CN1253710C - 一种工业辐射成像中的图像分割识别方法 - Google Patents

一种工业辐射成像中的图像分割识别方法 Download PDF

Info

Publication number
CN1253710C
CN1253710C CNB028011589A CN02801158A CN1253710C CN 1253710 C CN1253710 C CN 1253710C CN B028011589 A CNB028011589 A CN B028011589A CN 02801158 A CN02801158 A CN 02801158A CN 1253710 C CN1253710 C CN 1253710C
Authority
CN
China
Prior art keywords
edge
image
point
radiation imaging
rim
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.)
Expired - Lifetime
Application number
CNB028011589A
Other languages
English (en)
Other versions
CN1461409A (zh
Inventor
靳晖
张丽
陈志强
程建平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Nuctech Co Ltd
Original Assignee
Tsinghua University
Qinghua Tongfang Weishi Tech Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tsinghua University, Qinghua Tongfang Weishi Tech Co Ltd filed Critical Tsinghua University
Publication of CN1461409A publication Critical patent/CN1461409A/zh
Application granted granted Critical
Publication of CN1253710C publication Critical patent/CN1253710C/zh
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • 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

Abstract

一种工业辐射成像中的图像分割识别方法，包括步骤：预处理原始图像消除噪声；对数变换得到线性衰减系数图像；边缘检测；边缘跟踪，跟踪边缘值接近的点得到边缘片断；边缘连接，连接平均边缘值接近的边缘片断；边缘闭合；区域填充；区域显示。同现有技术相比，本发明能有效分开在图中重叠的物体，提高图像检查的效率，更易于发现隐藏的违禁品。

Description

一种工业辐射成像中的图像分割识别方法
技术领域
本发明涉及工业辐射成像的图像处理领域，尤其是工业辐射成像中的图像分割识别方法。
背景技术
现有技术中，图像的分割识别多用于医学图像处理法，这些方法假设图像上的物体均匀分布，互不重叠。而工业辐射成像特别是物品检测系统中，图像上的物体重叠现象十分常见，所以医学图像处理法不能解决这个问题。而国外有研究对普通照像灰度图像的重叠物体采用边缘延续假设，主要基于边缘的方向数据。但是这种方法只能对一些十分简单的重叠物体进行分割，对工业辐射成像中的各种复杂物体效果不理想，且时间长，没有应用价值。
针对现有技术中存在的问题，本发明的目的是提供一种工业辐射成像中的图像分割识别方法。它能自动区分并单独显示辐射成像图像上的不同物体，特别是能有效分开在图像中重叠的物体，提高图像检查的效率，更易于发现隐藏的违禁品。
发明内容
为了达到上述的发明目的，本发明提供一种工业辐射成像中的图像分割识别方法，包括步骤：(1)对原始图像进行预处理，以减少噪声的影响，用G(x，y)表示像素(x，y)处的灰度值；(2)对该原始图像的投影图像进行对数变换，得到线性衰减系数图像即A(x，y)＝Cln(G(x，y)/I0)+A0，其中，I0＝A0为图像的最大灰度值，C为调整对比度的常数；(3)对线性衰减系数图像A(x，y)进行边缘检测，得到边缘值图像E(x，y)，与边缘方向图像D(x，y)；(4)利用边缘值图像E(x，y)与边缘方向图像D(x，y)细化边缘，生成新的边缘值图像EN(x，y)；(5)利用边缘值图像EN(x，y)与边缘方向图像D(x，y)，进行边缘跟踪，并根据特定的条件将边缘连接起来，形成完整的物体轮廓；(6)对每一个边缘点，搜索附近的同一边缘上的相邻点，并填充它们之间的空隙，使边缘闭合；(7)检查图中的所有点是否属于该物体，标记出所有属于该物体的点，即区域填充；(8)剪切掉虚假的填充区域；(9)一个闭合边缘加上填充点生成的区域即为一个独立的物体。
根据本发明的一个实施例，步骤(1)中对原始图像的预处理可以采用空域高斯低通滤波。
根据本发明的一个实施例，上述步骤(3)中所述边缘检测的具体方法为：采用kirsh算子，在每一个候选像素(x，y)的3*3邻域上分别求8个方向上的梯度，其中的最大值则为该象素处的边缘值E(x，y)，对应方向编号则为边缘方向D(x，y)。
根据本发明的一个实施例，上述步骤(4)的中所述细化边缘的具体步骤为：1)初步细化，即找出边缘值图像上的峰值点，生成新的边缘值图像E’(x，y)；2)利用图像形态学的方法将初步细化的边缘值图像E’(x，y)进一步细化，采用序列形态细化的迭代算法，从东、东南、南、西南、西、西北、北、东北等八个方向反复抹去多余的边缘点，直到图像不可再细化为止，生成新的边缘值图像EN(x，y)。
根据本发明的一个实施例，步骤(5)中所述的特定条件可以为这些边缘的平均边缘值相近。
根据本发明的一个实施例，剪切掉虚假的填充区域的步骤可以采用区域生长的方法。
根据本发明的一个实施例，步骤(7)的判断条件可以为检查图中的所有点，如果被检查点的上下左右四个方向都存在同一物体边缘上的点，则该点为属于该物体的点。
根据本发明的一个实施例，所述边缘跟踪的具体步骤为：1)对每一尚未确定属于任一条已知边缘的边缘点按照边缘方向优先的原则搜索它的3*3邻域，如果找到与其边缘值之差在一预先设定的狭小范围之内，且不属于任一条已知边缘的点，则该点作为新的起始点，若所有点已通过此步骤检查，未发现新的起始点，则边缘跟踪停止；2)设新的起始点为当前边缘点，通过类似步骤1)的方法在3*3，5*5，，直到7*7邻域内搜索下一相邻的边缘点，发现后作为当前边缘点重复步骤2)，如未找到，则本条边缘搜索完毕，转到步骤1)，重新搜索下一边缘。
根据本发明的一个实施例，所述边缘连接的具体步骤为：1)计算每条边缘的平均边缘值；2)对每个边缘点在3*3，5*5，直到9*9邻域内搜索，如发现一点属于另一条边缘，且两边缘平均边缘值之差在一预先设定的狭小范围之内的点，则两边缘属于同一物体，边缘合并，并计算新边缘的平均边缘值；3)所有点搜索完毕后，若有边缘合并发生，重复步骤2)，否则边缘连接停止。
本发明同现有技术比，能将图中的线性衰减系数基本一致的物体的边缘较完整的跟踪、连接出来。并且把线性衰减系数不同但重叠在一起的物体有效地分割开来，分别显示。不重叠的物体分割效果更佳。这样可以提高图像检查的效率，更易于发现隐藏的违禁品。
附图说明
下面结合附图和具体的实施方式对本发明作进一步说明。
图1为根据本发明的图像识别分割方法的流程图；
图2为图1中所示的方法中的边缘检测和边缘细化步骤的流程图；
图3为图1中所示的方法中的边缘跟踪的流程图；
图4为图1中所示的方法中的边缘连接的流程图。
具体实施方式
参看图1，其中示出了根据本发明的一种工业辐射成像中的图像分割识别方法的具体流程。具体来说其流程包括步骤：(1)对原始图像进行预处理，以减少噪声的影响，用G(x，y)表示像素(x，y)处的灰度值；根据本发明的一个实施例，采用了空域高斯低通滤波器对原始图象进行滤波，可以有效减少原始图像中的噪声，也可以采用其它类型的滤波器来减少原始图像中的噪声影响。
在步骤(2)中，对该原始图像的投影图像进行对数变换，得到线性衰减系数图像即A(x，y)＝Cln(G(x，y)/I0)+A0，其中，I0＝A0为图像的最大灰度值，C为调整对比度的常数。
在步骤(3)中，对线性衰减系数图像A(x，y)进行边缘检测，得到边缘值图像E(x，y)与边缘方向图像D(x，y)。
接下来，在步骤(4)中，利用边缘值图像E(x，y)与边缘方向图像D(x，y)细化边缘，生成新的边缘值图像EN(x，y)。
参看图2，其中示出了一种实现步骤(3)所述边缘检测的具体方法：采用kirsch算子，在每一个可行像素(x，y)的3*3邻域上分别求8个方向上的梯度，其中的最大值则为该象素处的边缘值E(x，y)，对应方向编号则为边缘方向D(x，y)。其中步骤(4)所述的细化边缘的步骤为：1)初步细化，即找出边缘值图像上的峰值点，生成新的边缘值图像E’(x，y)；2)利用图像形态学的方法将初步细化的边缘值图像E’(x，y)，进一步细化，采用序列形态细化的迭代算法，从东、东南、南、西南、西、西北、北、东北等八个方向反复抹去多余的边缘点，直到图像不可再细化为止，生成新的边缘值图像EN(x，y)。
在步骤(5)中，利用边缘值图像EN(x，y)与边缘方向图像D(x，y)，进行边缘跟踪，并根据特定的条件将边缘连接起来，形成完整的物体轮廓。这里所述的特定的条件可以为平均边缘值相近。参看图3，其示出了所述边缘跟踪的一种方法，包括步骤1)对每一尚未确定属于任一条已知边缘的边缘点按照边缘方向优先的原则搜索它的3*3邻域，如果找到与其边缘值之差在一预先设定的狭小范围之内，且不属于任一已知边缘的点，则该点作为新的起始点，若所有点己通过检查，未发现新的起始点，则边缘跟踪停止；2)设新的起始点为当前边缘点，通过类似步骤1)的方法在3*3，5*5，直到7*7邻域内搜索下一个相邻的边缘点，发现后作为当前边缘点重复步骤2)，如未找到，则本条边缘搜索完毕，转到步骤1)，重新搜索下一边缘。参看图4，其中示出了所述边缘连接的一种方法，包括步骤：1)计算每条边缘的平均边缘值；2)对每个边缘点在3*3，5*5，直到9*9邻域内搜索，如发现一点，属于另一条边缘，且这两边缘平均边缘值之差在一预先设定的狭小范围之内的点，则两边缘属于同一物体，边缘合并，并计算新边缘的平均边缘值；3)所有点搜索完毕后，若有边缘合并发生，重复步骤2)，否则边缘连接停止。
然后在步骤(6)中，对每一个边缘点，搜索附近的同一边缘上的相邻点，并填充它们之间的空隙，使边缘闭合。
在步骤(7)中，检查图中的所有点是否属于该物体，标记出所有属于该物体的点，即区域填充。这里的判断条件可以为检查图中的所有点，如果被检查点的上下左右四个方向都存在同一物体边缘上的点，则该点为属于该物体的点。
然后在步骤(8)，剪切掉虚假的填充区域，这里剪切掉虚假的填充区域可以采用区域生长的方法。
最后在步骤(9)一个闭合边缘加上填充点生成的区域即为一个独立的物体。可以使该区域凸现出来以便更加易于识别。
根据本发明的精神和思路所作的任何修改和变化均应理解为包含在本发明的范围之内。

Claims (9)

1、一种工业辐射成像中的图像分割识别方法，其步骤为：
(1)对原始图像进行预处理，以减少噪声的影响，用G(x，y)表示像素(x，y)处的灰度值；
(2)对该原始图像的投影图像进行对数变换，得到线性衰减系数图像即A(x，y)＝Cln(G(x，y)/I0)+A0，其中，I0＝A0为图像的最大灰度值，C为调整对比度的常数；
(3)对线性衰减系数图像A(x，y)进行边缘检测，得到边缘值图像E(x，y)，与边缘方向图像D(x，y)；
(4)利用边缘值图像E(x，y)与边缘方向图像D(x，y)细化边缘，生成新的边缘值图像EN(x，y)；
(5)利用边缘值图像EN(x，y)与边缘方向图像D(x，y)，进行边缘跟踪，并根据特定的条件将边缘连接起来，形成完整的物体轮廓；
(6)对每一个边缘点，搜索附近的同一边缘上的相邻点，并填充它们之间的空隙，使边缘闭合；
(7)检查图中的所有点是否属于该物体，标记出所有属于该物体的点，即区域填充；
(8)剪切掉虚假的填充区域；
(9)一个闭合边缘加上填充点生成的区域即为一个独立的物体。
2、如权利要求1所述的一种工业辐射成像中的图像分割识别方法，其特征在于，步骤(1)中所述的预处理可以采用空域高斯低通滤波。
3、如权利要求1所述的一种工业辐射成像中的图像分割识别方法，其特征在于，步骤(5)中所述的特定条件可以为平均边缘值相近。
4、如权利要求1所述的一种工业辐射成像中的图像分割识别方法，其特征在于，剪切掉虚假的填充区域的步骤可以采用区域生长的方法。
5、如权利要求1所述的一种工业辐射成像中的图像分割识别方法，其特征在于，步骤(7)的判断条件可以为检查图中的所有点，如果被检查点的上下左右四个方向都存在同一物体边缘上的点，则该点为属于该物体的点。
6、如权利要求1-5之一所述的一种工业辐射成像中的图像分割识别方法，其特征在于，步骤(3)所述边缘检测的具体方法为：采用Kirsh算子，在每一个候选像素(x，y)的3*3邻域上分别求8个方向上的梯度，其中的最大值则为该象素处的边缘值E(x，y)，对应方向编号则为边缘方向D(x，y)。
7、如权利要求1-5之一所述的一种工业辐射成像中的图像分割识别方法，其特征在于，步骤(4)所述的细化边缘的步骤为：
1)初步细化，即找出边缘值图像上的峰值点，生成新的边缘值图像E’(x，y)；
2)利用图像形态学的方法将初步细化的边缘值图像E’(x，y)进一步细化，采用序列形态细化的迭代算法，从东、东南、南、西南、西、西北、北、东北等八个方向反复抹去多余的边缘点，直到图像不可再细化为止，生成新的边缘值图像EN(x，y)。
8、如权利要求1-5之一所述的一种工业辐射成像中的图像分割识别方法，其特征在于，步骤(5)所述的边缘跟踪步骤为：
1)对每一尚未确定属于任一条已知边缘的边缘点按照边缘方向优先的原则搜索它的3*3邻域，如找到与其边缘值之差在一预先设定的狭小范围之内，且不属于任一条已知边缘的点，则作为新的起始点，若所有点己通过此步骤检查，则边缘跟踪停止；
2)设新的起始点为当前边缘点，通过类似步骤1)的方法在3*3，5*5，直到7*7邻域内搜索下一个相邻的边缘点，发现后作为当前边缘点重复步骤2)，如未找到，则本条边缘搜索完毕，转到步骤1)。
9、如权利要求1-5之一所述的一种工业辐射成像中的图像分割识别方法，其特征在于，步骤(6)所述边缘连接的步骤为：
1)计算每条边缘的平均边缘值；
2)对每个边缘点在3*3，5*5，直到9*9邻域内搜索，如发现一点，属于另一条边缘，则两边缘平均边缘值之差在一预先设定的狭小范围之内的点，则两边缘属于同一物体，边缘合并，并计算新边缘的平均值；
3)所有点搜索完毕后，若有边缘合并发生，重复步骤2)，否则边缘连接停止。
CNB028011589A 2001-04-12 2002-04-12 一种工业辐射成像中的图像分割识别方法 Expired - Lifetime CN1253710C (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN01110623A CN1380543A (zh) 2001-04-12 2001-04-12 一种工业辐射成像中的图像分割识别方法
CN01110623.9 2001-04-12
PCT/CN2002/000257 WO2002084268A1 (fr) 2001-04-12 2002-04-12 Procede pour segmenter et reconnaitre une image dans l'imagerie radiologique industrielle

Publications (2)

Publication Number Publication Date
CN1461409A CN1461409A (zh) 2003-12-10
CN1253710C true CN1253710C (zh) 2006-04-26

Family

ID=4658708

Family Applications (2)

Application Number Title Priority Date Filing Date
CN01110623A Pending CN1380543A (zh) 2001-04-12 2001-04-12 一种工业辐射成像中的图像分割识别方法
CNB028011589A Expired - Lifetime CN1253710C (zh) 2001-04-12 2002-04-12 一种工业辐射成像中的图像分割识别方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN01110623A Pending CN1380543A (zh) 2001-04-12 2001-04-12 一种工业辐射成像中的图像分割识别方法

Country Status (4)

Country Link
US (1) US7162089B2 (zh)
CN (2) CN1380543A (zh)
DE (1) DE10291878B4 (zh)
WO (1) WO2002084268A1 (zh)

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7333644B2 (en) * 2003-03-11 2008-02-19 Siemens Medical Solutions Usa, Inc. Systems and methods for providing automatic 3D lesion segmentation and measurements
CN100437096C (zh) * 2003-10-16 2008-11-26 清华大学 一种用于集装箱检查系统的双辐射源框架结构
US7570835B2 (en) * 2004-02-17 2009-08-04 International Business Machines Corporation Edge smoothing filter for character recognition
CN101094313B (zh) * 2007-07-25 2011-05-18 北京中星微电子有限公司 一种图像噪声抑制装置和方法
CN101135655B (zh) * 2007-08-17 2010-05-26 东北大学 锥束ct对大物体成像的分块扫描重建和空间拼装方法
US8290231B2 (en) * 2009-01-23 2012-10-16 Naveen Garg Method and apparatus for providing measurement data of an anomaly in a medical image
CN101540050B (zh) * 2009-04-30 2011-10-26 清华大学 一种获取景物边界的方法和装置
WO2011048629A1 (ja) * 2009-10-21 2011-04-28 株式会社島津製作所 放射線撮像装置
US8503816B2 (en) * 2011-04-15 2013-08-06 Corning Incorporated Methods for determining mixedness of batch material and for obtaining substantially consistent mixedness of batch material
CN102411788B (zh) * 2011-08-24 2014-01-08 复旦大学 基于四向扫描方式的区域填充算法
US9071818B2 (en) * 2011-08-30 2015-06-30 Organizational Strategies International Pte. Ltd. Video compression system and method using differencing and clustering
CN103827847A (zh) * 2011-10-21 2014-05-28 国际组织战略私人有限公司 与利用差分和群集的视频压缩系统和方法一起使用的接口
US9977992B2 (en) * 2012-02-28 2018-05-22 Snell Advanced Media Limited Identifying points of interest in an image
GB2499799B (en) * 2012-02-28 2019-06-26 Snell Advanced Media Ltd Identifying points of interest in an image
CN102831424B (zh) * 2012-07-31 2015-01-14 长春迪瑞医疗科技股份有限公司 一种显微镜系统有形成分提取方法
CN103971084B (zh) * 2013-02-01 2017-03-29 同方威视技术股份有限公司 薄片和块状违禁品、爆炸物或毒品识别方法
CN104657947B (zh) * 2015-02-06 2017-08-22 哈尔滨工业大学深圳研究生院 针对碱基图像的一种降噪方法
CN105551027B (zh) * 2015-12-08 2018-08-03 沈阳东软医疗系统有限公司 一种边界跟踪方法及装置
CN107169951B (zh) * 2016-03-03 2019-08-30 成都交大光芒科技股份有限公司 一种基于图像的斜腕臂末端管帽的缺失检测方法及系统
CN105930851A (zh) * 2016-04-27 2016-09-07 梧州市自动化技术研究开发院 一种用于对运动物体的视频图像进行目标轮廓识别的方法
CN108805957B (zh) * 2018-06-07 2022-06-24 青岛九维华盾科技研究院有限公司 一种基于位图图像自适应分割的矢量图生成方法及系统
CN109782224B (zh) * 2018-12-04 2022-12-06 嘉兴国电通新能源科技有限公司 一种基于无人机平台的辐射源定位与追踪方法
CN110047085B (zh) * 2019-04-17 2023-03-31 泰山学院 一种针对肺ct图像阈值分割结果的肺膜粘连结节区域精确修复方法
CN111539907B (zh) * 2019-07-25 2023-09-12 毫末智行科技有限公司 用于目标检测的图像处理方法及装置
CN110519515B (zh) * 2019-08-28 2021-03-19 联想(北京)有限公司 一种信息处理方法及电子设备
CN111192279B (zh) * 2020-01-02 2022-09-02 上海交通大学 基于边缘检测的物体分割方法、电子终端及存储介质
CN112435274B (zh) * 2020-11-09 2024-05-07 国交空间信息技术（北京）有限公司 一种基于面向对象分割的遥感影像面状地物提取方法
US11770584B1 (en) * 2021-05-23 2023-09-26 Damaka, Inc. System and method for optimizing video communications based on device capabilities

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4910786A (en) * 1985-09-30 1990-03-20 Eichel Paul H Method of detecting intensity edge paths
US5319547A (en) * 1990-08-10 1994-06-07 Vivid Technologies, Inc. Device and method for inspection of baggage and other objects
US6728404B1 (en) * 1991-09-12 2004-04-27 Fuji Photo Film Co., Ltd. Method for recognizing object images and learning method for neural networks
US6021222A (en) * 1994-08-16 2000-02-01 Ricoh Co., Ltd. System and method for the detection of a circle image for pattern recognition
KR100209419B1 (ko) * 1996-07-09 1999-07-15 전주범 영상신호로 표현된 객체의 윤곽선 부호화 방법
JP2000209425A (ja) * 1998-11-09 2000-07-28 Canon Inc 画像処理装置及び方法並びに記憶媒体
US6771835B2 (en) * 2000-06-12 2004-08-03 Samsung Electronics Co., Ltd. Two-dimensional non-linear interpolation system based on edge information and two-dimensional mixing interpolation system using the same

Also Published As

Publication number Publication date
WO2002084268A1 (fr) 2002-10-24
CN1461409A (zh) 2003-12-10
DE10291878T5 (de) 2004-07-01
WO2002084268A8 (fr) 2003-01-16
US20040091151A1 (en) 2004-05-13
CN1380543A (zh) 2002-11-20
US7162089B2 (en) 2007-01-09
DE10291878B4 (de) 2006-12-07

Similar Documents

Publication Publication Date Title
CN1253710C (zh) 一种工业辐射成像中的图像分割识别方法
US8300949B2 (en) Edge detection technique having improved feature visibility
US5943441A (en) Edge contour tracking from a first edge point
Muthukrishnan et al. Edge detection techniques for image segmentation
CN111968144B (zh) 一种图像边缘点获取方法及装置
US8116522B1 (en) Ship detection system and method from overhead images
CN111833366A (zh) 一种基于Canny算法的边缘检测方法
CN109001757A (zh) 一种基于2d激光雷达的车位智能检测方法
CN108229342B (zh) 一种海面舰船目标自动检测方法
Er-Sen et al. An adaptive edge-detection method based on the canny operator
Igbinosa Comparison of edge detection technique in image processing techniques
You et al. Lane detection algorithm for night-time digital image based on distribution feature of boundary pixels
Mohammad et al. Study Sobel edge detection effect on the ImageEdges using MATLAB
CN113205494B (zh) 基于自适应尺度图像块加权差测量的红外小目标检测方法和系统
Ying et al. Wavelet analysis based detection algorithm for infrared image small target in background of sea and sky
Cheng et al. Power pole detection based on graph cut
Xu et al. Pavement crack image detection algorithm under nonuniform illuminance
CN110298799B (zh) 一种pcb图像定位校正方法
CN113379639A (zh) 一种复杂环境中红外目标抗干扰检测跟踪方法
Salman et al. Image segmentation and edge detection based on watershed techniques
Hyunki et al. A noble Image segmentation using local area splitting and merging method based on intensity change
CN113496135B (zh) 码图的定位方法、装置、电子设备及存储介质
Sahu et al. Improved simplified novel method for edge detection in grayscale images using adaptive thresholding
Hong et al. Vision based real time vehicle guidance on THMR V Part I: Unstructured road detection
CN116823861A (zh) 一种机器人识别天花板直线的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C56 Change in the name or address of the patentee

Owner name: QINGHUA UNIVERSITY; TONGFANGWEISHI TECHNOLOGY CO.,

Free format text: FORMER NAME OR ADDRESS: QINGHUA UNIVERSITY 100084; TONGFANG WEISHI TECHNOLOGY CO., LTD., QINGHUA

CP03 Change of name, title or address

Address after: 100084 Tsinghua University, Beijing, Haidian District, China

Co-patentee after: Nuctech Company Limited

Patentee after: Tsinghua University

Address before: Beijing, Haidian District, China, Tsinghua University, 100084

Co-patentee before: Qinghua Tongfang Weishi Tech Co.,Ltd.

Patentee before: Tsinghua University

CX01 Expiry of patent term

Granted publication date: 20060426

CX01 Expiry of patent term