CN104933397A - 图像描述及其图像识别方法 - Google Patents

图像描述及其图像识别方法 Download PDF

Info

Publication number
CN104933397A
CN104933397A CN201510116763.7A CN201510116763A CN104933397A CN 104933397 A CN104933397 A CN 104933397A CN 201510116763 A CN201510116763 A CN 201510116763A CN 104933397 A CN104933397 A CN 104933397A
Authority
CN
China
Prior art keywords
image
spiral
integrated
pixels
numerical 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.)
Granted
Application number
CN201510116763.7A
Other languages
English (en)
Other versions
CN104933397B (zh
Inventor
施皇嘉
俞冠均
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.)
Yuan Ze University
Original Assignee
Yuan Ze 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 Yuan Ze University filed Critical Yuan Ze University
Publication of CN104933397A publication Critical patent/CN104933397A/zh
Application granted granted Critical
Publication of CN104933397B publication Critical patent/CN104933397B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/60—Rotation of whole images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR 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
    • G06V10/421—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation by analysing segments intersecting the pattern

Landscapes

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

Abstract

本发明公开一种图像描述及其图像识别方法，其中该图像描述方法包含(a)取得一图像，该图像具有多个像素。步骤(b)在该图像决定一起始点的位置。步骤(c)在该图像上，由该起始点沿着具有一前角度的一前螺旋线的轨迹取样该等像素，让该轨迹上的该等像素排列成一前螺旋集成线。步骤(d)将该前角度增加一角度变异量以形成具有一后角度的一后螺旋线，由该起始点沿着该后螺旋线的轨迹取样该等像素，而该等像素排列成一后螺旋集成线。步骤(e)决定该角度变异量增加的次数，以重复地执行该步骤(d)，而取得多个该后螺旋集成线，其中该等像素对应一数值。步骤(f)排列该前螺旋集成线与该等后螺旋集成线，形成一螺旋集成图(Spiral Aggregation Map)。

Description

图像描述及其图像识别方法
技术领域
本发明涉及图像处理的技术领域，特别是一种具有辨识图像旋转变化以及图像尺寸变化的图像描述及其图像识别方法。
背景技术
在一图像中，搜寻出特定一目标图的方法，目前普遍地被应用在网页或照片中的人脸搜寻、在电路板上电子元件识别、在车辆上的车牌辨识、在空拍或遥测地图上的建筑物辨别或生物影像中细胞侦测等领域。
上述方法，一般先对该图像中每一特定区块及/或该目标图进行描述，并藉由该特定区块与该目标图的匹配相似度，以在该图像中搜寻出近似或完全相符合的该目标图。该图像的描述方法可针对彩色影像或是灰阶影像进行描述。
虽然该彩色影像与该灰阶影像都可进行影像的匹配，但是由于该灰阶影像的描述相对于该彩色影像的描述具有较少的资讯。因此，可在影像匹配过程中，减少资讯运算的负担。
传统中，该灰阶影像主要有一环形投影转换(Ring Projection Transformation)和一放射形投影转换(Radial Projection Transformation)二种描述法。前述二个描述法各自有优点，但是也存在着某些缺陷。
举例而言，该环形转换具有抗旋转的优点，但缺点是不适用在例如该图像中出现环形对称或以中心向外辐射的图样，因该环形转换是利用环形的方式进行取样，很容易在同一环形方向中获得到相同资讯，而遗失一些放射方向的特性。
有鉴于此，本发明提出一种图像辨识方法，除维持该环形转换与该径向转换的优点之外，并能够抵抗图像尺寸变化与找出图片经过旋转之后的角度变化。
发明内容
本发明的一目的提供一种图像描述方法，利用螺旋线的轨迹将一图像重新描绘成一螺旋集成图，以达到抵抗该图像旋转、尺寸与位移等变化的功效。
本发明的另一目的提供一种图像识别方法，藉由前述图像描述方法所建立的一图像描述模型识别一图像物件。
本发明的又一目的根据该图像识别方法，利用三阶段的判断步骤，由简单判断到复杂判断个过程，由该图像物件中过滤出与该图像描述模型类似的子影像。
为达上述目的及其他目的，本发明提供一种图像描述方法，该方法包含，步骤(a)取得一图像，该图像具有多个像素。步骤(b)在该图像决定一起始点的位置。步骤(c)在该图像上，由该起始点沿着具有一前角度的一前螺旋线的轨迹取样该等像素，让该轨迹上的该等像素排列成一前螺旋集成线。步骤(d)将该前角度增加一角度变异量以形成具有一后角度的一后螺旋线，由该起始点沿着该后螺旋线的轨迹取样该等像素，而该等像素排列成一后螺旋集成线。步骤(e)决定该角度变异量增加的次数，以重复地执行该步骤(d)，而取得多个该后螺旋集成线，其中该等像素对应一数值。步骤(f)排列该前螺旋集成线与该等后螺旋集成线，形成一螺旋集成图(Spiral Aggregation Map)，且纪录每一该等像素的该数值。
为达上述目的及其他目的，本发明提供一种图像识别方法，供利用一图像描述模型建立的一图像描述模型，以识别一图像物件，该图像物件具有多个像素，以及该图像描述模型具有一螺旋集成图，该方法包含：步骤(a)在该图像物件根据一图像描述模型的尺寸，确定一第一比对区域的尺寸。步骤(b)该对比区域的中心点对应该等像素的其中之一，以及由该中始点以具有一角度的一螺旋线的轨迹取样位在该第一对比区域中的该等像素，而取样的该等像素对应一数值，其中该数值可以是该等像素的平均值，或是该等像素表示成二阶或更高阶的数值。步骤(c)比对该数值与该螺旋集成图所对应的数值，其中该螺旋集成图的数值形成一数值分布范围。步骤(d)判断该数值在该数值分布范围之中，以纪录该中心点所对应的该像素的坐标；以及，步骤(e)将该比对区域移动至下一个像素，并执行步骤(d)，直到对该图像物件的所有区域完成扫描。
于另一实施例中，在步骤(d)之后，接着步骤(f)藉由取出已记录的该中心点，以决定需要进行比对的一第二比对区域。步骤(g)在该第二比对区域中，以藉由多条螺旋线的轨迹中取样位在该第二对比区域中的该等像素，而取样的该等像素对应多个数值，其中该数值可以是该等像素的平均值，或是该等像素表示成二阶或更高阶的数值。步骤(h)比对该等数值与该螺旋集成图所对应的数值，其中该螺旋集成图包含一数值与一区间异次数值组；以及，步骤(i)判断该等数值落在该区间异次数值的二次阶数值范围之间，以纪录该中心点所对应的该像素的坐标。
于又一实施例中，在步骤(i)之后，接着步骤(j)藉由取出已记录的该中心点，以决定需要进行比对的一第三比对区域。步骤(k)在该第三比对区域中，以藉由多条螺旋线的轨迹中取样位在该对比区域中的该等像素，以取得该等像素的投影量与形成一比对螺旋集成图的其中之一。步骤(l)计算该螺旋集成图与该比对螺旋集成图在垂直方向的投影量，或计算该螺旋集成图与该等像素的该投影量，以决定一特征分数。步骤(m)计算该螺旋集成图与该比对螺旋集成图在水平方向的投影量，以决定一旋转角度；以及，步骤(n)根据该特征分数与该旋转角度，决定该图像描述模型与该螺旋集成图的相 关性。
相较于现有技术，本发明提供一图像描述方法及利用该图像描述模型进行图像识别方法，该图像描述方法可保留一图像的结构性和连续的资讯。由于该图像描述模型的描述法保留了该图像更多细微的资讯。因此，该图像描述模型可同时保有一环形投影转换和一放射形投影转换的优点，以抵抗该图像的旋转变化、尺寸变化与位移变化等。
附图说明
图1为本发明实施例的图像描述方法的流程示意图。
图2为说明图1的图像示意图。
图3为说明图1的螺旋集成示意图。
图4为该图像与该螺旋集成图的对比示意图。
图5为本发明实施例的图像描述方法的流程示意图。
图6为本发明实施例的图像描述方法的另一流程示意图。
图7为本发明实施例的图像描述方法的又一流程示意图。
符号说明： 
S11～S16    方法步骤
S51～S55    方法步骤
S61～S64    方法步骤
S71～S75    方法步骤
具体实施方式
为充分了解本发明的目的、特征及功效，兹藉由下述具体的实施例，并配合所附的图式，对本发明做一详细说明，说明如后：
请参考图1，为本发明实施例的图像描述方法的流程示意图。于图1中，该图像描述方法起始于步骤S11，取得一图像，该图像可参考图2所示。该图像具有多个像素。
步骤S12，在该图像决定一起始点的位置。举例而言，该起始点的位置，通常选定该图像的中心位置。
步骤S13，在该图像上，由该起始点沿着具有一前角度的一前螺旋线的轨迹取样该等像素，让该轨迹上的该等像素排列成一前螺旋集成线。
于本实施例中，该螺旋线的定义是螺旋线的轨迹上的每一个点，由上一个点经过固定的角速度到下一个点，而起点都是从中心点开始，直到***结束，该螺旋线可参考阿基米德的几何螺旋定理。藉由该螺旋线的轨迹所形成的投影方法，来建立该图像的图像描述模型。在螺旋线的特性中，当螺旋线从中心开始向外延展时，该螺旋线的水平和垂直方向的位移会同时进行，所以藉由水平方向与垂直方向的投影可以了解该图像的成分结构。
步骤S 14，将该前角度增加一角度变异量以形成具有一后角度的一后螺旋线，由该起始点沿着该后螺旋线的轨迹取样该等像素，而该等像素排列成一后螺旋集成线。举例而言，该角度变异量的范围为0.5至1度之间。
步骤S15，决定该角度变异量增加的次数，以重复地执行该步骤S14，而取得多个该后螺旋集成线。举例而言，该次数的范围介于1至720次之间。
藉由重复执行步骤S 14与步骤S 15，该前螺旋集成线与该等后螺旋集成线逐渐排列成一螺旋集成图(可参考图3)，例如该螺旋集成图为一矩形，该前螺旋集成线与该等后螺旋集成线形成该矩形的一边，而该矩形的另一边由在该前螺旋集成线与该每一该后螺旋集成线之中的取样点素所排列形成，于后详述。
步骤S16，排列该前螺旋集成线与该等后螺旋集成线，形成一螺旋集成图(Spiral Aggregation Map，SAM)。于另一实施例中，该前螺旋集成线与该等后螺旋集成线依序地且垂直地排列成该螺旋集成图。
在图3中，该螺旋集成图藉由不同角度下每一条螺旋线的轨迹上的每一个像素所构成，该螺旋集成图定义为 该函数表示在该图像上第条螺旋线的轨迹上的第i个像素，且每一条螺旋线会根据的顺序进行排列。在图3中，水平方向是由单一条螺旋线的轨迹上的所有像素所组成，像素的范围由1至P，其中P表示在单一条螺旋上所取样的总数。
另外，假设每一条螺旋线的空间分布率为Δ 的角度。因此，在该螺旋集成图总共会有条的螺旋线。 
一并参考图4，为该图像与该螺旋集成图的对比示意图。在图4中，值得关注的有二条螺旋线，一条是为0度的垂直线，以及一条为为 (即90度)的垂直线。每 一条螺旋线显示在该螺旋集成图的水平方向。若在垂直方向取一条垂直线，表示每一条螺旋线旋转后，第i个像素的汇集。整体而言，若结合所有的垂直线，就形成了该图像的环形投影量。根据该几何螺旋定理的定义，因为有相同的螺旋取样，因此该螺旋线并不会因为图像的尺寸改变而影响螺旋线所构成的轨迹。
总言之，该螺旋集成图具有2个很重要的特性。第一个特性是能够抵抗该图像尺寸的变化。理由是，当该图像的尺寸改变时，该图像在该螺旋集成图上的垂直投影保持几乎相同的样子。第二个特性是，该图像的旋转可以被预测的。举例而言，该图像被旋转过后，该图像在该螺旋集成图上会显示出垂直位移的方向，而藉由这个位移的变化量及方向，可以得知旋转后的该图像与未旋转的该图像之间的差异的旋转方向和角度。
请参考图5，为本发明实施例的图像描述方法的流程示意图。于图5中，该图像识别方法利用一图像描述模型建立的一图像描述模型，以识别一图像物件。该图像物件具有多个像素，以及该图像描述模型具有一螺旋集成图。该方法步骤起始于步骤S51，为在该图像物件根据一图像描述模型的尺寸，确定一第一比对区域的尺寸。
步骤S52，该对比区域的中心点对应该等像素的其中之一，以及由该中始点以具有一角度的一螺旋线的轨迹取样位在该第一对比区域中的该等像素，而取样的该等像素对应一数值。
步骤S53，比对该数值与该螺旋集成图所对应的数值。该螺旋集成图的数值形成一数值分布范围。
步骤S54，判断该数值落在该数值分布范围之间，以纪录该中心点所对应的该像素的坐标。
步骤S55，将该比对区域移动至下一个像素，并执行步骤S54，直到对该图像物件的所有区域完成扫描。
请参考图6，为本发明实施例的图像描述方法的另一流程示意图。在步骤S55之后，接着步骤S61，藉由取出已记录的该中心点，以决定需要进行比对的一第二比对区域。
步骤S62，在该第二比对区域中，藉由多条螺旋线的轨迹中取样位在该第二对比区域中的该等像素，而取样的该等像素对应多个数值。值得注意的是，该等螺旋线彼此之间呈现稀疏状，而被选用的该等螺旋线是具有代表性的，以概括性描述该图像。举例而言，该等螺旋线的数量为4条，且相邻的二条该等螺旋线之间的该角度相差90度。
步骤S63，比对该等数值与该螺旋集成图所对应的数值。该螺旋集成图包含一数值与一区间异次数值组。
步骤S64，判断该数值在该区间异次数值组的二次阶数值范围之间，以纪录该中心点所对应的该像素的坐标。
请参考图7，为本发明实施例的图像描述方法的又一流程示意图。在步骤S64之后，接着步骤S71，藉由取出已记录的该中心点，以决定需要进行比对的一第三比对区域。
步骤S72，在该第三比对区域中，以密集多条螺旋线的轨迹中取样位在该对比区域中的该等像素，以取得该等像素的投影量与形成一比对螺旋集成图的其中之一。值得注意的是，该等螺旋线彼此之间呈现密集状，而能够完全地描述该图像。举例而言，该等螺旋线的数量为360条，且相邻的二条该等螺旋线之间的该角度相差预定的一角度，例如该角度为1度。
步骤S73，计算该螺旋集成图与该比对螺旋集成图在垂直方向的投影量，或计算该螺旋集成图与该等像素的该投影量，以决定一特征分数。该特征分数可决定该图像的中心点的位置。
步骤S74，计算该螺旋集成图与该比对螺旋集成图在水平方向的投影量，以决定一旋转角度。
步骤S75，根据该特征分数与该旋转角度，决定该图像描述模型与该螺旋集成图的相关性。
本发明在上文中已以较佳实施例揭露，然熟习本项技术者应理解的是，该实施例仅用于描绘本发明，而不应解读为限制本发明的范围。应注意的是，举凡与该实施例等效的变化与置换，均应设为涵盖于本发明的范畴内。因此，本发明的保护范围当以专利权利要求书所界定的为准。

Claims (10)

1.一种图像描述方法，其特征在于，该方法步骤包含：
(a)取得一图像，该图像具有多个像素；
(b)在该图像决定一起始点的位置；
(c)在该图像上，由该起始点沿着具有一前角度的一前螺旋线的轨迹取样该等像素，让该轨迹上的该等像素排列成一前螺旋集成线；
(d)将该前角度增加一角度变异量以形成具有一后角度的一后螺旋线，由该起始点沿着该后螺旋线的轨迹取样该等像素，而该等像素排列成一后螺旋集成线；
(e)决定该角度变异量增加的次数，以重复地执行该步骤(d)，而取得多个该后螺旋集成线，其中该等像素对应一数值；
(f)排列该前螺旋集成线与该等后螺旋集成线，形成一螺旋集成图，且纪录每一该等像素的该数值。
2.如权利要求1所述的图像描述方法，其特征在于，其中该次数的范围介于1至720次之间。
3.如权利要求2所述的图像描述方法，其特征在于，其中该角度变异量的范围为0.5至1度之间。
4.如权利要求1所述的图像描述方法，其特征在于，其中该起始点的位置在该图像的中心位置。
5.如权利要求1所述的图像描述方法，其特征在于，其中在步骤(f)中，该前螺旋集成线与该等后螺旋集成线依序地且垂直地排列成该螺旋集成图。
6.一种图像识别方法，供利用一图像描述方法建立的一图像描述模型，以识别一图像物件，该图像物件具有多个像素，以及该图像描述模型具有一螺旋集成图，其特征在于，该方法的步骤包含：
(a)在该图像物件根据一图像描述模型的尺寸，确定一第一比对区域的尺寸；
(b)该对比区域的中心点对应该等像素的其中之一，以及由该中始点以具有一角度的一螺旋线的轨迹取样位在该第一对比区域中的该等像素，而取样的该等像素对应一数值；
(c)比对该数值与该螺旋集成图所对应的数值，其中该螺旋集成图的一数值形成一数值分布范围；
(d)判断该数值落在该数值分布范围之间，以纪录该中心点所对应的该像素的坐标；以及
(e)将该比对区域移动至下一个像素，并执行步骤(d)，直到对该图像物件的所有区域完成扫描。
7.如权利要求6所述的图像识别方法，其特征在于，其中在步骤(e)之后更包含：
(f)藉由取出已记录的该中心点，以决定需要进行比对的一第二比对区域；
(g)在该第二比对区域中，藉由多条螺旋线的轨迹中取样位在该第二对比区域中的该等像素，而被取样的该等像素对应多个数值；
(h)比对该等数值与该螺旋集成图所对应的数值，其中该螺旋集成图包含一数值与一区间异次数值组；以及
(i)判断该数值在该区间异次数值的二次阶数值范围之间，以纪录该中心点所对应的该像素的坐标。
8.如权利要求6所述的图像识别方法，其特征在于，其中在步骤(g)中，该等螺旋线的数量为4条，且相邻的二条该等螺旋线之间的该角度相差90度。
9.如权利要求7所述的图像识别方法，其特征在于，其中在步骤(i)之后更包含：
(j)藉由取出已记录的该中心点，以决定需要进行比对的一第三比对区域；
(k)在该第三比对区域中，藉由多条螺旋线的轨迹中取样位在该对比区域中的该等像素，以取得该等像素的投影量与形成一比对螺旋集成图的其中之一；
(l)计算该螺旋集成图与该比对螺旋集成图在垂直方向的投影量，或计算该螺旋集成图与该等像素的该投影量，以决定一特征分数；
(m)计算该螺旋集成图与该比对螺旋集成图在水平方向的投影量，以决定一旋转角度；以及
(n)根据该特征分数与该旋转角度，决定该图像描述模型与该螺旋集成图的相关性。
10.如权利要求9所述的图像识别方法，其特征在于，其中在步骤(k)中，该等螺旋线的数量为360条，且相邻的二条该等螺旋线之间的该角度相差预定的一角度。
CN201510116763.7A 2014-03-18 2015-03-18 图像描述及其图像识别方法 Expired - Fee Related CN104933397B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW103110068A TWI503760B (zh) 2014-03-18 2014-03-18 Image description and image recognition method
TW103110068 2014-03-18

Publications (2)

Publication Number Publication Date
CN104933397A true CN104933397A (zh) 2015-09-23
CN104933397B CN104933397B (zh) 2018-05-22

Family

ID=54120558

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510116763.7A Expired - Fee Related CN104933397B (zh) 2014-03-18 2015-03-18 图像描述及其图像识别方法

Country Status (3)

Country Link
US (2) US9613398B2 (zh)
CN (1) CN104933397B (zh)
TW (1) TWI503760B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106384340A (zh) * 2016-08-29 2017-02-08 国家基础地理信息中心 一种遥感时空影像降尺度融合方法
CN108506566A (zh) * 2018-04-26 2018-09-07 丁敏 自动化定时除垢水龙头
CN108572658A (zh) * 2018-03-10 2018-09-25 刘惠敏 无人机飞行高度调节***
CN108626480A (zh) * 2018-04-26 2018-10-09 丁敏 自动化定时除垢水龙头的使用方法
CN109471450A (zh) * 2018-03-10 2019-03-15 刘惠敏 无人机飞行高度调节方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI503760B (zh) * 2014-03-18 2015-10-11 Univ Yuan Ze Image description and image recognition method
CN108228700B (zh) * 2017-09-30 2021-01-26 北京市商汤科技开发有限公司 图像描述模型的训练方法、装置、电子设备及存储介质
CN111950608B (zh) * 2020-06-12 2021-05-04 中国科学院大学 一种基于对比损失的域自适应物体检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101388077A (zh) * 2007-09-11 2009-03-18 松下电器产业株式会社 目标形状检测方法及装置
US20100067805A1 (en) * 2006-12-18 2010-03-18 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Device, method and computer program for identifying a traffic sign in an image
CN102646193A (zh) * 2012-03-23 2012-08-22 河海大学 一种环形排布字符图像分割方法
CN103413128A (zh) * 2012-06-29 2013-11-27 信实数码股份有限公司 图样取像范围设定结构

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060262876A1 (en) * 2004-08-26 2006-11-23 Ladue Christoph K Wave matrix mechanics method & apparatus
TWI291668B (en) * 2005-12-29 2007-12-21 Metal Ind Res & Dev Ct Recognition method for pattern matching
GB0719833D0 (en) * 2007-10-10 2007-11-21 Mitsubishi Electric Inf Tech Enhanced image identification
US8411910B2 (en) * 2008-04-17 2013-04-02 Biometricore, Inc. Computationally efficient feature extraction and matching iris recognition
TWI379246B (en) * 2008-12-16 2012-12-11 Ind Tech Res Inst Method for recognizing a symbol and the device therefor
WO2012092511A2 (en) * 2010-12-29 2012-07-05 The Ohio State University Automated trajectory planning for stereotactic procedures
CN102693421B (zh) * 2012-05-31 2013-12-04 东南大学 基于sift 特征包的牛眼虹膜图像识别方法
TWI503760B (zh) * 2014-03-18 2015-10-11 Univ Yuan Ze Image description and image recognition method

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100067805A1 (en) * 2006-12-18 2010-03-18 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Device, method and computer program for identifying a traffic sign in an image
CN101388077A (zh) * 2007-09-11 2009-03-18 松下电器产业株式会社 目标形状检测方法及装置
CN102646193A (zh) * 2012-03-23 2012-08-22 河海大学 一种环形排布字符图像分割方法
CN103413128A (zh) * 2012-06-29 2013-11-27 信实数码股份有限公司 图样取像范围设定结构

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106384340A (zh) * 2016-08-29 2017-02-08 国家基础地理信息中心 一种遥感时空影像降尺度融合方法
CN106384340B (zh) * 2016-08-29 2019-01-01 国家基础地理信息中心 一种遥感时空影像降尺度融合方法
CN108572658A (zh) * 2018-03-10 2018-09-25 刘惠敏 无人机飞行高度调节***
CN109471450A (zh) * 2018-03-10 2019-03-15 刘惠敏 无人机飞行高度调节方法
CN108506566A (zh) * 2018-04-26 2018-09-07 丁敏 自动化定时除垢水龙头
CN108626480A (zh) * 2018-04-26 2018-10-09 丁敏 自动化定时除垢水龙头的使用方法
CN108506566B (zh) * 2018-04-26 2019-08-23 永康市陌桐电子科技有限公司 自动化定时除垢水龙头
CN108626480B (zh) * 2018-04-26 2019-11-01 江苏奥洁智能家居有限公司 自动化定时除垢水龙头的使用方法

Also Published As

Publication number Publication date
US9697438B2 (en) 2017-07-04
TWI503760B (zh) 2015-10-11
CN104933397B (zh) 2018-05-22
US20170161587A1 (en) 2017-06-08
TW201537471A (zh) 2015-10-01
US9613398B2 (en) 2017-04-04
US20150269743A1 (en) 2015-09-24

Similar Documents

Publication Publication Date Title
CN104933397A (zh) 图像描述及其图像识别方法
Chen et al. City-scale landmark identification on mobile devices
CN104537659B (zh) 双摄像机的自动标定方法和***
CN104820718A (zh) 基于地理位置特征与全局视觉特征的图像分类和检索方法
CN111476827B (zh) 目标跟踪方法、***、电子装置及存储介质
CN103426186A (zh) 一种改进的surf快速匹配方法
CN109871823B (zh) 一种结合旋转框和上下文信息的卫星图像舰船检测方法
CN101650784A (zh) 一种利用结构上下文特征进行图像匹配的方法
CN103065135A (zh) 基于数字图像处理的车牌号码匹配算法
CN105354841B (zh) 一种快速遥感影像匹配方法及***
CN106203396B (zh) 基于深度卷积和梯度旋转不变性的航拍图像目标检测方法
CN103400384A (zh) 结合区域匹配和点匹配的大视角图像匹配方法
Wu et al. Accurate smartphone indoor visual positioning based on a high-precision 3D photorealistic map
CN102122359A (zh) 一种图像配准方法及装置
CN109308715A (zh) 一种基于点特征和线特征结合的光学图像配准方法
CN109086350B (zh) 一种基于WiFi的混合图像检索方法
Xue et al. A fast visual map building method using video stream for visual-based indoor localization
Zheng et al. Research on feature extraction method of indoor visual positioning image based on area division of foreground and background
CN105975906A (zh) 一种基于面积特征的pca静态手势识别方法
CN107832793B (zh) 一种高光谱图像的分类方法及***
CN104156952B (zh) 一种抵抗形变的图像匹配方法
Wan et al. An improvement algorithm on RANSAC for image-based indoor localization
CN106682672B (zh) 一种高光谱图像特征描述子的获取方法及装置
CN115272153A (zh) 一种基于特征稀疏区域检测的影像匹配增强方法
de Sá Campos et al. Global horizontal irradiance modeling for all sky conditions using an image-pixel approach

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180522

Termination date: 20200318

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