CN101540050B - 一种获取景物边界的方法和装置 - Google Patents
一种获取景物边界的方法和装置 Download PDFInfo
- Publication number
- CN101540050B CN101540050B CN200910083420XA CN200910083420A CN101540050B CN 101540050 B CN101540050 B CN 101540050B CN 200910083420X A CN200910083420X A CN 200910083420XA CN 200910083420 A CN200910083420 A CN 200910083420A CN 101540050 B CN101540050 B CN 101540050B
- Authority
- CN
- China
- Prior art keywords
- boundary
- key points
- search
- border
- threshold value
- 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 - Fee Related
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种获取景物边界的方法和装置,属于计算机多媒体领域。方法:获取图像的多个单通道灰度信息中的每个单通道灰度信息的离散边界点;获取景物边界上的多个关键点,并将多个关键点按顺序排列;根据每个单通道灰度信息的离散边界点,利用最短路径搜索算法,搜索并得到每两个相邻的关键点之间的有效边界;连接每两个相邻的关键点之间的有效边界,得到景物的边界。装置:第一获取模块、第二获取模块、搜索模块和连接模块。本发明通过综合利用多个单通道下的景物边界信息和关键点的设定,避免了由于景物纹理复杂造成的误分割现象,提高了获取景物边界的准确性;获取景物边界过程中人工参与度低,提高了获取景物边界的效率,可节省大量时间。
Description
技术领域
本发明涉及计算机多媒体领域,特别涉及一种获取景物边界的方法和装置。
背景技术
随着计算机多媒体的发展,将平面视频转换成立体视频受到了广泛的关注和重视。平面视频转换成立体视频的关键在于深度图的提取,而由于图像中的景物与背景拥有不同的深度,在生成深度图时,往往需要先获取景物边界,将景物从背景中分离出来,然后再分别对景物和背景进行深度值赋予,生成深度图。
现有技术中获取景物边界主要有下面两种方法:
1)利用Photoshop等作图软件,手工将图像上的景物提取出来,得到景物边界。
2)通过图像分割算法对图像进行分割,将景物与背景分离开,得到景物边界。
在实现本发明的过程中,发明人发现现有技术至少存在以下问题:
1)手工提取方法人工参与度高、处理效率低,需要耗费大量时间;并且依赖人工的经验和技术,可移植性差。
2)图像分割算法对于表面纹理丰富的同一景物,往往会将其分割为不同的景物,准确性差;并且,人工难以干预,互动性差。
发明内容
为了提高获取景物边界的效率和准确性,本发明实施例提供了一种获取景物边界的方法和装置。所述技术方案如下:
一方面,本发明实施例提供了一种获取景物边界的方法,该方法包括:
获取图像的多个单通道灰度信息中的每个单通道灰度信息的离散边界点;
获取景物边界上的多个关键点,并将所述多个关键点按顺序排列;
根据所述每个单通道灰度信息的离散边界点,计算得到所述图像的每个像素点的边界强度;
确定每两个相邻的关键点之间的边界搜索区域;
根据所述图像的每个像素点的边界强度,利用最短路径搜索算法,在确定的所述每两个相邻的关键点之间的边界搜索区域内,搜索并得到所述每两个相邻的关键点之间的有效边界;
连接每两个相邻的关键点之间的有效边界,得到景物的边界。
另一方面,本发明实施例提供了一种获取景物边界的装置,该装置包括:
第一获取模块,用于获取图像的多个单通道灰度信息中的每个单通道灰度信息的离散边界点;
第二获取模块,用于获取景物边界上的多个关键点,并将所述多个关键点按顺序排列;
搜索模块,用于根据所述每个单通道灰度信息的离散边界点,计算得到所述图像的每个像素点的边界强度;确定每两个相邻的关键点之间的边界搜索区域;根据所述图像的每个像素点的边界强度,利用最短路径搜索算法,在确定的所述每两个相邻的关键点之间的边界搜索区域内,搜索并得到所述每两个相邻的关键点之间的有效边界;
连接模块,用于在所述搜索模块得到每两个相邻的关键点之间的有效边界后,连接所述每两个相邻的关键点之间的有效边界,得到景物的边界。
本发明实施例提供的技术方案的有益效果是:
通过综合利用多个单通道下的景物边界信息和关键点的设定,避免了由于景物纹理复杂造成的误分割现象,提高了获取景物边界的准确性;获取景物边界过程中人工参与度低,提高了获取景物边界的效率,可节省大量时间。
附图说明
图1是本发明实施例1提供的一种获取景物边界的方法流程图;
图2是本发明实施例2提供的一种获取景物边界的方法流程图;
图3是本发明实施例3提供的一种获取景物边界的装置结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
实施例1
参见图1,本发明实施例提供了一种获取景物边界的方法,该方法包括:
101:获取图像的多个单通道灰度信息中的每个单通道灰度信息的离散边界点;
102:获取景物边界上的多个关键点,并将多个关键点按顺序排列;
103:根据每个单通道灰度信息的离散边界点,利用最短路径搜索算法,搜索并得到每两个相邻的关键点之间的有效边界;
104:连接每两个相邻的关键点之间的有效边界,得到景物的边界。
具体地,获取图像的多个单通道灰度信息的每个单通道灰度信息的离散边界点可以包括:
对图像进行颜色空间变换,得到多个单通道灰度信息;
利用边界搜索算法,对多个单通道灰度信息中的每个单通道灰度信息分别进行边界搜索,得到每个单通道灰度信息的离散边界点。
具体地,根据每个单通道灰度信息的离散边界点,利用最短路径搜索算法,搜索并得到每两个相邻的关键点之间的有效边界,可以包括:
根据每个单通道灰度信息的离散边界点,计算得到图像的每个像素点的边界强度;
确定每两个相邻的关键点之间的边界搜索区域;
根据图像的每个像素点的边界强度,利用最短路径搜索算法,在确定的每两个相邻的关键点之间的边界搜索区域内,搜索并得到每两个相邻的关键点之间的有效边界。
具体地,根据图像的每个像素点的边界强度,利用最短路径搜索算法,在确定的每两个相邻的关键点之间的边界搜索区域内,搜索并得到每两个相邻的关键点之间的有效边界,可以包括:
将图像的每个像素点的边界强度与预设的通道阈值进行比较,得到图像的有效边界点;
通过有效边界点进行带权最短路经搜索,在确定的每两个相邻的关键点之间的边界搜索区域内,搜索并得到每两个相邻的关键点之间的当前边界;
判断当前边界中填充的像素点与当前边界中总的像素点之间的比例是否大于预设的比例阈值;
当判断结果是小于等于预设的比例阈值时,将当前边界作为与该当前边界对应的两个相邻的关键点之间的有效边界。
进一步地,当判断结果是大于预设的比例阈值时,还可以包括:
判断预设的通道阈值是否大于1;
当判断结果是预设的通道阈值大于1时,将预设的通道阈值减1,执行上述将图像中的每个像素点的边界强度与预设的通道阈值进行比较,得到图像的有效边界点的步骤。
进一步地,当判断结果是预设的通道阈值小于等于1时,还可以包括:
将当前边界作为与该当前边界对应的两个相邻的关键点之间的有效边界。
本实施例所述的方法,通过综合利用多个单通道下的景物边界信息和关键点的设定,避免了由于景物纹理复杂造成的误分割现象,提高了获取景物边界的准确性;获取景物边界过程中人工参与度低,提高了获取景物边界的效率,可节省大量时间,而且不需要依赖人工的经验和技术,可移植性高;并且可以人工选取关键点,人工可以进行干预,增强了互动性;进一步地,通过预设的通道阈值筛选边界点,当边界不清晰时,可以降低通道阈值得到更丰富的边界信息,使得边界清晰;当边界信息过于丰富时,可以提高通道阈值降低干扰;另外,通过设置预设的通道阈值自适应地筛选边界点,降低了人工对多个单通道下边界点筛选的工作强度,提高了工作效率,可节省大量时间。
实施例2
参见图2,本发明实施例提供了一种获取景物边界的方法,该方法包括:
201:对图像进行颜色空间变换,得到多个单通道灰度信息。
其中,图像为接收到的需要从中提取景物边界的图像,可以是彩色图像、灰度图像等各种图像。并且图像一般是多个通道的信息组合,例如:图像是R(Red,红)、G(Green,绿)、和B(Blue,蓝)三个通道的信息组合。可以通过对图像进行颜色空间变换,得到R、G、B、X、Y、Z、H(Hue、色调)、S(saturation、饱和度)和V(value,明度)等各个单通道下的灰度信息,为了便于描述将单通道下的灰度信息称为单通道灰度信息,即单通道灰度信息只包含一个通道下的信息。并且可以根据实际需要来设置具体得到多少个单通道灰度信息。
具体地,RGB空间到其他颜色空间的相互转换的公式如下:
RGB空间到XYZ空间的转换公式如式(1)所示:
XYZ空间到RGB空间的转换公式如式(2)所示:
RGB空间到HSV空间的转换公式如式(3)所示:
RGB空间到YCrCb空间的转换公式如式(4)所示:
YCrCb空间到RGB空间的转换公式如式(5)所示:
实际应用中可以根据具体需要,利用上述的各个公式进行颜色空间变换得到相应的单通道灰度信息,并且可以根据需要选择得到多少个单通道灰度信息,如可以选择得到1个R通道下的单通道灰度信息;选择得到2个单通道灰度信息(分别为R通道、G通道、或R通道、B通道等),但是需要说明的是,选择的通道数越多,获取景物边界越精确。
202:利用边界搜索算法,对多个单通道灰度信息中的每个单通道灰度信息分别进行边界点提取,得到每个单通道灰度信息的离散边界点。???
其中,边界搜索算法可以为Canny算子法、滤波2值化算法等;本实施例中优选采用Canny算子法。
203:获取景物边界上的多个关键点,并将多个关键点按顺序排列。
其中,关键点为在景物边界上选取的点,可以通过手工标定或其他的各种方法得到;将多个关键点按顺序排列,可以为将多个关键点按顺时针遍历景物边界的方向排序;或可以为将多个关键点按逆时针遍历景物边界的方向排序。
本实施例中采用手工标定的方法,在景物边界上标出关键点;并且将多个关键点按顺时针遍历景物轮廓的方向排序。
204:根据步骤202得到的每个单通道灰度信息的离散边界点,利用最短路径搜索算法,搜索并得到每两个相邻的关键点之间的边界。
具体过程为:2041:根据每个单通道灰度信息的离散边界点,计算得到图像的每个像素点的边界强度。
其中,对于图像的每个像素点,其边界强度为在多个通道下被识别为离散边界点的通道数目。例如:对于像素点A,其在R通道、G通道和H通道被识别为离散边界点,则像素点A的边界强度为3;对于像素点B,其在R通道、G通道、H通道和V通道被识别为离散边界点,则像素点B的边界强度为4。
2042:确定每两个相邻的关键点之间的边界搜索区域。
其中,两个相邻的关键点之间的边界搜索区域,可以是将以该两点的连线为对角线的矩形区域,作为该两点之间的边界搜索区域;也可以是将以该两点的连线的中点为中心,该两点的横坐标差和纵坐标差中较大的一个值为边长的正方形区域,作为该两点之间的边界搜索区域;还可以是将以该两点的连线的中点为圆心,该两点的横坐标差和纵坐标差中较大的一个值为直径的圆形区域,作为该两点之间的边界搜索区域。两个相邻的关键点之间的边界搜索区域并不限于上述的几种,实际应用中可以根据需要灵活设置两个相邻的关键点之间的边界搜索区域。
2043:根据图像的每个像素点的边界强度,利用最短路径搜索算法,在确定的每两个相邻的关键点之间的边界搜索区域内,搜索并得到每两个相邻的关键点之间的有效边界。
具体地,2043a:将图像中的每个像素点的边界强度与预设的通道阈值进行比较,得到图像的有效边界点。
其中,边界强度大于预设的通道阈值的像素点被视为有效边界点。并且预设的通道阈值的初始值可以为小于等于单通道灰度信息的个数的值,例如:如果在步骤201中得到7个单通道灰度信息,则预设的通道阈值可以为7、6或5等。
2043b:通过有效边界点进行带权最短路经搜索,在确定的每两个相邻的关键点之间的边界搜索区域内,搜索并得到每两个相邻的关键点之间的当前边界。
其中,带权最短路经搜索中权重的设定方法有很多,本发明实施例中设权重与两个有效边界点之间需要填充的像素点的数量成正比,并且与该两个有效边界点组成的射线和该两个关键点组成的射线之间的夹角也成正比。两个有效边界点组成的射线的方向为起始边界点到终点边界点,两个关键点组成的射线的方向为起始关键点到终点关键点,例如:当前搜索的是关键点A到关键点B之间的边界,则关键点A到关键点B之间的射线方向为从关键点A到关键点B。
2043c:判断当前边界中填充的像素点与当前边界中总的像素点之间的比例是否大于预设的比例阈值,当判断结果是大于预设的比例阈值时,执行2043d;否则,执行2043f。
其中,当前边界中填充的像素点是指当前边界中的不属于有效边界点的像素点;当前边界中填充的像素点与当前边界中总的像素点之间的比例是指:当前边界中填充的像素点的数量在当前边界中总的像素点数量中所占的比例;预设的比例阈值可以根据实际需要灵活设置,例如:预设的比例阈值为40%、30%等。当前边界中填充的像素点与当前边界中总的像素点之间的比例大于预设的比例阈值时,认为此时当前边界中的有效边界点过少,需要重新搜索边界。
2043d:判断预设的通道阈值是否大于1,当判断结果是大于1时,执行2043e;否则,执行2043f。
2043e:将预设的通道阈值减1,然后执行步骤2043a。
2043f:将该当前边界作为与该当前边界对应的两个相邻的关键点之间的有效边界。
205:连接每相邻的两个关键点之间的有效边界,得到景物的完整边界。
需要说明的是,一个图像中可能会包括多个景物,如一副图像中可能包括多个人物,当一副图像中包括多个景物时,只需重复执行步骤203-205,依次获取各个景物的边界即可。
本实施例所述的方法,通过综合利用多个单通道下的景物边界信息和关键点的设定,避免了由于景物纹理复杂造成的误分割现象,提高了获取景物边界的准确性;获取景物边界过程中人工参与度低,提高了获取景物边界的效率,可节省大量时间,而且不需要依赖人工的经验和技术,可移植性高;并且可以人工选取关键点,人工可以进行干预,增强了互动性;进一步地,通过预设的通道阈值筛选边界点,当边界不清晰时,可以降低通道阈值得到更丰富的边界信息,使得边界清晰;当边界信息过于丰富时,可以提高通道阈值降低干扰;另外,通过设置预设的通道阈值自适应地筛选边界点,降低了人工对多个单通道下边界点筛选的工作强度,提高了工作效率,可节省大量时间。
实施例3
参见图3,本发明实施例提供了一种获取景物边界的装置,该装置包括:
第一获取模块301,用于获取图像的多个单通道灰度信息中的每个单通道灰度信息的离散边界点;
第二获取模块302,用于获取景物边界上的多个关键点,并将多个关键点按顺序排列;
搜索模块303,用于根据第一获取模块301得到的每个单通道灰度信息的离散边界点,利用最短路径搜索算法,搜索并得到每两个相邻的关键点之间的有效边界;
连接模块304,用于在搜索模块303得到每两个相邻的关键点之间的有效边界后,连接每两个相邻的关键点之间的有效边界,得到景物的边界。
具体地,第一获取模块301可以包括:
变换单元,用于对图像进行颜色空间变换,得到多个单通道灰度信息;
第一搜索单元,用于在变换单元得到多个单通道灰度信息后,利用边界搜索算法,对多个单通道灰度信息中的每个单通道灰度信息分别进行边界搜索,得到每个单通道灰度信息的离散边界点。
具体地,搜索模块可以包括:
计算单元,用于根据第一获取模块301得到的每个单通道灰度信息的离散边界点,计算得到图像的每个像素点的边界强度;
确定单元,用于确定每两个相邻的关键点之间的边界搜索区域;
第二搜索单元,用于根据计算单元得到的图像的每个像素点的边界强度,利用最短路径搜索算法,在确定单元确定的每两个相邻的关键点之间的边界搜索区域内,搜索并得到每两个相邻的关键点之间的有效边界。
具体地,第二搜索单元可以包括:
比较子单元,用于将图像的每个像素点的边界强度与预设的通道阈值进行比较,得到图像的有效边界点;
搜索子单元,用于在比较子单元得到图像的有效边界点后,通过有效边界点进行带权最短路经搜索,在确定单元确定的每两个相邻的关键点之间的边界搜索区域内,搜索并得到每两个相邻的关键点之间的当前边界;
第一判断子单元,用于在搜索子单元得到每两个相邻的关键点之间的当前边界后,判断当前边界中填充的像素点与当前边界中总的像素点之间的比例是否大于预设的比例阈值;
第一处理子单元,用于当第一判断子单元的判断结果是小于等于预设的比例阈值时,将当前边界作为与该当前边界对应的两个相邻的关键点之间的有效边界。
进一步地,第二搜索单元还可以包括:
第二判断子单元,用于当第一判断子单元的判断结果是大于预设的比例阈值时,判断预设的通道阈值是否大于1;
第二处理子单元,用于当第二判断子单元的判断结果是预设的通道阈值大于1时,将预设的通道阈值减1,通知比较子单元执行将图像中的每个像素点的边界强度与预设的通道阈值进行比较,得到图像的有效边界点。
进一步地,第二搜索单元还包括:
第三处理子单元,用于当第二判断子单元的判断结果是预设的通道阈值小于等于1时,将当前边界作为与该当前边界对应的两个相邻的关键点之间的有效边界。
本实施例所述的装置,通过综合利用多个单通道下的景物边界信息和关键点的设定,避免了由于景物纹理复杂造成的误分割现象,提高了获取景物边界的准确性;获取景物边界过程中人工参与度低,提高了获取景物边界的效率,可节省大量时间,而且不需要依赖人工的经验和技术,可移植性高;并且可以人工选取关键点,人工可以进行干预,增强了互动性;进一步地,通过预设的通道阈值筛选边界点,当边界不清晰时,可以降低通道阈值得到更丰富的边界信息,使得边界清晰;当边界信息过于丰富时,可以提高通道阈值降低干扰;另外,通过设置预设的通道阈值自适应地筛选边界点,降低了人工对多个单通道下边界点筛选的工作强度,提高了工作效率,可节省大量时间。
以上实施例提供的技术方案中的全部或部分内容可以通过软件编程实现,其软件程序存储在可读取的存储介质中,存储介质例如:计算机中的硬盘、光盘或软盘。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种获取景物边界的方法,其特征在于,包括:
获取图像的多个单通道灰度信息中的每个单通道灰度信息的离散边界点;
获取景物边界上的多个关键点,并将所述多个关键点按顺序排列;
根据所述每个单通道灰度信息的离散边界点,计算得到所述图像的每个像素点的边界强度;
确定每两个相邻的关键点之间的边界搜索区域;
根据所述图像的每个像素点的边界强度,利用最短路径搜索算法,在确定的所述每两个相邻的关键点之间的边界搜索区域内,搜索并得到所述每两个相邻的关键点之间的有效边界;
连接所述每两个相邻的关键点之间的有效边界,得到景物的边界。
2.根据权利要求1所述的获取景物边界的方法,其特征在于,所述获取图像的多个单通道灰度信息中的每个单通道灰度信息的离散边界点,包括:
对所述图像进行颜色空间变换,得到多个单通道灰度信息;
利用边界搜索算法,对所述多个单通道灰度信息中的每个单通道灰度信息分别进行边界搜索,得到所述每个单通道灰度信息的离散边界点。
3.根据权利要求1所述的获取景物边界的方法,其特征在于,所述根据所述图像的每个像素点的边界强度,利用最短路径搜索算法,在确定的所述每两个相邻的关键点之间的边界搜索区域内,搜索并得到所述每两个相邻的关键点之间的有效边界,具体包括:
将所述图像的每个像素点的边界强度与预设的通道阈值进行比较,得到所述图像的有效边界点;
通过所述有效边界点进行带权最短路经搜索,在确定的所述每两个相邻的关键点之间的边界搜索区域内,搜索并得到所述每两个相邻的关键点之间的当前边界;
判断所述当前边界中填充的像素点与所述当前边界中总的像素点之间的比例是否大于预设的比例阈值;
当判断结果是小于等于所述预设的比例阈值时,将所述当前边界作为与所述当前边界对应的两个相邻的关键点之间的有效边界。
4.根据权利要求3所述的获取景物边界的方法,其特征在于,当判断结果是大于所述预设的比例阈值时,还包括:
判断所述预设的通道阈值是否大于1;
当判断结果是所述预设的通道阈值大于1时,将所述预设的通道阈值减1,执行所述将所述图像中的每个像素点的边界强度与预设的通道阈值进行比较,得到所述图像的有效边界点的步骤。
5.根据权利要求4所述的获取景物边界的方法,其特征在于,当判断结果是所述预设的通道阈值小于等于1时,还包括:
将所述当前边界作为与所述当前边界对应的两个相邻的关键点之间的有效边界。
6.一种获取景物边界的装置,其特征在于,包括:
第一获取模块,用于获取图像的多个单通道灰度信息中的每个单通道灰度信息的离散边界点;
第二获取模块,用于获取景物边界上的多个关键点,并将所述多个关键点按顺序排列;
搜索模块,包括计算单元、确定单元和第二搜索单元;所述计算单元用于根据所述第一获取模块得到的每个单通道灰度信息的离散边界点,计算得到所述图像的每个像素点的边界强度;所述确定单元用于确定每两个相邻的关键点之间的边界搜索区域;所述第二搜索单元用于根据所述计算单元得到的所述图像的每个像素点的边界强度,利用最短路径搜索算法,在所述确定单元确定的所述每两个相邻的关键点之间的边界搜索区域内,搜索并得到所述每两个相邻的关键点之间的有效边界;
连接模块,用于在所述搜索模块得到每两个相邻的关键点之间的有效边界后,连接所述每两个相邻的关键点之间的有效边界,得到景物的边界。
7.根据权利要求6所述的获取景物边界的装置,其特征在于,所述第一获取模块包括:
变换单元,用于对所述图像进行颜色空间变换,得到多个单通道灰度信息;
第一搜索单元,用于在所述变换单元得到多个单通道灰度信息后,利用边界搜索算法,对所述多个单通道灰度信息中的每个单通道灰度信息分别进行边界搜索,得到所述每个单通道灰度信息的离散边界点。
8.根据权利要求6所述的获取景物边界的装置,其特征在于,所述第二搜索单元包括:
比较子单元,用于将所述图像的每个像素点的边界强度与预设的通道阈值进行比较,得到所述图像的有效边界点;
搜索子单元,用于在所述比较子单元得到所述图像的有效边界点后,通过所述有效边界点进行带权最短路经搜索,在所述确定单元确定的所述每两个相邻的关键点之间的边界搜索区域内,搜索并得到所述每两个相邻的关键点之间的当前边界;
第一判断子单元,用于在所述搜索子单元得到所述每两个相邻的关键点之间的当前边界后,判断所述当前边界中填充的像素点与所述当前边界中总的像素点之间的比例是否大于预设的比例阈值;
第一处理子单元,用于当所述第一判断子单元的判断结果是小于等于所述预设的比例阈值时,将所述当前边界作为与所述当前边界对应的两个相邻的关键点之间的有效边界。
9.根据权利要求8所述的获取景物边界的装置,其特征在于,所述第二搜索单元还包括:
第二判断子单元,用于当所述第一判断子单元的判断结果是大于所述预设的比例阈值时,判断所述预设的通道阈值是否大于1;
第二处理子单元,用于当所述第二判断子单元的判断结果是所述预设的通道阈值大于1时,将所述预设的通道阈值减1,通知所述比较子单元执行将所述图像中的每个像素点的边界强度与预设的通道阈值进行比较,得到图像的有效边界点。
10.根据权利要求9所述的获取景物边界的装置,其特征在于,所述第二搜索单元还包括:
第三处理子单元,用于当所述第二判断子单元的判断结果是所述预设的通道阈值小于等于1时,将所述当前边界作为与所述当前边界对应的两个相邻的关键点之间的有效边界。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910083420XA CN101540050B (zh) | 2009-04-30 | 2009-04-30 | 一种获取景物边界的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910083420XA CN101540050B (zh) | 2009-04-30 | 2009-04-30 | 一种获取景物边界的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101540050A CN101540050A (zh) | 2009-09-23 |
CN101540050B true CN101540050B (zh) | 2011-10-26 |
Family
ID=41123226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910083420XA Expired - Fee Related CN101540050B (zh) | 2009-04-30 | 2009-04-30 | 一种获取景物边界的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101540050B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103353991B (zh) * | 2013-06-24 | 2016-02-24 | 西安交通大学 | 一种轮廓片段的迭代解析生成方法 |
CN105243380A (zh) * | 2015-11-18 | 2016-01-13 | 哈尔滨工业大学 | 基于选择性中值滤波和pca结合的单人脸图像识别方法 |
CN113159112B (zh) * | 2021-03-09 | 2023-04-07 | 西南石油大学 | 一种古生物化石图像自动标注方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5202928A (en) * | 1988-09-09 | 1993-04-13 | Agency Of Industrial Science And Technology | Surface generation method from boundaries of stereo images |
CN1380543A (zh) * | 2001-04-12 | 2002-11-20 | 清华大学 | 一种工业辐射成像中的图像分割识别方法 |
US20060120590A1 (en) * | 2004-12-07 | 2006-06-08 | Lockheed Martin Corporation | Automatic scene correlation and identification |
CN101377850A (zh) * | 2008-09-27 | 2009-03-04 | 北京航空航天大学 | 一种基于蚁群聚类的多模板图像分割方法 |
-
2009
- 2009-04-30 CN CN200910083420XA patent/CN101540050B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5202928A (en) * | 1988-09-09 | 1993-04-13 | Agency Of Industrial Science And Technology | Surface generation method from boundaries of stereo images |
CN1380543A (zh) * | 2001-04-12 | 2002-11-20 | 清华大学 | 一种工业辐射成像中的图像分割识别方法 |
US20060120590A1 (en) * | 2004-12-07 | 2006-06-08 | Lockheed Martin Corporation | Automatic scene correlation and identification |
CN101377850A (zh) * | 2008-09-27 | 2009-03-04 | 北京航空航天大学 | 一种基于蚁群聚类的多模板图像分割方法 |
Non-Patent Citations (1)
Title |
---|
于勇 郭雷.《噪声图像中提取边缘的蚁群搜索算法》.《噪声图像中提取边缘的蚁群搜索算法》.2008,第30卷(第6期), * |
Also Published As
Publication number | Publication date |
---|---|
CN101540050A (zh) | 2009-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8345998B2 (en) | Compression scheme selection based on image data type and user selections | |
EP1507232B1 (en) | Method for classifying a digital image | |
US8666156B2 (en) | Image-based backgrounds for images | |
CN101122999B (zh) | 一种自动提取中国书画作品中***图像的方法 | |
CN105761202B (zh) | 一种彩色图像颜色迁移方法 | |
KR102351725B1 (ko) | 색 영역 매핑 방법 및 색 영역 매핑 장치 | |
CN107633252A (zh) | 肤色检测方法、装置及存储介质 | |
CN101540050B (zh) | 一种获取景物边界的方法和装置 | |
CN112270653A (zh) | 一种针对图像样本不平衡的数据增强方法 | |
JPH0816789A (ja) | 景観の色彩判定方法 | |
CN106415596B (zh) | 基于分割的图像变换 | |
CN103325101B (zh) | 彩色特征的提取方法及装置 | |
CN108205812B (zh) | 一种颜料色彩混合比例匹配的方法 | |
CN101561316A (zh) | 一种基于感兴趣区域(roi)的在线检测视觉数据处理*** | |
CN104392443B (zh) | 用于检测二维24位彩色图像的主要特征色的方法 | |
CN103679658A (zh) | 一种根据主色调智能脱色的图像处理方法 | |
CN1220960C (zh) | 有效存储颜色色域的彩色信号处理装置及其方法 | |
CN103366343A (zh) | 一种位图缩放方法及*** | |
CN104182998A (zh) | 一种自适应图像亮度渲染方法与装置 | |
CN106851168A (zh) | 视频格式识别方法、装置及播放器 | |
KR101216578B1 (ko) | 색 보정 방법 및 장치 | |
CN108876800B (zh) | 一种信息处理方法和设备 | |
JP5933987B2 (ja) | 画像符号化装置及びその制御方法 | |
Wang et al. | Specific color-pair edge detection using quaternion convolution | |
CN103514611B (zh) | 一种肤色区域的提取方法和装置 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20111026 Termination date: 20190430 |
|
CF01 | Termination of patent right due to non-payment of annual fee |