JP7292979B2 - 画像処理装置及び画像処理方法 - Google Patents
画像処理装置及び画像処理方法 Download PDFInfo
- Publication number
- JP7292979B2 JP7292979B2 JP2019102264A JP2019102264A JP7292979B2 JP 7292979 B2 JP7292979 B2 JP 7292979B2 JP 2019102264 A JP2019102264 A JP 2019102264A JP 2019102264 A JP2019102264 A JP 2019102264A JP 7292979 B2 JP7292979 B2 JP 7292979B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- deterioration
- area
- deteriorated
- pixel
- 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
Images
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
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/571—Depth or shape recovery from multiple images from focus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Length Measuring Devices By Optical Means (AREA)
Description
[第1実施形態]
[システム構成]
実施形態は種々の対象物の面積を求める画像処理装置に適用されるが、第1実施形態としてインフラストラクチャ設備の点検のための画像処理装置を説明する。インフラストラクチャ設備の例は、建物、鉄塔、風車、橋梁、化学プラント、発電施設等を含む。実施形態は鉄塔を点検するための画像処理を説明する。
[劣化面積計算プログラム24bの構成]
図3は第1実施形態のプロセッサ22が実行する劣化面積計算プログラム24bの構成の一例を示す。劣化面積計算プログラム24bは、画像取得モジュール52、奥行情報算出モジュール54、領域抽出モジュール56、劣化検出モジュール58、劣化面積計算モジュール60を含む。
[劣化面積計算プログラム24bの処理の流れ]
図8は、劣化面積計算プログラム24bの処理の一例を示すフローチャートである。
[領域抽出モジュール56]
図9を参照して、領域抽出モジュール56の具体的な処理の一例を説明する。図9は、領域抽出モジュール56で行われる機械学習手法による推論処理の一例として、複数入力に対応するため2つのエンコーダを備える深層学習モデルの一例を示す。入力データは、撮影画像68と奥行画像70であり、出力データは、奥行画像70の各画素が点検対象の被写体が写った領域内の画素である可能性を示す尤度画像72である。深層学習モデルは、入力データと教示された尤度画像とを1セットとした複数の学習データセットを用いて予め学習されることにより構築されている。深層学習モデルは、セグメンテーションタスクで一般的に用いられるオートエンコーダ型の構造の例を示している。
奥行情報算出モジュール54が撮影画像68を出力し、領域抽出モジュール56が抽出画像74を出力すると、領域抽出モジュール56は、ステップS122で、撮影画像68と奥行画像70を受け取る。ステップS124で、領域抽出モジュール56は、撮影画像68と奥行画像70を入力とする深層学習モデルにより推論処理を行い、尤度画像72を生成する。ステップS126で、領域抽出モジュール56は、尤度画像72を用いて撮影画像68から抽出画像74を生成する。ステップS128で、領域抽出モジュール56は、抽出画像74を劣化検出モジュール58とデータベース64に出力する。この後、領域抽出モジュール56は、待ち状態となる。
[劣化検出モジュール58]
図11を参照して、劣化検出モジュール58の具体的な処理の流れを説明する。図11は、劣化検出モジュール58で行われる画像処理手法の一例を示す。劣化検出モジュール58は、色変換モジュール58Aと識別処理モジュール58Bを備える。
[劣化面積計算モジュール60]
図13を参照して、劣化面積計算モジュール60の具体的な処理の流れを説明する。図13は、劣化面積計算モジュール60で行われる面積計算手法の一例を示す。劣化面積計算モジュール60は、画素サイズ計算モジュール60Aと画素面積計算モジュール60Bを備える。
WD:Vy=F:Sy 式2
同様に、点検対象までの距離Tと点検対象距離Tでの視野Ox、Oyと焦点距離FとセンササイズSx、Syの間にも同様に次の関係式が成り立つ。
T:Oy=F:Sy 式4
カメラの焦点距離F、センササイズSx、Syは既知であり、点検対象までの距離Tは奥行画像70から算出できるため、点検対象距離Tでの視野Ox、Oyは、次式で算出される。
Oy=T×Sy/F 式6
点検対象距離Tでの視野Oxが判れば、画像の横幅Widthから画像の1画素に対応する点検対象の単位部分の実際の物理的な幅Dxが次式で計算される。横幅Widthはセンサのx方向の画素数である。
同様に、点検対象距離Tでの視野Oyが判れば、画像の高さHeightから画像の1画素に対応する点検対象の単位部分の実際の物理的な高さDyが次式で計算される。高さHeightはセンサのy方向の画素数である。
式7、式8によって、1画素に対応する点検対象の単位部分の実際の物理的な幅、高さである画素サイズが算出される。
点検対象の画像内の劣化部分に含まれる画素の画素面積を集計することにより、点検対象の劣化部分の実際の物理的な面積を計算することができる。
[第1実施形態の纏め]
第1実施形態によれば、撮影装置12から出力された画像データから撮影画像68と奥行画像70が生成される。撮影画像68と奥行画像70から推論処理により点検対象を含む抽出画像74が生成される。抽出画像74の各画素が劣化しているか否かが劣化レベル毎に識別され、劣化レベル毎の劣化部分が抽出画像74から抽出され、劣化画像76が生成される。一方、画像データを撮影したカメラの光学的なパラメータと奥行画像70を用いて画素に対応する被写体の単位部分の面積である画素面積が画素毎に求められる。画素面積が点検対象の劣化レベル毎の劣化部分に関して集計され、劣化部分の劣化面積が得られる。劣化画像76は劣化項目、例えば錆、腐食、塗装浮き、凹凸、破損、変色毎に生成されるので、劣化面積は劣化項目、劣化レベル毎に求められる。この劣化面積を含む劣化面積データ78はデータベースに格納され、ユーザ端末16からの要求に応じてユーザ端末16に送信される。例えば、補修担当者が点検対象の補修計画を作成する際、補修担当者はデータベース64に点検対象の劣化面積データ78の送信を要求する。補修担当者は、劣化面積データ78に基づいて点検対象の劣化具合を客観的に、かつ細分化して判断することができる。
[第2実施形態]
第1実施形態は、カラー開口技術に基づき被写体を撮影し、奥行情報が付加された画像データを出力する撮影装置12を用いる例を説明した。そのため、劣化面積計算プログラム24bの奥行情報算出モジュール54が画像データから奥行情報を算出する。第2実施形態として、他の撮像装置を用いる例を説明する。
[第3実施形態]
第1、第2実施形態は、劣化面積データを算出し、補修担当者は劣化面積の大小に基づいて補修の是非を判断することができる。第3実施形態は、劣化面積データに加えて、補修優先度を算出する。
[変形例]
上述した実施形態では、単一のプロセッサ22が劣化面積計算プログラム24b、24b-1、24b-2を実行することにより各機能が実現されているが、複数のプロセッサを設け、各プロセッサがプログラムのいくつかのモジュールを実行するように構成しても良い。さらに、プロセッサ22が劣化面積計算プログラム24b、24b-1、24b-2を実行することにより劣化面積が計算されているが、劣化面積計算プログラム24b、24b-1、24b-2のモジュールの一部又は全部をIC等のハードウェアにより実現しても良い。画像処理装置14の動作形態は任意で良く、例えばネットワーク10上のクラウドシステムとして動作させても良い。
Claims (15)
- 対象物と背景を含む第1画像と前記第1画像を撮影したカメラの光学的なパラメータを取得する取得手段と、
前記第1画像から撮影画像及び前記第1画像の各画素の奥行情報を表す奥行画像を生成する奥行情報算出手段と、
前記奥行画像に基づいて前記撮影画像から前記対象物が写っている領域を抽出し、抽出した領域の画像である抽出画像を生成する抽出手段と、
前記抽出画像から前記抽出画像の各画素の劣化レベルを示す劣化画像を生成する劣化検出手段と、
前記劣化レベルが第1レベルである領域の面積を前記奥行画像と前記劣化画像と前記光学的なパラメータとを用いて計算する計算手段と、
を具備する画像処理装置。 - 前記抽出手段は、前記撮影画像の形状又は色のパターンに基づく第1特徴量と、前記奥行情報の奥行のパターンに基づく第2特徴量を用いて前記対象物が写っている領域を検出する請求項1記載の画像処理装置。
- 前記劣化検出手段は、前記抽出画像と劣化見本画像との相関に基づいて前記劣化レベルを検出する請求項1記載の画像処理装置。
- 前記劣化検出手段は、複数の劣化状態の複数の劣化領域を検出し、
前記計算手段は、前記複数の劣化領域の複数の面積をそれぞれ計算する請求項1記載の画像処理装置。 - 前記劣化検出手段は、前記撮影画像と前記複数の劣化状態に関する複数の劣化見本画像との相関に基づいて前記複数の劣化領域を検出する請求項4記載の画像処理装置。
- 前記複数の劣化状態のそれぞれは、前記対象物の製造又は施工時の劣化状態と、前記対象物の製造又は施工後の劣化状態を含む請求項4記載の画像処理装置。
- 前記複数の劣化状態のそれぞれは、錆、腐食、塗装ずれ、塗装浮き、凹凸、破損、変色、設計不一致、傾き、溶接漏れ、塗装漏れ、ボルトやナット漏れに関する劣化状態を含む請求項6記載の画像処理装置。
- 前記複数の劣化領域の前記複数の面積と過去の補修情報に基づいて、前記複数の劣化領域の補修優先度を算出する補修優先度算出手段をさらに具備する請求項6記載の画像処理装置。
- 前記補修優先度は、前記対象物の劣化状態が第1状態である領域の面積が大きい程高く、過去の補修時期が古い程高い請求項8記載の画像処理装置。
- 前記計算手段は、前記光学的なパラメータと前記奥行情報を用いて前記第1画像の画素に対応する前記対象物の単位部分毎の面積を計算する請求項1記載の画像処理装置。
- 前記計算手段は、前記対象物の画像の画素数と前記対象物の単位部分毎の面積を用いて前記対象物の面積を求める請求項10記載の画像処理装置。
- 前記光学的なパラメータは前記カメラの光学モデルに基づいている請求項1記載の画像処理装置。
- 前記光学的なパラメータは前記カメラのセンササイズと焦点距離に関する請求項12記載の画像処理装置。
- 前記奥行情報は、前記第1画像に含まれる色毎の合焦状態からのボケに基づく請求項1記載の画像処理装置。
- 対象物と背景を含む第1画像と前記第1画像を撮影したカメラの光学的なパラメータを取得することと、
前記第1画像から撮影画像及び前記第1画像の各画素の奥行情報を表す奥行画像を生成することと、
前記奥行画像に基づいて前記撮影画像から前記対象物が写っている領域を抽出し、抽出した領域の画像である抽出画像を生成することと、
前記抽出画像から前記抽出画像の各画素の劣化レベルを示す劣化画像を生成することと、
前記劣化レベルが第1レベルである領域の面積を前記奥行画像と前記劣化画像と前記光学的なパラメータとを用いて計算することと、
を具備する画像処理方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019102264A JP7292979B2 (ja) | 2019-05-31 | 2019-05-31 | 画像処理装置及び画像処理方法 |
US16/810,063 US20200380653A1 (en) | 2019-05-31 | 2020-03-05 | Image processing device and image processing method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019102264A JP7292979B2 (ja) | 2019-05-31 | 2019-05-31 | 画像処理装置及び画像処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020197797A JP2020197797A (ja) | 2020-12-10 |
JP7292979B2 true JP7292979B2 (ja) | 2023-06-19 |
Family
ID=73549401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019102264A Active JP7292979B2 (ja) | 2019-05-31 | 2019-05-31 | 画像処理装置及び画像処理方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20200380653A1 (ja) |
JP (1) | JP7292979B2 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7166225B2 (ja) * | 2019-07-08 | 2022-11-07 | ソフトバンク株式会社 | 異常点検システム、異常点検装置、異常点検方法および異常点検プログラム |
JP7290510B2 (ja) * | 2019-08-22 | 2023-06-13 | Automagi株式会社 | 劣化状態検出装置及び劣化状態検出方法 |
US20220108097A1 (en) * | 2020-10-05 | 2022-04-07 | Rakuten, Inc. | Dual encoder attention u-net |
WO2022130814A1 (ja) * | 2020-12-16 | 2022-06-23 | コニカミノルタ株式会社 | 指標選択装置、情報処理装置、情報処理システム、検査装置、検査システム、指標選択方法、および指標選択プログラム |
CN112767364B (zh) * | 2021-01-22 | 2022-06-17 | 三峡大学 | 一种闸门门叶表面锈蚀的图像检测系统及锈蚀面积快速测算方法 |
JPWO2022157939A1 (ja) * | 2021-01-22 | 2022-07-28 | ||
WO2022254715A1 (ja) * | 2021-06-04 | 2022-12-08 | 日本電信電話株式会社 | 劣化判定装置、劣化判定方法、及びプログラム |
WO2024042659A1 (ja) * | 2022-08-24 | 2024-02-29 | 日本電信電話株式会社 | 画像処理装置、画像処理方法及びプログラム |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005016991A (ja) | 2003-06-24 | 2005-01-20 | Railway Technical Res Inst | 赤外線構造物診断システム |
US20120140040A1 (en) | 2010-12-07 | 2012-06-07 | Casio Computer Co., Ltd. | Information display system, information display apparatus, information provision apparatus and non-transitory storage medium |
US20120209653A1 (en) | 2011-02-15 | 2012-08-16 | General Electric Company | Gas pipeline network configuration system |
JP2012185161A (ja) | 2011-03-03 | 2012-09-27 | Sang Mo Bae | 携帯端末機に備えられたカメラを利用した物体の実際の大きさを測定する方法 |
US20130155061A1 (en) | 2011-12-16 | 2013-06-20 | University Of Southern California | Autonomous pavement condition assessment |
US20140362188A1 (en) | 2013-06-07 | 2014-12-11 | Sony Computer Entertainment Inc. | Image processing device, image processing system, and image processing method |
JP2016223815A (ja) | 2015-05-27 | 2016-12-28 | パナソニックIpマネジメント株式会社 | 劣化診断装置及び劣化診断方法 |
JP2017040642A5 (ja) | 2016-05-16 | 2018-10-18 | ||
US20190049275A1 (en) | 2017-12-29 | 2019-02-14 | Intel Corporation | Method, a circuit and a system for environmental sensing |
JP2019032218A (ja) | 2017-08-08 | 2019-02-28 | 株式会社 日立産業制御ソリューションズ | 位置情報記録方法および装置 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3648728B2 (ja) * | 2002-05-27 | 2005-05-18 | 日本電炉株式会社 | 自己組織化特徴マップを用いた鋼材表面の劣化度評価システム |
US20120050483A1 (en) * | 2010-08-27 | 2012-03-01 | Chris Boross | Method and system for utilizing an image sensor pipeline (isp) for 3d imaging processing utilizing z-depth information |
US10728284B2 (en) * | 2013-05-03 | 2020-07-28 | Vmware, Inc. | Methods and apparatus to assess compliance of a computing resource in a virtual computing environment |
JP6608763B2 (ja) | 2015-08-20 | 2019-11-20 | 株式会社東芝 | 画像処理装置及び撮影装置 |
US9927974B2 (en) * | 2015-09-22 | 2018-03-27 | Qualcomm Incorporated | Automatic customization of keypad key appearance |
CN105628951B (zh) * | 2015-12-31 | 2019-11-19 | 北京迈格威科技有限公司 | 用于测量对象的速度的方法和装置 |
CA3023996C (en) * | 2016-05-28 | 2020-07-07 | Kaustubh V. DIGHE | Systems for monitoring and managing marine riser assets |
US20180240080A1 (en) * | 2017-02-17 | 2018-08-23 | General Electric Company | Equipment maintenance system |
JP6960997B2 (ja) * | 2017-08-09 | 2021-11-05 | 富士フイルム株式会社 | 画像処理システム、サーバ装置、画像処理方法、及び画像処理プログラム |
US20190251350A1 (en) * | 2018-02-15 | 2019-08-15 | DMAI, Inc. | System and method for inferring scenes based on visual context-free grammar model |
KR102476758B1 (ko) * | 2018-05-09 | 2022-12-09 | 삼성전자주식회사 | 영상 정규화 장치 및 방법 |
-
2019
- 2019-05-31 JP JP2019102264A patent/JP7292979B2/ja active Active
-
2020
- 2020-03-05 US US16/810,063 patent/US20200380653A1/en not_active Abandoned
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005016991A (ja) | 2003-06-24 | 2005-01-20 | Railway Technical Res Inst | 赤外線構造物診断システム |
US20120140040A1 (en) | 2010-12-07 | 2012-06-07 | Casio Computer Co., Ltd. | Information display system, information display apparatus, information provision apparatus and non-transitory storage medium |
US20120209653A1 (en) | 2011-02-15 | 2012-08-16 | General Electric Company | Gas pipeline network configuration system |
JP2012185161A (ja) | 2011-03-03 | 2012-09-27 | Sang Mo Bae | 携帯端末機に備えられたカメラを利用した物体の実際の大きさを測定する方法 |
US20130155061A1 (en) | 2011-12-16 | 2013-06-20 | University Of Southern California | Autonomous pavement condition assessment |
US20140362188A1 (en) | 2013-06-07 | 2014-12-11 | Sony Computer Entertainment Inc. | Image processing device, image processing system, and image processing method |
JP2016223815A (ja) | 2015-05-27 | 2016-12-28 | パナソニックIpマネジメント株式会社 | 劣化診断装置及び劣化診断方法 |
JP2017040642A5 (ja) | 2016-05-16 | 2018-10-18 | ||
JP2019032218A (ja) | 2017-08-08 | 2019-02-28 | 株式会社 日立産業制御ソリューションズ | 位置情報記録方法および装置 |
US20190049275A1 (en) | 2017-12-29 | 2019-02-14 | Intel Corporation | Method, a circuit and a system for environmental sensing |
Non-Patent Citations (1)
Title |
---|
原田千尋,外2名,奥行き情報を用いたオブジェクト自動抽出,電子情報通信学会2002年総合大会講演論文集,2002年,p.347 |
Also Published As
Publication number | Publication date |
---|---|
US20200380653A1 (en) | 2020-12-03 |
JP2020197797A (ja) | 2020-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7292979B2 (ja) | 画像処理装置及び画像処理方法 | |
CN113125458B (zh) | 钢结构涂层状态的检查与评估方法及系统 | |
US20140153816A1 (en) | Depth Map Stereo Correspondence Techniques | |
JP2017049974A (ja) | 識別器生成装置、良否判定方法、およびプログラム | |
Wang et al. | Improved performance of multi-view fringe projection 3D microscopy | |
Yan et al. | Towards automated detection and quantification of concrete cracks using integrated images and lidar data from unmanned aerial vehicles | |
JP5726472B2 (ja) | アライメント方法及び検出装置 | |
CN110915193B (zh) | 图像处理系统、服务器装置、图像处理方法及记录介质 | |
CN117011477B (zh) | 一种基于bim的钢结构形变监测处理方法及系统 | |
CN115830004A (zh) | 表面缺陷检测方法、装置、计算机设备和存储介质 | |
Momtaz Dargahi et al. | Color-space analytics for damage detection in 3D point clouds | |
CN105787870A (zh) | 一种图形图像拼接融合系统 | |
JP2018169341A (ja) | 油膜検出システム及び油膜検出方法 | |
JP7059889B2 (ja) | 学習装置、画像生成装置、学習方法、及び学習プログラム | |
Ma et al. | Simple and efficient registration of 3D point cloud and image data for an indoor mobile mapping system | |
Shang et al. | LaserNet: a method of laser stripe center extraction under non-ideal conditions | |
JP5076567B2 (ja) | テンプレートマッチング装置、テンプレートマッチング装置を備えたカメラ、テンプレートマッチングをコンピュータで行うためのプログラム | |
CN113970560A (zh) | 一种基于多传感融合的缺陷三维检测方法 | |
Wang et al. | Automatic measurement of grid structures displacement through fusion of panoramic camera and laser scanning data | |
CN111862106A (zh) | 基于光场语义的图像处理方法、计算机装置、及存储介质 | |
Brüstle et al. | Object extraction in the context of an image registration workflow | |
CN117011688B (zh) | 一种水下结构病害的识别方法、系统及存储介质 | |
JP2006047252A (ja) | 画像処理装置 | |
Tello-Gil et al. | CRACK DETECTION AND DIMENSIONAL ASSESSMENT USING SMARTPHONE SENSORS AND DEEP LEARNING | |
JP2011124955A (ja) | 画像処理方法及び画像処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210903 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220915 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221004 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20221129 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230203 |
|
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: 20230509 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230607 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7292979 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |