CN106909881A - 基于无人机遥感影像提取玉米育种基地垄数的方法及*** - Google Patents
基于无人机遥感影像提取玉米育种基地垄数的方法及*** Download PDFInfo
- Publication number
- CN106909881A CN106909881A CN201710030098.9A CN201710030098A CN106909881A CN 106909881 A CN106909881 A CN 106909881A CN 201710030098 A CN201710030098 A CN 201710030098A CN 106909881 A CN106909881 A CN 106909881A
- Authority
- CN
- China
- Prior art keywords
- image
- corn breeding
- breeding base
- ridge line
- remote sensing
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- 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
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
- G06V10/507—Summing image-intensity values; Histogram projection analysis
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于无人机遥感影像提取玉米育种基地垄数的方法及***,利用无人机获取玉米育种基地的遥感影像,通过对图像超绿特征灰度化处理,将玉米植株与土壤背景信息分离;经过二值优化与形态学开启运算处理使图像分离彻底并过滤突刺连接;通过图像分割投影法提取玉米垄线的中心点,并对图像进行Hough变换;对于Hough变换的图像,通过改进的投影法提取峰值点,该峰值点个数即为垄线的条数。采用本发明提供的方法,提取玉米育种基地垄数的自动化程度高、准确度高,可方便地应用在无人机遥感影像玉米垄数的提取中,大大提高田间调查效率,为育种家和种业相关部门提供决策支持。
Description
技术领域
本发明涉及计算机图像处理领域,更具体地,涉及一种基于无人机遥感影像提取玉米育种基地垄数的方法及***。
背景技术
目前国内在玉米品种试验中对玉米垄数的判断主要依靠人力去识别,而不论是国家、省种业相关部门还是企业育种田垄数的数量都非常大,传统的人力方法费时费力,存在着人力成本消耗过大且浪费严重,工作效率低且精度不高等诸多弊端。玉米品种试验中,试验田垄数的提取可以辅助育种家进行农情的了解和进行决策。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的一种基于无人机遥感影像提取玉米育种基地垄数的方法及***。
根据本发明的一个方面,提供了一种基于无人机遥感影像提取玉米育种基地垄数的方法,包括:
S1,获取玉米育种基地的无人机影像;
S2,对所述无人机影像中的待分析区域采用超绿特征进行灰度计算和图像二值化计算,得到玉米植株图像;
S3,采用图像分割投影法从所述玉米植株图像中提取出玉米育种基地的条状垄线中心点图像;
S4,利用Hough变换对所述条状垄线中心点图像变换形成Hough变换图像条,对所述Hough变换图像条进行峰点边界判断,将峰值点的个数确定为玉米育种基地垄数。
根据本发明的另一个方面,还提供了一种基于无人机遥感影像提取玉米育种基地垄数的***,包括:
影像获取模块,用于获取玉米育种基地的无人机影像;
计算模块,用于对所述无人机影像中的待分析区域采用超绿特征进行灰度计算和图像二值化计算,得到玉米植株图像;
提取模块,用于采用图像分割投影法从所述玉米植株图像中提取出条状垄线中心点图像;
图像变换模块,用于利用Hough变换对所述条状垄线中心点图像变换形成Hough变换图像条;
垄数确定模块,用于对所述Hough变换图像条进行峰点边界判断,将峰值点的个数确定为玉米育种基地垄数。
本发明的有益效果为:采用无人机遥感影像技术以及计算机图像处理技术,对玉米育种基地的垄数进行计算,相比采用人力进行识别,自动化程度高,计算识别出的玉米育种基地垄数的准确度高、精确度高,该方法将在玉米育种基地田间调查和管理领域得到广泛的应用,为育种家田间生产操作提供决策支持。
附图说明
图1为本发明一个实施例的基于无人机遥感影像提取玉米育种基地垄数的方法流程图;
图2为本发明另一个实施例的基于无人机遥感影像提取玉米育种基地垄数的***示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
参见图1,为本发明一个实施例的基于无人机遥感影像提取玉米育种基地的方法,包括:S1,获取玉米育种基地的无人机影像;S2,对所述无人机影像中的待分析区域采用超绿特征进行灰度计算和图像二值化计算,得到玉米植株图像;S3,采用图像分割投影法从所述玉米植株图像中提取出玉米育种基地的条状垄线中心点图像;S4,利用Hough变换将所述条状垄线中心点图像变换形成Hough变换图像条,对所述Hough变换图像条进行峰点边界判断,将峰值点的个数确定为玉米育种基地垄数。
步骤S1中,本实施例采用无人机来拍照获取玉米育种基地的遥感影像,通过在无人机上搭载可见光相机,并控制无人机在玉米育种基地上方的预设垂直高度上按照预定轨迹飞行,并定点拍照,获取玉米育种基地的整个RGB遥感影像。
其中,步骤S1采用无人机拍照获取玉米育种基地的RGB遥感影像后,步骤S2对获取的RGB遥感影像中的待分析区域,即玉米育种基地影像,采用超绿特征(2G-R-B)进行灰度计算,具体的计算公式如下:
其中,x、y为RGB遥感影像中像素点的横、纵坐标。
对玉米育种基地的遥感影像采用超绿特征进行灰度计算后,将玉米植株和土壤背景分离开来,然后对灰度处理后的图像进行二值化处理,即可得到玉米植株的图像,也即从整个玉米育种基地的遥感影像中剔除土壤背景信息,只留下玉米植株图像。本实施例将超绿灰度处理后图像的像素值的均值作为阈值,进行图像的二值化处理,将土壤背景剔除,仅剩下玉米植株的图像。由于玉米叶片交叉,二值化后的图像存在相邻两垄连接的问题,因此对二值化后的图像进行形态学开启运算,即对二值化后的图像先腐蚀运算,后膨胀运算,消除部分垄线边界突刺问题并断开相邻两垄线剑的细小连接,使得提取的玉米植株的图像的精确度更高。
上述步骤S2提取了玉米植株图像,步骤S3按照玉米育种基地垄线的方向,对玉米植株图像进行等间距分割,得到多个图像分割条。比如,当玉米育种基地垄线的方向为水平方向,则对玉米植株图像进行水平等间距分割,得到水平方向的多个图像分割条;若玉米育种基地垄线方向为竖直方向,则对玉米植株图像进行竖直等间距分割,得到竖直方向的多个图像分割条。理论上,分割间距可以为一个像素,但实际应用中考虑到图像处理速度,本实施例采用5个像素行或像素列作为分割间距,分割后得到若干个图像分割条。
将玉米植株图像等间距分割为若干个图像分割条后,将每一个图像分割条进行投影得到投影直方图曲线,投影直方图曲线的峰值点对应的坐标为该图像分割条中垄线中心点的位置坐标。具体实现时,设玉米植株图像的大小为W列H行,玉米育种基地的垄线方向水水平方向,分割后的图像分割条的大小为W列h行,由于是沿水平方向分割,因此,分割后的图像分割条的列数依然为W列,设gray(i,j)为图像分割条上点(i,j)的像素值,s(j)为图像分割条第j列进行投影后得到的像素值之和,m为图像分割条上所有像素点的均值,则有:
其中,i=1,2,...,h;j=1,2,...,W;
根据s(j)和m可以确定玉米育种基地垄线的边界,具体为:
当投影值s(j-1)<m<s(j+1)时,s(j)标记为垄线的左边界;
当投影值s(j-1)>m>s(j+1),s(j)标记为垄线的右边界;
将垄线的左边界和垄线的右边界的中点作为该图像分割条中垄线中心点,坐标即为垄线中心点的列坐标,垄线中心点的横坐标标记为该图像分割条中间像素行的行号,遍历每个图像分割条,得到每一个图像分割条的垄线中心点坐标,得到玉米育种基地的垄线中心点图像,其中,垄线中心点图像中包含所有的垄线中心点。
步骤S3得到玉米育种基地的垄线中心点图像后,步骤S4利用Hough变换的点-正弦曲线的对偶性,将垄线中心点图像由图像空间变换到极坐标参数空间,具体的,使用如下公式将垄线中心点(x,y)变换到极坐标下的正弦曲线坐标(ρ,θ):
ρ=xcosθ+ysinθ;
其中,x、y为每一个垄线中心点在图像空间中的横、纵坐标,ρ、θ为变换后的极坐标。
在具体变换的过程中,主要包括如下变换步骤:
1)设置累加器数组A(ρ,θ),其初始值均为0,其中θ的取值范围是[0°,180°],步长为1°,ρ的取值范围是[0,N],N为地块对角上的像素个数;
2)将图像分割条中像素值为1(垄线中心点的像素值为1,其它点的像素值为0,此处像素值为1的点即为垄线中心点)的点坐标带入公式ρ=xcosθ+ysinθ中,按照步进值遍历所有的θ取值,计算每个θ取值对应的ρ值;
3)每计算一个θ取值对应的ρ值,累加器A中坐标为(ρ,θ)的值加1;
4)遍历整个玉米育种基地垄线中心点图像,累加器A中较大值对应的(ρ,θ)即图像空间中的直线在极坐标参数空间中的变换。
为了达到精确提取玉米育种基地垄数,对分割投影法进行改进。Hough变换后的图像分割条的两端存在很长的0值区域,即与垄线中心点无关的区域,这些区域拉低了整个图像分割条像素值的均值,如果继续采用步骤S3中的Hough变换,将会产生极大的误差。因此,步骤S4选择Hough变换后的图像分割条中非0像素值的均值作为阈值进行判断峰值点的边界,提取所有图像分割条的峰值点坐标,峰值点的个数即为玉米育种基地的垄数。其中,判断峰值点边界的方法与上述步骤S3中判断垄线左边界和垄线右边界的方法相同,只是在计算图像分割条上所有像素点的均值m时,仅使用到图像分割条中非0像素值。将图像分割条中0像素值剔除后再计算,这样最终得到的结果会更准确,精度更高。
计算出所有的峰值点坐标后,对每一个峰值点坐标进行Hough逆变换,即将极坐标参数空间中的峰值点坐标转换为图像空间坐标,以便在图像空间中绘出对应的垄线,并叠加显示出所有的垄线,即可绘制出玉米育种基地的垄线。
参见图2,为本发明另一个实施例的基于无人机遥感影像提取玉米育种基地垄线的***,包括影像获取模块201、计算模块202、提取模块203、图像变换模块204和垄数确定模块205。
影像获取模块201,用于获取玉米育种基地的无人机影像;
计算模块202,用于对所述影像获取模块201获取的无人机影像中的待分析区域采用超绿特征进行灰度计算和图像二值化计算,得到玉米植株图像;
提取模块203,用于采用图像分割投影法从所述玉米植株图像中提取出条状垄线中心点图像;
图像变换模块204,用于利用Hough变换对提取模块203提取的条状垄线中心点图像变换形成Hough变换图像条;
垄数确定模块205,用于对图像变换模块204变换后的Hough变换图像条进行峰点边界判断,将峰值点的个数确定为玉米育种基地垄数。
本发明提供的一种基于无人机遥感影像提取玉米育种基地垄数的方法及***,采用无人机遥感影像技术以及计算机图像处理技术,对玉米育种基地的垄数进行计算,相比采用人力进行识别,可以自动化完成玉米育种基地的垄数提取,计算识别出的玉米育种基地垄数的准确度高、精确度高,该方法将在玉米育种基地田间调查和管理领域得到广泛的应用,为育种家田间生产操作提供决策支持;在提取图像分割条的峰值点坐标的过程中,将图像分割条中的0值区域,保证了计算结果的准确性。
本申请的方法仅为较佳的实施方案,并非用于限定本发明的保护范围。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)
1.一种基于无人机遥感影像提取玉米育种基地垄数的方法,其特征在于,包括:
S1,获取玉米育种基地的无人机影像;
S2,对所述无人机影像中的待分析区域采用超绿特征进行灰度计算和图像二值化计算,得到玉米植株图像;
S3,采用图像分割投影法从所述玉米植株图像中提取出玉米育种基地的条状垄线中心点图像;
S4,利用Hough变换对所述条状垄线中心点图像变换形成Hough变换图像条,对所述Hough变换图像条进行峰点边界判断,将峰值点的个数确定为玉米育种基地垄数。
2.如权利要求1所述的基于无人机遥感影像提取玉米育种基地垄数的方法,其特征在于,所述步骤S1进一步包括:
通过在无人机上搭载可见光相机,控制无人机在玉米育种基地的预设垂直高度上按照预定轨迹飞行,并定点拍照,获取玉米育种基地的RGB遥感影像。
3.如权利要求2所述的基于无人机遥感影像提取玉米育种基地垄数的方法,其特征在于,所述步骤S2进一步包括:
S21,采用如下公式对所述RGB遥感影像进行超绿特征灰度计算:
其中,x、y为RGB遥感影像中像素点的横、纵坐标;
S22,将超绿特征灰度计算后图像的均值作为阈值,进行图像二值化处理以及形态学开启运算,得到玉米植株图像。
4.如权利要求3所述的基于无人机遥感影像提取玉米育种基地垄数的方法,其特征在于,所述步骤S3进一步包括:
S31,按照玉米育种基地垄线的方向,对所述玉米植株图像进行等间距分割,得到多个图像分割条;
S32,对每一个图像分割条进行投影得到投影直方图曲线,所述投影直方图曲线的峰值点对应的坐标为该图像分割条中垄线中心点的位置坐标;
S33,所有图像分割条的垄线中心点形成垄线中心点图像。
5.如权利要求4所述的基于无人机遥感影像提取玉米育种基地垄数的方法,其特征在于,所述步骤S32进一步包括:
根据图像分割条进行投影后得到的像素值之和s(j)与图像分割条上所有像素点的均值m确定玉米育种基地垄线的边界;
将垄线的左边界和垄线的右边界的中点作为该图像分割条中垄线中心点,遍历每个图像分割条,得到玉米育种基地的垄线中心点图像。
6.如权利要求5所述的基于无人机遥感影像提取玉米育种基地垄数的方法,其特征在于,所述步骤S32进一步包括:
当投影值s(j-1)<m<s(j+1)时,s(j)标记为垄线的左边界;
当投影值s(j-1)>m>s(j+1),s(j)标记为垄线的右边界;
其中,s(j)为图像分割条第j列进行投影后得到的像素值之和,m为图像分割条上所有像素点的均值,其中:
其中,i=1,2,...,h;j=1,2,...,W,玉米植株图像的大小为W列H行,分割后的图像分割条的大小为W列h行,gray(i,j)为图像分割条上点(i,j)的像素值。
7.如权利要求5所述的基于无人机遥感影像提取玉米育种基地垄数的方法,其特征在于,所述步骤S4进一步包括:
采用如下公式将垄线中心点图像由图像空间变换到极坐标参数空间:
ρ=xcosθ+y sinθ;
其中,x、y为每一个垄线中心点在图像空间中的横、纵坐标,ρ、θ为变换后的极坐标;
遍历所有的垄线中心点,得到垄线中心点图像进行Hough变换后的图像分割条。
8.如权利要求7所述的基于无人机遥感影像提取玉米育种基地垄数的方法,其特征在于,所述步骤S4进一步包括:
选择Hough变换后的图像分割条中非0像素值的均值作为阈值进行判断峰值点的边界,提取所有图像分割条的峰值点坐标,峰值点的个数即为玉米育种基地的垄数。
9.如权利要求1-8任一项所述的基于无人机遥感影像提取玉米育种基地垄数的方法,其特征在于,步骤S4还包括:
对每一个所述峰值点坐标进行Hough逆变换,在图像空间中绘出对应的垄线,并叠加显示出所有的垄线。
10.一种基于无人机遥感影像提取玉米育种基地垄数的***,其特征在于,包括:
影像获取模块,用于获取玉米育种基地的无人机影像;
计算模块,用于对所述无人机影像中的待分析区域采用超绿特征进行灰度计算和图像二值化计算,得到玉米植株图像;
提取模块,用于采用图像分割投影法从所述玉米植株图像中提取出条状垄线中心点图像;
图像变换模块,用于利用Hough变换对所述条状垄线中心点图像变换,形成Hough变换图像条;
垄数确定模块,用于对所述Hough变换图像条进行峰点边界判断,将峰值点的个数确定为玉米育种基地垄数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710030098.9A CN106909881A (zh) | 2017-01-16 | 2017-01-16 | 基于无人机遥感影像提取玉米育种基地垄数的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710030098.9A CN106909881A (zh) | 2017-01-16 | 2017-01-16 | 基于无人机遥感影像提取玉米育种基地垄数的方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106909881A true CN106909881A (zh) | 2017-06-30 |
Family
ID=59207034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710030098.9A Pending CN106909881A (zh) | 2017-01-16 | 2017-01-16 | 基于无人机遥感影像提取玉米育种基地垄数的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106909881A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109827503A (zh) * | 2018-12-29 | 2019-05-31 | 北京农业信息技术研究中心 | 一种田间作物精准定位方法和装置 |
CN112131952A (zh) * | 2020-08-26 | 2020-12-25 | 航天信德智图(北京)科技有限公司 | 基于无人机遥感影像的玉米苗期株数信息提取 |
CN114519721A (zh) * | 2022-02-16 | 2022-05-20 | 广东皓行科技有限公司 | 基于遥感图像的作物倒伏识别方法、装置以及设备 |
CN116246225A (zh) * | 2023-05-12 | 2023-06-09 | 青岛农业大学 | 一种基于图像处理的作物育种监测方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101859375A (zh) * | 2010-06-01 | 2010-10-13 | 南京林业大学 | 农田苗期行内作物-杂草识别方法 |
CN102999757A (zh) * | 2012-11-12 | 2013-03-27 | 中国农业大学 | 导航线提取方法 |
CN104361330A (zh) * | 2014-12-01 | 2015-02-18 | 郑州轻工业学院 | 一种玉米精准施药***的作物行识别方法 |
CN105021196A (zh) * | 2015-06-29 | 2015-11-04 | 郑州轻工业学院 | 基于最小相切圆和形态学原理的作物行检测方法 |
CN105989601A (zh) * | 2015-12-30 | 2016-10-05 | 安徽农业大学 | 基于机器视觉的农业agv玉米行间导航基准线提取方法 |
-
2017
- 2017-01-16 CN CN201710030098.9A patent/CN106909881A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101859375A (zh) * | 2010-06-01 | 2010-10-13 | 南京林业大学 | 农田苗期行内作物-杂草识别方法 |
CN102999757A (zh) * | 2012-11-12 | 2013-03-27 | 中国农业大学 | 导航线提取方法 |
CN104361330A (zh) * | 2014-12-01 | 2015-02-18 | 郑州轻工业学院 | 一种玉米精准施药***的作物行识别方法 |
CN105021196A (zh) * | 2015-06-29 | 2015-11-04 | 郑州轻工业学院 | 基于最小相切圆和形态学原理的作物行检测方法 |
CN105989601A (zh) * | 2015-12-30 | 2016-10-05 | 安徽农业大学 | 基于机器视觉的农业agv玉米行间导航基准线提取方法 |
Non-Patent Citations (2)
Title |
---|
翟志强 等: "基于Census变换的双目视觉作物行识别方法", 《农业工程学报》 * |
马红霞 等: "基于Hough变换的农业机械视觉导航基准线识别", 《农机化研究》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109827503A (zh) * | 2018-12-29 | 2019-05-31 | 北京农业信息技术研究中心 | 一种田间作物精准定位方法和装置 |
CN109827503B (zh) * | 2018-12-29 | 2020-09-08 | 北京农业信息技术研究中心 | 一种田间作物精准定位方法和装置 |
CN112131952A (zh) * | 2020-08-26 | 2020-12-25 | 航天信德智图(北京)科技有限公司 | 基于无人机遥感影像的玉米苗期株数信息提取 |
CN114519721A (zh) * | 2022-02-16 | 2022-05-20 | 广东皓行科技有限公司 | 基于遥感图像的作物倒伏识别方法、装置以及设备 |
CN116246225A (zh) * | 2023-05-12 | 2023-06-09 | 青岛农业大学 | 一种基于图像处理的作物育种监测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104599275B (zh) | 基于概率图模型的非参数化的rgb-d场景理解方法 | |
CN103996018B (zh) | 基于4dlbp的人脸识别方法 | |
CN107909015A (zh) | 基于卷积神经网络及空谱信息融合的高光谱图像分类方法 | |
CN102831427B (zh) | 一种融合视觉显著性和灰度共生矩的纹理特征提取方法 | |
CN108765371A (zh) | 一种病理切片中非常规细胞的分割方法 | |
CN107229917A (zh) | 一种基于迭代聚类的多幅遥感影像共性显著目标检测方法 | |
CN109766887A (zh) | 一种基于级联沙漏神经网络的多目标检测方法 | |
CN102722712A (zh) | 基于连续度的多尺度高分辨图像目标检测方法 | |
CN104966085A (zh) | 一种基于多显著特征融合的遥感图像感兴趣区域检测方法 | |
CN106909881A (zh) | 基于无人机遥感影像提取玉米育种基地垄数的方法及*** | |
CN107945200A (zh) | 图像二值化分割方法 | |
CN105574527A (zh) | 一种基于局部特征学习的快速物体检测方法 | |
CN104392241A (zh) | 一种基于混合回归的头部姿态估计方法 | |
CN109544564A (zh) | 一种医疗图像分割方法 | |
CN107622271A (zh) | 手写文本行提取方法及*** | |
CN102663401A (zh) | 一种图像特征提取和描述方法 | |
CN109447036A (zh) | 一种图像数字分割与识别方法及*** | |
CN107527054A (zh) | 基于多视角融合的前景自动提取方法 | |
CN110335280A (zh) | 一种基于移动端的金融单据图像分割与矫正方法 | |
CN112862849A (zh) | 一种基于图像分割和全卷积神经网络的田间稻穗计数方法 | |
CN103839066A (zh) | 一种源于生物视觉的特征提取方法 | |
CN106023159A (zh) | 设施蔬菜叶部病斑图像分割方法及*** | |
CN104573701B (zh) | 一种玉米雄穗性状的自动检测方法 | |
WO2020119624A1 (zh) | 一种基于深度学习的类别敏感型边缘检测方法 | |
CN105447457A (zh) | 一种基于自适应特征的车牌字符识别方法 |
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: 20170630 |