CN117094913B - 一种非均匀光照下沥青路面检测图像质量提升方法 - Google Patents
一种非均匀光照下沥青路面检测图像质量提升方法 Download PDFInfo
- Publication number
- CN117094913B CN117094913B CN202311336728.7A CN202311336728A CN117094913B CN 117094913 B CN117094913 B CN 117094913B CN 202311336728 A CN202311336728 A CN 202311336728A CN 117094913 B CN117094913 B CN 117094913B
- Authority
- CN
- China
- Prior art keywords
- image
- matrix
- illumination
- frequency domain
- frequency
- 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
- 238000005286 illumination Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000010426 asphalt Substances 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 230000006872 improvement Effects 0.000 title abstract description 6
- 239000011159 matrix material Substances 0.000 claims abstract description 117
- 201000010099 disease Diseases 0.000 claims abstract description 36
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000004590 computer program Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 230000007547 defect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 3
- 206010039203 Road traffic accident Diseases 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 9
- 238000012423 maintenance Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration by non-spatial domain filtering
-
- 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
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- 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
- G06T2207/30132—Masonry; Concrete
Abstract
本发明提出一种非均匀光照下沥青路面检测图像质量提升方法,属于图像提升技术领域。包括S1.将路面病害图像进行处理,得到地面区域图像矩阵和光照区域图像矩阵;S2.通过二维离散傅里叶变换,将图像矩阵由时域转变为频域,确定频率阈值,将频域与频率阈值进行比较,生成新的频域,将频域转变为时域;S3.提取图像高频分量,通过图像像素灰度信息,去除光照区域,基于图像灰度信息,消除光照不均匀对图像的干扰。解决由不均匀光照引起的图像质量差、病害识别准确率低问题;实现路面检测图像质量提升,为后续数据分析提供精准数据,提高管理人员的决策准确性和效率;及时发现并修复路面病害,避免交通事故的发生,保障道路通行能力和安全。
Description
技术领域
本申请涉及图像质量提升方法,尤其涉及一种非均匀光照下沥青路面检测图像质量提升方法,属于图像提升技术领域。
背景技术
沥青道路路面病害检测过程中,受到环境、相机采集频率、行车速度等因素的影响,采集图像中会出现不均匀光照的情况;同时,采用CCD传感器对路面进行图像采集过程,由于传感器位于车辆底部,在图像采集过程中需要进行光照补偿,光照补偿的效果往往是局部的、不均匀的,影响病害识别准确率。因此,解决由不均匀光照引起的图像质量差、病害识别准确率低的问题,对于道路养护维修工作具有重要指导意义。同时,路面检测图像作为数据集的重要构成部分,高质量数据集可有效提升数据集的有效性,可用于推进路面病害智能识别。
有研究人员提出一种基于虚拟多曝光融合的不均匀光照图像增强方法201910970860.0中,采用图像色彩空间由RGB转变至HSV的方式,先后通过增强曝光图像和减弱曝光图像的方式,融合两种方式得到的图像,实现不均匀光照图像的改善。然而,色彩空间变换得到的HSV空间中,较难精准还原无均匀光照的图像信息,导致不均匀光照的去除效果不佳。
发明内容
在下文中给出了关于本发明的简要概述,以便提供关于本发明的某些方面的基本理解。应当理解,这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分,也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念,以此作为稍后论述的更详细描述的前序。
鉴于此,为解决现有技术中存在由不均匀光照引起的图像质量差、病害识别准确率低的技术问题,本发明提供一种非均匀光照下沥青路面检测图像质量提升方法。
方案一、一种非均匀光照下沥青路面检测图像质量提升方法,包括以下步骤:
S1.将路面病害图像进行处理,得到地面区域图像矩阵和光照区域图像矩阵;
S2.通过二维离散傅里叶变换,将图像矩阵由时域矩阵转变为频域矩阵,确定频率阈值,将频域矩阵与频率阈值进行比较,生成新的频域矩阵,将频域矩阵转变为时域矩阵;
S3.提取图像高频分量,通过图像像素灰度信息,去除光照区域,基于图像灰度信息,消除光照不均匀对图像的干扰。
优选的,将路面病害图像进行处理,得到地面区域图像矩阵和光照区域图像矩阵的方法是:
S11.将路面病害图像的长度记为a,宽度记为b;
S12.将路面病害图像等分为个小图像区域,沿长度方向每段长度为/>,沿宽度方向每段长度为/>;
S13.将路面病害图像由左到右、由上到下依次编号为A1,A2,A3,…,Ai,…,;
S14.对任意一张路面病害图像Ai,以路面病害图像左上角点位坐标原点,向右记为x轴正方向,向下记为y轴正方向;采集路面病害图像的图像矩阵由地面区域和光照区域组成,将路面病害图像的图像矩阵记为,地面区域图像矩阵记为/>,将光照区域图像矩阵记为/>,路面病害图像的图像矩阵、地面区域图像矩阵和光照区域图像矩阵的关系为:/>。
优选的,通过二维离散傅里叶变换,将图像矩阵由时域矩阵转变为频域矩阵,确定频率阈值,将频域矩阵与频率阈值进行比较,生成新的频域矩阵,将频域矩阵转变为时域矩阵的方法是:
S21.采用二维离散傅里叶变换,将图像矩阵由时域矩阵转变为频域矩阵,具体如下:
;
式中,j为虚数单位,e=0,1,2,…,L-1;f=0,1,2,…,M-1;其中,L为图像矩阵沿x轴方向的像素数量,M为图像矩阵/>沿y轴方向的像素数量;u为x方向的角频率,v为y方向的角频率;
S22.确定频率阈值,将频域矩阵/>与频率阈值/>进行比较,生成新的频域矩阵/>:
当时,保留对应图像信息,生成新的频域矩阵/>;
当时,删除对应图像信息,生成新的频域矩阵/>;
S23.采用傅里叶逆变换,将频域矩阵转变为时域矩阵/>:
;
式中,x=0,1,2,…,L-1;y=0,1,2,…,M-1。
优选的,提取图像高频分量,通过图像像素灰度信息,去除光照区域,基于图像灰度信息,消除光照不均匀对图像的干扰的方法是:
S31.统计时域矩阵中灰度级数量k,将灰度级按照从小大的顺序排列;
S32.将灰度级进行编码,将首个灰度级编码为0,全部灰度级依次编码为0,1,2…,k-1;
S33.记录路面病害图像Ai中每种灰度级j对应像素的数量;
S34.计算各像素值出现的概率:
;
S35.计算图像Ai灰度的累积分布概率:
;
式中,N为灰度级排序值,n依次取值为1,2,3…,k;
S36.将累积分布频率乘以(k-1),将计算结果记为/>,即:采集图像的图像矩阵与地面区域图像矩阵间的转变矩阵:
;
S37.建立采集图像的图像矩阵与地面区域图像矩阵/>的关系:
;
S38.将地面区域图像矩阵,转变为图像,依次完成/>个小图像区域中不均匀光照的去除。
方案二、一种电子设备,包括存储器和处理器,存储器存储有计算机程序,所述的处理器执行所述计算机程序时实现方案一所述的一种非均匀光照下沥青路面检测图像质量提升方法的步骤。
方案三、一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现方案一所述的一种非均匀光照下沥青路面检测图像质量提升方法。
本发明的有益效果如下:本发明将图像矩阵由时域转变为频域空间,消除光照区域的影响,对图像中灰度信息进行灰度累计分布概率分布特征的分析,计算采集图像的图像矩阵与地面区域图像矩阵间的转变矩阵,得到地面区域图像矩阵。本发明先后通过二维离散傅里叶变换和灰度值变换的方式,实现了两级方式去除不均匀光照的影响;同时,将图像划分为若干子图的方式,可有效避免图像局部灰度变换效果差的问题,可获得更佳的去除效果。本发明实现了不均匀光照条件下,路面检测图像质量的提升,增强了图像中目标病害特征,提高图像可视化效果,为后续数据分析提供更精准的数据分析结果,提高养护和管理人员的决策准确性和效率,提高养护业务的质量。通过及时发现并修复路面病害,可避免交通事故的发生,保障道路通行能力和通行安全。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为一种识别不均匀光照下沥青路面图像病害的方法流程示意图;
图2为非均匀光照下的沥青路面提升效果对比示意图,其中a为提升前非均匀光照下的沥青路面图,b为提升后的沥青路面图。
具体实施方式
为了使本申请实施例中的技术方案及优点更加清楚明白,以下结合附图对本申请的示例性实施例进行进一步详细的说明,显然,所描述的实施例仅是本申请的一部分实施例,而不是所有实施例的穷举。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
实施例1、参照图1-图2说明本实施方式,沥青道路采集图像质量对于路面病害的识别具有较大影响,沥青路面检测图像中,受到环境光照、阴影、相机光照补偿等因素的影响,道路路面图像中容易出现不均匀光照的情况,导致图像明暗分布不均,对病害识别产生干扰,较难做出准确研判,导致沥青路面养护维修决策不合理,为此本实施例提出一种非均匀光照下沥青路面检测图像质量提升方法,包括以下步骤:
S1. 将路面病害图像进行处理,得到地面区域图像矩阵和光照区域图像矩阵;
S11.将路面病害图像的长度记为a,宽度记为b;
具体的,通过工业相机采集路面病害图像;
S12.将路面病害图像等分为个小图像区域,沿长度方向每段长度为/>,沿宽度方向每段长度为/>;
S13.将路面病害图像由左到右、由上到下依次编号为A1,A2,A3,…,Ai,…,;
S14.对任意一张路面病害图像Ai,以路面病害图像左上角点位坐标原点,向右记为x轴正方向,向下记为y轴正方向;采集路面病害图像的图像矩阵由地面区域和光照区域组成,将路面病害图像的图像矩阵记为,地面区域图像矩阵记为/>,将光照区域图像矩阵记为/>,路面病害图像的图像矩阵、地面区域图像矩阵和光照区域图像矩阵的关系为:/>。
S2.路面采集图像中,地面区域分布在高频分量附近;而光照区域大多分布在低频分量附近,但部分光照会分布于高频分量附近;首先,采用傅里叶变换的方式,通过滤波的方式,提取图像高频分量;然后,在图像高频分量中,通过对图像像素灰度信息的统计规律分析,实现光照区域的去除,提取得到与实际地面信息吻合度较高的地面区域,进而提高路面病害识别准确率;具体的,通过二维离散傅里叶变换,将图像矩阵由时域矩阵转变为频域矩阵/>,确定频率阈值/>,将频域矩阵/>与频率阈值/>进行比较,生成新的频域矩阵/>,将频域矩阵/>转变为时域矩阵/>;
S21.采用二维离散傅里叶变换,将图像矩阵由时域矩阵转变为频域矩阵/>,具体如下:
;
式中,j为虚数单位,e=0,1,2,…,L-1; f=0,1,2,…,M-1; 其中,L为图像矩阵沿x轴方向的像素数量,M为图像矩阵/>沿y轴方向的像素数量;u为x方向的角频率,v为y方向的角频率;
S22.确定频率阈值,将频域矩阵/>与频率阈值/>进行比较,生成新的频域矩阵/>:
当时,保留对应图像信息,生成新的频域矩阵/>;
当时,删除对应图像信息,生成新的频域矩阵/>;
频率阈值确定方法为:
1.在无光照环境下,采用工业相机采集路面病害图像,图像数量为NUM,采用二维离散傅里叶变换将图像矩阵由时域信息转变为频域信息,并建立频域矩阵PW;
2.在有光照环境下,采用工业相机采集路面病害图像,图像数量也为NUM,采用二维离散傅里叶变换将图像矩阵由时域信息转变为频域信息,并建立频域矩阵PY;
3.计算PW与PY矩阵的差集矩阵PC,
;
PC为光照分布对应的频率矩阵;
4.计算矩阵PC中元素的最大值,该值为频率阈值。
S23.采用傅里叶逆变换,将频域矩阵转变为时域矩阵/>:
;
式中,x=0,1,2,…,L-1;y=0,1,2,…,M-1。
S3.基于图像灰度信息计算分析,进一步消除光照不均匀对图像的干扰,提取图像高频分量,通过图像像素灰度信息,去除光照区域,基于图像灰度信息,消除光照不均匀对图像的干扰。
S31.统计时域矩阵中灰度级数量k,将灰度级按照从小大的顺序排列;
S32.将灰度级进行编码,将首个灰度级编码为0,全部灰度级依次编码为0,1,2…,k-1;
S33.记录路面病害图像Ai中每种灰度级j对应像素的数量;
S34.计算各像素值出现的概率:
;
S35.计算图像Ai灰度的累积分布概率:
;
式中,N为灰度级排序值,n依次取值为1,2,3…,k;
S36.将累积分布频率乘以(k-1),将计算结果记为/>,即:采集图像的图像矩阵与地面区域图像矩阵间的转变矩阵:
;
S37.建立采集图像的图像矩阵与地面区域图像矩阵/>的关系:
;
S38.将地面区域图像矩阵转变为图像,依次完成/>个小图像区域中不均匀光照的去除。
地面区域图像矩阵转变为图像,图像为去除不均匀光照后的图像,即实现了图像质量提升。
与整张图像相比,先将图像划分,再进行不均匀光照去除的方法,可避免在考虑图像整体信息过程中,降低图像局部的灰度效果,造成图像不均匀光照区域去除效果差。本发明中,可灵活地将整张图像划分若干子图,针对每个子图进行光照处理,可全面提高图像光照去除效果。
实施例2、本发明的计算机装置可以是包括有处理器以及存储器等装置,例如包含中央处理器的单片机等。并且,处理器用于执行存储器中存储的计算机程序时实现上述的一种非均匀光照下沥青路面检测图像质量提升方法的步骤。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
实施例3、计算机可读存储介质实施例
本发明的计算机可读存储介质可以是被计算机装置的处理器所读取的任何形式的存储介质,包括但不限于非易失性存储器、易失性存储器、铁电存储器等,计算机可读存储介质上存储有计算机程序,当计算机装置的处理器读取并执行存储器中所存储的计算机程序时,可以实现上述的一种非均匀光照下沥青路面检测图像质量提升方法的步骤。
所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的,本发明的范围由所附权利要求书限定。
Claims (3)
1.一种非均匀光照下沥青路面检测图像质量提升方法,其特征在于,包括以下步骤:
S1.将路面病害图像进行处理,得到地面区域图像矩阵和光照区域图像矩阵,方法是:
S11.将路面病害图像的长度记为a,宽度记为b;
S12.将路面病害图像等分为个小图像区域,沿长度方向每段长度为/>,沿宽度方向每段长度为/>;
S13.将路面病害图像由左到右、由上到下依次编号为A1,A2,A3,…,Ai,…,Ac2;
S14.对任意一张路面病害图像Ai,以路面病害图像左上角点为坐标原点,向右记为x轴正方向,向下记为y轴正方向;采集路面病害图像的图像矩阵由地面区域和光照区域组成,将路面病害图像的图像矩阵记为,地面区域图像矩阵记为/>,将光照区域图像矩阵记为/>,路面病害图像的图像矩阵、地面区域图像矩阵和光照区域图像矩阵的关系为:/>;
S2.通过二维离散傅里叶变换,将图像矩阵由时域矩阵转变为频域矩阵,确定频率阈值,将频域矩阵与频率阈值进行比较,生成新的频域矩阵,将新的频域矩阵转变为时域矩阵,方法是:
S21.采用二维离散傅里叶变换,将图像矩阵由时域矩阵转变为频域矩阵,具体如下:
;
式中,j为虚数单位,e=0,1,2,…,L-1;f=0,1,2,…,M-1;其中,L为图像矩阵沿x轴方向的像素数量,M为图像矩阵/>沿y轴方向的像素数量;u为x方向的角频率,v为y方向的角频率;
S22.确定频率阈值,将频域矩阵/>与频率阈值/>进行比较,生成新的频域矩阵/>:
当时,保留对应图像信息,生成新的频域矩阵/>;
当时,删除对应图像信息,生成新的频域矩阵/>;
S23.采用傅里叶逆变换,将频域矩阵转变为时域矩阵/>:
;
式中,x=0,1,2,…,L-1;y=0,1,2,…,M-1;
S3.提取图像高频分量,通过图像像素灰度信息,去除光照区域,基于图像灰度信息,消除光照不均匀对图像的干扰,方法是:
S31.统计时域矩阵中灰度级数量k,将灰度级按照从小大的顺序排列;
S32.将灰度级进行编码,将首个灰度级编码为0,全部灰度级依次编码为0,1,2…,k-1;
S33.记录路面病害图像Ai中每种灰度级j对应像素的数量;
S34.计算各像素值出现的概率:
;
S35.计算图像Ai灰度的累积分布概率:
;
式中,N为灰度级排序值,n依次取值为1,2,3…,k;
S36.将累积分布频率乘以(k-1),将计算结果记为/>,即:采集图像的图像矩阵与地面区域图像矩阵间的转变矩阵:
;
S37.建立采集图像的图像矩阵与地面区域图像矩阵/>的关系:
;
S38.将地面区域图像矩阵,转变为图像,依次完成/>个小图像区域中不均匀光照的去除。
2.一种电子设备,其特征在于,包括存储器和处理器,存储器存储有计算机程序,所述的处理器执行所述计算机程序时实现权利要求1所述的一种非均匀光照下沥青路面检测图像质量提升方法的步骤。
3.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1所述的一种非均匀光照下沥青路面检测图像质量提升方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311336728.7A CN117094913B (zh) | 2023-10-17 | 2023-10-17 | 一种非均匀光照下沥青路面检测图像质量提升方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311336728.7A CN117094913B (zh) | 2023-10-17 | 2023-10-17 | 一种非均匀光照下沥青路面检测图像质量提升方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117094913A CN117094913A (zh) | 2023-11-21 |
CN117094913B true CN117094913B (zh) | 2024-03-01 |
Family
ID=88772003
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311336728.7A Active CN117094913B (zh) | 2023-10-17 | 2023-10-17 | 一种非均匀光照下沥青路面检测图像质量提升方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117094913B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015103953A1 (zh) * | 2014-01-09 | 2015-07-16 | 上海帝仪科技有限公司 | 不均匀光照条件下的虹膜提取方法及设备 |
CN108648152A (zh) * | 2018-04-11 | 2018-10-12 | 南京理工大学 | 基于亮度均衡的光照不均匀钢板表面缺陷图像校正方法 |
CN110298802A (zh) * | 2019-06-28 | 2019-10-01 | 广东诚泰交通科技发展有限公司 | 路面裂缝检测方法及装置 |
CN110956183A (zh) * | 2019-11-04 | 2020-04-03 | 东南大学 | 一种沥青路面裂缝形态提取方法 |
CN111242876A (zh) * | 2020-01-17 | 2020-06-05 | 北京联合大学 | 低对比度图像增强方法、装置及计算机可读存储介质 |
CN116664452A (zh) * | 2023-07-28 | 2023-08-29 | 吉林省星博医疗器械有限公司 | 一种多通道荧光图像多尺度增强方法和系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7570824B2 (en) * | 2003-07-11 | 2009-08-04 | Sharp Kabushiki Kaisha | Image processing method, image processor, image forming apparatus and memory product |
US10489903B2 (en) * | 2015-04-27 | 2019-11-26 | Wuhan Wuda Zoyon Science And Technology Co., Ltd. | Stepwise refinement detection method for pavement cracks |
-
2023
- 2023-10-17 CN CN202311336728.7A patent/CN117094913B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015103953A1 (zh) * | 2014-01-09 | 2015-07-16 | 上海帝仪科技有限公司 | 不均匀光照条件下的虹膜提取方法及设备 |
CN108648152A (zh) * | 2018-04-11 | 2018-10-12 | 南京理工大学 | 基于亮度均衡的光照不均匀钢板表面缺陷图像校正方法 |
CN110298802A (zh) * | 2019-06-28 | 2019-10-01 | 广东诚泰交通科技发展有限公司 | 路面裂缝检测方法及装置 |
CN110956183A (zh) * | 2019-11-04 | 2020-04-03 | 东南大学 | 一种沥青路面裂缝形态提取方法 |
CN111242876A (zh) * | 2020-01-17 | 2020-06-05 | 北京联合大学 | 低对比度图像增强方法、装置及计算机可读存储介质 |
CN116664452A (zh) * | 2023-07-28 | 2023-08-29 | 吉林省星博医疗器械有限公司 | 一种多通道荧光图像多尺度增强方法和系统 |
Non-Patent Citations (1)
Title |
---|
基于时频域混合分析的太阳能硅片缺陷检测方法;段春梅 等;《机床与液压》;第48卷(第8期);第187-192页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117094913A (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020224458A1 (zh) | 一种基于图像处理的电晕检测方法 | |
CN108986119B (zh) | 图像分割方法及装置、计算机设备及可读存储介质 | |
CN107507173B (zh) | 一种全切片图像的无参考清晰度评估方法及系统 | |
CN107609555B (zh) | 车牌检测方法、应用其的车型识别方法及相关装置 | |
CA2650180C (en) | Image binarization using dynamic sub-image division | |
CN109410205B (zh) | 一种复杂路面背景下的裂缝提取方法 | |
CN115393727B (zh) | 一种路面线性裂缝识别方法、电子设备及存储介质 | |
CN112614062B (zh) | 菌落计数方法、装置及计算机存储介质 | |
CN108416351B (zh) | 路面病害区域的确定方法、装置和计算机设备 | |
CN110956183A (zh) | 一种沥青路面裂缝形态提取方法 | |
CN105701491A (zh) | 固定格式文档图像模版的制作方法及其应用 | |
CN111738208A (zh) | 关于气象自记纸中轨迹提取的方法 | |
US9332154B2 (en) | Image binarization using dynamic sub-image division | |
CN117094913B (zh) | 一种非均匀光照下沥青路面检测图像质量提升方法 | |
CN116128849A (zh) | 一种混凝土坝水下裂缝检测方法、装置、设备及存储介质 | |
CN114549603A (zh) | 细胞病理图像的标注坐标转换方法、系统、设备及介质 | |
CN109815961A (zh) | 一种基于局部纹理二值模式的路面修补类病害检测方法 | |
CN117079144B (zh) | 一种非均匀光照下沥青路面检测图像线性裂缝提取方法 | |
CN114627463B (zh) | 一种基于机器识别的非接触式配电数据识别方法 | |
CN114862889A (zh) | 基于遥感图像的道路边缘提取方法和装置 | |
CN112598638B (zh) | 一种基于激光点云数据的路面裂缝检测方法 | |
CN112052859B (zh) | 一种自由场景下的车牌精准定位方法及装置 | |
CN116188560A (zh) | 一种基于金相图片的晶粒自动识别及精确量化表征方法 | |
CN117078737B (zh) | 一种线性裂缝长度计算方法 | |
CN114972209A (zh) | 宫颈病理图像处理方法和装置 |
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 |