CN106846389A - 机柜内液态汇聚部位的观测方法和装置 - Google Patents
机柜内液态汇聚部位的观测方法和装置 Download PDFInfo
- Publication number
- CN106846389A CN106846389A CN201611128208.7A CN201611128208A CN106846389A CN 106846389 A CN106846389 A CN 106846389A CN 201611128208 A CN201611128208 A CN 201611128208A CN 106846389 A CN106846389 A CN 106846389A
- Authority
- CN
- China
- Prior art keywords
- area
- region
- default
- liquid
- image
- 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.)
- Pending
Links
Classifications
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种机柜内液态汇聚部位的观测方法和装置。其中,该方法包括:依据预设时序采集机柜内部液态汇聚的图像集群;通过预设量化算法量化图像集群,得到预设时序采集的图像集群对应的量化结果;依据量化结果进行预估,得到机柜内液态汇聚的位置。本发明解决了由于相关技术中缺少对环网柜内凝露汇聚部位的准确判断方法,导致对应防潮策略的设置不准确的技术问题。
Description
技术领域
本发明涉及电子技术应用领域,具体而言,涉及一种机柜内液态汇聚部位的观测方法和装置。
背景技术
电力***10kV户外环网柜采用封闭式结构设计,长期工作在户外,凝露现象严重,特别是二次设备受潮锈蚀的现象时有发生。为了解决这一问题,必须制定相应的防潮防凝露策略,为了使策略制定的有针对性,就必须确定环网柜内凝露汇聚的确切部位。
凝露的产生在通常情况下是不可避免的而且是突发性的,在空气比较潮湿以及温度变化比较大的地区也是经常性的。凝露指的是空气中的水汽超过它的最大包容能力时,过饱和空气中的水汽会慢慢凝结析出,变成饱和空气,此时若空气温度>0℃,即产生凝露。简单地说,凝露是由于高温、高湿的气体在遇到低温物体时,当达到露点温度而在其表面液化为液体的现象。在电力***中,所谓的凝露指的是各种机构箱、配电柜和开关柜等高压电路设备的柜体内壁表面温度下降到露点温度以下时,内壁表面会发生水珠凝结的现象。因此,凝露的发生取决于环境温度、柜内温度、相对湿度以及露点温度。
针对上述由于相关技术中缺少对环网柜内凝露汇聚部位的准确判断方法,导致对应防潮策略的设置不准确的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种机柜内液态汇聚部位的观测方法和装置,以至少解决由于相关技术中缺少对环网柜内凝露汇聚部位的准确判断方法,导致对应防潮策略的设置不准确的技术问题。
根据本发明实施例的一个方面,提供了一种机柜内液态汇聚部位的观测方法,包括:依据预设时序采集机柜内部液态汇聚的图像集群;通过预设量化算法量化图像集群,得到预设时序采集的图像集群对应的量化结果;依据量化结果进行预估,得到机柜内液态汇聚的位置。
可选的,依据预设时序采集机柜内部液态汇聚的图像集群包括:通过图像采集设备在预设时序对应的区间内采集机柜内部液态汇聚的图像;依据预设时序排列图像,得到区间内预设时序中多张图像组成的图像集群。
可选的,通过预设量化算法量化图像集群,得到预设时序采集的图像集群对应的量化结果包括:通过矩阵matlab执行预设量化算法,量化图像集群,得到预设时序采集的图像集群对应的量化结果。
进一步地,可选的,依据量化结果进行预估,得到机柜内液态汇聚的位置包括:将量化结果划分为四块面积相等的区域,并标记为第一区域、第二区域、第三区域和第四区域;分别对第一区域、第二区域、第三区域和第四区域进行灰度处理,得到第一区域、第二区域、第三区域和第四区域对应的灰度值;统计第一区域、第二区域、第三区域和第四区域对应的灰度值,并对第一区域、第二区域、第三区域和第四区域对应的灰度值进行比较,将灰度值最大对应的区域作为机柜内液态汇聚的位置。
可选的,分别对第一区域、第二区域、第三区域和第四区域进行灰度处理,得到第一区域、第二区域、第三区域和第四区域对应的灰度值包括:对量化结果对应的图像进行去背景操作,得到消除误差的图像;提取图像中第一区域、第二区域、第三区域和第四区域对应的灰度值。
根据本发明实施例的另一方面,还提供了一种机柜内液态汇聚部位的观测装置,包括:采集模块,用于依据预设时序采集机柜内部液态汇聚的图像集群;计算模块,用于通过预设量化算法量化图像集群,得到预设时序采集的图像集群对应的量化结果;预估模块,用于依据量化结果进行预估,得到机柜内液态汇聚的位置。
可选的,采集模块包括:采集单元,用于通过图像采集设备在预设时序对应的区间内采集机柜内部液态汇聚的图像;图像排列单元,用于依据预设时序排列图像,得到区间内预设时序中多张图像组成的图像集群。
可选的,计算模块包括:计算单元,用于通过矩阵matlab执行预设量化算法,量化图像集群,得到预设时序采集的图像集群对应的量化结果。
进一步地,可选的,预估模块包括:区域划分单元,用于将量化结果划分为四块面积相等的区域,并标记为第一区域、第二区域、第三区域和第四区域;灰度处理单元,用于分别对第一区域、第二区域、第三区域和第四区域进行灰度处理,得到第一区域、第二区域、第三区域和第四区域对应的灰度值;统计单元,用于统计第一区域、第二区域、第三区域和第四区域对应的灰度值,并对第一区域、第二区域、第三区域和第四区域对应的灰度值进行比较,将灰度值最大对应的区域作为机柜内液态汇聚的位置。
可选的,灰度处理单元包括:误差处理子单元,用于对量化结果对应的图像进行去背景操作,得到消除误差的图像;数值提取子单元,用于提取图像中第一区域、第二区域、第三区域和第四区域对应的灰度值。
在本发明实施例中,通过依据预设时序采集机柜内部液态汇聚的图像集群;通过预设量化算法量化图像集群,得到预设时序采集的图像集群对应的量化结果;依据量化结果进行预估,得到机柜内液态汇聚的位置,达到了准确预测机柜内凝露位置的目的,从而实现了提升防潮策略的设置精度的技术效果,进而解决了由于相关技术中缺少对环网柜内凝露汇聚部位的准确判断方法,导致对应防潮策略的设置不准确的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的机柜内液态汇聚部位的观测方法的流程示意图;
图2是根据本发明实施例的机柜内液态汇聚部位的观测方法中统计灰度值的流程示意图;
图3是根据本发明实施例的机柜内液态汇聚部位的观测装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
根据本发明实施例,提供了一种机柜内液态汇聚部位的观测方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的机柜内液态汇聚部位的观测方法的流程示意图,如图1所示,该方法包括如下步骤:
步骤S102,依据预设时序采集机柜内部液态汇聚的图像集群;
步骤S104,通过预设量化算法量化图像集群,得到预设时序采集的图像集群对应的量化结果;
步骤S106,依据量化结果进行预估,得到机柜内液态汇聚的位置。
本申请实施例提供的机柜内液态汇聚部位的观察方法中,通过依据预设时序采集机柜内部液态汇聚的图像集群;通过预设量化算法量化图像集群,得到预设时序采集的图像集群对应的量化结果;依据量化结果进行预估,得到机柜内液态汇聚的位置,达到了准确预测机柜内凝露位置的目的,从而实现了提升防潮策略的设置精度的技术效果,进而解决了由于相关技术中缺少对环网柜内凝露汇聚部位的准确判断方法,导致对应防潮策略的设置不准确的技术问题。
可选的,步骤S102中依据预设时序采集机柜内部液态汇聚的图像集群包括:
Step1,通过图像采集设备在预设时序对应的区间内采集机柜内部液态汇聚的图像;
Step2,依据预设时序排列图像,得到区间内预设时序中多张图像组成的图像集群。
可选的,步骤S104中通过预设量化算法量化图像集群,得到预设时序采集的图像集群对应的量化结果包括:
Step1,通过矩阵matlab执行预设量化算法,量化图像集群,得到预设时序采集的图像集群对应的量化结果。
进一步地,可选的,步骤S106中依据量化结果进行预估,得到机柜内液态汇聚的位置包括:
Step1,将量化结果划分为四块面积相等的区域,并标记为第一区域、第二区域、第三区域和第四区域;
Step2,分别对第一区域、第二区域、第三区域和第四区域进行灰度处理,得到第一区域、第二区域、第三区域和第四区域对应的灰度值;
Step3,统计第一区域、第二区域、第三区域和第四区域对应的灰度值,并对第一区域、第二区域、第三区域和第四区域对应的灰度值进行比较,将灰度值最大对应的区域作为机柜内液态汇聚的位置。
可选的,步骤S106中的Step2中分别对第一区域、第二区域、第三区域和第四区域进行灰度处理,得到第一区域、第二区域、第三区域和第四区域对应的灰度值包括:
对量化结果对应的图像进行去背景操作,得到消除误差的图像;
提取图像中第一区域、第二区域、第三区域和第四区域对应的灰度值。
综上,本申请实施例提供的机柜内液态汇聚部位的观察方法具体如下:
(1)利用照相机将10kV户外环网柜产生凝露的部位拍摄下来;
具体的,本申请实施例提供的机柜内液态汇聚部位的观测方法中采集时间设为6个小时,在这6个小时中,每小时采集一张10kV户外环网柜产生凝露的部位的图像,即,得到6张图像;
(2)利用MATLAB软件对图像初步处理,提取水滴边缘;
具体的,基于(1)中得到的6张图像,通过matlab对每幅图进行处理,提前水滴的边缘;
(3)利用matlab软件对图像进一步处理,并给出了量化结果。将图像分割成4块等面积的区域,并消除图像的背景以避免由于拍摄时对比度不均匀产生的误差,此时,每块区域的亮度都是由水滴引起的,比较4块区域的灰度值之和步骤如下:
步骤1,拍摄开关柜顶部内壁的凝露全景图;
步骤2,将图像划分为4块等面积的部分,从外到内分别标记为1、2、3、4;
步骤3,利用matlab软件对凝露图像进行灰度处理图像;
步骤4,利用matlab软件对该凝露图像进行去背景操作,消除由于图像背景不均匀产生的误差;
步骤5,统计每块等面积区域灰度值总和。
图2是根据本发明实施例的机柜内液态汇聚部位的观测方法中统计灰度值的流程示意图,如图2所示,从统计结果可以看出,灰度值总和从外到内逐渐减小,在内壁边缘区域1的总灰度值达到3.3×107,而在最中间的区域4的总灰度值则为2.3×107,表明环网柜内壁边缘部位更易形成凝露。
实施例二
根据本发明实施例的另一方面,还提供了一种机柜内液态汇聚部位的观测装置,图3是根据本发明实施例的机柜内液态汇聚部位的观测装置的结构示意图,如图3所示,包括:
采集模块32,用于依据预设时序采集机柜内部液态汇聚的图像集群;计算模块34,用于通过预设量化算法量化图像集群,得到预设时序采集的图像集群对应的量化结果;预估模块36,用于依据量化结果进行预估,得到机柜内液态汇聚的位置。
本申请实施例提供的机柜内液态汇聚部位的观测装置中,通过依据预设时序采集机柜内部液态汇聚的图像集群;通过预设量化算法量化图像集群,得到预设时序采集的图像集群对应的量化结果;依据量化结果进行预估,得到机柜内液态汇聚的位置,达到了准确预测机柜内凝露位置的目的,从而实现了提升防潮策略的设置精度的技术效果,进而解决了由于相关技术中缺少对环网柜内凝露汇聚部位的准确判断方法,导致对应防潮策略的设置不准确的技术问题。
可选的,采集模块32包括:采集单元,用于通过图像采集设备在预设时序对应的区间内采集机柜内部液态汇聚的图像;图像排列单元,用于依据预设时序排列图像,得到区间内预设时序中多张图像组成的图像集群。
可选的,计算模块34包括:计算单元,用于通过矩阵matlab执行预设量化算法,量化图像集群,得到预设时序采集的图像集群对应的量化结果。
进一步地,可选的,预估模块36包括:区域划分单元,用于将量化结果划分为四块面积相等的区域,并标记为第一区域、第二区域、第三区域和第四区域;灰度处理单元,用于分别对第一区域、第二区域、第三区域和第四区域进行灰度处理,得到第一区域、第二区域、第三区域和第四区域对应的灰度值;统计单元,用于统计第一区域、第二区域、第三区域和第四区域对应的灰度值,并对第一区域、第二区域、第三区域和第四区域对应的灰度值进行比较,将灰度值最大对应的区域作为机柜内液态汇聚的位置。
可选的,灰度处理单元包括:误差处理子单元,用于对量化结果对应的图像进行去背景操作,得到消除误差的图像;数值提取子单元,用于提取图像中第一区域、第二区域、第三区域和第四区域对应的灰度值。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种机柜内液态汇聚部位的观测方法,其特征在于,包括:
依据预设时序采集机柜内部液态汇聚的图像集群;
通过预设量化算法量化所述图像集群,得到所述预设时序采集的所述图像集群对应的量化结果;
依据所述量化结果进行预估,得到所述机柜内液态汇聚的位置。
2.根据权利要求1所述的观测方法,其特征在于,所述依据预设时序采集机柜内部液态汇聚的图像集群包括:
通过图像采集设备在所述预设时序对应的区间内采集所述机柜内部液态汇聚的图像;
依据所述预设时序排列所述图像,得到所述区间内所述预设时序中多张所述图像组成的所述图像集群。
3.根据权利要求1或2所述的观测方法,其特征在于,所述通过预设量化算法量化所述图像集群,得到所述预设时序采集的所述图像集群对应的量化结果包括:
通过矩阵matlab执行所述预设量化算法,量化所述图像集群,得到所述预设时序采集的所述图像集群对应的所述量化结果。
4.根据权利要求3所述的观测方法,其特征在于,所述依据所述量化结果进行预估,得到所述机柜内液态汇聚的位置包括:
将所述量化结果划分为四块面积相等的区域,并标记为第一区域、第二区域、第三区域和第四区域;
分别对所述第一区域、所述第二区域、所述第三区域和所述第四区域进行灰度处理,得到所述第一区域、所述第二区域、所述第三区域和所述第四区域对应的灰度值;
统计所述第一区域、所述第二区域、所述第三区域和所述第四区域对应的灰度值,并对所述第一区域、所述第二区域、所述第三区域和所述第四区域对应的灰度值进行比较,将灰度值最大对应的区域作为所述机柜内液态汇聚的位置。
5.根据权利要求4所述的观测方法,其特征在于,所述分别对所述第一区域、所述第二区域、所述第三区域和所述第四区域进行灰度处理,得到所述第一区域、所述第二区域、所述第三区域和所述第四区域对应的灰度值包括:
对所述量化结果对应的图像进行去背景操作,得到消除误差的图像;
提取所述图像中所述第一区域、所述第二区域、所述第三区域和所述第四区域对应的灰度值。
6.一种机柜内液态汇聚部位的观测装置,其特征在于,包括:
采集模块,用于依据预设时序采集机柜内部液态汇聚的图像集群;
计算模块,用于通过预设量化算法量化所述图像集群,得到所述预设时序采集的所述图像集群对应的量化结果;
预估模块,用于依据所述量化结果进行预估,得到所述机柜内液态汇聚的位置。
7.根据权利要求6所述的观测装置,其特征在于,所述采集模块包括:
采集单元,用于通过图像采集设备在所述预设时序对应的区间内采集所述机柜内部液态汇聚的图像;
图像排列单元,用于依据所述预设时序排列所述图像,得到所述区间内所述预设时序中多张所述图像组成的所述图像集群。
8.根据权利要求6或7所述的观测装置,其特征在于,所述计算模块包括:
计算单元,用于通过矩阵matlab执行所述预设量化算法,量化所述图像集群,得到所述预设时序采集的所述图像集群对应的所述量化结果。
9.根据权利要求8所述的观测装置,其特征在于,所述预估模块包括:
区域划分单元,用于将所述量化结果划分为四块面积相等的区域,并标记为第一区域、第二区域、第三区域和第四区域;
灰度处理单元,用于分别对所述第一区域、所述第二区域、所述第三区域和所述第四区域进行灰度处理,得到所述第一区域、所述第二区域、所述第三区域和所述第四区域对应的灰度值;
统计单元,用于统计所述第一区域、所述第二区域、所述第三区域和所述第四区域对应的灰度值,并对所述第一区域、所述第二区域、所述第三区域和所述第四区域对应的灰度值进行比较,将灰度值最大对应的区域作为所述机柜内液态汇聚的位置。
10.根据权利要求9所述的观测装置,其特征在于,所述灰度处理单元包括:
误差处理子单元,用于对所述量化结果对应的图像进行去背景操作,得到消除误差的图像;
数值提取子单元,用于提取所述图像中所述第一区域、所述第二区域、所述第三区域和所述第四区域对应的灰度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611128208.7A CN106846389A (zh) | 2016-12-08 | 2016-12-08 | 机柜内液态汇聚部位的观测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611128208.7A CN106846389A (zh) | 2016-12-08 | 2016-12-08 | 机柜内液态汇聚部位的观测方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106846389A true CN106846389A (zh) | 2017-06-13 |
Family
ID=59139970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611128208.7A Pending CN106846389A (zh) | 2016-12-08 | 2016-12-08 | 机柜内液态汇聚部位的观测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106846389A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469085A (zh) * | 2015-12-23 | 2016-04-06 | 广州视源电子科技股份有限公司 | 板卡图像获取方法和*** |
CN106204526A (zh) * | 2016-06-28 | 2016-12-07 | 华北电力大学(保定) | 一种基于matlab图像处理的凝露易发部位确定方法 |
-
2016
- 2016-12-08 CN CN201611128208.7A patent/CN106846389A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469085A (zh) * | 2015-12-23 | 2016-04-06 | 广州视源电子科技股份有限公司 | 板卡图像获取方法和*** |
CN106204526A (zh) * | 2016-06-28 | 2016-12-07 | 华北电力大学(保定) | 一种基于matlab图像处理的凝露易发部位确定方法 |
Non-Patent Citations (1)
Title |
---|
耿江海 等: "基于改进形态学的户外设备凝露发展过程研究及防凝露措施优化", 《科学技术与工程》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7026878B2 (ja) | ディープニューラルネットワークを用いた、視覚的品質を維持した量子化パラメータ予測 | |
Saitoh | Image contrast enhancement using genetic algorithm | |
CN109596634B (zh) | 电缆缺陷的检测方法及装置、存储介质、处理器 | |
CN104331521B (zh) | 基于图像处理的变电设备异常自动识别方法 | |
CN112435221A (zh) | 一种基于生成式对抗网络模型的图像异常检测方法 | |
CN110826684B (zh) | 卷积神经网络的压缩方法、装置、电子设备和介质 | |
Gao et al. | Comprehensive evaluation for HE based contrast enhancement techniques | |
CN104091175B (zh) | 一种基于Kinect深度信息获取技术的害虫图像自动识别方法 | |
CN107392865A (zh) | 一种人脸图像的复原方法 | |
CN110766681A (zh) | 一种基于三重损失网络的竹条表面缺陷检测方法 | |
CN108846842A (zh) | 一种图像噪声检测方法、装置及电子设备 | |
CN106599878A (zh) | 一种基于深度学习的人脸重建矫正方法及装置 | |
CN106846304A (zh) | 基于红外检测的电气设备检测方法及装置 | |
CN110809126A (zh) | 一种基于自适应可变形卷积的视频帧插值方法及*** | |
WO2014186363A1 (en) | Noise estimation for images | |
CN113888462A (zh) | 一种裂纹识别方法、***、可读介质及存储介质 | |
CN110334775B (zh) | 一种基于宽度学习的无人机线路故障识别方法和装置 | |
Diaz-Ramirez et al. | Real-time haze removal in monocular images using locally adaptive processing | |
CN107277381A (zh) | 摄像头对焦方法和装置 | |
CN107633527B (zh) | 基于全卷积神经网络的目标追踪方法及装置 | |
CN106846389A (zh) | 机柜内液态汇聚部位的观测方法和装置 | |
CN112712482B (zh) | 一种基于线性学习模型的图像去雾方法 | |
CN106204526A (zh) | 一种基于matlab图像处理的凝露易发部位确定方法 | |
CN116612355A (zh) | 人脸伪造识别模型训练方法和装置、人脸识别方法和装置 | |
CN116347002A (zh) | 一种视频降噪方法、***、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170613 |