CN117808805B - 一种单轨吊全自动洒水车的出水调控系统 - Google Patents
一种单轨吊全自动洒水车的出水调控系统 Download PDFInfo
- Publication number
- CN117808805B CN117808805B CN202410224244.1A CN202410224244A CN117808805B CN 117808805 B CN117808805 B CN 117808805B CN 202410224244 A CN202410224244 A CN 202410224244A CN 117808805 B CN117808805 B CN 117808805B
- Authority
- CN
- China
- Prior art keywords
- pixel point
- pixel
- analyzed
- gray
- wetting
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 39
- 238000009736 wetting Methods 0.000 claims abstract description 179
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000008569 process Effects 0.000 claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 230000001105 regulatory effect Effects 0.000 claims abstract description 8
- 230000001276 controlling effect Effects 0.000 claims abstract description 7
- 238000004590 computer program Methods 0.000 claims abstract description 4
- 238000005286 illumination Methods 0.000 claims description 39
- 230000008859 change Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 230000008713 feedback mechanism Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 9
- 230000011218 segmentation Effects 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 11
- 239000003344 environmental pollutant Substances 0.000 description 6
- 231100000719 pollutant Toxicity 0.000 description 6
- 230000002411 adverse Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
-
- 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 using non-spatial domain filtering
-
- 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
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像局部操作的技术领域,具体涉及一种单轨吊全自动洒水车的出水调控系统,该系统包括存储器和处理器,处理器执行存储器存储的计算机程序,以实现如下步骤:实时获取洒水车运作过程中的路面图像,根据路面图像的湿润表现特征对傅里叶变换中窗口分割时的窗口大小进行自适应,获得优化后的傅里叶变换算法;利用优化后的傅里叶变换算法对路面图像进行图像去噪,获得去噪后的路面图像,进而实时调控洒水车的出水量。本发明基于路面图像的图像特征确定每个像素点的最优窗口尺寸,增强了路面图像去噪的去噪效果,进一步提升了洒水车出水调控的准确性。
Description
技术领域
本发明涉及图像局部操作的技术领域,具体涉及一种单轨吊全自动洒水车的出水调控系统。
背景技术
在单轨吊全自动洒水车工作过程中,洒水车的出水量可以根据具体使用场景的实际需水量调整,以实现出水量的自动调控。场景实际需水量主要通过观察洒水车工作路面的湿润程度来表现,例如,当路面极为干燥时,应相对加大洒水量;雨过天晴,部分路段仍然潮湿时,则应相对减少洒水量。而对于路面的湿润程度,可以通过分析拍摄到的路面图像的图像特征来确定。在对采集到的路面图像进行分析时,由于光线造成的阴影、污染物等噪声的存在,对路面湿润程度的判断存在影响,为了克服路面图像中的噪声因素的不良影响,现有常用傅里叶变换对路面图像进行去噪处理。
在对路面图像进行去噪处理时,利用相同尺寸大小的窗口进行傅里叶变换。相同尺寸的窗口可能无法完整地捕捉到路面图像中的频率变换,导致频谱分辨率不够;也可能会由于窗口偏小使得局部的噪声特征显示较为明显,导致路面图像处理结果不准确;在对路面图像进行湿润分析时,由于光照照射到路边树木产生的阴影区域呈现出与湿润路面相似的灰度表现特征,相同尺寸窗口无法规避阴影区域产生的不良影响。上述相同尺寸大小的窗口产生的影响因素均会导致路面的湿润程度的量化结果存在较大误差,进而促使单轨吊全自动洒水车的出水调控系统对于出水量的调控准确性低下。
发明内容
为了解决上述傅里叶变换对路面图像的去噪效果差,导致单轨吊全自动洒水车的出水调控系统对于出水量的调控准确性低下的技术问题,本发明的目的在于提供一种单轨吊全自动洒水车的出水调控系统,所采用的技术方案具体如下:
本发明一个实施例提供了一种单轨吊全自动洒水车的出水调控系统,包括存储器和处理器,所述处理器执行所述存储器存储的计算机程序,以实现如下步骤:
实时获取洒水车运作过程中的路面图像,确定路面图像中每个像素点的灰度值和饱和度;
根据每个像素点的饱和度,对局部像素饱和度的大小和分布特征进行分析,确定每个像素点的第一湿润程度;
根据每个像素点的灰度值,对局部像素灰度值的大小和分布特征进行分析,确定每个像素点的第二湿润程度;
根据每个像素点所属连通域边缘上每个像素点的灰度梯度幅值,对连通域边缘的灰度梯度一致性进行分析,确定每个像素点的光照阴影影响程度;
结合每个像素点的第一湿润程度、第二湿润程度、光照阴影影响程度以及预设尺寸,确定每个像素点的最优窗口尺寸;
利用最优窗口尺寸优化傅里叶变换算法,通过优化后的傅里叶变换算法对路面图像进行图像去噪,获得去噪后的路面图像;
根据去噪后的路面图像实时调控洒水车的出水量。
进一步地,所述根据每个像素点的饱和度,对局部像素饱和度的大小和分布特征进行分析,确定每个像素点的第一湿润程度,包括:
将路面图像中的任一像素点作为待分析像素点,以待分析像素点为中心构建预设尺寸的窗口区域,获得待分析像素点的窗口区域;
将待分析像素点的窗口区域内所有像素点的饱和度相加后的数值,作为待分析像素点的第一湿润因子;
确定待分析像素点的窗口区域内所有像素点的饱和度的方差,对饱和度的方差进行取反操作获得反比例值,将反比例值作为待分析像素点的第二湿润因子;
获取路面图像中与待分析像素点的窗口区域的饱和度特征相似的窗口区域个数,将窗口区域个数作为待分析像素点的第三湿润因子;
将第一湿润因子、第二湿润因子以及第三湿润因子相结合,获得待分析像素点的第一湿润程度。
进一步地,所述获取路面图像中与待分析像素点的窗口区域的饱和度特征相似的窗口区域个数,包括:
将待分析像素点的窗口区域作为参考块,利用非局部均值滤波算法,在路面图像中进行参考块搜索邻域块的过程,获得参考块对应的多个邻域块,进而统计邻域块个数;
将邻域块个数作为路面图像中与待分析像素点的窗口区域的饱和度特征相似的窗口区域个数。
进一步地,所述根据每个像素点的灰度值,对局部像素灰度值的大小和分布特征进行分析,确定每个像素点的第二湿润程度,包括:
将路面图像中所有像素点的灰度值的平均值与待分析像素点的灰度值的比值作为待分析像素点的第四湿润因子;
确定待分析像素点的窗口区域的灰度平均值和灰度方差,对窗口区域的灰度平均值和灰度方差的乘积进行取反操作,将取反操作后的乘积作为待分析像素点的第五湿润因子;
将第四湿润因子和第五湿润因子相结合,获得待分析像素点的第二湿润程度。
进一步地,所述根据每个像素点所属连通域边缘上每个像素点的灰度梯度幅值,对连通域边缘的灰度梯度一致性进行分析,确定每个像素点的光照阴影影响程度,包括:
根据待分析像素点所属连通域边缘上每个像素点的灰度梯度幅值,判断是否存在强边缘像素点;
若不存在强边缘像素点,则将待分析像素点的光照阴影影响程度赋值为1;若存在强边缘像素点,则获取每个强边缘像素点,根据每个强边缘像素点的灰度梯度幅值,分析所有强边缘像素点的灰度梯度变化一致性,确定待分析像素点的光照阴影影响程度。
进一步地,所述根据待分析像素点所属连通域边缘上每个像素点的灰度梯度幅值,判断是否存在强边缘像素点,包括:
若待分析像素点所属连通域边缘上任意一个像素点的灰度梯度幅值大于预设判断阈值,则判定存在强边缘像素点,否则,判定不存在强边缘像素点;其中,所述强边缘像素点为灰度梯度幅值大于预设判断阈值的边缘像素点。
进一步地,所述根据每个强边缘像素点的灰度梯度幅值,分析所有强边缘像素点的灰度梯度变化一致性,确定待分析像素点的光照阴影影响程度,包括:
对于任意一个强边缘像素点,计算强边缘像素点的灰度梯度幅值与所有强边缘像素点对应的灰度梯度幅值的平均值之间的差异,确定为强边缘像素点的灰度梯度变化差异;
确定所有强边缘像素点的灰度梯度变化差异的累加和,对累加和与超参数相加后的数值进行取反操作,将取反操作后的数值作为待分析像素点的光照阴影影响程度。
进一步地,结合每个像素点的第一湿润程度、第二湿润程度、光照阴影影响程度以及预设尺寸,确定每个像素点的最优窗口尺寸,包括:
对于待分析像素点的窗口区域中的任一像素点,将像素点的第一湿润程度、第二湿润程度和的光照阴影影响程度的乘积作为像素点的第三湿润程度;
对第三湿润程度进行归一化处理,将归一化后的数值与预设经验值相乘,将相乘后的数值作为像素点对应的窗口尺寸调整权值;
将待分析像素点的窗口区域中所有像素点对应的窗口尺寸调整权值的平均值与预设尺寸的乘积,作为待分析像素点的最优窗口尺寸。
进一步地,根据去噪后的路面图像实时调控洒水车的出水量,包括:
采用PID控制算法,根据去噪后的路面图像对应的路面湿润程度,通过反馈机制实时调控洒水车的出水量;其中,路面湿润程度等于去噪后的路面图像中所有像素点的第三湿润程度的累加和。
进一步地,确定路面图像中每个像素点的灰度值和饱和度,包括:
对路面图像进行灰度化处理,获得路面灰度图像;根据路面灰度图像,确定路面图像中每个像素点的灰度值;
将路面图像转换到HSL色彩空间,确定路面图像中每个像素点的饱和度。
本发明具有如下有益效果:
本发明提供了一种单轨吊全自动洒水车的出水调控系统,该系统基于湿润路面特征和阴影路面特征,分析路面图像的饱和度特征、灰度特征以及连通域边缘灰度梯度变化一致性程度,可以确定路面图像中每个像素点对应的三个湿润表现因素,即第一湿润程度、第二湿润程度和光照阴影影响程度,结合三个湿润表现因素可以实现自适应修正像素点的窗口尺寸,即确定最优窗口尺寸,分析多个湿润表现因素,可以提高最优窗口尺寸的数值准确性;自适应确定窗口尺寸可以更大限度地捕捉到路面图像中的频率变化,增强频谱分辨率,同样也可以避免由于窗口偏小使得某些局部噪声特征去除效果不明显的现象,提高傅里叶变换对于路面图像进行去噪处理的去噪效果;去噪后的路面图像一定程度上排除掉路面图像中光线、污染物等噪声的影响,有助于获得更可靠的湿润程度,进一步使得洒水车对于出水量的调控更加准确。
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和优点,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的介绍,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它附图。
图1为本发明实施例中的一种单轨吊全自动洒水车的出水调控系统的执行流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一个实施例。此外,一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本实施例提供了一种单轨吊全自动洒水车的出水调控系统,包括存储器和处理器,所述处理器执行所述存储器存储的计算机程序,以实现如下步骤:
实时获取洒水车运作过程中的路面图像,确定路面图像中每个像素点的灰度值和饱和度;
根据每个像素点的饱和度,对局部像素饱和度的大小和分布特征进行分析,确定每个像素点的第一湿润程度;
根据每个像素点的灰度值,对局部像素灰度值的大小和分布特征进行分析,确定每个像素点的第二湿润程度;
根据每个像素点所属连通域边缘上每个像素点的灰度梯度幅值,对连通域边缘的灰度梯度一致性进行分析,确定每个像素点的光照阴影影响程度;
结合每个像素点的第一湿润程度、第二湿润程度、光照阴影影响程度以及预设尺寸,确定每个像素点的最优窗口尺寸;
利用最优窗口尺寸优化傅里叶变换算法,通过优化后的傅里叶变换算法对路面图像进行图像去噪,获得去噪后的路面图像;
根据去噪后的路面图像实时调控洒水车的出水量。
下面对上述各个步骤进行详细展开:
参考图1,示出了一种单轨吊全自动洒水车的出水调控系统的执行流程图,包括以下步骤:
S1,实时获取洒水车运作过程中的路面图像,确定路面图像中每个像素点的灰度值和饱和度。
第一步,实时获取洒水车运作过程中的路面图像。
在单轨吊全自动洒水车的车头位置放置高速摄像机,通过高速摄像机实时采集洒水车运作过程中当前时刻的初始路面图像。为了提高所采集的初始路面图像的质量,高速摄像头的拍摄角度为俯视角度。通过语义分割将初始路面图像中的路面区域提取出来,获得路面图像。对初始路面图像进行分割处理,是为了便于对路面区域的图像进行针对性分析,减少不必要的背景因素的影响。语义分割的实现过程为现有技术,不在本发明保护范围内,此处不再进行详细阐述。
第二步,确定路面图像中每个像素点的灰度值和饱和度。
需要说明的是,路面湿润程度与路面图像的灰度特征、饱和度特征存在相关性,为了便于后续步骤分析每个像素点的湿润程度,去除路面图像中光线、污染物等噪声的影响,需要确定路面图像中每个像素点的灰度值和饱和度。
第一子步骤,确定路面图像中每个像素点的灰度值。
在本实施例中,对路面图像进行灰度化处理,可以获得路面灰度图像,即路面图像的灰度图像;根据路面灰度图像,确定路面图像中每个像素点的灰度值。灰度化处理的实现方式包括但不限于:加权平均值法、平均值法、最大值法以及最小值法等,灰度化处理的实现过程为现有技术,此处不再进行详细阐述。
第二子步骤,确定路面图像中每个像素点的饱和度。
在本实施例中,将路面图像转换到HSL(Hue Saturation Lightness,色相 饱和度亮度)色彩空间,在HSL色彩空间中确定每个像素点的饱和度。HSL色彩空间的转换方法为现有技术,不在本发明保护范围内,此处不再进行详细阐述。
至此,本实施例获得了用于分析路面湿润程度的图像特征基础数据,即路面图像中每个像素点的灰度值和饱和度。
S2,根据每个像素点的饱和度,对局部像素饱和度的大小和分布特征进行分析,确定每个像素点的第一湿润程度。
需要说明的是,与干燥路面相比,湿润路面的水分可以使路面表面产生反射,增加了光的散射,反射和散射使得颜色更加鲜艳,导致湿润路面区域的饱和度高。因此,基于路面图像中像素点及其周围像素点的饱和度特征,可以量化像素点的湿润程度,即确定像素点的第一湿润程度。
在本实施例中,路面图像中每个像素点的第一湿润程度的计算过程相同,从路面图像中任选一个像素点作为待分析像素点,确定待分析像素点的第一湿润程度,具体实现步骤可以包括:
第一步,以待分析像素点为中心构建预设尺寸的窗口区域,获得待分析像素点的窗口区域。
为了便于确定待分析像素点与其周围像素点的特征变化特征,量化湿润程度,需要获取待分析像素点周围的多个像素点,本实施例通过确定待分析像素点的窗口区域,将窗口区域中除待分析像素点以外的其他各个像素点作为待分析像素点周围的各个像素点。
在本实施例中,窗口区域的预设尺寸可以设置为5,即为5个像素点,可以获得待分析像素点对应的尺寸为的窗口区域,实施者可以根据具体实际情况设置窗口区域的尺寸,不做具体限定。
需要说明的是,一般情况下,窗口区域的中心像素点为待分析像素点,但是对于路面图像边界附近的待分析像素点,则无法构建以待分析像素点为中心的窗口区域,将路面图像中无法构建以其本身为中心的窗口区域的待分析像素点作为目标像素点。为了便于后续确定目标像素点的第一湿润程度,可以将路面图像按照预设尺寸5平分为各个局部区域,进而将目标像素点所属的局部区域作为目标像素点的窗口区域。在平分各个局部区域的过程中,对于尺寸不足预设尺寸5的局部区域,可以进行补零操作。当然,实施者也可以通过其他手段确定各个目标像素点的窗口区域,不做具体限定。
第二步,将待分析像素点的窗口区域内所有像素点的饱和度相加后的数值,作为待分析像素点的第一湿润因子。
在本实施例中,第一湿润因子可以表征待分析像素点的窗口区域的水分发生反射和散射的程度。窗口区域的水分越多,窗口区域产生的反射和光的散射程度越大,饱和度越大,待分析像素点的第一湿润因子越大。
第三步,确定待分析像素点的窗口区域内所有像素点的饱和度的方差,对饱和度的方差进行取反操作获得反比例值,将反比例值作为待分析像素点的第二湿润因子。
在本实施例中,饱和度的方差可以表征待分析像素点的窗口区域内所有像素点饱和度变化的稳定程度,方差越小,饱和度变化越稳定,故需要对饱和度的方差进行取反操作。通过计算方差的倒数来实现对方差的取反操作,当然,实施者也可以通过其他手段实现数值的取反操作。
第四步,获取路面图像中与待分析像素点的窗口区域的饱和度特征相似的窗口区域个数,将窗口区域个数作为待分析像素点的第三湿润因子。
在本实施例中,将待分析像素点的窗口区域作为参考块,利用非局部均值滤波算法,在路面图像中进行参考块搜索邻域块的过程,获得参考块对应的多个邻域块,进而统计邻域块个数;将邻域块个数作为路面图像中与待分析像素点的窗口区域的饱和度特征相似的窗口区域个数,进而确定待分析像素点的第三湿润因子。非局部均值滤波算法的实现过程为现有技术,不在本发明保护范围内,此处不再进行详细阐述。
需要说明的是,第三湿润因子可以表征待分析像素点的窗口区域中所有像素点的饱和度表现特征的可信度,路面图像中与饱和度特征相匹配的窗口区域个数越多,说明待分析像素点的窗口区域属于噪声区域的可能性越小,上述分析的第一湿润因子和第二湿润因子的可信度越大。
第五步,将第一湿润因子、第二湿润因子以及第三湿润因子相结合,获得待分析像素点的第一湿润程度。
在本实施例中,通过相乘的方式将三个湿润因子相结合,将第一湿润因子、第二湿润因子以及第三湿润因子的乘积作为待分析像素点的第一湿润程度。
作为示例,第s个像素点的第一湿润程度的计算公式可以为:
;式中,/>为第s个像素点的第一湿润程度,s为路面图像中每个像素点的序号,n为第s个像素点的窗口区域内每个像素点的序号,N为第s个像素点的窗口区域内像素点个数,/>为第s个像素点的窗口区域内第n个像素点的饱和度,/>为第s个像素点的第一湿润因子,/>为第s个像素点的窗口区域内所有像素点的饱和度的方差,/>为第s个像素点的第二湿润因子,/>为路面图像中与第s个像素点的窗口区域的饱和度特征相似的窗口区域个数,/>也为第s个像素点的第三湿润因子。
需要说明的是,第一湿润程度是通过分析像素点及其周围像素点的饱和度大小和饱和度分布特征确定的,通过多方面饱和度因素确定的第一湿润程度的数值准确性更高;在计算第一湿润程度时,还考虑到噪声因素的影响,即确定第三湿润因子,其有助于进一步提高像素点的第一湿润程度的数值参考价值。
至此,本实施例获得了路面图像中每个像素点的第一湿润程度。
S3,根据每个像素点的灰度值,对局部像素灰度值的大小和分布特征进行分析,确定每个像素点的第二湿润程度。
需要说明的是,相较于干燥的路面,湿润的路面呈现在图像上时对应的像素点的灰度值更低,路面图像中某个像素点的灰度值越低,该像素点越有可能属于路面图像中湿润区域的像素点,即该像素点的湿润表现特征越明显;但是,路面图像中噪声区域的像素点的灰度值呈现出与湿润区域的像素点相似的数值表现,所以,在基于像素点的灰度值分析像素点的湿润程度时,需要结合像素点周围像素点的灰度变化特征分析像素点灰度值的可信度,若像素点与其周围像素点组成的区域的灰度方差越小,说明该像素点的灰度值的可信度越大,该像素点越有可能属于湿润区域的像素点。
在本实施例中,路面图像中每个像素点的第二湿润程度的计算过程一致,此处以确定路面图像中待分析像素点的第二湿润程度为例,具体实现步骤可以包括:
第一步,将路面图像中所有像素点的灰度值的平均值与待分析像素点的灰度值的比值作为待分析像素点的第四湿润因子。
在本实施例中,待分析像素点的灰度值越小,待分析像素点的湿润程度越大,故待分析像素点的灰度值与第四湿润因子为负相关关系;第四湿润因子可以表征待分析像素点的灰度与路面图像的平均灰度的相对关系,当第四湿润因子越大时,路面图像的平均灰度越大,待分析像素点的灰度越小,待分析像素点的湿润程度越大。
第二步,确定待分析像素点的窗口区域的灰度平均值和灰度方差,对窗口区域的灰度平均值和灰度方差的乘积进行取反操作,将取反操作后的乘积作为待分析像素点的第五湿润因子。
在本实施例中,待分析像素点的窗口区域的灰度平均值越大,而待分析像素点的灰度值越小时,说明待分析像素点与其周围像素点的灰度差异越大,待分析像素点为湿润区域的像素点的可能性越小,为噪声区域的像素点的可能性越大,故窗口区域的灰度平均值与第五湿润因子呈现负相关关系;待分析像素点的窗口区域的灰度方差越小,说明待分析像素点与其周围像素点的灰度变化越平稳,待分析像素点为湿润区域的像素点的可能性越大,而为噪声区域的像素点的可能性越小,故窗口区域的灰度方差仍与第五湿润因子呈现负相关关系。取反操作可以通过计算灰度均值和灰度方差的乘积的倒数来实现,当然,实施者也可以通过其他手段实现数值的取反操作。
第三步,将第四湿润因子和第五湿润因子相结合,获得待分析像素点的第二湿润程度。
在本实施例中,通过相乘方式来结合两个湿润因子,将第四湿润因子和第五湿润因子的乘积作为待分析像素点的第二湿润程度。
作为示例,第s个像素点的第二湿润程度的计算公式可以为:
;式中,/>为第s个像素点的第二湿润程度,/>为第s个像素点的灰度值,/>为路面图像中所有像素点的灰度值的平均值,/>为第s个像素点的第四湿润因子,/>为第s个像素点的窗口区域的灰度平均值,/>为第s个像素点的窗口区域的灰度方差,/>为第s个像素点的第五湿润因子。
需要说明的是,第二湿润程度是通过分析像素点的灰度值、像素点与其周围像素点的灰度分布特征确定的,通过多个灰度特征确定的第二湿润程度的数值准确性更高,在量化第二湿润程度时,考虑到噪声区域的像素点的灰度值孤立性较强的特征,其在一定程度上去除了噪声因素对湿润程度计算的影响。
至此,本实施例获得了路面图像中每个像素点的第二湿润程度。
S4,根据每个像素点所属连通域边缘上每个像素点的灰度梯度幅值,对连通域边缘的灰度梯度一致性进行分析,确定每个像素点的光照阴影影响程度。
需要说明的是,路面的阴影区域呈现在图像上与湿润区域具有相似的灰度表现特征和灰度分布特征,即二者的灰度值都较低且往往都属于大面积分布。为了降低路面图像中阴影区域对像素点湿润程度量化的影响,需要分析阴影区域与湿润区域之间的图像特征差异,具体为,阴影区域是由光照产生的,所以阴影区域边缘的灰度梯度变化程度呈现一致性,而湿润路面与干燥路面之间的湿度分度呈现渐变性,湿润区域边缘的灰度梯度变化程度一致性较差。
在本实施例中,路面图像中每个像素点的光照阴影影响程度的计算过程一致,此处以确定路面图像中待分析像素点的光照阴影影响程度为例,具体实现步骤可以包括:
第一步,根据待分析像素点所属连通域边缘上每个像素点的灰度梯度幅值,判断是否存在强边缘像素点。
在本实施例中,先确定待分析像素点所属的连通域,再确定连通域的边缘,然后,确定连通域边缘上每个像素点的灰度梯度幅值;若待分析像素点所属连通域边缘上任意一个像素点的灰度梯度幅值大于预设判断阈值,则将灰度梯度幅值大于预设判断阈值的像素点作为强边缘像素点,并判定存在强边缘像素点;否则,判定不存在强边缘像素点。其中,预设判断阈值可以设置为80,实施者可以根据具体实际情况设置判断阈值,不作具体限定;连通域边缘指代闭合包围的边缘。连通域、连通域边缘以及灰度梯度幅值的确定过程均为现有技术,不在本发明保护范围内,此处不再进行详细阐述。
需要说明的是,筛选强边缘像素点是为了分析待分析像素点所属连通域边缘上是否存灰度梯度变化较为剧烈的边缘像素点,若存在,则进行后续的灰度梯度变化程度一致性分析,若不存在,则可以直接判定该像素点的湿润程度量化几乎不受阴影区域的干扰,后续直接将该像素点的光照阴影影响程度赋值为1,有助于提高路面图像处理的效率。
值得说明的是,若像素点所属的连通域存在两个闭合边缘,则将边缘像素点数目较多的闭合边缘作为该像素点对应的用于进行灰度梯度变化程度一致性分析的边缘,以避免同一边缘的不同连通域的像素点的阴影影响程度相同。其原因在于,对于一个连通域包含另一个连通域的情况,边缘像素点数目较少的闭合边缘是两个连通域的交界边缘,所以可以将边缘像素点数目较多的闭合边缘作为存在两个闭合边缘的连通域在分析光照阴影影响程度的边缘。
第二步,根据判断结果,确定待分析像素点的光照阴影影响程度。
需要说明的是,若像素点所属的连通域中所有强边缘像素点的灰度梯度变化程度的一致性越高,那么该像素点所属的连通域为阴影区域的可能性越大,该像素点的湿润程度受阴影区域的影响越大,湿润程度越小。
在本实施例中,若不存在强边缘像素点,则将待分析像素点的光照阴影影响程度赋值为1;若存在强边缘像素点,则获取每个强边缘像素点,根据每个强边缘像素点的灰度梯度幅值,分析所有强边缘像素点的灰度梯度变化一致性,确定待分析像素点的光照阴影影响程度,具体实现步骤可以包括:
第一子步骤,对于任意一个强边缘像素点,计算强边缘像素点的灰度梯度幅值与所有强边缘像素点对应的灰度梯度幅值的平均值之间的差异,确定为强边缘像素点的灰度梯度变化差异。
在本实施例中,强边缘像素点的灰度梯度幅值与灰度梯度幅值的平均值之间的差异越大,说明该强边缘像素点与边缘上大多数强边缘像素点的灰度梯度变化一致性越差,强边缘像素点对应的待分析像素点在量化湿润程度过程中受光照阴影区域的影响越小,反之,则受光照阴影区域的影响越大。
第二子步骤,确定所有强边缘像素点的灰度梯度变化差异的累加和,对累加和与超参数相加后的数值进行取反操作,将取反操作后的数值作为待分析像素点的光照阴影影响程度。
在本实施例中,对累加和与超参数进行相加处理,是为了避免仅存在一个强边缘像素点时,导致差异的累加和为0,进而造成光照阴影影响程度为0;也是为了避免分式的分母为0的特殊情况。超参数可以设置为1,实施者可以根据具体实际情况设置超参数,这里不做具体限定。
作为示例,第s个像素点的光照阴影影响程度的计算公式可以为:
;式中,/>为第s个像素点的光照阴影影响程度,M为第s个像素点所属连通域边缘上强边缘像素点的个数,m为第s个像素点所属连通域边缘上每个强边缘像素点的序号,/>为第s个像素点所属连通域边缘上第m个强边缘像素点的灰度梯度幅值,/>为第s个像素点所属连通域边缘上所有强边缘像素点对应的灰度梯度幅值的平均值,/>为第s个像素点所属连通域边缘上第m个强边缘像素点的灰度梯度变化差异,1为超参数,/>为对/>求绝对值。
至此,本实施例获得了路面图像中每个像素点的光照阴影影响程度。
S5,结合每个像素点的第一湿润程度、第二湿润程度、光照阴影影响程度以及预设尺寸,确定每个像素点的最优窗口尺寸。
需要说明的是,最优窗口尺寸是基于每个像素点的湿润程度对预设尺寸进行修正确定的,一个像素点的湿润表现明显,说明该像素点属于湿润路面区域的可能性越大,该像素点需要较小的窗口以保留更多的细节特征信息;一个像素点的湿润表现越差,说明该像素点属于噪声区域的可能性越大,该像素点需要较大的窗口以平滑掉细节特征信息,故不同像素点的最优窗口尺寸应是不同的。
在本实施例中,路面图像中每个像素点的最优窗口尺寸的确定过程一致,为了便于理解,以确定待分析像素点的最优窗口尺寸为例,具体实现步骤可以包括:
第一步,对于待分析像素点的窗口区域中的任一像素点,将像素点的第一湿润程度、第二湿润程度和的光照阴影影响程度的乘积作为像素点的第三湿润程度。
第二步,对第三湿润程度进行归一化处理,将归一化后的数值与预设经验值相乘,将相乘后的数值作为像素点对应的窗口尺寸调整权值。
在本实施例中,预设经验值可以根据湿润程度的计算因素确定的,设置为3,预设经验值可以用于控制窗口尺寸的调整幅度,实施者可以根据具体实际情况设置预设经验值的大小,不做具体限定。其中,窗口尺寸调整权值的取值范围为[0,3]。
第三步,将待分析像素点的窗口区域中所有像素点对应的窗口尺寸调整权值的平均值与预设尺寸的乘积,作为待分析像素点的最优窗口尺寸。
在本实施例中,为了获得更准确的最优窗口尺寸,将局部区域内所有像素点对应的窗口尺寸调整权值的平均值用于确定待分析像素点的最优窗口尺寸。
需要说明的是,在分析待分析像素点的湿润程度时,依据待分析像素点的窗口区域内的所有像素点的图像特征和图像特征的变化情况进行分析量化的,故后续在自适应确定待分析像素点的最优窗口尺寸时,也需要依据待分析像素点的窗口区域内所有像素点的窗口尺寸调整的数值情况确定待分析像素点的最优窗口尺寸,其有助于提高最优窗口尺寸的数值准确性。
路面图像中每个像素点的最优窗口尺寸的计算过程保持一致,作为示例,第s个像素点的最优窗口尺寸的计算公式可以为:
;/>;式中,/>为第s个像素点的最优窗口尺寸,N为第s个像素点的窗口区域内像素点的个数,n为第s个像素点的窗口区域内每个像素点的序号,norm为线性归一化函数,3为预设经验值,为第s个像素点的窗口区域内第n个像素点的窗口尺寸调整权值,/>为预设尺寸,为第s个像素点的第一湿润程度,/>为第s个像素点的第二湿润程度,/>为第s个像素点的光照阴影影响程度,/>为第s个像素点的第三湿润程度。
其中,预设尺寸即为初始窗口的边长,本实施例将其设置为5,实施者可以根据具体实际情况设置初始窗口的边长,这里不做具体限定。
至此,本实施例自适应确定了路面图像中每个像素点在进行傅里叶变换时对应的最优窗口,最优窗口的边长为最优窗口尺寸。
S6,利用最优窗口尺寸优化傅里叶变换算法,通过优化后的傅里叶变换算法对路面图像进行图像去噪,获得去噪后的路面图像。
在本实施例中,相比传统的傅里叶变换算法中固定且一致的尺寸的窗口,本实施例通过分析路面图像中每个像素点的局部区域的湿润程度,优化傅里叶变换算法中的窗口尺寸,以确保路面图像中每个像素点均有其对应的最优窗口尺寸,获得优化后的傅里叶变换算法,进而获得去噪后的路面图像。优化后的傅里叶变换算法对路面图像进行图像去噪的实现过程为现有技术,在本发明保护范围内,此处不再进行详细阐述。
需要说明的是,去噪后的路面图像在一定程度消除了光线、污染物等噪声,也就是克服了由于光线、污染物等噪声的存在对路面湿润程度判断造成的影响;相比去噪后的路面图像,原始的路面图像中的部分受噪声影响较大的像素点的图像特征发生了变化,去噪后的路面图像的图像质量会更高,原始的路面图像即为去噪前的路面图像。
S7,根据去噪后的路面图像实时调控洒水车的出水量。
在本实施例中,采用PID(Proportion Intergration Differentiation,比例微分积分控制)控制算法,根据去噪后的路面图像对应的路面湿润程度,通过反馈机制实时调整阀门开启程度,以调控洒水车的出水量,达到预设的出水目标。其中,路面湿润程度等于去噪后的路面图像中所有像素点的第三湿润程度的累加和;PID控制算法的实现过程为现有技术,不在本发明保护范围内,此处不再进行详细阐述。
需要说明的是,去噪后的路面图像中部分像素点的灰度值发生变化,为了获取更准确的路面湿润程度,需要基于去噪后的路面图像中每个像素点的灰度值和饱和度,参考步骤S2-步骤S5对应的像素点的第三湿润程度的计算过程,确定去噪后的路面图像中每个像素点的第三湿润程度,将去噪后的路面图像中所有像素点的第三湿润程度的累加和作为当前时刻的路面湿润程度。
本发明提供了一种单轨吊全自动洒水车的出水调控系统,通过结合路面图像中每个像素点的图像特征以及每个像素点与其周围像素点的图像特征变化情况,分析每个像素点的湿润表现情况,进而对每个像素点的初始窗口的大小进行修正,以提高路面图像的去噪效果,从而获得质量更高的路面图像。基于质量更高的路面图像可以避免光线、污染物等噪声的存在对路面湿润程度的判断,获得更准确的路面湿润程度,以便于洒水车基于路面湿润程度,更精准地调控出水量。
以上所述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,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,均应包含在本发明的保护范围之内。
Claims (4)
1.一种单轨吊全自动洒水车的出水调控系统,其特征在于,包括存储器和处理器,所述处理器执行所述存储器存储的计算机程序,以实现如下步骤:
实时获取洒水车运作过程中的路面图像,确定路面图像中每个像素点的灰度值和饱和度;
根据每个像素点的饱和度,对局部像素饱和度的大小和分布特征进行分析,确定每个像素点的第一湿润程度;
根据每个像素点的灰度值,对局部像素灰度值的大小和分布特征进行分析,确定每个像素点的第二湿润程度;
根据每个像素点所属连通域边缘上每个像素点的灰度梯度幅值,对连通域边缘的灰度梯度一致性进行分析,确定每个像素点的光照阴影影响程度;
结合每个像素点的第一湿润程度、第二湿润程度、光照阴影影响程度以及预设尺寸,确定每个像素点的最优窗口尺寸;
利用最优窗口尺寸优化傅里叶变换算法,通过优化后的傅里叶变换算法对路面图像进行图像去噪,获得去噪后的路面图像;
根据去噪后的路面图像实时调控洒水车的出水量;
所述根据每个像素点的饱和度,对局部像素饱和度的大小和分布特征进行分析,确定每个像素点的第一湿润程度,包括:
将路面图像中的任一像素点作为待分析像素点,以待分析像素点为中心构建预设尺寸的窗口区域,获得待分析像素点的窗口区域;
将待分析像素点的窗口区域内所有像素点的饱和度相加后的数值,作为待分析像素点的第一湿润因子;
确定待分析像素点的窗口区域内所有像素点的饱和度的方差,对饱和度的方差进行取反操作获得反比例值,将反比例值作为待分析像素点的第二湿润因子;
获取路面图像中与待分析像素点的窗口区域的饱和度特征相似的窗口区域个数,将窗口区域个数作为待分析像素点的第三湿润因子;
将第一湿润因子、第二湿润因子以及第三湿润因子相结合,获得待分析像素点的第一湿润程度;
所述根据每个像素点的灰度值,对局部像素灰度值的大小和分布特征进行分析,确定每个像素点的第二湿润程度,包括:
将路面图像中所有像素点的灰度值的平均值与待分析像素点的灰度值的比值作为待分析像素点的第四湿润因子;
确定待分析像素点的窗口区域的灰度平均值和灰度方差,对窗口区域的灰度平均值和灰度方差的乘积进行取反操作,将取反操作后的乘积作为待分析像素点的第五湿润因子;
将第四湿润因子和第五湿润因子相结合,获得待分析像素点的第二湿润程度;
所述根据每个像素点的灰度值,对局部像素灰度值的大小和分布特征进行分析,确定每个像素点的第二湿润程度,包括:
将路面图像中所有像素点的灰度值的平均值与待分析像素点的灰度值的比值作为待分析像素点的第四湿润因子;
确定待分析像素点的窗口区域的灰度平均值和灰度方差,对窗口区域的灰度平均值和灰度方差的乘积进行取反操作,将取反操作后的乘积作为待分析像素点的第五湿润因子;
将第四湿润因子和第五湿润因子相结合,获得待分析像素点的第二湿润程度;
所述根据每个像素点所属连通域边缘上每个像素点的灰度梯度幅值,对连通域边缘的灰度梯度一致性进行分析,确定每个像素点的光照阴影影响程度,包括:
根据待分析像素点所属连通域边缘上每个像素点的灰度梯度幅值,判断是否存在强边缘像素点;
若不存在强边缘像素点,则将待分析像素点的光照阴影影响程度赋值为1;若存在强边缘像素点,则获取每个强边缘像素点,根据每个强边缘像素点的灰度梯度幅值,分析所有强边缘像素点的灰度梯度变化一致性,确定待分析像素点的光照阴影影响程度;
所述根据待分析像素点所属连通域边缘上每个像素点的灰度梯度幅值,判断是否存在强边缘像素点,包括:
若待分析像素点所属连通域边缘上任意一个像素点的灰度梯度幅值大于预设判断阈值,则判定存在强边缘像素点,否则,判定不存在强边缘像素点;其中,所述强边缘像素点为灰度梯度幅值大于预设判断阈值的边缘像素点;
所述根据每个强边缘像素点的灰度梯度幅值,分析所有强边缘像素点的灰度梯度变化一致性,确定待分析像素点的光照阴影影响程度,包括:
对于任意一个强边缘像素点,计算强边缘像素点的灰度梯度幅值与所有强边缘像素点对应的灰度梯度幅值的平均值之间的差异,确定为强边缘像素点的灰度梯度变化差异;
确定所有强边缘像素点的灰度梯度变化差异的累加和,对累加和与超参数相加后的数值进行取反操作,将取反操作后的数值作为待分析像素点的光照阴影影响程度;
结合每个像素点的第一湿润程度、第二湿润程度、光照阴影影响程度以及预设尺寸,确定每个像素点的最优窗口尺寸,包括:
对于待分析像素点的窗口区域中的任一像素点,将像素点的第一湿润程度、第二湿润程度和的光照阴影影响程度的乘积作为像素点的第三湿润程度;
对第三湿润程度进行归一化处理,将归一化后的数值与预设经验值相乘,将相乘后的数值作为像素点对应的窗口尺寸调整权值;
将待分析像素点的窗口区域中所有像素点对应的窗口尺寸调整权值的平均值与预设尺寸的乘积,作为待分析像素点的最优窗口尺寸。
2.根据权利要求1所述的一种单轨吊全自动洒水车的出水调控系统,其特征在于,所述获取路面图像中与待分析像素点的窗口区域的饱和度特征相似的窗口区域个数,包括:
将待分析像素点的窗口区域作为参考块,利用非局部均值滤波算法,在路面图像中进行参考块搜索邻域块的过程,获得参考块对应的多个邻域块,进而统计邻域块个数;
将邻域块个数作为路面图像中与待分析像素点的窗口区域的饱和度特征相似的窗口区域个数。
3.根据权利要求1所述的一种单轨吊全自动洒水车的出水调控系统,其特征在于,根据去噪后的路面图像实时调控洒水车的出水量,包括:
采用PID控制算法,根据去噪后的路面图像对应的路面湿润程度,通过反馈机制实时调控洒水车的出水量;其中,路面湿润程度等于去噪后的路面图像中所有像素点的第三湿润程度的累加和。
4.根据权利要求1所述的一种单轨吊全自动洒水车的出水调控系统,其特征在于,确定路面图像中每个像素点的灰度值和饱和度,包括:
对路面图像进行灰度化处理,获得路面灰度图像;根据路面灰度图像,确定路面图像中每个像素点的灰度值;
将路面图像转换到HSL色彩空间,确定路面图像中每个像素点的饱和度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410224244.1A CN117808805B (zh) | 2024-02-29 | 2024-02-29 | 一种单轨吊全自动洒水车的出水调控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410224244.1A CN117808805B (zh) | 2024-02-29 | 2024-02-29 | 一种单轨吊全自动洒水车的出水调控系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117808805A CN117808805A (zh) | 2024-04-02 |
CN117808805B true CN117808805B (zh) | 2024-05-24 |
Family
ID=90430250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410224244.1A Active CN117808805B (zh) | 2024-02-29 | 2024-02-29 | 一种单轨吊全自动洒水车的出水调控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117808805B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113470022A (zh) * | 2021-09-01 | 2021-10-01 | 南通华锐软件技术有限公司 | 基于人工智能和大数据的路政洒水车智能优化方法及系统 |
CN114118144A (zh) * | 2021-11-11 | 2022-03-01 | 陈稷峰 | 抗干扰的航空遥感图像阴影精准检测方法 |
CN114299002A (zh) * | 2021-12-24 | 2022-04-08 | 中用科技有限公司 | 一种路面抛洒异常行为智能检测系统与方法 |
CN115330752A (zh) * | 2022-09-13 | 2022-11-11 | 中铁建公路运营有限公司 | 基于深度图像识别的路面隐性剥落点检测方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020214084A1 (en) * | 2019-04-17 | 2020-10-22 | Hendricks Corp Pte Ltd | Method and system for detecting fire and smoke |
CN111882562A (zh) * | 2020-07-08 | 2020-11-03 | 谢超奇 | 纸箱整体湿度解析系统 |
US11889033B2 (en) * | 2022-05-11 | 2024-01-30 | Samsung Electronics Co., Ltd. | Flare mitigation via deconvolution using high dynamic range imaging |
-
2024
- 2024-02-29 CN CN202410224244.1A patent/CN117808805B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113470022A (zh) * | 2021-09-01 | 2021-10-01 | 南通华锐软件技术有限公司 | 基于人工智能和大数据的路政洒水车智能优化方法及系统 |
CN114118144A (zh) * | 2021-11-11 | 2022-03-01 | 陈稷峰 | 抗干扰的航空遥感图像阴影精准检测方法 |
CN114299002A (zh) * | 2021-12-24 | 2022-04-08 | 中用科技有限公司 | 一种路面抛洒异常行为智能检测系统与方法 |
CN115330752A (zh) * | 2022-09-13 | 2022-11-11 | 中铁建公路运营有限公司 | 基于深度图像识别的路面隐性剥落点检测方法及系统 |
Non-Patent Citations (3)
Title |
---|
Relating atmospheric aerosol amounts to blue to red ratio and grayscale contrast fluctuations using digitalization of routine webcam photographs taken in the urban environment of Vienna;Frisch-Niggemeyer, A;《ATMOSPHERIC ENVIRONMENT》;20221231;第290卷;全文 * |
基于区域级和像素级特征的路面裂缝检测方法;韩锟;韩洪飞;;铁道科学与工程学报;20180515(第05期);全文 * |
基于双边滤波的织物润湿区域有效提取;熊晶晶;《上海纺织科技》;20211130;第49卷(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117808805A (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114882031B (zh) | 一种基于活性污泥法的污水处理方法与系统 | |
CN105976330B (zh) | 一种嵌入式雾天实时视频稳像方法 | |
CN117408890A (zh) | 一种视频图像传输质量增强方法及系统 | |
CN117314801B (zh) | 基于人工智能的模糊图像优化增强方法 | |
CN115908371B (zh) | 基于优化分割的植物叶片病虫害程度检测方法 | |
CN116416252B (zh) | 一种勃姆石生产工艺废水沉降图像检测方法 | |
CN117557820B (zh) | 一种基于机器视觉的量子点光学膜损伤检测方法及系统 | |
CN118115498B (zh) | 用于钛棒的光泽度快速检测方法及系统 | |
CN113327206A (zh) | 基于人工智能的输电线智能巡检系统的图像模糊处理方法 | |
CN115456905A (zh) | 一种基于明暗区域分割的单幅图像去雾方法 | |
Wen et al. | Autonomous robot navigation using Retinex algorithm for multiscale image adaptability in low-light environment | |
CN115187688A (zh) | 基于大气光偏振正交盲分离的雾图重构方法及电子设备 | |
CN117237245B (zh) | 一种基于人工智能与物联网的工业物料质量监测方法 | |
CN117541582B (zh) | 一种高频变频器igbt绝缘质量检测方法 | |
CN117808805B (zh) | 一种单轨吊全自动洒水车的出水调控系统 | |
CN113438386B (zh) | 一种应用于视频处理的动静判定方法及装置 | |
CN116777919B (zh) | 一种混凝土试件智能养护方法及系统 | |
CN117649694A (zh) | 一种基于图像增强的人脸检测方法、系统及装置 | |
CN112541859A (zh) | 一种光照自适应的人脸图像增强方法 | |
CN118154480B (zh) | 一种种养结合的养殖场污物净化处理方法及系统 | |
CN118071636B (zh) | 一种建筑工程施工智能验收方法及系统 | |
CN117173192B (zh) | 一种猪肉肉质智能化检测方法及系统 | |
CN117635718B (zh) | 一种基于图像增强的弱光环境下矿车定位方法及系统 | |
KR100468858B1 (ko) | 영상의 잡음 수준 추정 장치 및 방법 | |
CN117475157B (zh) | 基于无人机遥感的农业种植增强监测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |