路面对所述道路直线边缘和道路曲线边缘对应的区域进行填充，得到目标荒郊道路。
5.如权利要求1至4中任一项所述的基于遥感图像的道路识别方法，其特征在于，所述根据所述道路路面信息和所述道路边缘轮廓信息生成目标荒郊道路之后，还包括：
在接收到目标人员的追踪请求时，获取所述目标人员的特征图像信息和位置信息；
根据所述位置信息查询设置在非荒郊道路的摄像设备信息；
根据所述摄像设备信息得到对应的拍摄图像；
在所述拍摄图像中不存在所述特征图像信息时，通过目标无人机对所述目标荒郊道路进行追踪，并在所述目标荒郊道路的进出口设置警报关卡。
6.一种基于遥感图像的道路识别装置，其特征在于，所述基于遥感图像的道路识别装置包括：
获取模块，用于获取待识别荒郊区域的遥感图像，根据所述遥感图像的像素点和道路特征确定疑似道路区域图像；
处理模块，用于根据预设道路土壤信息和空间分辨率对所述疑似道路区域图像进行预处理，得到当前疑似道路区域图像；
检测模块，用于通过目标边缘识别算法对所述当前疑似道路区域图像进行检测，得到道路路面信息和道路边缘轮廓信息；
生成模块，用于根据所述道路路面信息和所述道路边缘轮廓信息生成目标荒郊道路；
所述处理模块，还用于对所述疑似道路区域图像进行去色处理，得到疑似道路区域灰度图像；通过预设点位算法根据所述疑似道路区域图像的特征信息设定目标灰度阈值；根据所述目标灰度阈值将所述疑似道路区域灰度图像划分为第一疑似道路区域灰度图像和第二疑似道路区域灰度图像，所述第一疑似道路区域灰度图像的灰度值高于所述第二疑似道路区域灰度图像的灰度值；通过预设线性函数对所述第一疑似道路区域灰度图像进行线性增强，得到当前增强疑似道路区域灰度图像；通过所述预设线性函数对所述第二疑似道路区域灰度图像进行线性衰减，得到当前衰减疑似道路区域灰度图像；将所述当前增强疑似道路区域灰度图像和所述当前衰减疑似道路区域灰度图像进行融合，得到融合疑似道路区域灰度图像；根据所述融合疑似道路区域灰度图像得到疑似道路区域土壤灰色图像；根据所述疑似道路区域土壤灰色图像、预设道路土壤信息以及空间分辨率得到当前疑似道路区域图像；
所述处理模块，还用于对所述疑似道路区域土壤灰色图像进行检测，得到土壤紧实度和土壤成分信息；将所述土壤紧实度和所述土壤成分信息分别与预设道路土壤信息进行匹配，得到当前土壤信息匹配结果；在所述当前土壤信息匹配结果为所述土壤紧实度位于预设紧实度阈值且所述成分信息为预设成分信息范围时，根据所述空间分辨率对疑似道路区域图像进行筛选，得到当前疑似道路区域图像。
7.一种基于遥感图像的道路识别设备，其特征在于，所述基于遥感图像的道路识别设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于遥感图像的道路识别程序，所述基于遥感图像的道路识别程序配置有实现如权利要求1至5中任一项所述的基于遥感图像的道路识别方法。
8.一种存储介质，其特征在于，所述存储介质上存储有基于遥感图像的道路识别程序，所述基于遥感图像的道路识别程序被处理器执行时实现如权利要求1至5中任一项所述的基于遥感图像的道路识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210994482.1A CN115393813B (zh) | 2022-08-18 | 2022-08-18 | 基于遥感图像的道路识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210994482.1A CN115393813B (zh) | 2022-08-18 | 2022-08-18 | 基于遥感图像的道路识别方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115393813A CN115393813A (zh) | 2022-11-25 |
| CN115393813B true CN115393813B (zh) | 2023-05-02 |
Family
ID=84121264
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210994482.1A Active CN115393813B (zh) | 2022-08-18 | 2022-08-18 | 基于遥感图像的道路识别方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115393813B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107909010A (zh) * | 2017-10-27 | 2018-04-13 | 北京中科慧眼科技有限公司 | 一种道路障碍物检测方法与装置 |
| CN110765944A (zh) * | 2019-10-23 | 2020-02-07 | 长光禹辰信息技术与装备(青岛)有限公司 | 基于多源遥感影像的目标识别方法、装置、设备及介质 |
| CN114511770A (zh) * | 2021-12-21 | 2022-05-17 | 武汉光谷卓越科技股份有限公司 | 道路标识标牌识别方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6638373B2 (ja) * | 2015-12-17 | 2020-01-29 | 日本電気株式会社 | 道路情報検出装置、道路情報検出システム、道路情報検出方法及びプログラム |
| JP6955783B2 (ja) * | 2018-01-10 | 2021-10-27 | 達闥機器人有限公司Ｃｌｏｕｄｍｉｎｄｓ （Ｓｈａｎｇｈａｉ） Ｒｏｂｏｔｉｃｓ Ｃｏ．， Ｌｔｄ． | 情報処理方法、装置、クラウド処理デバイス及びコンピュータプログラム製品 |
| CN110335322B (zh) * | 2019-07-09 | 2024-03-01 | 成都理工大学 | 基于图像的道路识别方法及道路识别装置 |
| CN111310771B (zh) * | 2020-03-11 | 2023-07-04 | 中煤航测遥感集团有限公司 | 遥感影像的道路图像提取方法、装置、设备及存储介质 |
| CN114332650B (zh) * | 2022-03-09 | 2022-05-31 | 苏州大学 | 一种遥感图像道路识别方法及系统 |
-
2022
- 2022-08-18 CN CN202210994482.1A patent/CN115393813B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107909010A (zh) * | 2017-10-27 | 2018-04-13 | 北京中科慧眼科技有限公司 | 一种道路障碍物检测方法与装置 |
| CN110765944A (zh) * | 2019-10-23 | 2020-02-07 | 长光禹辰信息技术与装备(青岛)有限公司 | 基于多源遥感影像的目标识别方法、装置、设备及介质 |
| CN114511770A (zh) * | 2021-12-21 | 2022-05-17 | 武汉光谷卓越科技股份有限公司 | 道路标识标牌识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115393813A (zh) | 2022-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | Pavement crack detection based on saliency and statistical features | |
| Ahmed | Comparative study among Sobel, Prewitt and Canny edge detection operators used in image processing | |
| JP2642215B2 (ja) | エッジとラインとの抽出方法とその装置 | |
| CN105809655B (zh) | 车辆检查方法和系统 | |
| Sun et al. | Weighted neighborhood pixels segmentation method for automated detection of cracks on pavement surface images | |
| US20090324016A1 (en) | Moving target detecting apparatus, moving target detecting method, and computer readable storage medium having stored therein a program causing a computer to function as the moving target detecting apparatus | |
| US20120106784A1 (en) | Apparatus and method for tracking object in image processing system | |
| Oliveira et al. | Automatic crack detection on road imagery using anisotropic diffusion and region linkage | |
| CN111079730A (zh) | 一种在界面图中确定样图所在区域的方法和电子设备 | |
| CN111881846B (zh) | 图像处理方法和相关装置、设备、存储介质 | |
| CN114241370A (zh) | 基于数字孪生变电站的入侵识别方法、装置和计算机设备 | |
| JP2004145501A (ja) | 道路白線認識装置 | |
| CN108520255B (zh) | 一种红外弱小目标检测方法及装置 | |
| CN115393813B (zh) | 基于遥感图像的道路识别方法、装置、设备及存储介质 | |
| Adu-Gyamfi et al. | Functional evaluation of pavement condition using a complete vision system | |
| CN104715250A (zh) | 十字激光检测方法和装置 | |
| CN106778822B (zh) | 基于漏斗变换的图像直线检测方法 | |
| US7440636B2 (en) | Method and apparatus for image processing | |
| CN107481255B (zh) | 一种人员数量的确定方法及装置 | |
| CN115359449A (zh) | 一种转辙机道岔缺口图像的自动识别方法和系统 | |
| CN113409334A (zh) | 一种基于质心的结构光角点检测方法 | |
| Finch et al. | Identification of airfield runways in synthetic aperture radar images | |
| CN114973175B (zh) | 运动物体检测方法、装置、终端设备以及存储介质 | |
| JP2003217084A (ja) | 車両検知方法及び装置 | |
| CN116385414B (zh) | 零部件多尺度缺陷特征提取方法、计算设备及存储介质 |
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 |