CN101846513A - 标志图像识别及中心坐标提取方法 - Google Patents

标志图像识别及中心坐标提取方法 Download PDF

Info

Publication number
CN101846513A
CN101846513A CN 201010201988 CN201010201988A CN101846513A CN 101846513 A CN101846513 A CN 101846513A CN 201010201988 CN201010201988 CN 201010201988 CN 201010201988 A CN201010201988 A CN 201010201988A CN 101846513 A CN101846513 A CN 101846513A
Authority
CN
China
Prior art keywords
pixel
gray
monumented point
pixels
shade
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.)
Granted
Application number
CN 201010201988
Other languages
English (en)
Other versions
CN101846513B (zh
Inventor
李广云
李宗春
冯其强
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.)
PLA Information Engineering University
Original Assignee
PLA Information Engineering 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 PLA Information Engineering University filed Critical PLA Information Engineering University
Priority to CN201010201988XA priority Critical patent/CN101846513B/zh
Publication of CN101846513A publication Critical patent/CN101846513A/zh
Application granted granted Critical
Publication of CN101846513B publication Critical patent/CN101846513B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明涉及标志图像识别及中心坐标提取方法，标志图像中心坐标提取方法步骤如下：首先利用基于边界搜索的标志图像识别技术先找到标志图像内灰度值最大的像素，并从该像素出发向周围方向搜索标志点边界，则该边界所包含的像素即为标志点中包含的所有像素；然后将找出的标志点中各像素的灰度值减去灰度阈值来进行去噪处理；最后利用灰度加权质心法以减去灰度阈值后的像素灰度值为权值，并结合各像素的位置信息来计算、提取出标志中心在像平面坐标系内的坐标；此方法计算量小，并且实现了标志图像中心坐标的准确提取。

Description

标志图像识别及中心坐标提取方法
技术领域
本发明涉及标志图像识别及中心坐标提取方法，属于工业数字摄影测量领域。
背景技术
在工业数字摄影测量中，回光反射标志使得图像内容变得异常简单：仅有亮度对比明显的标志和背景，从而更加有利于像点的快速提取和高精度定位。与普通的自然目标相比，利用回光反射材料制作的人工标志点在环形闪光灯照射下所成图像具有其自身的特点：
(1)反光标志一般为圆形，其图像为圆形（垂直摄影）或椭圆形（倾斜摄影）；
(2)标志图像与背景亮度对比明显，即“准二值”图像；
(3)所有标志图像的灰度分布规律即纹理结构基本一致。
针对回光反射标志图像的这些特点，在提取像点坐标时通常先利用各种识别算法从图像中找出标志点，然后利用中心定位算法确定其中心坐标。在工业数字摄影测量中，常用Canny算子边缘检测法来识别标志图像；常用的标志图像中心定位算法有灰度加权质心法、椭圆拟合法、模版匹配法等。
在标志图像识别方面，Canny算子边缘检测法和形态学方法都是首先计算出包含所有标志边缘像素的二值化图像，然后再用边界追踪方法得到各标志所包含的边缘和内部像素，在计算二值化图像的过程中，要确定灰度阈值，而精确选取灰度阈值本身就是一个难点，为图像的后续处理增加不可避免的误差。因此需要一种高精度的标志图像识别及中心坐标提取方法。
发明内容
本发明的目的是提供一种计算量小、受噪声影响较小且高精度的标志图像识别方法。
本发明的另一目的是提供一种计算量小、不受噪声影响、高精度的检测标志图像边缘且能准确提取标志中心在像平面坐标系内坐标的标志图像中心坐标提取方法。
为实现上述目的，本发明的标志图像中心坐标提取方法步骤如下：
   （1）利用基于边界搜索的标志图像识别技术先找到标志图像内灰度值最大的像素，并从该像素出发，向周围方向搜索标志点边界，则该边界所包含的像素即为标志点中包含的所有像素；
（2）将找出的标志点中各像素的灰度值减去灰度阈值来进行去噪处理；
（3）利用灰度加权质心法以减去灰度阈值后的像素灰度值为权值，并结合各像素的位置信息来计算、提取出标志中心在像平面坐标系内的坐标。
 所述基于边界搜索的标志图像识别技术的步骤如下：
（1）设定边界灰度梯度阈值，计算每一像素
Figure 417671DEST_PATH_IMAGE002
沿设定方向的灰度梯度
Figure 197408DEST_PATH_IMAGE003
，若
Figure 592617DEST_PATH_IMAGE004
，则像素
Figure 938148DEST_PATH_IMAGE002
为标志点内的像素，记为起始像素；
   （2）从起始像素出发，依次搜索与其临近的最大灰度像素，直到找到整个标志点内灰度最大的像素，此灰度最大的像素记为中心像素；
（3）设定最低灰度阈值
Figure 760610DEST_PATH_IMAGE005
，从中心像素开始，逐一计算处于四个对角线方向上的各像素分别沿各对应的对角线方向的灰度梯度，若某像素的灰度小于最低灰度阈值
Figure 27644DEST_PATH_IMAGE006
且灰度梯度小于边界灰度梯度阈值
Figure 633069DEST_PATH_IMAGE001
，则该像素为边界像素即该像素不包含在标志点内，边界像素与中心像素之间的所有像素均属于该标志点；
（4）按照步骤（3）中的灰度小于最低灰度阈值
Figure 301947DEST_PATH_IMAGE006
且灰度梯度小于边界灰度梯度阈值
Figure 826470DEST_PATH_IMAGE001
条件，从中心像素开始，沿上、下、左、右四个方向寻找边界像素；再从每个处于对角线上的像素开始，沿其对应左或右、上或下两个方向搜索边界像素，则得到整个标志点包含的所有边界像素。
所述步骤（2）中，灰度阈值的确定是取标志图像内最大灰度值与最小灰度值之差乘以一定比例作为该标志的灰度阈值，比例系数一般取为15%。
所述灰度加权质心法是以像素的灰度值为权，计算标志内所有像素坐标的加权平均值，计算公式为：其中，
Figure 317811DEST_PATH_IMAGE008
为标志点中心坐标，
Figure 496988DEST_PATH_IMAGE009
为权值，即减去灰度阈值后的像素灰度值。
在基于边界搜索的标志图像识别技术的步骤（1）中逐行计算每一像素
Figure 926833DEST_PATH_IMAGE002
沿左方向的灰度梯度
Figure 699616DEST_PATH_IMAGE003
，其中，第i行j列的像素
Figure 24736DEST_PATH_IMAGE002
的灰度值记为
Figure 359902DEST_PATH_IMAGE011
若，则像素
Figure 698797DEST_PATH_IMAGE002
为标志点内的像素，记为起始像素。
在得到标志点包含的所有像素后，对标志点包含的所有像素进行几何、灰度检验，去除不符合检验条件的虚假标志。
 本发明的标志图像识别方法步骤如下：
（1）设定边界灰度梯度阈值
Figure 196774DEST_PATH_IMAGE001
，计算每一像素
Figure 968421DEST_PATH_IMAGE002
沿设定方向的灰度梯度
Figure 574852DEST_PATH_IMAGE003
，若，则像素
Figure 809841DEST_PATH_IMAGE002
为标志点内的像素，记为起始像素；
   （2）从起始像素出发，依次搜索与其临近的最大灰度像素，直到找到整个标志点内灰度最大的像素，此灰度最大的像素记为中心像素；
（3）设定最低灰度阈值
Figure 283548DEST_PATH_IMAGE005
，从中心像素开始，逐一计算处于四个对角线方向上的各像素分别沿各对应的对角线方向的灰度梯度，若某像素的灰度小于
Figure 721482DEST_PATH_IMAGE006
且灰度梯度小于
Figure 548624DEST_PATH_IMAGE001
，则该像素为边界像素即该像素不包含在标志点内，边界像素与中心像素之间的所有像素均属于该标志点；
（4）按照步骤（3）中的灰度小于且灰度梯度小于
Figure 665801DEST_PATH_IMAGE001
条件，从中心像素开始，沿上、下、左、右四个方向寻找边界像素；再从每个处于对角线上的像素开始，沿其对应左或右、上或下两个方向搜索边界像素，则得到整个标志点包含的所有边界像素。
在步骤（1）中逐行计算每一像素
Figure 591032DEST_PATH_IMAGE002
沿左方向的灰度梯度
Figure 815340DEST_PATH_IMAGE003
，其中
Figure 532629DEST_PATH_IMAGE010
，第i行j列的像素
Figure 816980DEST_PATH_IMAGE002
的灰度值记为
Figure 229507DEST_PATH_IMAGE011
若
Figure 788664DEST_PATH_IMAGE004
，则像素
Figure 970247DEST_PATH_IMAGE002
为标志点内的像素，记为起始像素。
 在得到标志点包含的所有像素后，对标志点包含的所有像素进行几何、灰度检验，去除不符合检验条件的虚假标志。
本发明的标志图像识别方法先通过灰度梯度与边界灰度梯度阈值的比较来确定起始像素，然后从起始像素出发来寻找整个标志点内灰度最大的像素记中心像素，再从中心像素开始，将四个对角线方向各像素的灰度及灰度梯度与相应阈值比较来判断边界像素，再从中心像素开始，沿上、下、左、右四个方向寻找边界像素，从每个对角线像素开始，沿其对应两个方向搜索边界像素，至此得到整个标志点包含的所有像素。此方法计算量小，能够准确的检测出标志点的边界及标志点包含的所有像素。
本发明的标志图像中心坐标提取方法先利用基于边界搜索的标志图像识别技术检测出标志点中包含的所有像素；然后将找出的标志点中各像素的灰度值减去灰度阈值来进行去噪处理；最后利用灰度加权质心法以减去灰度阈值后的像素灰度值为权值，并结合各像素的位置信息来计算、提取出标志中心在像平面坐标系内的坐标。此方法计算量小，首先准确的检测出标志点所包含的所有像素，再用动态确定灰度阈值的方法来消除背景噪声的影响，最后用灰度加权质心法计算标志中心在像平面坐标系内的坐标，实现了标志图像中心坐标的提取。
附图说明
图1是实施例一的标志图像；
图2是实施例一标志图像的标志灰度值分布图；
图3是实施例一的起始像素标示图；
图4是实施例一的中心像素标示图；
图5是实施例一的对角线像素边界及像素标示图；
图6是实施例一的非对角线像素边界及像素标示图；
图7是实施例一的标志点包含的所有像素标示图；
图8是实施例二的方法流程图。
具体实施方式
 实施例一：
   以图1所示的标志点为例，本发明的标志图像识别方法步骤如下：
（1）设定边界灰度梯度阈值
Figure 566444DEST_PATH_IMAGE001
=5，将第i行第j列像素
Figure 466267DEST_PATH_IMAGE002
的灰度值记为
Figure 32378DEST_PATH_IMAGE011
，并定义像素沿某一方向的灰度梯度
Figure 225779DEST_PATH_IMAGE003
为此像素与该方向下一像素的灰度之差，如像素
Figure 268690DEST_PATH_IMAGE002
沿左方向的灰度梯度
Figure 638491DEST_PATH_IMAGE010
，逐行计算每一像素
Figure 60245DEST_PATH_IMAGE002
沿左方向的灰度梯度
Figure 857300DEST_PATH_IMAGE003
，若
Figure 466136DEST_PATH_IMAGE004
，则像素为标志点内的像素，记为起始像素，则在如图2所示的图1标志图像灰度值分布图中，起始像素为
Figure 56834DEST_PATH_IMAGE012
，在如图3中已用矩形框标出；
（2）从起始像素
Figure 24790DEST_PATH_IMAGE013
出发，依次搜索与其临近的最大灰度像素，直到找到整个标志点内灰度最大的像素
Figure 652081DEST_PATH_IMAGE014
，此灰度最大的像素
Figure 363685DEST_PATH_IMAGE014
记为中心像素，如图4所示；
（3）设定最低灰度阈值
Figure 884665DEST_PATH_IMAGE005
，从中心像素
Figure 23522DEST_PATH_IMAGE014
开始，逐一计算处于四个对角线方向上的各像素分别沿各对应的对角线方向的灰度梯度，若某像素的灰度小于最低灰度阈值
Figure 606950DEST_PATH_IMAGE006
且灰度梯度小于边界灰度梯度阈
Figure 387825DEST_PATH_IMAGE001
，则该像素为边界像素即该像素不包含在标志点内，边界像素与中心像素之间的所有像素均属于该标志点，如图5所示中已标出对角线像素边界及像素；
（4）按照步骤（3）中的灰度小于最低灰度阈值
Figure 373098DEST_PATH_IMAGE006
且灰度梯度小于边界灰度梯度阈
Figure 89381DEST_PATH_IMAGE001
条件，从中心像素
Figure 160106DEST_PATH_IMAGE014
开始，沿上、下、左、右四个方向寻找边界像素；再从每个处于对角线上的像素开始，沿其对应左或右、上或下两个方向搜索边界像素，则得到整个标志点包含的所有边界像素，如图6中所示将非对角线像素边界及像素标出，图7中所框像素为标志点所含的所有像素；
（5）对标志图像进行几何检验，统计标志图像在
Figure 213512DEST_PATH_IMAGE015
、
Figure 584451DEST_PATH_IMAGE016
方向的范围及包含的像素数，与事先给定的阈值比较，若在阈值范围内，则该图像为真实标志；否则，为虚假标志，予以剔除；在图7中，该标志图像在
Figure 65111DEST_PATH_IMAGE015
、
Figure 357552DEST_PATH_IMAGE017
方向的范围分别为10像素和12像素，包含的像素数为85像素，
Figure 882160DEST_PATH_IMAGE015
、
Figure 576447DEST_PATH_IMAGE016
方向的范围阈值一般取为3～20像素，像素数范围阈值一般取为5～200像素；
(6)对标志图像进行灰度检验，统计标志图像的灰度均值，若该值大于事先给定的阈值，则该图像为真实标志；否则，为虚假标志，予以剔除。灰度均值阈值一般取为20。
实施例二：
标志图像中心定位即利用识别出的各标志包含的像素确定标志中心在像平面坐标系内的坐标。如图8所示，本方法分三步：首先，利用基于边界搜索的标志图像识别技术先找到标志图像内灰度值最大的像素，并从该像素出发，向周围方向搜索标志点边界，则该边界所包含的像素即为标志点中包含的所有像素；然后，将找出的标志点中各像素的灰度值减去灰度阈值来进行去噪处理；最后，利用灰度加权质心法以减去灰度阈值后的像素灰度值为权值，并结合各像素的位置信息来计算、提取出标志中心在像平面坐标系内的坐标。
1基于边界搜索的标志图像识别技术
（1）设定边界灰度梯度阈值
Figure 228008DEST_PATH_IMAGE001
，计算每一像素
Figure 804483DEST_PATH_IMAGE002
沿设定方向的灰度梯度
Figure 199692DEST_PATH_IMAGE003
，若
Figure 155010DEST_PATH_IMAGE004
，则像素为标志点内的像素，记为起始像素；
   （2）从起始像素出发，依次搜索与其临近的最大灰度像素，直到找到整个标志点内灰度最大的像素，此灰度最大的像素记为中心像素；
（3）设定最低灰度阈值
Figure 41243DEST_PATH_IMAGE005
，从中心像素开始，逐一计算处于四个对角线方向上的各像素分别沿各对应的对角线方向的灰度梯度，若某像素的灰度小于最低灰度阈值
Figure 895936DEST_PATH_IMAGE006
且灰度梯度小于边界灰度梯度阈值
Figure 299235DEST_PATH_IMAGE001
，则该像素为边界像素即该像素不包含在标志点内，边界像素与中心像素之间的所有像素均属于该标志点；
（4）按照步骤（3）中的灰度小于最低灰度阈值且灰度梯度小于边界灰度梯度阈值
Figure 843666DEST_PATH_IMAGE001
条件，从中心像素开始，沿上、下、左、右四个方向寻找边界像素；再从每个处于对角线上的像素开始，沿其对应左或右、上或下两个方向搜索边界像素，则得到整个标志点包含的所有边界像素。
2利用灰度阈值抑制噪声
在计算标志中心之前，应将标志图像中各像素的灰度值减去一定的阈值，以消除背景噪声的影响。
灰度阈值选择的恰当与否将直接影响像点坐标精度。阈值过大，会在去除背景噪声的同时损失部分标志边缘信息，进而降低标志中心定位精度；阈值过小，则不能彻底消除背景噪声，同样会降低中心定位精度。
本方法利用标志图像内的像素，动态地确定各标志对应的灰度阈值，即取标志图像内最大灰度值与最小灰度值之差乘以一定比例作为该标志的灰度阈值，比例系数一般取为
Figure 580678DEST_PATH_IMAGE018
。如图7所示标志图像，最大灰度值为190，最小灰度值为8，则灰度阈值即为
Figure 104063DEST_PATH_IMAGE019
。
3基于灰度加权质心法的标志图像中心定位方法
质心法是对图像中的圆、椭圆和矩形等中心对称目标进行高精度定位的常用算法。所谓灰度加权质心法，即以像素的灰度值为权，计算标志内所有像素坐标的加权平均值，其计算公式为：
      
Figure 940432DEST_PATH_IMAGE007
      
上式中，
Figure 916478DEST_PATH_IMAGE020
为标志点中心坐标，
Figure 988339DEST_PATH_IMAGE009
为权值，即减去灰度阈值后的像素灰度值。作为权值，标志图像各像素的灰度对灰度加权质心法的定位精度影响很大，因此对成像质量的要求较高。尤其当标志图像较小时，应将噪声控制在较低的范围内，否则会严重降低标志图像中心的定位精度。

Claims (9)

1.一种标志图像中心坐标提取方法，其特征在于,该方法的步骤如下：
   （1）利用基于边界搜索的标志图像识别技术先找到标志图像内灰度值最大的像素，并从该像素出发，向周围方向搜索标志点边界，则该边界所包含的像素即为标志点中包含的所有像素；
（2）将找出的标志点中各像素的灰度值减去灰度阈值来进行去噪处理；
（3）利用灰度加权质心法以减去灰度阈值后的像素灰度值为权值，并结合各像素的位置信息来计算、提取出标志中心在像平面坐标系内的坐标。
2.根据权利要求1所述的标志图像中心坐标提取方法，其特征在于，所述基于边界搜索的标志图像识别技术的步骤如下：
（1）设定边界灰度梯度阈值
Figure 201010201988X100001DEST_PATH_IMAGE002
，计算每一像素
Figure 201010201988X100001DEST_PATH_IMAGE004
沿设定方向的灰度梯度
Figure DEST_PATH_IMAGE006
，若
Figure DEST_PATH_IMAGE008
，则像素
Figure DEST_PATH_IMAGE004A
为标志点内的像素，记为起始像素；
（2）从起始像素出发，依次搜索与其临近的最大灰度像素，直到找到整个标志点内灰度最大的像素，此灰度最大的像素记为中心像素；
（3）设定最低灰度阈值，从中心像素开始，逐一计算处于四个对角线方向上的各像素分别沿各对应的对角线方向的灰度梯度，若某像素的灰度小于最低灰度阈值
Figure DEST_PATH_IMAGE011A
且灰度梯度小于边界灰度梯度阈值
Figure DEST_PATH_IMAGE002A
，则该像素为边界像素即该像素不包含在标志点内，边界像素与中心像素之间的所有像素均属于该标志点；
（4）按照步骤（3）中的灰度小于最低灰度阈值且灰度梯度小于边界灰度梯度阈值
Figure DEST_PATH_IMAGE002AA
条件，从中心像素开始，沿上、下、左、右四个方向寻找边界像素；再从每个处于对角线上的像素开始，沿其对应左或右、上或下两个方向搜索边界像素，则得到整个标志点包含的所有边界像素。
3.根据权利要求1所述的标志图像中心坐标提取方法，其特征在于：所述步骤（2）中，灰度阈值的确定是取标志图像内最大灰度值与最小灰度值之差乘以一定比例作为该标志的灰度阈值，比例系数一般取为15%。
4.根据权利要求1或2或3所述的标志图像中心坐标提取方法，其特征在于：所述灰度加权质心法是以像素的灰度值为权，计算标志内所有像素坐标的加权平均值，计算公式为：
Figure 201010201988X100001DEST_PATH_IMAGE013
其中，
Figure 201010201988X100001DEST_PATH_IMAGE015
为标志点中心坐标，
Figure 201010201988X100001DEST_PATH_IMAGE017
为权值，即减去灰度阈值后的像素灰度值。
5.根据权利要求2所述的标志图像中心坐标提取方法，其特征在于：在步骤（1）中逐行计算每一像素
Figure DEST_PATH_IMAGE004AA
沿左方向的灰度梯度
Figure DEST_PATH_IMAGE006A
，其中
Figure 201010201988X100001DEST_PATH_IMAGE019
，第i行j列的像素
Figure DEST_PATH_IMAGE004AAA
的灰度值记为若
Figure DEST_PATH_IMAGE008A
，则像素
Figure DEST_PATH_IMAGE004AAAA
为标志点内的像素，记为起始像素。
6.根据权利要求2或5所述的标志图像中心坐标提取方法，其特征在于：在得到标志点包含的所有像素后，对标志点包含的所有像素进行几何、灰度检验，去除不符合检验条件的虚假标志。
7.一种标志图像识别方法，其特征在于，该方法包括以下步骤：
（1）设定边界灰度梯度阈值
Figure DEST_PATH_IMAGE002AAA
，计算每一像素
Figure DEST_PATH_IMAGE004AAAAA
沿设定方向的灰度梯度
Figure DEST_PATH_IMAGE006AA
，若
Figure DEST_PATH_IMAGE008AA
，则像素
Figure DEST_PATH_IMAGE004AAAAAA
为标志点内的像素，记为起始像素；
（2）从起始像素出发，依次搜索与其临近的最大灰度像素，直到找到整个标志点内灰度最大的像素，此灰度最大的像素记为中心像素；
（3）设定最低灰度阈值
Figure DEST_PATH_IMAGE011AAA
，从中心像素开始，逐一计算处于四个对角线方向上的各像素分别沿各对应的对角线方向的灰度梯度，若某像素的灰度小于最低灰度阈值
Figure DEST_PATH_IMAGE011AAAA
且灰度梯度小于边界灰度梯度阈值
Figure DEST_PATH_IMAGE002AAAA
，则该像素为边界像素即该像素不包含在标志点内，边界像素与中心像素之间的所有像素均属于该标志点；
（4）按照步骤（3）中的灰度小于最低灰度阈值
Figure DEST_PATH_IMAGE011AAAAA
且灰度梯度小于边界灰度梯度阈值
Figure DEST_PATH_IMAGE002AAAAA
条件，从中心像素开始，沿上、下、左、右四个方向寻找边界像素；再从每个处于对角线上的像素开始，沿其对应左或右、上或下两个方向搜索边界像素，则得到整个标志点包含的所有边界像素；
（5）对标志点包含的所有像素进行几何、灰度检验，去除不符合检验条件的虚假标志。
8.根据权利要求7所述的标志图像识别方法，其特征在于：在步骤（1）中逐行计算每一像素
Figure DEST_PATH_IMAGE004AAAAAAA
沿左方向的灰度梯度，其中
Figure DEST_PATH_IMAGE019A
，第i行j列的像素
Figure DEST_PATH_IMAGE004AAAAAAAA
的灰度值记为
Figure DEST_PATH_IMAGE022A
若
Figure DEST_PATH_IMAGE008AAA
，则像素
Figure DEST_PATH_IMAGE004AAAAAAAAA
为标志点内的像素，记为起始像素。
9.根据权利要求7或8所述的标志图像识别方法，其特征在于：在得到标志点包含的所有像素后，对标志点包含的所有像素进行几何、灰度检验，去除不符合检验条件的虚假标志。
CN201010201988XA 2010-06-17 2010-06-17 标志图像识别及中心坐标提取方法 Expired - Fee Related CN101846513B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201010201988XA CN101846513B (zh) 2010-06-17 2010-06-17 标志图像识别及中心坐标提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201010201988XA CN101846513B (zh) 2010-06-17 2010-06-17 标志图像识别及中心坐标提取方法

Publications (2)

Publication Number Publication Date
CN101846513A true CN101846513A (zh) 2010-09-29
CN101846513B CN101846513B (zh) 2011-11-30

Family

ID=42771208

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201010201988XA Expired - Fee Related CN101846513B (zh) 2010-06-17 2010-06-17 标志图像识别及中心坐标提取方法

Country Status (1)

Country Link
CN (1) CN101846513B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102129679A (zh) * 2010-12-02 2011-07-20 湖南农业大学 一种局部定位***及方法
CN103294305A (zh) * 2012-02-24 2013-09-11 德克萨斯仪器股份有限公司 电容触摸屏中电容传感器的补偿线性插值
CN103364023A (zh) * 2013-06-21 2013-10-23 广东电网公司电力科学研究院 一种基于总体最小二乘的仪表图像中心点提取方法
CN110817209A (zh) * 2019-11-19 2020-02-21 佛山科学技术学院 一种道路垃圾箱及垃圾车
CN110853024A (zh) * 2019-11-14 2020-02-28 北京推想科技有限公司 医疗图像处理方法、装置、存储介质及电子设备
CN112198521A (zh) * 2020-09-29 2021-01-08 上海兰宝传感科技股份有限公司 一种提高三角测距精度的方法
CN114333243A (zh) * 2021-12-21 2022-04-12 长江三峡勘测研究院有限公司（武汉） 一种滑坡监测预警方法、装置、介质、电子设备及终端
CN114926455A (zh) * 2022-06-13 2022-08-19 凌云光技术股份有限公司 目标中心位置的检测方法、装置、计算机设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101114337A (zh) * 2007-08-08 2008-01-30 华中科技大学 一种地面建筑物识别定位方法
CN101739547A (zh) * 2008-11-21 2010-06-16 中国科学院沈阳自动化研究所 复杂背景下图像中鲁棒的编码点的精确识别与定位方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101114337A (zh) * 2007-08-08 2008-01-30 华中科技大学 一种地面建筑物识别定位方法
CN101739547A (zh) * 2008-11-21 2010-06-16 中国科学院沈阳自动化研究所 复杂背景下图像中鲁棒的编码点的精确识别与定位方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
《光学技术》 20080515 卢成静等 基于形态学的人工标志中心亚像素定位方法研究 , 第03期 2 *
《宇航计测技术》 20080425 卢成静等 视觉检测中圆形标志的定位方法研究 , 第02期 2 *
《测绘科学技术学报》 20060330 范生宏等 Canny算子对人工标志中心的亚像素精度定位 , 第01期 2 *
《测绘科学技术学报》 20080615 卢成静等 一种实现工业数字摄影测量自动化的方法 , 第03期 2 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102129679A (zh) * 2010-12-02 2011-07-20 湖南农业大学 一种局部定位***及方法
CN102129679B (zh) * 2010-12-02 2013-06-19 湖南农业大学 一种局部定位***及方法
CN103294305A (zh) * 2012-02-24 2013-09-11 德克萨斯仪器股份有限公司 电容触摸屏中电容传感器的补偿线性插值
CN103294305B (zh) * 2012-02-24 2018-05-08 德克萨斯仪器股份有限公司 电容触摸屏中电容传感器的补偿线性插值
CN103364023A (zh) * 2013-06-21 2013-10-23 广东电网公司电力科学研究院 一种基于总体最小二乘的仪表图像中心点提取方法
CN103364023B (zh) * 2013-06-21 2015-11-18 广东电网公司电力科学研究院 一种基于总体最小二乘的仪表图像中心点提取方法
CN110853024A (zh) * 2019-11-14 2020-02-28 北京推想科技有限公司 医疗图像处理方法、装置、存储介质及电子设备
CN110853024B (zh) * 2019-11-14 2020-12-22 推想医疗科技股份有限公司 医疗图像处理方法、装置、存储介质及电子设备
CN110817209A (zh) * 2019-11-19 2020-02-21 佛山科学技术学院 一种道路垃圾箱及垃圾车
CN112198521A (zh) * 2020-09-29 2021-01-08 上海兰宝传感科技股份有限公司 一种提高三角测距精度的方法
CN114333243A (zh) * 2021-12-21 2022-04-12 长江三峡勘测研究院有限公司（武汉） 一种滑坡监测预警方法、装置、介质、电子设备及终端
CN114926455A (zh) * 2022-06-13 2022-08-19 凌云光技术股份有限公司 目标中心位置的检测方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
CN101846513B (zh) 2011-11-30

Similar Documents

Publication Publication Date Title
CN101846513A (zh) 标志图像识别及中心坐标提取方法
EP2085928B1 (en) Detection of blobs in images
CN105469418B (zh) 基于摄影测量的大视场双目视觉标定装置及方法
WO2016106955A1 (zh) 一种激光红外复合的地面建筑物识别及导航方法
CN107330433B (zh) 图像处理方法和装置
CN105279772B (zh) 一种红外序列图像的可跟踪性判别方法
US9767387B2 (en) Predicting accuracy of object recognition in a stitched image
CN106709500B (zh) 一种图像特征匹配的方法
CN106017367B (zh) 一种郁闭度的测定方法和装置
CN104036278A (zh) 人脸算法标准脸部图像的提取方法
WO2015198323A2 (en) Photo tagging system and method
US20170178341A1 (en) Single Parameter Segmentation of Images
CN111695373B (zh) 斑马线的定位方法、***、介质及设备
CN104574312A (zh) 标靶图像求圆心的方法和装置
CN109635679B (zh) 一种实时的靶纸定位及环线识别方法
CN108257153A (zh) 一种基于方向梯度统计特征的目标跟踪方法
CN108388854A (zh) 一种基于改进fast-surf算法的定位方法
CN101666621B (zh) 一种与光照无关的标记点提取方法
CN105758337B (zh) 一种获取透镜平面与图像传感器平面之间夹角的方法
CN107145820B (zh) 基于hog特征和fast算法的双眼定位方法
CN110031471B (zh) 大口径光学元件表面缺陷增长分析方法、***、装置
CN103136513B (zh) 一种改进的asm人脸特征点定位方法
CN110440792A (zh) 基于小天体不规则度的导航信息提取方法
CN114240984B (zh) 一种圆形标志点边缘提取方法及其应用
CN106683128B (zh) 一种用于机场跑道图像的亚像素配准方法

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: 20111130

CF01 Termination of patent right due to non-payment of annual fee