JP2004038980A - 画像を解析する方法、しきい値を生成する方法、該方法を実行するコンピュータプログラム、該プログラムを記憶するコンピュータ可読媒体および該方法を実行するように適応した装置 - Google Patents
画像を解析する方法、しきい値を生成する方法、該方法を実行するコンピュータプログラム、該プログラムを記憶するコンピュータ可読媒体および該方法を実行するように適応した装置 Download PDFInfo
- Publication number
- JP2004038980A JP2004038980A JP2003189763A JP2003189763A JP2004038980A JP 2004038980 A JP2004038980 A JP 2004038980A JP 2003189763 A JP2003189763 A JP 2003189763A JP 2003189763 A JP2003189763 A JP 2003189763A JP 2004038980 A JP2004038980 A JP 2004038980A
- Authority
- JP
- Japan
- Prior art keywords
- image
- space
- hough
- points
- point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract 2
- 238000001514 detection method Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims 2
- 230000001186 cumulative effect Effects 0.000 claims 1
- 238000003703 image analysis method Methods 0.000 abstract 3
- 238000006243 chemical reaction Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 238000003708 edge detection Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
【解決手段】画像を解析する方法は、画像空間内の点に対してn次元ハフ空間へのハフ変換を実行し、画像空間内の特徴を表すハフ空間内の点を選択し、画像空間内の特徴に関する情報のために、選択された点についてのn個の変数のうちのm個(ただしmはnより小さい)を解析することを含む。
【選択図】図1
Description
【技術分野】
【0001】
本発明は、画像を処理する方法および装置に関する。より詳細には、本発明は、画像内の特定の特徴または特徴のタイプを検出し識別すること、ならびに画像内のオブジェクトおよび領域を分類することに関する。
【0002】
本発明は、画像内の人工構造物の検出に特に有益であり、例えば写真判読、地図作製法および監視において応用を有する。
【背景技術】
【0003】
画像内の直線およびエッジのような特徴を識別する方法が知られている。エッジをオブジェクト境界へと連結する単純な方法も知られている。
【考案の開示】
【発明が解決しようとする課題】
【0004】
しかしこの方法は一般に、比較的単純な情景でのみ成功する。画像内の特定の特徴を識別するためにモデルに基づく技法を使用することも知られているが、この技法は用意された基準モデルを必要とし、そのような基準モデルは必ずしもすべての特徴について利用可能であるとは限らない。3D構造を推論しようとする他の手法もあるが、それはしばしば信頼性がなく、情景の複数のビューを必要とすることがある。
【0005】
さらに、画像内の人工構造物および都市区域を検出することは、いくつかの理由で特に困難である。例えば、建物と周辺構造物の間のコントラストは非常に低いことがあり、これにより寸断された低レベルの区分けおよびエッジ抽出をもたらす。さらに、建物のような大きい構造物に隣接する自動車、樹木または岩石のような小さい構造物は、区分け段階でさらなる問題点を引き起こし、ノイズの多い乱れた境界、または偽りの境界を生じる可能性がある。その問題点はしばしば、影および標識の存在によりさらに複雑化される。
【0006】
本明細書において、画像への言及は、画像全体および画像の領域を含む。
【課題を解決するための手段】
【0007】
本発明の諸態様は、併記の特許請求の範囲に記載される。
【0008】
本発明の第一の態様によると、画像空間内の点に対してn次元ハフ空間へのハフ変換を実行し、前記画像空間内の特徴を表す前記ハフ空間内の点を選択し、前記画像空間内の特徴に関する情報を導出するために、前記選択された点についてのn個の変数のうちのm個の変数(ただしmはnより小さい)を解析することを備える画像を解析する方法を提供する。
【0009】
より詳細には、例えばエッジもしくはコーナー検出器のような特徴検出手段、または他の類似の特徴検出手段を用いて、画像内の特徴点が抽出される。特徴点はハフ変換にかけられ、ハフ空間内の特徴点の像が解析される。
【発明の効果】
【0010】
本発明の結果として、画像内の特徴に関して、より信頼性のある結論を引き出すことが可能となる。本技法は、構造物のモデルを必要とせず、境界および区分けの問題点を良好に処理する。
【発明を実施するための最良の形態】
【0011】
実施の形態1.
以下、実施の形態1が、図4に示すいくつかの建物(すなわち人工構造物)を含む画像領域例と、図1の流れ図を参照して説明される。
【0012】
この実施の形態において、本方法は、図9に参照符号200により全体として図示されるコンピュータを用いて実行される。コンピュータ200は、適当なソフトウェアを用いて本方法を実行するようにプログラムされる。コンピュータ200は、プロセッサ210、ディスプレイ220の形態の画像表示手段、およびスキャナ230の形態の画像入力手段を有する。
【0013】
第1ステップとして、ステップ50で、ディジタル画像がコンピュータに入力される。本実施の形態では、画像は、写真をスキャンするスキャナ230を用いて入力されるが、他の入力手段も使用でき、また画像はデータ記憶手段から読み出されることも可能である。
【0014】
ステップ100で、画像は部分領域に分割される。ここで、領域は256×256画素のブロックである。ブロックは、重なりがあってもなくてもよい。本実施の形態では、ブロックは重なりがなく隣接している。図4に1つのブロックを示す。
【0015】
次のステップ、すなわちステップ110は、各ブロック内の特徴点の検出である。本実施の形態では、対象となる可能性のある特徴点の位置は、画像内で、画素値の不連続を識別するエッジ検出器を用いて識別される。さまざまなエッジ検出器が知られており、使用可能である。本実施の形態ではキャニー(Canny)エッジ検出器が使用される。
【0016】
エッジ検出ステップは、画像領域内の各画素を、特徴点の1つであるかまたは特徴点でないかのいずれかに分類し、それに従って2値画像を生成する。図5は、図4の画像領域内の特徴点を示す2値画像である。
【0017】
ステップ130で、図5の特徴点は、直線検出のためのハフ変換を用いてハフ空間内に表現される。
【0018】
ハフ変換の一般的説明は以下の通りである。
【0019】
図2および図3はハフ変換を図示している。ハフ変換は、パラメータ形式で表現され得る曲線を検出するために使用される。ハフ変換は、画像空間(図2)内の特徴点を、ハフ空間(図3)とも呼ばれるパラメータ空間内の点に投影する。画像空間内の各点は、その点を通るパラメトリック曲線を生成するすべてのパラメータセット(たとえばハフ空間内の点)をプロットするために用いられる。図2を参照して、点A(x,y)に対し、その点を通る1つの直線を考える。原点を通るその直線の垂線は、長さがpで、x軸となす角はθであり、変数pおよびθは、図3のドットで示すように、ハフ空間内でその直線を定義する。画像空間内の点のハフ変換は、点A(x,y)を通るすべての可能な直線をとり、結果として得られる(p,θ)パラメータ値をハフ空間内にプロットする。
【0020】
図3は、ハフ空間内の境界を示す。水平軸は、図2から理解されるように、0から2πまで変化するθ値に対応する。垂直軸は、p値に対応し、それぞれπ/2ラジアンを周期とする最小値aとa√(2)の間で変化する。ただし2aは図2に示すブロックの幅である。
【0021】
ハフ変換では、画像空間内の各特徴点はハフ空間内の点に変換される。画像空間内の複数の点の処理により、ハフ空間内のいくつかのp、θ位置における点の累積を生じ、画像空間内の同一直線上の点はハフ空間内のピーク、すなわち局所的最大を生じる。その局所的最大を抽出してから、逆ハフ変換を適用して画像空間へ戻す写像を行うことにより、それぞれの局所的最大に対応するそれぞれの直線を導出する。結果として得られる直線は長さが無限であるため、それらの直線を組み合わせることにより、もとの画像空間内の特徴点に対応する形状がわかる。
【0022】
本明細書において、ハフ空間の次元は、パラメトリック曲線を定義するパラメータの個数に関係している。したがって、直線を検出するためのハフ変換の場合、画像空間内の点(x,y)は2次元ハフ空間内の点(p、θ)に写像される。
【0023】
図6は、図5の特徴点に対して実行されたハフ変換の結果を例示している。図6における輝度の値は累積された値に対応し、ハフ空間内のピークが最も明るい点として示されるようになっている(局所的ピークは局所的に最も明るい点である)。
【0024】
ステップ140で、ランドマーク点が選択される。まず、ハフ空間内の累積値の局所的最大が検出される。図7は、ハフ空間内の局所的ピークに対応する画像空間内の直線を例示している。局所的最大の累積値がしきい値と比較される。本実施の形態でのしきい値は、そのブロックにおける大域的な最大累積値のあらかじめ決められたパーセンテージ(80%)である。しきい値を超える局所的最大に対する(p、θ)値が、ランドマークサブセットと呼ばれるサブセットとして選択される。しきい値は変わり得る。例えば、他のパーセンテージも使用可能であり、大域的な最大は代わりに画像全体に対するものでもよく、しきい値は他の方法で決定されてもよい。
【0025】
次に、ステップ150で、ランドマークサブセット内の局所的最大がさらに処理される。本実施の形態では、ランドマークサブセット内の(p、θ)値はθ軸上に投影され累積される。この結果、本例に対して図8に示すグラフが得られる。投影の結果は、ランドマークサブセットに対応する直線に関する特性を判定するために解析される。より詳細には、本実施の形態では、ランドマークサブセットについて直線の相対角度が解析される。図8からわかるように、最高のピークは、46°および136°の顕著な方向に対応する。これは、多数の直線が90°で交わっていることを示しており、都市区域のような人工環境を示唆する。同様に、大きい単一ピークは、一般に人工環境で発生する平行線を示唆する。
【0026】
他の変数への他の投影も使用可能である。例えば、投影はp軸上に行うことも可能である。
【0027】
実施の形態2.
次に、実施の形態2が、図10の流れ図を参照して説明される。図10の流れ図は、ステップ110と140の間に追加ステップ、すなわちステップ120があることを除いては、図1の流れ図と同一である。
【0028】
実施の形態2は、以下で論じる相違点を除けば、実施の形態1と同様である。
【0029】
特徴点の検出のステップ、すなわちステップ110で、本実施の形態のエッジ検出は、特徴が所与の位置に存在するかどうかを示す値を、画像内の点に割り当てる。例えば、より高い値はエッジの存在の信頼度がより高いことを示す、0と1の間の値をとるエッジ信頼尺度を使用でき、それによりエッジ特徴点に対する確率マップが得られる。例えばコーナーや色特徴のような他の特徴も使用できる。
【0030】
ステップ110の後、ステップ120では、ステップ110で検出された特徴点の統計解析がブロックごとに実行される。より詳細には、ブロックごとに信頼値からヒストグラムが形成される。また、ブロックごとに特徴点の密度が計算される。ブロック内の特徴点の分布に関する他の統計情報を導出してもよい。この統計情報は、後の処理において、ランドマーク点を選択する際に使用される。
【0031】
ランドマーク点を検出するためのしきい値は以下のように導出され得る。所与のブロックサイズに対して、特徴点の代表配置を多数ランダムに選択して生成する。配置ごとに、ハフ変換を実行し、ハフ空間内の累積値のヒストグラムを求める。すべての配置に対するヒストグラムを組み合わせ(例えば平均し)、それを用いて、ランドマーク点を検出するための適当なしきい値を決定する。
【0032】
例えば、組み合わされたヒストグラムで観察される最高値に相当する値が、このしきい値として使用され得る。
【0033】
組み合わされたヒストグラムは、特定のアプリケーションで、例えば特定のブロックサイズに対して、一般的なランダムな画像挙動から生じるハフ空間内の像の反映である。換言すれば、この手法は、ランダムに発生するハフ空間内のピークの目安にはなるが、必ずしも画像内のランドマーク点に対応するとは限らない。すなわちノイズの場合がある。しきい値は、ランドマーク点抽出に必要とされる信頼度に従って変えることができる。例えば、組み合わされたヒストグラム内の最高値の3倍のようなより高いしきい値は、偶然に発生するランドマーク点をより多く排除するが、他方対象となる可能な点を排除するリスクも増大する。同様に、例えば組み合わされたヒストグラム内の最高値の80%までしきい値を低下させると、対象となる点を正しく返す可能性は増大するが、誤った点を返すリスクも増大する。
【0034】
上記のような他の統計情報は、しきい値情報を導出する際に使用可能である。例えば、特徴点のランダムに選択された代表配置は、考慮中の画像領域の特徴点の密度を考慮に入れてもよい(すなわち、それらの配置は類似した密度を有する)。また適宜他の統計情報についても同様に考慮に入れてよい。
【0035】
処理を単純化するため、ランダムに生成された画像からの基準ヒストグラムおよび対応するしきい値を生成するモデル化がオフラインで実行され、ヒストグラムまたはしきい値が例えばルックアップテーブルに記憶されることも可能である。
【0036】
上記の実施の形態は、直線を検出するためにハフ変換を使用する。ハフ変換は、円、楕円のような他の規則的曲線を検出するためにも使用可能である。ハフ変換は特徴の単純な解析的記述が不可能なアプリケーションでも使用可能であるが、このような場合には、計算の複雑さが増大する。本発明は、ハフ変換原理のこれらの他のアプリケーションでも使用可能である。例えば、本発明は、円の中心の間の関係を解析する際にも使用可能である。その場合、円の中心の規則的な間隔は人間の影響を示唆する。
【0037】
本発明は、適切にプログラムされたコンピュータのようないかなる適切な装置により実施されることも可能である。コンピュータは、専用の特定用途コンピュータであるか、または本方法を実行するための適切なソフトウェアが供給された、もしくは特別に設計された集積回路のようなハードウェアで実施されたコンピュータである。本装置は、スキャナ、ディジタルカメラ、インターネットリンク、またはデータキャリアのような画像記憶手段への接続のような画像入力手段を含んでもよい。
【図面の簡単な説明】
【0038】
【図1】本発明の実施の形態による方法を説明する流れ図である。
【図2】ハフ変換を説明する図である。
【図3】ハフ変換を説明するもう1つの図である。
【図4】人工構造物を示す画像例である。
【図5】図4の画像に対するエッジ検出プロセスの結果を示す図である。
【図6】図5の画像内の点に対して実行されたハフ変換の結果を示す図である。
【図7】図6に基づく逆ハフ変換の結果を示す図である。
【図8】図6に基づくハフ空間からの写像の結果を示すグラフである。
【図9】本発明の実施の形態による装置の概略図である。
【図10】本発明の実施の形態2を説明する流れ図である。
Claims (16)
- 画像空間内の点に対してn次元ハフ空間へのハフ変換を実行するステップと、
前記画像空間内の特徴を表す前記ハフ空間内の点を選択するステップと、
前記画像空間内の特徴に関する情報を導出するために、前記選択された点についてのn個の変数のうちのm個の変数(ただしmはnより小さい)を解析するステップと
を備える画像を解析する方法。 - エッジもしくはコーナー検出手段または色特徴検出手段のような特徴検出手段を用いて前記ハフ変換のための点を検出するステップを備える請求項1に記載の方法。
- 前記選択された点についてのm個の変数の解析は、前記選択された点の間の関係を解析することを含む請求項1または2に記載の方法。
- 前記ハフ変換は直線を検出するためのものであり、画像空間内の点(x,y)をハフ空間内の点(r,θ)に写像する請求項1ないし3のいずれか1項に記載の方法。
- 前記選択された点の解析はθの値を解析することを含む請求項4に記載の方法。
- 前記ハフ空間内の点を選択するステップは、局所的ピークを識別し該局所的ピークをしきい値と比較することを含む請求項1ないし5のいずれか1項に記載の方法。
- 前記しきい値は、好ましくは解析される画像に類似した統計的性質を有するランダムな基準画像に基づく請求項6に記載の方法。
- 前記選択された点の解析は、人工構造物を識別するためおよび/または都市/非都市区域間を区別するためのものである請求項1ないし7のいずれか1項に記載の方法。
- ハフ変換を用いて対象画像内の特徴を識別するためのしきい値を生成する方法であって、
複数のランダムな基準画像領域を生成し、基準画像領域ごとにハフ変換を実行し、ハフ空間内の累積値のヒストグラムを導出するステップと、
前記基準画像に対するヒストグラムを組み合わせるステップと、
しきい値を導出するために前記組み合わされたヒストグラムを使用するステップと、
を備える方法。 - 前記基準画像領域は、前記対象画像に類似した統計的性質を有する請求項9に記載の方法。
- 請求項1ないし10のいずれか1項に記載の方法を実行するコンピュータプログラム。
- 請求項11に記載のコンピュータプログラムを記憶するコンピュータ可読媒体。
- 請求項1ないし9のいずれか1項に記載の方法を実行するように適応した装置。
- 画像信号を処理する手段と、
ハフ変換を実行する手段と、
前記画像空間内の特徴を表す前記ハフ空間内の点を選択する手段と、
前記画像空間内の特徴に関する情報のために、前記選択された点についてのn個の変数のうちのm個の変数(ただしmはnより小さい)を解析する手段と、
を備える請求項13に記載の装置。 - 画像入力手段を備える請求項13または請求項14に記載の装置。
- 画像表示手段を備える請求項13ないし15のいずれか1項に記載の装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP02254613A EP1378861A1 (en) | 2002-07-01 | 2002-07-01 | Method and apparatus for image processing |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2004038980A true JP2004038980A (ja) | 2004-02-05 |
Family
ID=29719769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003189763A Pending JP2004038980A (ja) | 2002-07-01 | 2003-07-01 | 画像を解析する方法、しきい値を生成する方法、該方法を実行するコンピュータプログラム、該プログラムを記憶するコンピュータ可読媒体および該方法を実行するように適応した装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US7440636B2 (ja) |
EP (2) | EP1591960A1 (ja) |
JP (1) | JP2004038980A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015500503A (ja) * | 2011-11-16 | 2015-01-05 | エシロール アンテルナシオナル (コンパニー ジェネラル ドプティック) | 眼科用レンズの決定方法 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1306805A1 (en) * | 2001-10-25 | 2003-05-02 | Mitsubishi Electric Information Technology Centre Europe B.V. | Image Analysis |
US7253739B2 (en) * | 2005-03-10 | 2007-08-07 | Delphi Technologies, Inc. | System and method for determining eye closure state |
US8090172B2 (en) * | 2007-09-12 | 2012-01-03 | Siemens Medical Solutions Usa, Inc. | Robust segmentation of breast and muscle in MRI |
CN102282588A (zh) * | 2009-04-07 | 2011-12-14 | 村田机械株式会社 | 图像处理装置、处理方法、处理程序及存储介质 |
TWI480809B (zh) * | 2009-08-31 | 2015-04-11 | Alibaba Group Holding Ltd | Image feature extraction method and device |
US9170581B2 (en) | 2013-09-30 | 2015-10-27 | Crown Equipment Limited | Industrial vehicles with overhead light based localization |
US9174830B1 (en) | 2014-09-29 | 2015-11-03 | Crown Equipment Limited | Industrial vehicles with point fix based localization |
US10565395B2 (en) * | 2016-01-29 | 2020-02-18 | Kiwi Security Software GmbH | Methods and apparatus for using video analytics to detect regions for privacy protection within images from moving cameras |
CN108984315B (zh) * | 2018-06-14 | 2022-04-15 | 深圳市轱辘车联数据技术有限公司 | 应用数据处理方法、装置、终端及可读介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06314339A (ja) * | 1993-04-27 | 1994-11-08 | Honda Motor Co Ltd | 画像の直線成分抽出装置 |
US5638465A (en) * | 1994-06-14 | 1997-06-10 | Nippon Telegraph And Telephone Corporation | Image inspection/recognition method, method of generating reference data for use therein, and apparatuses therefor |
US6298157B1 (en) * | 1998-02-27 | 2001-10-02 | Adobe Systems Incorporated | Locating and aligning embedded images |
DE69808522T2 (de) * | 1998-08-25 | 2003-08-07 | Bev Holding Sa | Gerät zur bildverarbeitung |
US6266442B1 (en) * | 1998-10-23 | 2001-07-24 | Facet Technology Corp. | Method and apparatus for identifying objects depicted in a videostream |
-
2002
- 2002-07-01 EP EP05076232A patent/EP1591960A1/en not_active Withdrawn
- 2002-07-01 EP EP02254613A patent/EP1378861A1/en not_active Withdrawn
-
2003
- 2003-07-01 JP JP2003189763A patent/JP2004038980A/ja active Pending
- 2003-07-01 US US10/609,374 patent/US7440636B2/en not_active Expired - Fee Related
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015500503A (ja) * | 2011-11-16 | 2015-01-05 | エシロール アンテルナシオナル (コンパニー ジェネラル ドプティック) | 眼科用レンズの決定方法 |
Also Published As
Publication number | Publication date |
---|---|
EP1591960A1 (en) | 2005-11-02 |
US20040114830A1 (en) | 2004-06-17 |
EP1378861A1 (en) | 2004-01-07 |
US7440636B2 (en) | 2008-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6719457B2 (ja) | 画像の主要被写体を抽出する方法とシステム | |
US10373380B2 (en) | 3-dimensional scene analysis for augmented reality operations | |
WO2019218824A1 (zh) | 一种移动轨迹获取方法及其设备、存储介质、终端 | |
US9754160B2 (en) | Method and device for detecting gathering of objects based on stereo vision as well as non-transitory computer-readable medium | |
US9235759B2 (en) | Detecting text using stroke width based text detection | |
US9811733B2 (en) | Method, apparatus and system for selecting a frame | |
Pan et al. | Detecting image region duplication using SIFT features | |
WO2021051604A1 (zh) | Osd的文字区域的识别方法、装置及存储介质 | |
Pan et al. | Exposing image forgery with blind noise estimation | |
US9303525B2 (en) | Method and arrangement for multi-camera calibration | |
US9142011B2 (en) | Shadow detection method and device | |
US7123745B1 (en) | Method and apparatus for detecting moving objects in video conferencing and other applications | |
KR101548928B1 (ko) | 불변적인 시각적 장면 및 객체 인식 | |
US20130101170A1 (en) | Method of image processing and device therefore | |
US20110044506A1 (en) | Target analysis apparatus, method and computer-readable medium | |
US20100079453A1 (en) | 3D Depth Generation by Vanishing Line Detection | |
US7440636B2 (en) | Method and apparatus for image processing | |
Dhar et al. | An efficient real time moving object detection method for video surveillance system | |
CN112651953A (zh) | 图片相似度计算方法、装置、计算机设备及存储介质 | |
Fang et al. | 1-D barcode localization in complex background | |
Guerreiro et al. | Extraction of line segments in cluttered images via multiscale edges | |
CN116109891B (zh) | 图像数据扩增方法、装置、计算设备及存储介质 | |
Jang | Extraction of mosaic regions through projection and filtering of features from image big data | |
Hou et al. | Fogery image splicing detection by abnormal prediction features | |
Chappero et al. | Lineal perspective estimation on monocular images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060607 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090317 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20090615 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20090618 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090914 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20091110 |