CN116958120A - 一种基于梯度分布特性的微弱目标信号提取方法 - Google Patents
一种基于梯度分布特性的微弱目标信号提取方法 Download PDFInfo
- Publication number
- CN116958120A CN116958120A CN202310992777.XA CN202310992777A CN116958120A CN 116958120 A CN116958120 A CN 116958120A CN 202310992777 A CN202310992777 A CN 202310992777A CN 116958120 A CN116958120 A CN 116958120A
- Authority
- CN
- China
- Prior art keywords
- window
- pixel
- image
- traversal
- pixel value
- 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.)
- Pending
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 23
- 238000001914 filtration Methods 0.000 claims abstract description 12
- 230000000877 morphologic effect Effects 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims description 21
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 9
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 235000012431 wafers Nutrition 0.000 description 1
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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明涉及信号提取，具体涉及一种基于梯度分布特性的微弱目标信号提取方法，获取待测元件表面的数字图像，作为第一图像；设置第一图像的像素邻域窗口，并将像素邻域窗口作为遍历窗口对第一图像进行遍历操作；计算遍历窗口中的像素均值，根据遍历窗口中心点像素值与像素均值之间的关系，对遍历窗口中心点像素值进行更新；计算遍历窗口中心点至遍历窗口中各像素点方向的梯度，并对遍历窗口中心点像素值进行调整，得到第二图像；对第二图像进行匹配滤波操作，得到第三图像；对第三图像进行形态学处理，得到第四图像；本发明提供的技术方案能够有效克服现有技术所存在的难以在抑制噪声干扰的同时，有效提取大量微弱目标信号的缺陷。
Description
技术领域
本发明涉及信号提取，具体涉及一种基于梯度分布特性的微弱目标信号提取方法。
背景技术
基于机器视觉的外观缺陷检测技术已经广泛应用于精密元器件、光学器件、晶圆等表面检测。目标信号(包括麻点、划痕等信号)的提取是整个外观缺陷检测过程中的关键环节，而划痕信号，尤其是弱划痕等微弱目标信号的提取则是其中的难点，微弱目标信号提取的准确性，将直接决定误检率和漏检率。
在对数字图像进行目标信号提取时，一种常用的方法是对数字图像使用阈值进行二值化处理，进而分离出目标信号。常用的阈值分割方法包括全局阈值、自适应全局阈值、自适应局部阈值三类：
1)全局阈值
工作过程是通过数据统计分析或者工程经验，人为设置一个固定阈值，将其与数字图像所有像素值进行比较，当大于阈值时，即作为目标信号处理。此方法不足是：工程环境下，通过数据统计分析难以准确计算合适阈值；通过经验设置，效果波动很大，最终得到的结果往往是，为尽可能得到更多的微弱目标信号而引入较多的噪声干扰，或者为了排除噪声干扰而损失大量微弱目标信号；
2)自适应全局阈值(代表有最大类间方差法)
工作过程是基于图像的灰度特性，将图像分成背景和前景两部分，因方差是灰度分布均匀性的一种度量手段，背景和前景之间的类间方差越大，说明构成图像的两部分的差别越大。此方法不足是：对图像噪声敏感；只能针对单一目标进行分割；当目标和背景大小比例悬殊时，类间方差函数可能呈现双峰或者多峰，这个时候效果不好；
3)自适应局部阈值
工作过程是根据像素邻域的像素值分布来确定该像素位置上的二值化阈值，确定的方式就是算术平均值或高斯加权值，每个像素位置处的二值化阈值不是固定不变的，而是由其周围邻域的像素值分布来决定，亮度较高的图像区域的二值化阈值通常会较高，而亮度较低的图像区域的二值化阈值则会相适应地变小。此方法不足是：基于自适应局部阈值分割出的目标空间分布离散性强，连结性较差，容易引入噪声。
对于弱划痕等微弱目标信号而言，其信噪比非常低，利用常规图像处理手段难以在抑制噪声干扰的同时，有效提取大量微弱目标信号。
发明内容
(一)解决的技术问题
针对现有技术所存在的上述缺点，本发明提供了一种基于梯度分布特性的微弱目标信号提取方法，能够有效克服现有技术所存在的难以在抑制噪声干扰的同时，有效提取大量微弱目标信号的缺陷。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
一种基于梯度分布特性的微弱目标信号提取方法，包括以下步骤：
S1、获取待测元件表面的数字图像，作为第一图像；
S2、设置第一图像的像素邻域窗口，并将像素邻域窗口作为遍历窗口对第一图像进行遍历操作；
S3、计算遍历窗口中的像素均值，根据遍历窗口中心点像素值与像素均值之间的关系，对遍历窗口中心点像素值进行更新；
S4、计算遍历窗口中心点至遍历窗口中各像素点方向的梯度，并对遍历窗口中心点像素值进行调整，得到第二图像；
S5、对第二图像进行匹配滤波操作，得到第三图像；
S6、对第三图像进行形态学处理，得到第四图像；
S7、根据第四图像中的像素值分布情况确定目标信号及目标信号信息。
优选地，S2中设置第一图像的像素邻域窗口，包括：
像素邻域窗口的长和宽均以像素为单位，且长和宽相同；
其中，像素邻域窗口的长度L＝2n+1，n为正整数。
优选地，S3中计算遍历窗口中的像素均值，根据遍历窗口中心点像素值与像素均值之间的关系，对遍历窗口中心点像素值进行更新，包括：
若遍历窗口中心点像素值小于遍历窗口中的像素均值与预设浮动阈值之和，则将遍历窗口中心点像素值更新为第一预设像素值；
若遍历窗口中心点像素值不小于遍历窗口中的像素均值与预设浮动阈值之和，则将遍历窗口中心点像素值更新为第二预设像素值；
其中，第一预设像素值小于第二预设像素值。
优选地，S3中计算遍历窗口中的像素均值，根据遍历窗口中心点像素值与像素均值之间的关系，对遍历窗口中心点像素值进行更新，包括：
采用下式对遍历窗口中心点像素值进行更新：
其中，dst(i,j)为第一图像中第i行、第j列的遍历窗口中心点对应的更新像素值，src(i,j)为第一图像中第i行、第j列的遍历窗口中心点对应的当前像素值，min为第一预设像素值，max为第二预设像素值，min<max，M为遍历窗口中的像素均值，T为预设浮动阈值。
优选地，S4中计算遍历窗口中心点至遍历窗口中各像素点方向的梯度，并对遍历窗口中心点像素值进行调整，得到第二图像，包括：
计算遍历窗口中各像素点与遍历窗口中心点之间的像素差，并用像素差近似代替遍历窗口中心点至遍历窗口中各像素点方向的梯度；
若存在至少一个像素差不小于预设门限值，则将遍历窗口中心点像素值置为第一预设像素值，否则维持遍历窗口中心点像素值不变。
优选地，S4中计算遍历窗口中心点至遍历窗口中各像素点方向的梯度，并对遍历窗口中心点像素值进行调整，得到第二图像，包括：
以3*3遍历窗口为例，采用下式判定遍历窗口中各像素点与遍历窗口中心点之间的像素差和预设门限值的关系：
sgn(scr(i-1,j-1)-scr(i,j)≥t)
sgn(scr(i-1,j)-scr(i,j)≥t)
sgn(scr(i-1,j+1)-scr(i,j)≥t)
sgn(scr(i,j-1)-scr(i,j)≥t)
sgn(scr(i,j+1)-scr(i,j)≥t)
sgn(scr(i+1,j-1)-scr(i,j)≥t)
sgn(scr(i+1,j)-scr(i,j)≥t)
sgn(scr(i+1,j+1)-scr(i,j)≥t)
其中，sgn(·)为符号函数，当·为真时，sgn(·)＝1，否则sgn(·)＝0src(i,j)为第一图像中第i行、第j列的遍历窗口中心点对应的当前像素值；
若存在至少一个符号函数的函数值为1，则将遍历窗口中心点像素值置为第一预设像素值，否则维持遍历窗口中心点像素值不变。
优选地，在所述遍历窗口中，超出第一图像的部分用0值填充处理。
优选地，S5中对第二图像进行匹配滤波操作，得到第三图像，包括：
逐个用噪声模型对第二图像进行匹配滤波操作，滤除第二图像中所有符合噪声模型特征的区域，并用第一预设像素值替换相应位置，得到第三图像。
优选地，S6中对第三图像进行形态学处理，得到第四图像，包括：
采用膨胀操作、腐蚀操作、开操作、闭操作中的一种形态学处理方法对第三图像进行图像处理，得到第四图像。
优选地，S7中根据第四图像中的像素值分布情况确定目标信号及目标信号信息，包括：
将第四图像中第二预设像素值覆盖的区域标记为目标信号，并进行位置定位、尺寸定位，获取目标信号信息。
(三)有益效果
与现有技术相比，本发明所提供的一种基于梯度分布特性的微弱目标信号提取方法，利用目标信号与非目标信号不同的梯度分布特性，在数字图像二值化的过程中，叠加梯度计算，对非目标信号进一步滤除，进一步大比例保留目标信号；当目标信号强度与噪声强度接近时，通过设计的噪声模型对噪声区域进行有效过滤，大比例消除噪声干扰，保留目标信号，最终实现在抑制噪声干扰的同时，有效提取大量微弱目标信号的目的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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为本发明的流程示意图；
图2至图8为本发明中所采用的不同噪声模型的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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作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。
一种基于梯度分布特性的微弱目标信号提取方法，如图1所示，①获取待测元件表面的数字图像，作为第一图像。
将待测元件置于数据采集系统中，采集获得光学元件表面高分辨率数字图像，数字图像的像素扫描分辨率(一个像素对应的物理长度)由采用的数据采集系统决定，即每个像素表示的实际空间大小随采用光学成像系统的不同而变化。
在采集到的数字图像中，麻点、划痕等各类缺陷可以完整成像，并达到人工目视容易判别的程度。
②设置第一图像的像素邻域窗口，并将像素邻域窗口作为遍历窗口对第一图像进行遍历操作。
具体地，设置第一图像的像素邻域窗口，包括：
像素邻域窗口的长和宽均以像素为单位，且长和宽相同；
其中，像素邻域窗口的长度L＝2n+1，n为正整数。
③计算遍历窗口中的像素均值，根据遍历窗口中心点像素值与像素均值之间的关系，对遍历窗口中心点像素值进行更新，具体包括：
若遍历窗口中心点像素值小于遍历窗口中的像素均值与预设浮动阈值之和，则将遍历窗口中心点像素值更新为第一预设像素值；
若遍历窗口中心点像素值不小于遍历窗口中的像素均值与预设浮动阈值之和，则将遍历窗口中心点像素值更新为第二预设像素值；
其中，第一预设像素值小于第二预设像素值。
具体地，采用下式对遍历窗口中心点像素值进行更新：
其中，dst(i,j)为第一图像中第i行、第j列的遍历窗口中心点对应的更新像素值，src(i,j)为第一图像中第i行、第j列的遍历窗口中心点对应的当前像素值，min为第一预设像素值，max为第二预设像素值，min<max，M为遍历窗口中的像素均值，T为预设浮动阈值。
④计算遍历窗口中心点至遍历窗口中各像素点方向的梯度，并对遍历窗口中心点像素值进行调整，得到第二图像，具体包括：
计算遍历窗口中各像素点与遍历窗口中心点之间的像素差，并用像素差近似代替遍历窗口中心点至遍历窗口中各像素点方向的梯度；
若存在至少一个像素差不小于预设门限值，则将遍历窗口中心点像素值置为第一预设像素值，否则维持遍历窗口中心点像素值不变。
具体地，以3*3遍历窗口为例，采用下式判定遍历窗口中各像素点与遍历窗口中心点之间的像素差和预设门限值的关系：
sgn(scr(i-1,j-1)-scr(i,j)≥t)
sgn(scr(i-1,j)-scr(i,j)≥t)
sgn(scr(i-1,j+1)-scr(i,j)≥t)
sgn(scr(i,j-1)-scr(i,j)≥t)
sgn(scr(i,j+1)-scr(i,j)≥t)
sgn(scr(i+1,j-1)-scr(i,j)≥t)
sgn(scr(i+1,j)-scr(i,j)≥t)
sgn(scr(i+1,j+1)-scr(i,j)≥t)
其中，sgn(·)为符号函数，当·为真时，sgn(·)＝1，否则sgn(·)＝0src(i,j)为第一图像中第i行、第j列的遍历窗口中心点对应的当前像素值；
若存在至少一个符号函数的函数值为1，则将遍历窗口中心点像素值置为第一预设像素值，否则维持遍历窗口中心点像素值不变。
本申请技术方案中，计算遍历窗口中的像素均值以及计算遍历窗口中各像素点与遍历窗口中心点之间的像素差时，在遍历窗口中，超出第一图像的部分用0值填充处理。
⑤对第二图像进行匹配滤波操作，得到第三图像，具体包括：
逐个用噪声模型(如图2至图8所示的噪声模型，所有噪声模型中的“max”指的是第二预设像素值max，“*”和剩余空格均指的是第一预设像素值min)对第二图像进行匹配滤波操作，滤除第二图像中所有符合噪声模型特征的区域，并用第一预设像素值替换相应位置，得到第三图像。
⑥对第三图像进行形态学处理，得到第四图像，具体包括：
采用膨胀操作、腐蚀操作、开操作、闭操作中的一种形态学处理方法对第三图像进行图像处理，得到第四图像。
⑦根据第四图像中的像素值分布情况确定目标信号及目标信号信息，具体包括：
将第四图像中第二预设像素值覆盖的区域标记为目标信号，并进行位置定位、尺寸定位，获取目标信号信息。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于梯度分布特性的微弱目标信号提取方法，其特征在于：包括以下步骤：
S1、获取待测元件表面的数字图像，作为第一图像；
S2、设置第一图像的像素邻域窗口，并将像素邻域窗口作为遍历窗口对第一图像进行遍历操作；
S3、计算遍历窗口中的像素均值，根据遍历窗口中心点像素值与像素均值之间的关系，对遍历窗口中心点像素值进行更新；
S4、计算遍历窗口中心点至遍历窗口中各像素点方向的梯度，并对遍历窗口中心点像素值进行调整，得到第二图像；
S5、对第二图像进行匹配滤波操作，得到第三图像；
S6、对第三图像进行形态学处理，得到第四图像；
S7、根据第四图像中的像素值分布情况确定目标信号及目标信号信息。
2.根据权利要求1所述的基于梯度分布特性的微弱目标信号提取方法，其特征在于：S2中设置第一图像的像素邻域窗口，包括：
像素邻域窗口的长和宽均以像素为单位，且长和宽相同；
其中，像素邻域窗口的长度L＝2n+1，n为正整数。
3.根据权利要求2所述的基于梯度分布特性的微弱目标信号提取方法，其特征在于：S3中计算遍历窗口中的像素均值，根据遍历窗口中心点像素值与像素均值之间的关系，对遍历窗口中心点像素值进行更新，包括：
若遍历窗口中心点像素值小于遍历窗口中的像素均值与预设浮动阈值之和，则将遍历窗口中心点像素值更新为第一预设像素值；
若遍历窗口中心点像素值不小于遍历窗口中的像素均值与预设浮动阈值之和，则将遍历窗口中心点像素值更新为第二预设像素值；
其中，第一预设像素值小于第二预设像素值。
4.根据权利要求3所述的基于梯度分布特性的微弱目标信号提取方法，其特征在于：S3中计算遍历窗口中的像素均值，根据遍历窗口中心点像素值与像素均值之间的关系，对遍历窗口中心点像素值进行更新，包括：
采用下式对遍历窗口中心点像素值进行更新：
其中，dst(i,j)为第一图像中第i行、第j列的遍历窗口中心点对应的更新像素值，src(i,j)为第一图像中第i行、第j列的遍历窗口中心点对应的当前像素值，min为第一预设像素值，max为第二预设像素值，min<max，M为遍历窗口中的像素均值，T为预设浮动阈值。
5.根据权利要求4所述的基于梯度分布特性的微弱目标信号提取方法，其特征在于：S4中计算遍历窗口中心点至遍历窗口中各像素点方向的梯度，并对遍历窗口中心点像素值进行调整，得到第二图像，包括：
计算遍历窗口中各像素点与遍历窗口中心点之间的像素差，并用像素差近似代替遍历窗口中心点至遍历窗口中各像素点方向的梯度；
若存在至少一个像素差不小于预设门限值，则将遍历窗口中心点像素值置为第一预设像素值，否则维持遍历窗口中心点像素值不变。
6.根据权利要求5所述的基于梯度分布特性的微弱目标信号提取方法，其特征在于：S4中计算遍历窗口中心点至遍历窗口中各像素点方向的梯度，并对遍历窗口中心点像素值进行调整，得到第二图像，包括：
以3*3遍历窗口为例，采用下式判定遍历窗口中各像素点与遍历窗口中心点之间的像素差和预设门限值的关系：
sgn(scr(i-1,j-1)-scr(i,j)≥t)
sgn(scr(i-1,j)-scr(i,j)≥t)
sgn(scr(i-1,j+1)-scr(i,j)≥t)
sgn(scr(i,j-1)-scr(i,j)≥t)
sgn(scr(i,j+1)-scr(i,j)≥t)
sgn(scr(i+1,j-1)-scr(i,j)≥t)
sgn(scr(i+1,j)-scr(i,j)≥t)
sgn(scr(i+1,j+1)-scr(i,j)≥t)
其中，sgn(·)为符号函数，当·为真时，sgn(·)＝1，否则sgn(·)＝0src(i,j)为第一图像中第i行、第j列的遍历窗口中心点对应的当前像素值；
若存在至少一个符号函数的函数值为1，则将遍历窗口中心点像素值置为第一预设像素值，否则维持遍历窗口中心点像素值不变。
7.根据权利要求4或6所述的基于梯度分布特性的微弱目标信号提取方法，其特征在于：在所述遍历窗口中，超出第一图像的部分用0值填充处理。
8.根据权利要求6所述的基于梯度分布特性的微弱目标信号提取方法，其特征在于：S5中对第二图像进行匹配滤波操作，得到第三图像，包括：
逐个用噪声模型对第二图像进行匹配滤波操作，滤除第二图像中所有符合噪声模型特征的区域，并用第一预设像素值替换相应位置，得到第三图像。
9.根据权利要求8所述的基于梯度分布特性的微弱目标信号提取方法，其特征在于：S6中对第三图像进行形态学处理，得到第四图像，包括：
采用膨胀操作、腐蚀操作、开操作、闭操作中的一种形态学处理方法对第三图像进行图像处理，得到第四图像。
10.根据权利要求9所述的基于梯度分布特性的微弱目标信号提取方法，其特征在于：S7中根据第四图像中的像素值分布情况确定目标信号及目标信号信息，包括：
将第四图像中第二预设像素值覆盖的区域标记为目标信号，并进行位置定位、尺寸定位，获取目标信号信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310992777.XA CN116958120A (zh) | 2023-08-08 | 2023-08-08 | 一种基于梯度分布特性的微弱目标信号提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310992777.XA CN116958120A (zh) | 2023-08-08 | 2023-08-08 | 一种基于梯度分布特性的微弱目标信号提取方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116958120A true CN116958120A (zh) | 2023-10-27 |
Family
ID=88444479
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310992777.XA Pending CN116958120A (zh) | 2023-08-08 | 2023-08-08 | 一种基于梯度分布特性的微弱目标信号提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116958120A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118014882A (zh) * | 2024-04-08 | 2024-05-10 | 汉中精测电器有限责任公司 | 一种基于图像处理的扭矩传感器的钻孔定位方法 |
-
2023
- 2023-08-08 CN CN202310992777.XA patent/CN116958120A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118014882A (zh) * | 2024-04-08 | 2024-05-10 | 汉中精测电器有限责任公司 | 一种基于图像处理的扭矩传感器的钻孔定位方法 |
| CN118014882B (zh) * | 2024-04-08 | 2024-06-04 | 汉中精测电器有限责任公司 | 一种基于图像处理的扭矩传感器的钻孔定位方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105976330B (zh) | 一种嵌入式雾天实时视频稳像方法 | |
| CN112036254B (zh) | 基于视频图像的运动车辆前景检测方法 | |
| CN106023134B (zh) | 一种钢材晶粒的自动晶界提取方法 | |
| CN109993797B (zh) | 门窗位置检测方法及装置 | |
| CN105139391B (zh) | 一种雾霾天气交通图像边缘检测方法 | |
| CN111080582A (zh) | 工件内外表面缺陷检测方法 | |
| CN109559324A (zh) | 一种线阵图像中的目标轮廓检测方法 | |
| CN115100206B (zh) | 用于具有周期图案纺织物的印花缺陷识别方法 | |
| CN116993731B (zh) | 基于图像的盾构机刀头缺陷检测方法 | |
| CN109214380A (zh) | 车牌倾斜校正方法 | |
| CN111539980B (zh) | 一种基于可见光的多目标追踪方法 | |
| CN116958120A (zh) | 一种基于梯度分布特性的微弱目标信号提取方法 | |
| CN109359604B (zh) | 面向巡检机器人的阴影干扰下仪表识别方法 | |
| CN107341793A (zh) | 一种靶面图像处理方法及装置 | |
| CN110807763A (zh) | 一种陶瓦表面鼓包检测方法及系统 | |
| CN113780110A (zh) | 一种图像序列中弱小目标实时检测方法及设备 | |
| CN110687122A (zh) | 一种陶瓦表面裂纹检测方法及系统 | |
| CN111563896A (zh) | 一种用于接触网异常检测的图像处理方法 | |
| CN110728668A (zh) | 一种小目标形态保持的空域高通滤波器 | |
| Zhang et al. | Research on the size of mechanical parts based on image recognition | |
| CN116563298B (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
| Tung-Ching | Segmentation of crack and open joint in sewer pipelines based on CCTV inspection images | |
| CN113223074A (zh) | 一种水下激光条纹中心提取方法 | |
| CN112613456A (zh) | 一种基于多帧差分图像累积的小目标检测方法 | |
| CN117011291A (zh) | 一种手表外壳质量视觉检测方法 |
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 |