CN117152458B - 一种基于行程编码的连通域快速提取方法及系统 - Google Patents
一种基于行程编码的连通域快速提取方法及系统 Download PDFInfo
- Publication number
- CN117152458B CN117152458B CN202311436190.7A CN202311436190A CN117152458B CN 117152458 B CN117152458 B CN 117152458B CN 202311436190 A CN202311436190 A CN 202311436190A CN 117152458 B CN117152458 B CN 117152458B
- Authority
- CN
- China
- Prior art keywords
- travel
- stroke
- adjacent
- row
- current
- 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 22
- 238000000605 extraction Methods 0.000 claims abstract description 21
- 230000011218 segmentation Effects 0.000 claims abstract description 8
- 238000004891 communication Methods 0.000 claims description 11
- 230000009191 jumping Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 7
- 230000000007 visual effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于行程编码的连通域快速提取方法及系统，属于图像处理的技术领域，该方法包括：对输入图像进行分割，获取感兴趣的以行程编码表示的区域；按顺序遍历获取到的以行程编码表示的感兴趣区域的各个行程，并将相邻行程的邻接关系记录在查找表中；根据查找表中各个行程的邻接关系，遍历感兴趣区域的各个行程并确定各个行程所属的连通域，最终提取出感兴趣区域的多个连通域。该系统包括分割编码模块、邻接行程查找表模块和连通域提取模块。本发明实现以行程编码表示的连通域的快速提取，加快了提取连通区域的处理速度，减少了对CPU计算资源的占用量，在对检测速度有较高要求的工业视觉检测场景下具有实际应用价值。
Description
技术领域
本发明涉及一种基于行程编码的连通域快速提取方法及系统，属于图像处理的技术领域。
背景技术
在图像处理领域中，连通域的提取是很重要的一步。例如在某些工业产品的检测中，需先用合适的阈值范围筛选出待检测区域，再提取出待检区域的连通域，计算各个连通区域的特征值进而筛选出目标检测区域，其中连通域的提取是后续区域特征值计算的基础。连通域的提取广泛应用于字符分割提取、医学图像处理、基于视觉的动态目标检测等领域。
现有的连通域提取算法主要是基于二值图像进行的，采用二值图像存储连通域所占用的空间通常情况下会比较大，且提取效率通常会比较低，例如在一幅较大尺寸的二值图中，当只有在左上角和右下角处分别存在一个较小的区域时，存储的二值图像需要存储很多区域外的点，占用空间较大，提取连通域时需遍历所有像素点才能确定哪些点在区域范围内；且二值图像不容易保存扩展到负数坐标的区域，当有多个区域时也无法描述重叠的区域，这会影响后续的形态学处理。
发明内容
为了解决上述存在的问题，本发明公开了一种基于行程编码的连通域快速提取方法及系统，其具体技术方案如下：
一种基于行程编码的连通域快速提取方法，包括以下步骤：
步骤1：对输入图像进行分割，获取感兴趣的以行程编码表示的区域；
步骤2：若输入连通区域有处于不同行的行程，创建一个相邻行程邻接关系的查找表，表中对每个行程都会记录4个值，表示与该行程邻接的上一行和下一行的第一个和最后一个行程标号，按顺序遍历获取到的以行程编码表示的感兴趣区域的各个行程，并将相邻行程的邻接关系记录在查找表中；
步骤3：根据查找表中各个行程的邻接关系，采用深度优先搜索遍历感兴趣区域的各个行程并确定各个行程所属的连通域，最终提取出感兴趣区域的多个连通域。
进一步的，所述步骤1具体包括：选取合适的阈值范围，按行遍历输入图像的所有像素点，将所有在阈值范围内的像素点加入行程编码中保存，每行中一段连续的处于阈值内的像素点都构成一个行程。
进一步的，将所有在阈值范围内的像素点加入行程编码中保存，具体包括：
步骤1.1：从第一行开始按行遍历图像，找到第一个属于区域内的像素点，并将其加入行程；
步骤1.2：继续遍历此行，若当前像素点与前一像素点都是区域内的点，则将当前行程的列终止坐标加1；若当前像素点不在区域内，则继续遍历该行；若当前像素点在区域内且前一像素点不在区域内，将当前像素点加入一个新行程；
步骤1.3：重复步骤1.2直至此行结束；
步骤1.4：依次遍历剩余行图像，并进行步骤1.3处理，直至遍历结束。
进一步的，所述步骤2中查找表的生成是通过逐行比较当前行和下一行的行程实现的，查找表的生成具体包括五种情况：当前行的某个行程与下一行的某个行程不邻接，且当前行行程的列起始坐标小于下一行行程的列起始坐标时，当前行处理的行程移至下一个；
当前行的某个行程与下一行的某个行程不邻接，且当前行行程的列起始坐标大于下一行行程的列起始坐标时，下一行处理的行程移至下一个；
当前行的某个行程与下一行的某个行程的列终止坐标相同时，两个行程邻接，更新这两个行程的邻接关系查找表，当前行与下一行处理的行程移均至下一个；
当前行的某个行程与下一行的某个行程邻接，且当前行行程的列终止坐标大于下一行行程的列终止坐标时，更新这两个行程的邻接关系查找表，下一行处理的行程移至下一个；
当前行的某个行程与下一行的某个行程邻接，且当前行行程的列终止坐标小于下一行行程的列终止坐标时，更新这两个行程的邻接关系查找表，当前行处理的行程移至下一个。
进一步的，所述步骤3具体为：
步骤3.1：按顺序寻找第一个未被标记属于哪个区域的行程，如果找到了则将此行程入栈，标记此行程所属的区域，否则跳转至步骤3.5中所述流程；
步骤3.2：弹出栈顶行程并查找与此行程邻接的所有行程，若此行程有邻接行程且邻接行程未被标记归属区域，则将所有邻接行程入栈并标记所属区域，并重复进行本轮循环；
步骤3.3：当栈为空且无行程入栈时，循环结束，完成了原连通域中一个区域的提取；
步骤3.4：继续执行步骤3.1中所述流程；
步骤3.5：根据每个行程所属区域的标号，按顺序将行程存储至不同连通区域中。
进一步的，所述步骤3中采用深度优先搜索遍历感兴趣区域的各个行程并确定各个行程所属的连通域是通过栈实现的，具体包括：将第一个行程入栈，查找与此行程相邻的行程，若相邻的行程未被标记为属于某个连通域，则进行标记并将此邻接行程入栈，直到此行程所有邻接行程均入栈为止，同时每次查找前均将栈顶元素出栈；
循环执行直至栈空且无入栈行程为止。
实现基于行程编码的连通域快速提取方法的系统，包括:
分割编码模块，用于获取感兴趣的以行程编码表示的区域；
邻接行程查找表模块，用于相邻行程的邻接关系的记录；
连通域提取模块，用于提取出感兴趣区域的多个连通域。
进一步的，所述分割编码模块获取感兴趣的以行程编码表示的区域，具体过程包括：选取合适的阈值范围，按行遍历输入图像的所有像素点，将所有在阈值范围内的像素点加入行程编码中保存。
进一步的，所述邻接行程查找表模块将相邻行程的邻接关系记录在查找表中是通过逐行比较当前行和下一行的行程实现的，其中查找表中每个行程都会记录4个值，表示与该行程邻接的上一行和下一行的第一个和最后一个行程标号。
进一步的，所述连通域提取模块提取出感兴趣区域的多个连通域是通过深度优先搜索遍历感兴趣区域的各个行程并确定各个行程所属的连通域实现的。
本发明的有益效果是：
本发明在消耗较少的计算资源时实现连通域的快速提取，能够实现以行程编码表示的连通域的快速提取，加快了提取连通区域的处理速度，减少了对CPU计算资源的占用量，在对检测速度有较高要求的工业视觉检测场景下具有实际应用价值。
附图说明
图1为本发明实施例中行程编码的示意图以及相邻行程邻接关系的查找表生成过程中包括的五种上下行行程邻接情况。
图2为本发明实施例中遍历感兴趣区域的各个行程时某一时刻搜索的当前行程及其邻接行程情况。
图3为本发明方法的流程示意图。
图4为本发明系统的结构示意图。
具体实施方式
下面结合附图和具体实施方式，进一步阐明本发明。应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
图3为本发明方法的流程示意图。本发明提出了一种基于行程编码的连通域快速提取算法，主要包括以下三个步骤：对输入图像进行分割，获取感兴趣的以行程编码表示的区域；创建相邻行程邻接关系的查找表，按顺序遍历获取到的以行程编码表示的感兴趣区域的各个行程，并将相邻行程的邻接关系记录在查找表中；根据查找表中各个行程的邻接关系，采用深度优先搜索遍历感兴趣区域的各个行程并确定各个行程所属的连通域，最终提取出感兴趣区域的多个连通域。
图1为本发明实施例中行程编码的示意图，图中共有9个不同的行程，行程标号依次为101至109。
本发明实施例中的行程编码是基于行行程实现的，使用行程编码保存区域信息；每一个行程是由三个整数构成的：行坐标、列起始坐标和列终止坐标，不同的行程按照顺序存储在一块连续空间上，存储的排列顺序为：行坐标更小的行程排在前面，行坐标相同时起始列坐标更小的行程排在前面。
分割输入图像获取以行程编码表示的连通区域的过程为：
按行遍历输入图像的所有像素点，根据选取的合适的阈值范围，将所有在阈值范围内的像素点加入行程编码中保存，每行中一段连续的处于阈值内的像素点都构成一个行程，保存的规则如下：
从第一行开始按行遍历图像，找到第一个属于区域内的像素点，并将其加入行程。
继续遍历此行，若当前像素点与前一像素点都是区域内的点，则将当前行程的列终止坐标加1。
若当前像素点不在区域内，则继续遍历该行；若当前像素点在区域内且前一像素点不在区域内，将当前像素点加入一个新行程。重复以上步骤直至此行结束。
依次遍历剩余行图像并进行上述处理直至遍历结束。
检查输入连通区域的最小行坐标行程和最大行坐标行程，若这两个行程处于同一行，则这一行的每个行程都属于一个不同的连通域，将其存储到输出结果中，此时完成了连通域提取，程序返回。
若输入连通区域有处于不同行的行程，则创建一个相邻行程邻接关系的查找表，查找表的初值为赋值为-1，表示此行程没有上邻接或没有下邻接行程；表中对每个行程都会记录4个值，表示与该行程邻接的上一行和下一行的第一个和最后一个行程标号。
查找表的生成是通过逐行比较当前行和下一行的行程实现的，该过程的实现如下：
查找当前行和下一行是否有都有行程区域，若为否则当前行和下一行的行号均加1，继续查找直至查找到有两个相邻行都有行程区域为止，否则退出查找表的生成；
比较当前行和下一行第一个行程的邻接关系并记录在查找表中，为这两行后续行程邻接关系的记录提供初始值；
参见图1中的101与103行程，当前行的某个行程与下一行的某个行程不邻接，且当前行行程的列起始坐标小于下一行行程的列起始坐标时，当前行处理的行程移至下一个；
参见图1中的102与104行程，当前行的某个行程与下一行的某个行程不邻接，且当前行行程的列起始坐标大于下一行行程的列起始坐标时，下一行处理的行程移至下一个；
参见图1中的103与105行程，当前行的某个行程与下一行的某个行程的列终止坐标相同时，两个行程邻接，更新这两个行程的邻接关系查找表，当前行与下一行处理的行程移均至下一个；
参见图1中的104与106行程，当前行的某个行程与下一行的某个行程邻接，且当前行行程的列终止坐标大于下一行行程的列终止坐标时，更新这两个行程的邻接关系查找表，下一行处理的行程移至下一个；
参见图1中的107与109行程，当前行的某个行程与下一行的某个行程邻接，且当前行行程的列终止坐标小于下一行行程的列终止坐标时，更新这两个行程的邻接关系查找表，当前行处理的行程移至下一个；
重复执行上述过程直至当前行或下一行处理的行程达到此行的末尾，此时结束当前行与下一行的查找；
将输入连通区域的第一个行程入栈并标记其所属的区域，此行程作为第一个连通域的起始搜索位置；
弹出栈顶行程并查找与此行程邻接的所有行程，若此行程有邻接行程且邻接行程未被标记归属区域，则将所有邻接行程入栈并标记这些行程的所属区域，并重复进行本轮循环，直至栈为空且无行程入栈时为止。参见图2，以204行程为当前栈顶行程且203、205、206行程均未被标记归属区域为例，先弹出204行程，并查找到203和205为与204行程邻接，将203和205行程入栈并标记其归属区域，进行下一轮循环，此时205行程为栈顶元素，弹出205行程并将与其邻接的206行程入栈并标记，进行下一轮循环，此时206行程为栈顶行程，弹出206行程，唯一与其邻接的205行程已被标记，进行下一轮循环，此时203行程为栈顶行程，弹出203行程，唯一与其邻接的204行程已被标记，此时栈为空且无行程入栈，结束此连通域提取的循环。
按顺序寻找第一个未被标记属于哪个区域的行程，如果找到了则将此行程入栈，标记此行程所属的新连通区域，此行程作为该新连通域的起始搜索行程，重复循环搜索直至所有行程都被标记区域归属。
当所有行程都被标记区域归属后，根据每个行程所属区域的标号，按顺序将行程存储至不同连通区域中，完成了连通域的提取。
图4为本发明系统的结构示意图。包括：分割编码模块，用于获取感兴趣的以行程编码表示的区域；邻接行程查找表模块，用于相邻行程的邻接关系的记录；以及连通域提取模块，用于提取出感兴趣区域的多个连通域。
分割编码模块具体包括：选取合适的阈值范围，按行遍历输入图像的所有像素点，将所有在阈值范围内的像素点加入行程编码中保存。
邻接行程查找表模块具体包括：逐行比较当前行和下一行的行程邻接关系，记录查找表中每个行程对应的4个值，这4个值表示与该行程邻接的上一行和下一行的第一个和最后一个行程标号。
连通域提取模块具体包括：通过深度优先搜索遍历感兴趣区域的各个行程并确定各个行程所属的连通域。
本发明方案所公开的技术手段不仅限于上述技术手段所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。
Claims (5)
1.一种基于行程编码的连通域快速提取方法，其特征在于，包括以下步骤：
步骤1：对输入图像进行分割，获取感兴趣的以行程编码表示的区域；
步骤2：若输入连通区域有处于不同行的行程，创建一个相邻行程邻接关系的查找表，表中对每个行程都会记录4个值，表示与该行程邻接的上一行和下一行的第一个和最后一个行程标号，按顺序遍历获取到的以行程编码表示的感兴趣区域的各个行程，并将相邻行程的邻接关系记录在查找表中；
查找表的生成是通过逐行比较当前行和下一行的行程实现的，查找表的生成具体包括五种情况：当前行的某个行程与下一行的某个行程不邻接，且当前行行程的列起始坐标小于下一行行程的列起始坐标时，当前行处理的行程移至下一个；
当前行的某个行程与下一行的某个行程不邻接，且当前行行程的列起始坐标大于下一行行程的列起始坐标时，下一行处理的行程移至下一个；
当前行的某个行程与下一行的某个行程的列终止坐标相同时，两个行程邻接，更新这两个行程的邻接关系查找表，当前行与下一行处理的行程移均至下一个；
当前行的某个行程与下一行的某个行程邻接，且当前行行程的列终止坐标大于下一行行程的列终止坐标时，更新这两个行程的邻接关系查找表，下一行处理的行程移至下一个；
当前行的某个行程与下一行的某个行程邻接，且当前行行程的列终止坐标小于下一行行程的列终止坐标时，更新这两个行程的邻接关系查找表，当前行处理的行程移至下一个；
步骤3：根据查找表中各个行程的邻接关系，采用深度优先搜索遍历感兴趣区域的各个行程并确定各个行程所属的连通域，最终提取出感兴趣区域的多个连通域，具体为：
步骤3.1：按顺序寻找第一个未被标记属于哪个区域的行程，如果找到了则将此行程入栈，标记此行程所属的区域，否则跳转至步骤3.5中所述流程；
步骤3.2：弹出栈顶行程并查找与此行程邻接的所有行程，若此行程有邻接行程且邻接行程未被标记归属区域，则将所有邻接行程入栈并标记所属区域，并重复进行本轮循环；
步骤3.3：当栈为空且无行程入栈时，循环结束，完成了原连通域中一个区域的提取；
步骤3.4：继续执行步骤3.1中所述流程；
步骤3.5：根据每个行程所属区域的标号，按顺序将行程存储至不同连通区域中；
采用深度优先搜索遍历感兴趣区域的各个行程并确定各个行程所属的连通域是通过栈实现的，具体包括：将第一个行程入栈，查找与此行程相邻的行程，若相邻的行程未被标记为属于某个连通域，则进行标记并将此邻接行程入栈，直到此行程所有邻接行程均入栈为止，同时每次查找前均将栈顶元素出栈；
循环执行直至栈空且无入栈行程为止。
2.根据权利要求1所述的基于行程编码的连通域快速提取方法，其特征在于，所述步骤1具体包括：选取阈值范围，按行遍历输入图像的所有像素点，将所有在阈值范围内的像素点加入行程编码中保存，每行中一段连续的处于阈值内的像素点都构成一个行程。
3.根据权利要求2所述的基于行程编码的连通域快速提取方法，其特征在于，将所有在阈值范围内的像素点加入行程编码中保存，具体包括：
步骤1.1：从第一行开始按行遍历图像，找到第一个属于区域内的像素点，并将其加入行程；
步骤1.2：继续遍历此行，若当前像素点与前一像素点都是区域内的点，则将当前行程的列终止坐标加1；若当前像素点不在区域内，则继续遍历该行；若当前像素点在区域内且前一像素点不在区域内，将当前像素点加入一个新行程；
步骤1.3：重复步骤1.2直至此行结束；
步骤1.4：依次遍历剩余行图像，并进行步骤1.3处理，直至遍历结束；
同一行输入图像中，当前像素点与前一像素点都在阈值范围内，此时将当前行程的列终止坐标加1；只有当前像素点在阈值范围内时，增加一个新行程并设置列起始和列终止坐标为当前列坐标。
4.实现权利要求1-3任一所述的基于行程编码的连通域快速提取方法的系统，其特征在于，包括:
分割编码模块，用于获取感兴趣的以行程编码表示的区域；
邻接行程查找表模块，用于相邻行程的邻接关系的记录；所述邻接行程查找表模块将相邻行程的邻接关系记录在查找表中是通过逐行比较当前行和下一行的行程实现的，其中查找表中每个行程都会记录4个值，表示与该行程邻接的上一行和下一行的第一个和最后一个行程标号；
连通域提取模块，用于提取出感兴趣区域的多个连通域，所述连通域提取模块提取出感兴趣区域的多个连通域是通过深度优先搜索遍历感兴趣区域的各个行程并确定各个行程所属的连通域实现的。
5.根据权利要求4所述的系统，其特征在于：所述分割编码模块获取感兴趣的以行程编码表示的区域，具体过程包括：选取合适的阈值范围，按行遍历输入图像的所有像素点，将所有在阈值范围内的像素点加入行程编码中保存。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311436190.7A CN117152458B (zh) | 2023-11-01 | 2023-11-01 | 一种基于行程编码的连通域快速提取方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311436190.7A CN117152458B (zh) | 2023-11-01 | 2023-11-01 | 一种基于行程编码的连通域快速提取方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117152458A CN117152458A (zh) | 2023-12-01 |
| CN117152458B true CN117152458B (zh) | 2024-01-30 |
Family
ID=88899269
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311436190.7A Active CN117152458B (zh) | 2023-11-01 | 2023-11-01 | 一种基于行程编码的连通域快速提取方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117152458B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104574448A (zh) * | 2014-11-28 | 2015-04-29 | 浙江工商大学 | 一种连通像素块的识别方法 |
| CN105606110A (zh) * | 2015-11-03 | 2016-05-25 | 中兴软创科技股份有限公司 | 基于深度优先遍历的可达路径的查找方法与装置 |
| CN106651862A (zh) * | 2016-11-15 | 2017-05-10 | 昂纳自动化技术（深圳）有限公司 | 基于行程编码的多个连通域快速合并算法及装置 |
| CN107067400A (zh) * | 2016-11-30 | 2017-08-18 | 南京航空航天大学 | 一种基于游程的二值图像连通区域标记方法 |
| CN108876701A (zh) * | 2018-06-21 | 2018-11-23 | 西北工业大学 | 一种基于游程的单次扫描通域标记方法及其硬件结构 |
| CN111104471A (zh) * | 2019-11-20 | 2020-05-05 | 中国人民解放军国防科技大学 | 基于跳点路径搜索的模式数据库信息压缩方法及系统 |
| CN111368149A (zh) * | 2020-03-06 | 2020-07-03 | 成都智元汇信息技术股份有限公司 | 网络化运营条件下基于图论的行程可达性计算和展示方法、计算机设备及存储介质 |
| CN111723986A (zh) * | 2020-06-18 | 2020-09-29 | 上海海事大学 | 一种基于深度优先遍历的区域划分与合并方法 |
| WO2021072592A1 (zh) * | 2019-10-14 | 2021-04-22 | 深圳市大疆创新科技有限公司 | 连通域分析方法、数据处理设备及计算机可读存储介质 |
| CN115239963A (zh) * | 2022-06-21 | 2022-10-25 | 北京理工大学 | 应用于空间目标监测场景的连通区域标记流处理器 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7483585B2 (en) * | 2004-12-01 | 2009-01-27 | Ati Technologies Ulc | Image compression using variable bit size run length encoding |
| US20100158376A1 (en) * | 2008-10-17 | 2010-06-24 | Klosterman Peter S | Systems and methods for labeling and characterization of connected regions in a binary mask |
-
2023
- 2023-11-01 CN CN202311436190.7A patent/CN117152458B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104574448A (zh) * | 2014-11-28 | 2015-04-29 | 浙江工商大学 | 一种连通像素块的识别方法 |
| CN105606110A (zh) * | 2015-11-03 | 2016-05-25 | 中兴软创科技股份有限公司 | 基于深度优先遍历的可达路径的查找方法与装置 |
| CN106651862A (zh) * | 2016-11-15 | 2017-05-10 | 昂纳自动化技术（深圳）有限公司 | 基于行程编码的多个连通域快速合并算法及装置 |
| CN107067400A (zh) * | 2016-11-30 | 2017-08-18 | 南京航空航天大学 | 一种基于游程的二值图像连通区域标记方法 |
| CN108876701A (zh) * | 2018-06-21 | 2018-11-23 | 西北工业大学 | 一种基于游程的单次扫描通域标记方法及其硬件结构 |
| WO2021072592A1 (zh) * | 2019-10-14 | 2021-04-22 | 深圳市大疆创新科技有限公司 | 连通域分析方法、数据处理设备及计算机可读存储介质 |
| CN111104471A (zh) * | 2019-11-20 | 2020-05-05 | 中国人民解放军国防科技大学 | 基于跳点路径搜索的模式数据库信息压缩方法及系统 |
| CN111368149A (zh) * | 2020-03-06 | 2020-07-03 | 成都智元汇信息技术股份有限公司 | 网络化运营条件下基于图论的行程可达性计算和展示方法、计算机设备及存储介质 |
| CN111723986A (zh) * | 2020-06-18 | 2020-09-29 | 上海海事大学 | 一种基于深度优先遍历的区域划分与合并方法 |
| CN115239963A (zh) * | 2022-06-21 | 2022-10-25 | 北京理工大学 | 应用于空间目标监测场景的连通区域标记流处理器 |
Non-Patent Citations (2)
| Title |
|---|
| 字符分割算法及在丝印质检中的应用研究;油孝凯;《中国优秀硕士学位论文全文数据库 信息科技辑》(第1期);第I138-2784页正文第33-34页 * |
| 高分辨率遥感影像建筑物半自动提取方法研究;崔世勇;《中国优秀硕士学位论文全文数据库 信息科技辑》(第3期);第I140-1052页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117152458A (zh) | 2023-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110738207B (zh) | 一种融合文字图像中文字区域边缘信息的文字检测方法 | |
| CN107093172B (zh) | 文字检测方法及系统 | |
| CN110180186B (zh) | 一种地形图转换方法及系统 | |
| KR101782589B1 (ko) | 이미지에 포함된 텍스트를 검출하는 방법, 장치 및 컴퓨터 판독 가능한 기록매체 | |
| RU2697649C1 (ru) | Способы и системы сегментации документа | |
| JP7026165B2 (ja) | テキスト認識方法及びテキスト認識装置、電子設備、記憶媒体 | |
| CN104298982A (zh) | 一种文字识别方法及装置 | |
| CN110334709B (zh) | 基于端到端多任务深度学习的车牌检测方法 | |
| CN108563984B (zh) | 一种流程模型图的自动识别与理解方法 | |
| CN102831428B (zh) | 图像内快速响应矩阵码区域的提取方法 | |
| CN115223172A (zh) | 文本提取方法、装置及设备 | |
| CN111275049A (zh) | 一种文字图像骨架特征描述符获取的方法及装置 | |
| CN117152458B (zh) | 一种基于行程编码的连通域快速提取方法及系统 | |
| CN111738040A (zh) | 一种减速带识别方法及系统 | |
| CN113657370A (zh) | 一种文字识别方法及其相关设备 | |
| CN112418220A (zh) | 一种单字检测方法、装置、设备及介质 | |
| CN109508408B (zh) | 一种基于帧密度的视频检索方法及计算机可读存储介质 | |
| Deniziak et al. | Query by shape for image retrieval from multimedia databases | |
| CN114693943A (zh) | 一种用于目标检测的非极大值抑制加速方法、系统和设备 | |
| CN110826488B (zh) | 一种针对电子文档的图像识别方法、装置及存储设备 | |
| CN115457581A (zh) | 表格提取方法、装置及计算机设备 | |
| CN111414919B (zh) | 带表格印刷体图片文字提取方法、装置、设备及存储介质 | |
| CN111126395B (zh) | R-cnn网络中选择性搜索算法的优化方法、存储介质 | |
| US20030123730A1 (en) | Document recognition system and method using vertical line adjacency graphs | |
| CN111104871A (zh) | 表格区域识别模型生成方法、装置及表格定位方法、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 |