JP3608106B2 - 画像処理を用いた鋼材表面の劣化度評価システム - Google Patents
画像処理を用いた鋼材表面の劣化度評価システム Download PDFInfo
- Publication number
- JP3608106B2 JP3608106B2 JP2000283826A JP2000283826A JP3608106B2 JP 3608106 B2 JP3608106 B2 JP 3608106B2 JP 2000283826 A JP2000283826 A JP 2000283826A JP 2000283826 A JP2000283826 A JP 2000283826A JP 3608106 B2 JP3608106 B2 JP 3608106B2
- Authority
- JP
- Japan
- Prior art keywords
- pixel data
- clusters
- extracted
- data
- nuclei
- 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
Links
- 0 CC1(*2)*2C1N Chemical compound CC1(*2)*2C1N 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Spectrometry And Color Measurement (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Description
【産業上の利用分野】
本発明は、鋼材の腐食状態や、溶融亜鉛メッキを施した鋼材の表面劣化状態を画像処理による色のクラスタリング結果で定量的に評価するために、鋼材表面を撮影したディジタル画像データから、色のR,G,B信号に基づく画像処理を用いて輝度信号Yと色差信号C1,C2に変換し、画像の2次元平面にプロットした分布データから、c−means法に従ったクラスタリングを行う際、最適なクラスタ数とクラスタの初期ベクトルを効率よく与える方法を用いた、鋼材表面の劣化評価システムに関する。
【0002】
【従来の技術】
従来、構造物の鋼材の腐食状態や、溶融亜鉛メッキを施した鋼材の表面劣化状態を評価するには、人の視覚や写真による評価に始まり、色標による評価や、超音波によって鋼材の厚さを計測するものなどがある。しかし、人の視覚に頼る調査では、同じものを評価しても定量的に判断するのは難しく、個人によってその評価が異る問題が生じる。超音波測定においては、部分部分は比較的定量的な評価が可能であるが、広い範囲になると、評価に時間と労力がかかり、構造によっては、測定できない個所も生じてくる問題があった。
【0003】
また、鋼材の腐食状態の写真を用いて、R(赤),G(緑),B(青)の3原色信号(以下R,G,B信号と略す)により、カラー画像処理を行ない、個人差による評価の違いを防ぐ方法を実施しても、異なる光源下で撮影されることにより鋼材の腐食状態は評価に違いを生じ、撮影条件の統一化が必要であった。このため、特許第3013301の『画像処理を用いた鋼材表面の劣化方法』では、撮影する鋼材表面の写真中にグレーカードを写しこみ、グレーカードを基準に撮影条件による明るさを補正する方法を提案している。しかしながら、この方法では、鋼材の写真にグレーカードを写しこむ難しさや、グレーカードが写っていない写真の処理ができない問題が生じた。
【0004】
そこで、鋼材表面の写真をカラーディジタル画像に変換した後、彩度と色相を用いて処理したデータ結果から、c−means法による鋼材表面色のクラスタリングとその最適化のための評価関数を用いた方法により、互いに似た色の画素を分類して、劣化度の評価を行う方法を提案した。しかし、一般に使用されるc−means法では、初期条件であるクラスタ数とクラスタの初期ベクトルの与え方や、与えられた画像の色相や彩度の変化が小さい場合、最終結果に抽出されない色があり、適切な評価が得られない問題が挙がった。
【0005】
【発明が解決しようとする課題】
本発明は、従来の技術の有するこのような問題点に鑑みてなされたものであり、鋼材表面のディジタル処理された画像カラーデータを彩度と色相に変換後、彩度と色相の2次元平面にプロットしたデータを用いて、c−means法で鋼材表面色のクラスタリングを行う場合に、効率的で精度のよいクラスタ数とクラスタの初期ベクトルを与える方法を、提案しようとするものである。
【0006】
また、階層的手法に従い、鋼材表面の色をクラスタリングするクラスタ数とクラスタの初期ベクトルを、c−means法を行う前に求めておく手順を踏むことで、全体の画像処理時間の効率を向上しようとするものである。
【0007】
【課題を解決するための手段】
上記目的を達成するために、本発明における画像処理方法は、ディジタルカメラで撮影したものや、撮影された鋼材表面の写真(アナログ映像)を、スキャナなどを用いてディジタル映像の信号として計算機に取り込む。スキャナーで写真を取りこむ場合は、x方向(横方向)およびy方向(縦方向)に細かく分解して、それぞれ四角で囲まれた画素を設定する。各画素は、空間サンプリングされた後、A/D変換によってディジタル画像データに変換されるが、このとき画素をできるだけ小さくとることで、アナログ映像とディジタル画像データとの誤差が、小さくなる。
【0008】
各画素の画像の明るさ(濃淡値)である階調値は、R(赤),G(緑),B(青)の3原色信号を用いた2のn乗(nは任意数)段階で表され、表現可能な色数は、((2のn乗)の3乗)色である。
【0009】
R(赤),G(緑),B(青)の3原色信号で表したディジタル画像データを、「数式1」に従い、輝度信号Yと色差信号C1,C2に変換する。ここで、輝度信号Yはいわゆる白黒画像に相当するものである。
【数式1】
Y = 0.3R + 0.59G + 0.11B
C1 = R−Y= 0.7R − 0.59G − 0.11B
C2 = B−Y=−0.3R − 0.59G − 0.89B
【0010】
「数式1」を展開すると、「数式2」のように、色差信号(B−Y)を基準とした軸からの回転角度で色相Hを、原点からの距離Sで彩度を表すことができる。これにより、画像のディジタルデータから得られた各画素のデータについて、色相と彩度を2次元座標(C1−C2平面)にプロットすることができる。このとき、画像の平滑化処理を行っておけば、後処理における誤差を減少できる。さらに、前処理の段階では、全ての画素データの輝度を「数式3」により一定値に基準化することで、各画素データの色相は変わらず、彩度が変化し、基準化されたS’が求まる。
【数式2】
S = ((C1)2+(C2)2)1/2
H = tan−1(C1/C2)
【数式3】
S’ = S×100/Y
【0011】
このようにして、2次元平面で表された彩度S’と色相Hのデータについて、クラスタリング(クラスタ分析)を行う。クラスタリングとは、異質なものが混ざり合っている対象の中で、互いに似たもの同士を集めて一つのクラスタ(グループ)として、全対象をいくつかの自然な集落に分類するための手法を総称したものである。
【0012】
本発明では、クラスタリングにおけるデータの局所的な集まりの度合いを決定する手法に距離の概念を導入し、ユークリッド距離を計算することによって類似度を評価する。すなわち、ユークリッド距離が小さければ、データ間の類似度は高く、逆にこの距離が大きければデータ間の類似度は低いとしている。このような方法は、c−means法と呼ばれている。
【0013】
c−means法では、初期条件として使用するクラスタ数とクラスタの初期ベクトルを与える必要がある。クラスタ数とクラスタの初期ベクトルを求めるため、c−means法よりクラスタリングを行うために、本発明では以下の▲1▼〜▲7▼に示した核抽出法の手順を踏む。(この概要は、図1のフローチャートに示す。)
▲1▼ 鋼材表面の色を輝度信号(Y)と色差信号(C1,C2)に変換して2次元平面(C1−C2平面)に表わした画素データの分布から、クラスタリングの対象となる画素データの平均ベクトル、および標準偏差を求める。ここで、クラスタ数cをc=1とする。
▲2▼ 画素データの分布範囲を、分割幅n×n(nは整数)の正方形のメッシュに分割し、メッシュごとに含まれる画素データ数を求める。このとき、i=1、j=1とする。分割幅はn=5程度とする。分割数は多ければ多いほど精度が上がる反面、計算時間がかかる。
▲3▼ 画素データ数がj番目に高いメッシュを選び、その中心座標をi番目の核座標として抽出し、i=i+1とする。
▲4▼ j=j+1とし、画素データ数がj番目に高いメッシュに対して、以下の2条件と比較し、条件を満たした場合、そのメッシュの中心座標をi番目の核座標として抽出し、i=i+1とする。
条件1:メッシュに含まれる画素データ数が、全画素データ数の0.3%以上である。
条件2:抽出された核と、今までに抽出されていた1〜i−1番目までの核との距離が、クラスタ内の画素データの標準偏差以上離れている。ただし、標準偏差値が小さい場合は、基準値を設ける。
▲5▼ 抽出する核がなくなるまで、▲4▼を繰り返す。
▲6▼ ▲5▼の作業が終了した時点の核の数c=i−1をクラスタ数に、核座標をクラスタの初期ベクトルとし、c−means法により画素データをクラスタリング(分類) する。
▲7▼ ▲6▼で得られた各々のクラスタに含まれる画素データを1つの対象データ群として、再び▲1▼〜▲5▼の処理によってさらに核の抽出を行う。ここで、核が1つしか抽出されなかったクラスタについては、そこでクラスタリングを終了する。また、2つ以上の核が抽出されたクラスタに関しては、▲6▼の作業に戻り、核が2つ以上抽出されなくなるまで、作業を繰り返す。
【0014】
このような方法で、クラスタリングされた色を用いて鋼材表面の状態を表す場合に、鋼材表面の劣化状態を予めC1−C2座標で表して色で定量化しておいたものと比較することで、容易に鋼材表面の劣化状態が判る。
【作用】
【0015】
上記の手段により、鋼材表面の劣化状態を輝度信号Yと色差信号C1,C2の画像処理結果で表し、▲1▼〜▲7▼に示したクラスタリングにより鋼材表面状態を複数の色で表すため、撮影条件に依存されない状態で定量的に評価でき、あらかじめ定量化してある劣化度と簡単に比較できるため、個人差による評価の違いを防げる。
【0016】
そして、鋼材の表面全体に広がる劣化状態は、核抽出法で決定されたクラスタ数とクラスタの初期ベクトルをc−means法に与えて階層的に解析することにより、適切な色の数に分類したクラスタリングができるため、評価誤差を防ぎ、緻密な評価と定量化ができる。
【実施例】
【0017】
以下、本発明の実施例を詳細に説明する。
鋼材表面状態を写真など紙面に現像したものは、スキャナー等で画像データを読み込み、ディジタル画像データに変換したものを使用する。図2は、ディジタルデータを鋼材表面の画像の明るさを評価するため、鋼材の表面状態を撮影した写真(図2A点)を格子で仕切った図である。格子は、画素(図2D点)とも呼ばれ、画像の大きさや解像度を表す。各画素の位置における画像の明るさ(濃淡値)を、階調若しくは階調値と呼ぶ。階調画像では、階調数が大きくなるほど画質が高い。本発明では、カラー画像にR(赤),G(緑),B(青)の3原色信号を用いて、各画素を表して、画素の階調をR,G,B各8ビット、すなわち2の8乗=256段階とするとき、鋼材の表面状態について表現可能な色数は、256の3乗=16777216≒1680万色になる。
なお、ディジタルカメラで撮影したものについては、各画素毎にディジタル化されたデータをそのまま使用できる。
【0018】
この際、ディジタルカメラで取りこんだ画像の画素数や、スキャナーで取りこんだ画像データの画素数は、画素の大きさをできるだけ小さくすることで、ディジタル画像データと実際の鋼材表面状態との誤差が小さくなる。
【0019】
写真やディジタルカメラの画像は、撮影状況の違いにより色の明るさの違いが生じるため、鋼管内を内視鏡で撮影した写真と、太陽の下で撮影した写真とでは、評価結果が異なると考えられる。そこで、R(赤),G(緑),B(青)の3原色信号で表したディジタル画像データの各画素について「数式1」に従い、輝度信号Yと色差信号C1,C2に変換する。図3の輝度信号Yは、いわゆる白黒画像に相当するものである。
【0020】
「数式1」を展開すると、「数式2」のように、色差信号(C2)を基準とした軸からの回転角度で色相Hを、原点からの距離で彩度Sを表すことができる。(図4参照)これにより、画像のディジタルデータから得られた各画素のデータは、図5に示すように色相と彩度を2次元座標(C1−C2平面)にプロットすることができる。このとき、画像の 平滑化処理を行っておけば、後処理における誤差を減少できる。さらに、前処理の段階では、全ての画素データの輝度(輝度信号Y)を「数式3」により基準化(100に基準化した場合を示す)することで、各画素データの色相は変わらず、彩度S’が変化するため、撮影条件の明るさに依存することなく、定量的に画像の色を表すことができる。
【0021】
このようにして、図5に示すような2次元平面(C1−C2平面)で表された彩度S’と色相Hのデータについて、c−means法に基づくクラスタリングを行う。c−means法に基づくクラスタリングは、クラスタリングにおけるデータの局所的な集まりの度合いを決定する手法に距離の概念を導入し、ユークリッド距離を計算することによって類似度を評価する方法である。
【0022】
鋼材表面における画像データの適切なクラスタリングを行うために、2次元平面(C1−C2平面)で表された彩度と色相のデータについて、▲1▼〜▲7▼の方法でクラスタ数とクラスタの初期ベクトルを求め、c−means法により分析した結果は、例えば図5で示すようなグループJ,K,L,Mで分類される。ここで、色毎のグループJ,K,L,Mに分類されたクラスタ(グループ)は、▲1▼〜▲7▼の方法でクラスタリングされた結果であろ。すなわち、図5で同じ色にクラスタリングされている画像データは、図7のP、図8のTの様に、同じ各クラスタであると仮定されて表される。そして各クラスタは、鋼材表面上で同じ色(劣化度)を示すものとする。
【0023】
クラスタリングされたディジタル画像データは、それぞれに与えられた色を用いて、鋼材表面の劣化状態を表す。クラスタリング結果の例として、図6に元画像データを、図7に本発明のクラスタリングによる画像処理で表した結果を示す。図8には、元画像を図9のフローチャートで示す従来のc−means法でクラスタリングした画像処理結果を示す。元画像では、図6のWの位置である中央左に赤っぽいまだらの部分があり、これが画像処理において特に検出したい赤錆の部分である。この部分の色のデータは、図5のC1−C2平面上において左上にくちばしの様に突出した部分Jである。従来のc−means法によるクラスタリングの画像処理結果では、図8のUの位置に示すように、この部分を他の部分と違う色の各クラスタ(グループ)として判別できていない。これに対し、本発明のクラスタリングによる画像処理結果では、図7のXの位置に示すように、この赤錆部分をクラスタ(グループ)として認識していることが判る。
【0024】
クラスタリングされたデジタル画像データは、各クラスタ(グループ)毎に、その色相、彩度といった色データから、それぞれがどの腐食状態(劣化度)に含まれるかの判定を行う。判定は既存の鋼材表面の劣化状態を予めC1−C2座標で表して色のデータで定量化しておいたものと比較することで行われる。このとき、各クラスタの色データとして、各クラスタの輝度や色相、彩度などの平均値を用いる。比較した結果を、各劣化状態に応じて図7のPの様に決めた色で色分けすることで、元画像の各部分の劣化状態を一目で把握することができる。
【発明の効果】
本発明は、以上に説明した手順で行うことにより、以下に記載するような効果を奏する。
【0025】
「請求項1」の手順を踏み、鋼材表面の劣化度評価に本発明のクリスタリング方法を利用することで、劣化度の評価を撮影条件の違いや個人差に依存することなく、定量的に行うことができる。
【0026】
また、本発明は対象データの分布特性に注目して、階層的なクラスタリング手法を用いるため、分析にかかる時間が短時間で済み、かつ画像判定に重要な、赤錆といった他の部分と色の違う箇所を確実に検出することができるため、精度のよい評価ができるようになる。
【図面の簡単な説明】
【図1】本発明による鋼材表面の劣化状況を評価するために行うクラスタリング方法を説明するためのフローチャートである。
【図2】鋼材の表面状態を撮影した写真を格子で仕切り、各画素の分割の状態を表した図である。
【図3】R(赤),G(緑),B(青)の3原色信号から輝度信号Yと色差信号C1,C2から求めた彩度Sの関係を表した図である。
【図4】色差平面上(C1−C2平面)における色相Hと彩度Sの関係を表した図である。
【図5】画像処理の例。画像のディジタルデータから得られた各画素のデータを、色相と彩度の2次元座標(C1−C2平面)にプロットした状態と、本発明の画像処理によりクラスタリングした状態を示す図である。
【図6】画像処理の例。図5のデータの元画像データである。
【図7】画像処理の例。図5のデータを、本発明によるクラスタリングを行った結果である。
【図8】画像処理の例。図5のデータを、従来のc−means法でクラスタリングを行った結果である。
【図9】鋼材表面の劣化状況を評価するために、従来のc−means法で行うクラスタリング方法を説明するためのフローチャートである。
【符号の説明】
A 写真
B カラー画像の青
C1 色差信号
C2 色差信号
D 1画素
E 横分割数
F 縦分割数
G カラー画像の緑
H 色相
J クラスタリングされたグループ1
K クラスタリングされたグループ2
L クラスタリングされたグループ3
M クラスタリングされたグループ4
P 本発明のクラスタリングによる画像処理のクラスタ数
Q 本発明のクラスタリングによる画像処理結果
R カラー画像の赤
S 彩度
T 従来のc−means法よる画像処理のクラスタ数
U 従来のc−means法により画像処理を行った赤錆部分のクラスタリング結果
W 元画像で検出したい赤錆の部分
X 本発明のクラスタリングによる画像処理で検出された赤錆部分
Y 輝度信号
Z 従来のc−means法により画像処理結果
Claims (1)
- 鋼材の表面劣化度を複数のクラスタリングされた色で評価するために、鋼材の表面状態を細かい画素の集合であるディジタル画像データで表し、それぞれの画素についてR(赤)、G(緑)、B(青)から輝度信号(Y)と色差信号(C1,C2)に変換して2次元的に表したデータ(以下、画素データと呼称)を用いて、c−means法でクラスタリングするに際し、▲1▼〜▲7▼の手法により最適なクラスタ数とクラスタの初期ベクトルを求めて計算することを特徴とする鋼材表面の劣化度評価システム。
▲1▼ 鋼材表面の色を輝度信号(Y)と色差信号(C1,C2)に変換して2次元平面(C1−C2平面)に表わした画素データの分布から、クラスタリングの対象となる画素データの平均ベクトル、および標準偏差を求める。ここで、クラスタ数cをc=1とする。
▲2▼ 画素データの分布範囲を、分割幅n×n(nは整数)の正方形のメッシュに分割し、メッシュごとに含まれる画素データ数を求める。このとき、i=1、j=1とする。分割幅はn=5程度とする。分割数は多ければ多いほど精度が上がる反面、計算時間がかかる。
▲3▼ 画素データ数がj番目に高いメッシュを選び、その中心座標をi番目の核座標として抽出し、i=i+1とする。
▲4▼ j=j+1とし、画素データ数がj番目に高いメッシュに対して、以下の2条件と比較し、条件を満たした場合、そのメッシュの中心座標をi番目の核座標として抽出し、i=i+1とする。
条件1:メッシュに含まれる画素データ数が、全画素データ数の0.3%以上である。
条件2:抽出された核と、今までに抽出されていた1〜i−1番目までの核との距離が、クラスタ内の画素データの標準偏差以上離れている。ただし、標準偏差値が小さい場合は、基準値を設ける。
▲5▼ 抽出する核がなくなるまで、▲4▼を繰り返す。
▲6▼ ▲5▼の作業が終了した時点の核の数c=i−1をクラスタ数に、核座標をクラスタの初期ベクトルとし、c−means法により画素データをクラスタリング(分類)する。
▲7▼ ▲6▼で得られた各々のクラスタに含まれる画素データを1つの対象データ群として、再び▲1▼〜▲5▼の処理によってさらに核の抽出を行う。ここで、核が1つしか抽出されなかったクラスタについては、そこでクラスタリングを終了する。また、2つ以上の核が抽出されたクラスタに関しては、▲6▼の作業に戻り、核が2つ以上抽出されなくなるまで、作業を繰り返す。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2000283826A JP3608106B2 (ja) | 2000-09-19 | 2000-09-19 | 画像処理を用いた鋼材表面の劣化度評価システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2000283826A JP3608106B2 (ja) | 2000-09-19 | 2000-09-19 | 画像処理を用いた鋼材表面の劣化度評価システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2002090308A JP2002090308A (ja) | 2002-03-27 |
JP3608106B2 true JP3608106B2 (ja) | 2005-01-05 |
Family
ID=18768131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2000283826A Expired - Lifetime JP3608106B2 (ja) | 2000-09-19 | 2000-09-19 | 画像処理を用いた鋼材表面の劣化度評価システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3608106B2 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4516777B2 (ja) * | 2004-02-13 | 2010-08-04 | 新日本製鐵株式会社 | 薄板の表面欠陥の分布形態解析装置、薄板の表面欠陥の分布形態解析方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体 |
AT502810B1 (de) * | 2005-11-17 | 2007-06-15 | Arc Seibersdorf Res Gmbh | Verfahren zur optischen prüfung von gegenständen |
US8031914B2 (en) * | 2006-10-11 | 2011-10-04 | Hewlett-Packard Development Company, L.P. | Face-based image clustering |
JP5276287B2 (ja) * | 2007-08-03 | 2013-08-28 | 九州電技開発株式会社 | 架空送電線の腐食、余寿命測定方法およびその装置 |
JP4999642B2 (ja) * | 2007-11-02 | 2012-08-15 | 中国電力株式会社 | 配電設備の劣化診断装置 |
JP5262582B2 (ja) * | 2007-11-02 | 2013-08-14 | 新日鐵住金株式会社 | 表面欠陥の分布形態解析装置、方法、及びプログラム |
JP5072752B2 (ja) * | 2008-07-14 | 2012-11-14 | 日本電信電話株式会社 | 輝度及び色差を用いた管路点検用画像解析方法、画像解析装置、管路点検システム及びプログラム |
JP5647878B2 (ja) * | 2010-05-31 | 2015-01-07 | 東北電力株式会社 | 鋼管内部腐食解析装置及び鋼管内部腐食解析方法 |
JP6034529B1 (ja) * | 2016-06-14 | 2016-11-30 | 九州電力株式会社 | 表面状態診断装置 |
CN110866895B (zh) * | 2019-10-25 | 2023-09-08 | 广西电网有限责任公司电力科学研究院 | 一种检测输变电钢构架热镀锌层色差质量方法 |
CN111896625B (zh) * | 2020-08-17 | 2023-07-14 | 中南大学 | 钢轨伤损实时监测方法及其监测系统 |
CN114778684A (zh) * | 2022-06-21 | 2022-07-22 | 张家港沙龙精密管业有限公司 | 一种基于服役场景的钢管性能评估方法及系统 |
-
2000
- 2000-09-19 JP JP2000283826A patent/JP3608106B2/ja not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
JP2002090308A (ja) | 2002-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5764238B2 (ja) | 鋼管内部腐食解析装置及び鋼管内部腐食解析方法 | |
JP4139571B2 (ja) | カラー画像の領域分割 | |
JP3608106B2 (ja) | 画像処理を用いた鋼材表面の劣化度評価システム | |
Várkonyi-Kóczy et al. | Gradient-based synthesized multiple exposure time color HDR image | |
CN109523505A (zh) | 一种基于机器视觉的陶瓷砖表面花纹缺陷检测方法 | |
CN116228780B (zh) | 基于计算机视觉的硅片缺陷检测方法及系统 | |
CN112884795A (zh) | 一种基于多特征显著性融合的输电线路巡检前景与背景分割方法 | |
CN111027573B (zh) | 基于盲取证技术的图像真伪鉴别方法 | |
CN112164055A (zh) | 一种基于颜色分割的光伏电池色差分类方法 | |
JP2009123234A (ja) | オブジェクト識別方法および装置ならびにプログラム | |
CN108960285B (zh) | 一种分类模型生成方法、舌体图像分类方法及装置 | |
CN111260625B (zh) | 胶印大张图像检测区域的自动提取方法 | |
JPH06251147A (ja) | 映像特徴処理方法 | |
CN107239754B (zh) | 基于稀疏取样灰度分布和梯度分布特征的车标识别方法 | |
JP2011113177A (ja) | 被写体3次元モデルを構築する方法およびプログラム | |
CA2230197C (en) | Strand orientation sensing | |
Rush et al. | Focal plane processing for HOG detection with Bayer pattern sensors | |
JP2000270343A (ja) | 画像合成用識別パタンパネルを備えた仮想スタジオシステム及び画像合成用識別パタンパネルを用いた識別方法 | |
CN115131619B (zh) | 基于点云和图像融合的特高压零件分拣方法和系统 | |
CN111401249B (zh) | 一种基于不同粒度特征匹配一致性的物体重识别方法 | |
CN117333494B (zh) | 基于深度学习的秸秆覆盖率检测方法及系统 | |
JP2003337945A (ja) | 画像分類プログラム及び画像分類方法 | |
CN117714658A (zh) | 一种图像色彩平衡方法及装置 | |
Zhang et al. | Quality Analysis and Improvement of 3D Panoramic Stitching Sequence Image | |
CN117522665A (zh) | 一种调幅加网数字水印的水印嵌入位置优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040315 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040420 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040614 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20040914 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040929 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 Ref document number: 3608106 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20071022 Year of fee payment: 3 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20071022 Year of fee payment: 3 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081022 Year of fee payment: 4 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081022 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091022 Year of fee payment: 5 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101022 Year of fee payment: 6 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101022 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111022 Year of fee payment: 7 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111022 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121022 Year of fee payment: 8 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131022 Year of fee payment: 9 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
EXPY | Cancellation because of completion of term |