WO2011131029A1 - 一种基于轮廓带图的相似单元的检测方法 - Google Patents

一种基于轮廓带图的相似单元的检测方法 Download PDF

Info

Publication number
WO2011131029A1
WO2011131029A1 PCT/CN2011/000691 CN2011000691W WO2011131029A1 WO 2011131029 A1 WO2011131029 A1 WO 2011131029A1 CN 2011000691 W CN2011000691 W CN 2011000691W WO 2011131029 A1 WO2011131029 A1 WO 2011131029A1
Authority
WO
WIPO (PCT)
Prior art keywords
contour map
image
similar
contour
similar units
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.)
Ceased
Application number
PCT/CN2011/000691
Other languages
English (en)
French (fr)
Inventor
胡事民
程明明
张方略
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
Original Assignee
Tsinghua University
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 filed Critical Tsinghua University
Publication of WO2011131029A1 publication Critical patent/WO2011131029A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/422—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
    • G06V10/426—Graphical representations

Definitions

  • the invention belongs to the technical field of image processing, and relates to a method for detecting a target, and more particularly to a method for detecting a similar unit based on a contour map. Background technique
  • the technical problem to be solved by the present invention is: How to find similarities from images containing similar elements The unit and its exact location. By detecting these similar units, a series of high-level image editing applications can be made possible.
  • the present invention proposes a method for detecting similar units in an image, providing initial information by means of simple user interaction, and detecting similar units from the image. These test results can be used for image editing applications at a range of scene object levels.
  • the method for detecting a similar unit based on a contour map provided by the present invention comprises the following steps:
  • S5 Matching the sample of the similar unit that is calibrated with the contour map to determine the position of the plurality of similar units in the detected image.
  • the method for obtaining the contour map in the step S3 is: performing hierarchical mean shift division on the foreground region.
  • the method for constructing the contour map in the step S4 is: introducing the local geometric information to the contour map to construct the contour map.
  • the contour map constructed in the step S4 is an array composed of two-dimensional vectors: M ⁇ ⁇ m p ⁇ Hx]V , where is a two-dimensional vector corresponding to each pixel P in the detected image, H x W is the size of the detected image -.
  • step S5 the sample of the similar unit that is calibrated and the contour map are compared.
  • the matching method of matching time is calculated as:
  • n, M ) :£( ) ) 2
  • ( M , v) is the coordinates of the matched points in the contour map; and the positions of the plurality of similar units in the detected image are determined according to the degree of matching.
  • the method for determining the positions of the plurality of similar units in the detected image is: performing non-maximum suppression on the matching degree value, and selecting a maximum value point in the matching degree value to obtain a position of the similar unit.
  • the above technical solution has the following advantages:
  • the method for detecting similar units in an image provided by the present invention provides initial information by using a simple user interaction means, and detects and positions similar units from the image, and the detection method is fast and accurate.
  • the detection results can also be applied to editing operations based on scene object levels in the image, such as image rearrangement, edit propagation, and synchronization deformation.
  • FIG. 1 is a process flow diagram of an embodiment of a similar unit detection method based on a contour map of the present invention
  • FIG. 2 is an input original diagram of an embodiment of a similar unit detection method based on a contour map of the present invention
  • Fig. 3 is a view showing the detection result of an embodiment of the similarity unit detecting method based on the contour map of the present invention. detailed description
  • the invention discloses a method for detecting similar units in an image by means of simple user interaction. After detecting similar units in the image, a series of object level image editing can be performed, including: image rearrangement, synchronous deformation, editing Spread and so on.
  • FIG. 1 it is a processing flowchart of an embodiment of a similar unit detecting method based on a contour map of the present invention, and the steps represented in the figure include:
  • a The user inputs a simple stroke to roughly calibrate one of the similar units in the detected image, and simultaneously calibrates the background area of the image. As shown in FIG. 2, the simple stroke input by the user is drawn with a brush. Curve. Similar units in the input image can have some degree of occlusion, shape differences, color differences, and the like. Users only need to roughly calibrate to meet the processing needs.
  • b Get the contour map and the sample: First, use the segmentation method to get a sample of similar units and a foreground area composed of similar units. Get the outline map from the foreground area.
  • the profile referred to here refers to the profile of the potential object contour calculated from the image.
  • a possible specific solution for obtaining a contour map is to use a hierarchical mean shift partition for the foreground region.
  • the hierarchical mean shifting segmentation referred to here is described in detail in Paris and Durand's 2007 work "A topological approach to hierarchical segmentation using mean shift". Other methods of obtaining a contour map can also be used for this step.
  • each pixel in the contour map corresponds to the probability of the object edge at that point. The darker the point in this picture is the greater the probability of the edge point.
  • the sample boundaries selected by the user are important intermediate data for further testing. ,
  • the array size H x is identical to the input detected image.
  • Each pixel in the input image corresponds to a two-dimensional vector m P .
  • the vector value outside the range of the contour band is 0, and the vector size within the range of the contour band is the average of the reliability values of the contour points in a certain area nearby (the c-step diagram of Fig. 1 is for clear printing, and the darker the point represents the edge as the edge The greater the credibility).
  • the direction of the vector is the direction of the edge gradient at that point.
  • Gradient direction acquisition can refer to common edge detection methods, which have steps of gradient estimation.
  • the 2D vector at the contour point has a magnitude of 1, and the direction is the gradient direction.
  • the two-dimensional vector at the remaining points is o.
  • the nr rate at which there is a similar unit to be detected at each point in the image can be calculated by the following method.
  • the contour map is used to calculate the matching degree between the template graph r and the contour map M, which is represented by the sum of the two-dimensional vector points at the corresponding points:
  • D M (T, M) ⁇ (t ) -m u+U J+v) )
  • u and V respectively represent the abscissa and ordinate of the point, t (ijV ( i+ . +v ) Template map And the two-dimensional vector of the corresponding position (point i, j ) and point ( + W , j+v ) in the contour map M.
  • the template map and the contour map M are matrices of a two-dimensional vector, and ⁇ and are respectively an element in the matrix ⁇ , ⁇ . This will calculate the degree of matching at each point. Since the method essentially solves some convolutional values, the fast Fourier transform method can be used to accelerate the solution, and further non-maximal suppression of the matching values, that is, selecting the maximum value points in the matching values, can obtain similarities. The location of the unit.
  • FIG. 2 it is an input original diagram of an embodiment of a similar unit detecting method based on a contour map of the present invention.
  • the user calibrates a fish in the input picture as an example, and simply marks the background area.
  • the calibration of the fish is displayed in dark color, and the calibration of the background is displayed in bright colors.
  • FIG. 3 it is a detection result of an embodiment of a similar unit detecting method based on a contour map of the present invention.
  • the brightness inside the center circle represents the confidence of the test result, that is, the degree of matching at that position.
  • the template can be rotated and scaled to detect similar units with multiple scales and directions of rotation. Industrial applicability
  • the invention provides a detection method of a similar unit based on a contour map, which can find and locate similar units in an image according to a simple prompt input by a user, and the detection result can be applied to, for example, image rearrangement, edit propagation, Synchronous deformation or the like is based on the editing operation of the scene object level in the image, and has industrial applicability.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Description

一种基于轮廓带图的相似单元的检测方法 技术领域
本发明属于图像处理技术领域， 涉及一种目标的检测方法， 更具体地， 涉及一种基于轮廓带图的相似单元的检测方法。 背景技术
相似单元不论是在自然场景或是在人工场景中都大量存在。 由于受到遮 挡、 部分缺失、 相似单元间形状差异、 光照变化等因素的影响， 在编辑这些 重复图像元素的过程中， 要保持它们之间协调一致的编辑难度非常大。 现有 的图像编辑方法大多直接操作底层图像元素， 编辑对象过于底层， 用户操作 不便。人们迫切希望能够通过更加感性的简单操作来实现对图像的高效编辑， 并对图像中的语义单元进行直接操作。
重复物体检测在很长的一段时间都受到了很多研究者的关注。 Leung 和 Malik 于 1996 年提出了" Detecting, localizing and grouping repeated scene elements from an image", 该方法通过对每个独立的图像单元建立一个节点， 把它们之间的仿射变换作为边， 并通过图的方式寻找图像中的重复元素； Liu 等人于 2003年提出了 "A computational model for periodic pattern perception based on frieze and wallpaper groups"， 用于发现周期性紋理。 虽然上述两种方 法都能找出图像中的重复单元， 但是所针对的重复单元仍然局限于小区域， 处理对象本身不具备语义性， 而且不能处理有着明显遮挡关系、 形状变化等 复杂情况。 Ahuja和 Todorovic于 2007年提出了 "Extracting texels in 2.1 D natural textures", 该方法虽然能够从图像中检测具有一定语义性的相似单元， 并处理 遮挡的情况， 但是该方法需要数十秒的计算时—间。
虽然现有的用于图像中相似单元检测的计算机视觉方法离应用还有很大 距离， 但一些最近的图形学交互手段为我们简化这一问题提供了技术支持。 发明内容
本发明要解决的技术问题是： 如何从含有相似单元的图像中寻找出相似 单元及其精确位置。 通过检测这些相似单元， 可以使得一系列高层次的图像 编辑应用变成可能。
为了解决上述技术问题， 本发明提出了一种用于检测图像中相似单元的 方法， 利用简单的用户交互手段提供初始信息， 并从图像中检测出相似单元。 这些检测结果可以用于一系列场景物体级别的图像编辑应用。
本发明提供的基于轮廓带图的相似单元的检测方法， 包括以下步骤：
S 1 : 使用笔画标定被检测图像中多个相似单元中的其中一个， 并标定被 检测图像的背景区域；
S2: 对所标定的被检测图像进行分割， 提取出所标定的相似单元的样例， 并去除被检测图像的背景区域， 保留由所述多个相似单元组成的前景区域；
S3 : 从所述前景区域中获取轮廓图， 得到被检测图像中潜在的物体轮廓 边界；
S4: 由所述轮廓图中轮廓点附近一定区域的范围构建轮廓带图， 所述轮 廓图中轮廓点附近一定区域的范围为轮廓带；
S5 : 将所标定的相似单元的样例和所述轮廓带图进行匹配， 确定被检测 图像中所述多个相似单元的位置。
其中， 所述步骤 S3中获取轮廓图的方法为： 对所述前景区域进行层次化 的均值漂移分割。
其中， 所述步骤 S4中构建轮廓带图的方法为： 对轮廓图引入其局部几何 信息以构建轮廓带图。
其中， 所述步骤 S4 中构建的轮廓带图为二维向量组成的数组： M ^ {mp}Hx]V , 其中， 为被检测图像中的每个像素 P对应的二维向量， H x W 为被检测图像的大小-。
其中，所述步骤 S5中将所标定的相似单元的样例和所述轮廓带图进行匹 配时， 将所标定的相似单元的样例的轮廓构建成二维向量组成的数组： T = {tp}hxw , 其中， tp为相似单元的样例中每个像素 P对应的二维向量， h x w为 相似单元的样例的大小。
其中，所述步骤 S5中将所标定的相似单元的样例和所述轮廓带图进行匹 配时的匹配程度的计算方法为：
n，M) = :£( ) )2 其中， （M, v)为轮廓带图中被匹配点的坐标； 根据匹配程度确定被检测图像中 所述多个相似单元的位置。
其中， 确定被检测图像中所述多个相似单元的位置的方法为： 对匹配程 度值进行非极大值抑制， 选取匹配程度值中的极大值点， 得到相似单元的位 置。
上述技术方案具有如下优点： 本发明所提出的用于检测图像中相似单元 的方法利用简单的用户交互手段提供初始信息， 并从图像中检测出相似单元 并对其定位， 检测方法快速、 精确， 检测结果还可以应用于如图像重排、 编 辑传播、 同步变形等基于图像中场景物体级别的编辑操作。
附图说明
图 1为本发明基于轮廓带图的相似单元检测方法的一个实施例的处理流 程图；
图 2为本发明基于轮廓带图的相似单元检测方法的一个实施例的输入原 始图；
图 3为本发明基于轮廓带图的相似单元检测方法的一个实施例的检测结 果。 具体实施方式
以下实施例用于说明本发明， 但不用来限制本发明的范围。
本发明公开了一种通过简单用户交互方式检测图像中相似单元的方法， 通过该方法检测出图像中相似单元之后可以进行一系列的物体级别的图像编 辑， 包括： 图像重排、 同步变形、 编辑传播等。
如图 1所示， 为本发明基于轮廓带图的相似单元检测方法的一个实施例 的处理流程图， 图中表示的步骤包括：
a: 用户输入简单的笔画粗略标定被检测图像中相似单元中的一个， 同时 标定图像的背景区域， 如图 2所示， 所述用户输入的简单的笔画是用笔刷画 的曲线。 输入图像中的相似单元可以有一定程度的遮挡.， 形状差异， 色彩差 异等。 用户只需要大致进行标定就可以满足处理需要。
b: 获取轮廓图和样例： 首先利用分割方法分别得到相似单元中的一个样 例和由相似单元组成的前景区域。 从前景区域中获取轮廓图。 这里所指的轮 廓图是指从图像中计算出的潜在的物体轮廓边界得到轮廓图。 一个可能的获 取轮廓图的具体方案是对前景区域釆用层次化的均值漂移分割。 这里所指的 层次化均值飘移分割在 Paris 和 Durand 在 2007 年的工作" A topological approach to hierarchical segmentation using mean shift"中有详细介绍。其它获取 轮廓图的方法也可以用于此步骤。 轮廓图 （如图 1的 b步骤左图所示） 中每 一个像素点的亮度值和该点的物体边缘的概率相对应。 此图中越暗的点是边 缘点的概率越大。 用户所选取的样例边界（如图 1的 b步骤右图所示）是进 行进一步检测的重要中间数据。 、
c: 构建轮廓带图： 轮廓图中轮廓点附近一定区域的范围为轮廓带。 本实 施例中的轮廓带图是一个二维向量组成的数组， 记为 M = { }W)^。 数组大小 H x 和输入的被检测图像一致。 输入图像中的每个像素 对应一个二维向量 mP。 在轮廓带范围以外的向量值为 0， 轮廓带范围之内的向量大小为附近一 定区域轮廓点可信度值的平均 （图 1的 c步骤图为了打印清晰， 越暗的点代 表作为边缘的可信度越大） 。 向量的方向为该点处的边缘梯度方向。 梯度方 向的获取可参考常见的边缘检测方法， 这些方法中都有梯度估计的步骤。
d: 利用轮廓带图进行匹配， 寻找相似单元： 对样例的轮廓处的每一点也 和轮廓带图类似的赋予一个二维向量， 得到模板图 = {tp } (通常数组大小
/z x vv远远小于图像大小 H x ） 。 轮廓点处的二维向量幅值为 1， 方向为梯度 方向。 其余点处的二维向量为 o。 图像中每一点处存在待检测相似单元的 nr 率可以通过以下方法计算。 采用轮廓带图计算某一点 处模板图 r与轮廓 带图 M的匹配程度， 用对应点处二维向量点乘的和来表示为：
DM (T, M) =∑∑(t )-mu+U J+v) ) 上式中， u、 V分别表示该点的横坐标与纵坐标， t(ijV (i+ .+v)分别是模板图 和轮廓带图 M中对应位置（点 i, j ) 和点 （ +W， j+v ) ) 的二维向量。 模 板图 Γ和轮廓带图 M是二维向量的矩阵， ^和 分别是矩阵 Γ、 Μ中 一个元素。 这样可以计算出每一点处的匹配程度。 由于该方法实质上是求解 一些卷积值， 可以采用快速傅里叶变换方法加速求解， 进一步对这些匹配值 进行非极大值抑制， 即选取匹配值中的极大值点， 就可以得到相似单元的位 置。
如图 2所示， 为本发明基于轮廓带图的相似单元检测方法的一个实施例 的输入原始图。 用户标定输入图片中的一条鱼为样例， 同时简单的标出背景 区域。 其中对鱼的标定用暗色显示， 对背景的标定用亮色显示。
如图 3所示，为本发明基于轮廓带图的相似单元检测方法的一个实施例的 检测结果。 中心的圆圈内部的亮度代表检测结果的可信度， 即该位置处的匹 配程度。 可以对模板进行一定的旋转和缩放来检测含有多个尺度和旋转方向 的相似单元的情况。 工业实用性
本发明提供一种基于轮廓带图的相似单元的检测方法， 该方法能够根据 用户输入的简单提示， 寻找图像中的相似单元并对其定位， 检测结果可以应 用于如图像重排、 编辑传播、 同步变形等基于图像中场景物体级别的编辑操 作， 具有工业实用性。

Claims

权利要求书:
1、 一种基于轮廓带图的相似单元的检测方法， 其特征在于， 包括以下步 骤：
S 1 : 使用笔画标定被检测图像中多个相似单元中的其中一个， 并标定被 检测图像的背景区域；
S2: 对所标定的被检测图像进行分割， 提取出所标定的相似单元的样例， 并去除被检测图像的背景区域， 保留由所述多个相似单元组成的前景区域；
S3: 从所述前景区域中获取轮廓图， 得到被检测图像中潜在的物体轮廓 边界；
S4: 由所述轮廓图中轮廓点附近一定区域的范围构建轮廓带图， 所述轮 廓图中轮廓点附近一定区域的范围为轮廓带；
S5: 将所标定的相似单元的样例和所述轮廓带图进行匹配， 确定被检测 图像中所述多个相似单元的位置。
2、 如权利要求 1所述的基于轮廓带图的相似单元的检测方法， 其特征在 于， 所述步骤 S3中获取轮廓图的方法为： 对所述前景区域进行层次化的均值 漂移分割。
3、 如权利要求 1所述的基于轮廓带图的相似单元的检测方法， 其特征在 于， 所述步骤 S4中构建轮廓带图的方法为： 对轮廓图引入其局部几何信息以 构建轮廓带图。
4、 如权利要求 1所述的基于轮廓带图的相似单元的检测方法， 其特征在 于， 所述步骤 S4中构建的轮廓带图为二维向量组成的数组： Μ = { }^， 其 中， ^为被检测图像中的每个像素 对应的二维向量， H x 为被检测图像的 大小。
5、 如权利要求 4所述的基于轮廓带图的相似单元的检测方法， 其特征在 于， 所述步骤 S5中将所标定的相似单元的样例和所述轮廓带图进行匹配时， 将所标定的相似单元的样例的轮廓构建成二维向量组成的数组： = {tp } ， 其中， ^为相似单元的样例中每个像素 5对应的二维向量， 为相似单元 的样例的大小。
6、 如权利要求 5所述的基于轮廓带图的相似单元的检测方法， 其特征在 于，所述步骤 S5中将所标定的相似单元的样例和所述轮廓带图进行匹配时的 匹配程度的计算方法为：
D(„,v)(r,M) = nWv))2 其中， （", 为轮廓带图中被匹配点的坐标， tij、, (,+„,+v)分别是模板图 Γ和轮 廓带图 M中对应的点 (i, j) 和点 （ +W, j+v) 的二维向量； 根据匹配程度 确定被检测图像中所述多个相似单元的位置。
7、 如权利要求 6所述的基于轮廓带图的相似单元的检测方法， 其特征在 于， 确定被检测图像中所述多个相似单元的位置的方法为： 对匹配程度值进 行非极大值抑制， 选取匹配程度值中的极大值点， 得到相似单元的位置。
PCT/CN2011/000691 2010-04-23 2011-04-20 一种基于轮廓带图的相似单元的检测方法 Ceased WO2011131029A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201010159931.8 2010-04-23
CN2010101599318A CN101833668B (zh) 2010-04-23 2010-04-23 一种基于轮廓带图的相似单元的检测方法

Publications (1)

Publication Number Publication Date
WO2011131029A1 true WO2011131029A1 (zh) 2011-10-27

Family

ID=42717731

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2011/000691 Ceased WO2011131029A1 (zh) 2010-04-23 2011-04-20 一种基于轮廓带图的相似单元的检测方法

Country Status (2)

Country Link
CN (1) CN101833668B (zh)
WO (1) WO2011131029A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116596990A (zh) * 2023-07-13 2023-08-15 杭州菲数科技有限公司 目标检测方法、装置、设备及存储介质

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101833668B (zh) * 2010-04-23 2011-12-28 清华大学 一种基于轮廓带图的相似单元的检测方法
CN102831239B (zh) * 2012-09-04 2016-01-20 清华大学 一种构建图像数据库的方法与系统
CN105678347A (zh) * 2014-11-17 2016-06-15 中兴通讯股份有限公司 行人检测方法及装置
CN105513107B (zh) * 2015-12-09 2019-02-22 深圳市未来媒体技术研究院 一种图像编辑传播方法
US10152213B2 (en) * 2016-09-01 2018-12-11 Adobe Systems Incorporated Techniques for selecting objects in images
CN106895794B (zh) * 2017-02-08 2019-05-03 凌云光技术集团有限责任公司 一种获取激光扫描路径的方法及装置
JP7438702B2 (ja) * 2019-09-25 2024-02-27 株式会社東芝 類似領域検出装置、類似領域検出方法およびプログラム
CN110705427A (zh) * 2019-09-25 2020-01-17 中国人民解放军61646部队 一种遥感图像目标区域的提取处理方法及装置
CN113031793B (zh) * 2021-04-06 2024-05-31 维沃移动通信有限公司 轮廓采集方法、装置以及智能笔

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1758284A (zh) * 2005-10-17 2006-04-12 浙江大学 从断层图像序列快速重建三维颌骨模型的方法
US20080024628A1 (en) * 2006-06-07 2008-01-31 Samsung Electronics Co., Ltd. Image composing apparatus and method of portable terminal
CN101833668A (zh) * 2010-04-23 2010-09-15 清华大学 一种基于轮廓带图的相似单元的检测方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002117409A (ja) * 2000-10-10 2002-04-19 Canon Inc 画像処理方法及びその装置
JP2004361987A (ja) * 2003-05-30 2004-12-24 Seiko Epson Corp 画像検索システム、画像分類システム、画像検索プログラム及び画像分類プログラム、並びに画像検索方法及び画像分類方法
JP3882005B2 (ja) * 2005-03-02 2007-02-14 松下電器産業株式会社 画像生成方法、物体検出方法、物体検出装置および画像生成プログラム
JP2007233871A (ja) * 2006-03-02 2007-09-13 Fuji Xerox Co Ltd 画像処理装置、コンピュータの制御方法及びプログラム
CN101425182B (zh) * 2008-11-28 2011-07-20 华中科技大学 一种图像对象分割方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1758284A (zh) * 2005-10-17 2006-04-12 浙江大学 从断层图像序列快速重建三维颌骨模型的方法
US20080024628A1 (en) * 2006-06-07 2008-01-31 Samsung Electronics Co., Ltd. Image composing apparatus and method of portable terminal
CN101833668A (zh) * 2010-04-23 2010-09-15 清华大学 一种基于轮廓带图的相似单元的检测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116596990A (zh) * 2023-07-13 2023-08-15 杭州菲数科技有限公司 目标检测方法、装置、设备及存储介质
CN116596990B (zh) * 2023-07-13 2023-09-29 杭州菲数科技有限公司 目标检测方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN101833668A (zh) 2010-09-15
CN101833668B (zh) 2011-12-28

Similar Documents

Publication Publication Date Title
WO2011131029A1 (zh) 一种基于轮廓带图的相似单元的检测方法
TWI800692B (zh) 用於差異估測的系統及用於系統的差異估測的方法
CN112991413A (zh) 自监督深度估测方法和系统
CN113240691A (zh) 一种基于u型网络的医学图像分割方法
US20190141247A1 (en) Threshold determination in a ransac algorithm
CN108010123B (zh) 一种保留拓扑信息的三维点云获取方法
CN109472828B (zh) 一种定位方法、装置、电子设备及计算机可读存储介质
US12347141B2 (en) Method and apparatus with object pose estimation
CN109657583A (zh) 脸部关键点检测方法、装置、计算机设备和存储介质
WO2015006224A1 (en) Real-time 3d computer vision processing engine for object recognition, reconstruction, and analysis
CN107122792B (zh) 基于学习预测的室内布局估计方法及系统
CN109859249B (zh) Rgbd序列中基于自动分层的场景流估计方法
CN110443874B (zh) 基于卷积神经网络的视点数据生成方法和装置
CN110021000B (zh) 基于图层变形的发际线修复方法及装置
CN108322724A (zh) 图像立体匹配方法以及双目视觉设备
CN113436251A (zh) 一种基于改进的yolo6d算法的位姿估计系统及方法
CN105139401A (zh) 一种深度图中深度的可信度的评估方法
CN111476812A (zh) 地图分割方法、装置、位姿估计方法和设备终端
CN110111341B (zh) 图像前景获取方法、装置及设备
CN115564639A (zh) 背景虚化方法、装置、计算机设备和存储介质
JP2015171143A (ja) カラーコード化された構造によるカメラ較正の方法及び装置、並びにコンピュータ可読記憶媒体
CN104599253A (zh) 一种自然图像阴影消除方法
CN110443228B (zh) 一种行人匹配方法、装置、电子设备及存储介质
CN114972937B (zh) 一种基于深度学习的特征点检测与描述子生成方法
CN116152100A (zh) 基于特征分析和尺度选择的点云去噪方法、装置及存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 11771482

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 11771482

Country of ref document: EP

Kind code of ref document: A1