CN108550159B - 一种基于图像三色分割的烟气浓度标识方法 - Google Patents
一种基于图像三色分割的烟气浓度标识方法 Download PDFInfo
- Publication number
- CN108550159B CN108550159B CN201810191928.0A CN201810191928A CN108550159B CN 108550159 B CN108550159 B CN 108550159B CN 201810191928 A CN201810191928 A CN 201810191928A CN 108550159 B CN108550159 B CN 108550159B
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- value
- segmented
- smoke concentration
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像三色分割的烟气浓度标识方法,包括:将待分割的图像进行加权平均;将任意连续多帧待分割的所述图像的每个像素点的灰度值进行比较分析,获得烟气浓度梯度;将烟气浓度梯度用不同的单通道颜色标识出来,实现烟气浓度标识。因此,对烟气浓度进行梯度划分,并采用不同颜色标识出,进而实现烟气浓度的标识,这种图像分割方法准确性更高,方法易于实现,效果明显。
Description
技术领域
本发明涉及抽油烟机技术领域,尤其涉及一种基于图像三色分割的烟气浓度标识方法。
背景技术
图像分割是指根据相似和均匀的准则将图像分为互相不重叠、本身相连的图像组元的过程,是从图像处理到图像分析的关键步骤,图像分割质量的好坏,很大程度决定着后续图像分析的效果。灰度图像比彩色图像提供了更为简洁和有效的信息,因此对灰度图像的分割在图像实时处理领域发挥着越来越重要的作用。
现阶段无论是对彩色还是灰度图像的分割,通常是人为地将想要提取的颜色所对应的图像区域标记出来,再将标记出的图像区域与图像所在的坐标***进行转换,从而确定出提取颜色所对应的图像区域的坐标位置,再根据坐标对标记出的区域进行分析处理。然而通过人工的方式确定出的标记区域会存在较大误差,对图像采集设备的稳定性的成像***的精度也会造成影响,同时人工的方式效率并不高,极易受到干扰而出现标记错误和处理误差。
发明内容
本发明的目的在于提出一种基于图像三色分割的烟气浓度标识方法,具有准确性高的特点;
为达此目的,本发明采用以下技术方案:
一种基于图像三色分割的烟气浓度标识方法,包括:
将待分割的图像进行加权平均;
将任意连续多帧待分割的所述图像的每个像素点的灰度值进行比较分析,获得烟气浓度梯度;
将烟气浓度梯度用不同的单通道颜色标识出来,实现烟气浓度标识。
因此,对烟气浓度进行梯度划分,并采用不同颜色标识出,进而实现烟气浓度的标识,这种图像分割方法准确性更高,方法易于实现,效果明显。
进一步的,获得烟气浓度梯度和实现烟气浓度标识的方法为:
将任意连续多帧待分割的图像的每个像素点的灰度值进行比较,取连续多帧待分割的各个图像中具有最小灰度值的像素点赋给一张新图片,将连续多帧待分割的各个图像中具有像素点最大灰度值的一张与新图片中像素点的灰度值求差,获得像素点灰度绝对差值,生成灰度图;
在灰度图中,根据设定的烟气阈值将绝对差值分为低中高三个灰度梯度,获得烟气浓度梯度;
在灰度图中,将低中高三个灰度梯度用三种单通道颜色标识出来,实现烟气浓度标识。
因此,对生成的灰度图根据预设的烟气阈值进行梯度划分,并采用不同颜色标识出,进而实现烟气浓度的标识,这种图像分割方法准确性更高,且不需要对提取灰度值所对应的图像进行坐标转换,方法易于实现,效果明显,避免了因为人工分割而带来的误差和难以识别等缺点。
进一步的,将连续多帧待分割的图像利用高斯滤波进行平滑处理,以消除图像的高斯噪声。通过消除图像的高斯噪音,对图像降噪,降低图片处理的误差。
进一步的,生成灰度图的方法是:
将任意连续多帧待分割的图像中每帧图像的像素点灰度值依次其他图片比较,得出多帧图像中具有最小灰度值的每个像素点,并将这些具有最小灰度值的像素点赋给一张新图片;
在比较过程中得到多帧图像中像素点灰度值最大的一帧,再求出该图像像素点灰度值与新图片像素点灰度值的差值,得到像素点灰度绝对差值;
生成灰度图。
由此,连续多帧图像比较生成灰度图,采用像素灰度绝对差值生成灰度图来衡量烟气浓度,不需要对提取灰度值所对应的图像进行坐标转换,方法易于实现。
进一步的,在灰度图中根据设定的烟气阈值将绝对差值分为低中高三个灰度梯度的方法是:
将像素点灰度绝对差值进行二值化;
将灰度图中像素点灰度绝对差值二值化后的取值满足0—6.0/255的阈值转换为第一灰度梯度区域即低油烟浓度区域;
将灰度图中像素点灰度绝对差值二值化后的取值满足6.0/255—12.0/255的阈值转换为第二灰度梯度区域即中等油烟浓度区域;
将灰度图中像素点灰度绝对差值二值化后的取值满足12.0/255—20.0/255的阈值转换为第三灰度梯度区域即高油烟浓度区域。
由此,设定烟气阈值分别为0—6.0/255、6.0/255—12.0/255、12.0/255—20.0/255,进而将灰度图分为低中高三个灰度梯度,实现烟气浓度的划分,准确度高、效果明显,避免了因为人工分割而带来的误差和难以识别等缺点。
进一步的,在多帧待分割的图像中分割出与第一灰度梯度区域所对应的图像,使用第一单通道颜色标识;
在多帧待分割的图像中分割出与第二灰度梯度区域所对应的图像,使用第二单通道颜色标识;
在多帧待分割的图像中分割出与第三灰度梯度区域所对应的图像,使用第三单通道颜色标识;
生成三色分割效果图。
由此,将不同浓度的油烟区域采用不同颜色标识出来,分割效果图形象直观,更加易于观察。
进一步的,将第一单通道颜色、第二单通道颜色和第三单通道颜色三种颜色所标记的图像进行透明处理,然后将三种颜色所标记的图像依次叠加至灰度图上,生成烟气浓度三色分割图和灰度图的叠加效果对比图,形象直观,易于观察。
进一步的,实时采集任意连续多帧待分割的图像,进行烟气浓度标识,实现实时标识。通过实时采集图像进行实时标识,便于获得烟气的实时浓度动态,进而便于对烟气处理器或抽烟烟机的控制。
进一步的,待分割的图像的尺寸大小为640*480,从而在图像足够清晰的情况下,有较高处理速度,降低处理器的负荷,
进一步的,将任意连续十帧待分割的图像进行烟气浓度标识。选取连续十帧图像进行烟气浓度标识,保证了处理的准确性。
本发明的有益效果为:
本发明根据图像灰度值作差获得绝对差值,再二值化后进行三个梯度的划分,将图像中满足对应烟气阈值的部分区域进行单通道的颜色标识。因此,针对烟气阈值区域进行三种颜色图像分割的方法准确性更高,且不需要对提取灰度值所对应的图像进行坐标转换,方法易于实现,避免了因为人工分割而带来的误差和难以识别等缺点。
本发明提供的基于图像三色分割的烟气浓度标识方法可以标识烟气浓度,且烟气浓度的分割精度不受镜头到灶台的距离以及灶台尺寸和颜色的影响,可有效的应用在厨房油烟浓度识别,公共场合烟雾浓度识别等领域。本发明提供的三色分割方法可有效区分出油烟浓度的分布情况以及变化过程,便于厨房排烟***更有效的排走油烟。
燃气灶烟气的生成具有随机性,因此烟气在图像中的分布具有不确定性,在本发明中,这种不确定性是颜色分割的难点所在。针对烟气在图像中的随机分布特性,又不丢失重要的边界信息,根据设定的阈值利用计算机强大的计算能力对图像进行遍历处理,识别出不同的烟气浓度并进行实时标记。
附图说明
图1是本发明一实施例的基于图像三色分割的烟气浓度标识方法的流程图;
图2是图1所示基于图像三色分割的烟气浓度标识方法的步骤S2生成灰度图的原理图;
图3是是图1所示基于图像三色分割的烟气浓度标识方法的步骤S4的图像分割效果图。
具体实施方式
下面结合附图及具体实施方式进一步说明本发明的技术方案。
本发明提供一种基于图像三色分割的烟气浓度标识方法,包括:
将待分割的图像进行加权平均;
将任意连续多帧待分割的所述图像的每个像素点的灰度值进行比较分析,获得烟气浓度梯度;
将烟气浓度梯度用不同的单通道颜色标识出来,实现烟气浓度标识。
对烟气浓度进行梯度划分,并采用不同颜色标识出,进而实现烟气浓度的标识,这种图像分割方法准确性更高,方法易于实现,效果明显。本发明提供的基于图像三色分割的烟气浓度标识方法可以标识烟气浓度,可有效的应用在厨房油烟浓度识别,公共场合烟雾浓度识别等领域。
如图1所示,本实施方式的基于图像三色分割的烟气浓度标识方法,包括步骤S1~S5。
S1、将连续多帧待分割的图像利用高斯滤波进行平滑处理,将待分割的图像进行加权平均,图像中每一个像素点的值,都由该像素点的值和邻域内的其他像素点的值经过加权平均后得到。其中,像素点的值是指像素点的灰度值,待分割的图像为灰度图像。
对图像进行高斯滤波处理以消除图像的高斯噪声。通过消除图像的高斯噪音,对图像降噪,降低图片处理的误差。
将连续多帧待分割的图像利用高斯滤波进行平滑处理是:利用高斯滤波生成模板,扫描图像中的每一个像素,再确定邻域内像素的加权平均灰度值,利用加权平均灰度值代替中心点的像素值。这种高斯滤波的方法能够有效消除图像的高斯噪音,剔除噪音,提高图片处理的准确性。高斯滤波就是对整幅图像进行加权平均的过程。
优选的,待分割的图像的尺寸大小为640*480,从而在图像足够清晰的情况下,有较高处理速度,降低处理器的负荷。
优选的,将任意连续十帧待分割的图像进行烟气浓度标识。选取连续十帧图像进行烟气浓度标识,保证了处理的准确性。
需要说明的是,任意连续多帧待分割的图像选自原图集,原图集由拍摄设备拍照获取。
S2、将任意连续多帧待分割的图像的每个像素点的灰度值进行比较,取连续多帧待分割的各个图像中具有最小灰度值的像素点赋给一张新图片,将连续多帧待分割的各个图像中具有像素点最大灰度值的一张与新图片中像素点的灰度值求差,获得像素点灰度绝对差值,生成灰度图。图2中,图2a是像素点最小灰度值的示意图,图2b是的十帧图像像素点灰度值示意图。
具体的,生成灰度图的方法是:
S201、将任意连续多帧待分割的图像中每帧图像的像素点灰度值依次其他图片比较,得出多帧图像中具有最小灰度值的每个像素点,并将这些具有最小灰度值的像素点赋给一张新图片;
S202、在比较过程中得到多帧图像中像素点灰度值最大的一帧,再求出该图像像素点灰度值与新图片像素点灰度值的差值,得到像素点灰度绝对差值;
S203、生成灰度图。
连续多帧图像比较生成灰度图,采用像素灰度绝对差值生成灰度图来衡量烟气浓度,不需要对提取灰度值所对应的图像进行坐标转换,方法易于实现。
S3、在灰度图中,根据设定的烟气阈值将绝对差值分为低中高三个灰度梯度,获得烟雾浓度梯度。
具体的,在灰度图中根据设定的烟气阈值将绝对差值分为低中高三个灰度梯度的方法是:
S301、将像素点灰度绝对差值进行二值化;
S302、将灰度图中像素点灰度绝对差值二值化后的取值满足0—6.0/255的阈值转换为第一灰度梯度区域即低油烟浓度区域;
S303、将灰度图中像素点灰度绝对差值二值化后的取值满足6.0/255—12.0/255的阈值转换为第二灰度梯度区域即中等油烟浓度区域;
S304、将灰度图中像素点灰度绝对差值二值化后的取值满足12.0/255—20.0/255的阈值转换为第三灰度梯度区域即高油烟浓度区域。
设定烟气阈值分别为0—6.0/255、6.0/255—12.0/255、12.0/255—20.0/255,进而将灰度图分为低中高三个灰度梯度,实现烟气浓度的划分,准确度高、效果明显,避免了因为人工分割而带来的误差和难以识别等缺点。
S4、在灰度图中,将低中高三个灰度梯度用三种单通道颜色标识出来,实现烟气浓度标识。
具体的步骤如下:
S401、在多帧待分割的图像中分割出与第一灰度梯度区域所对应的图像,使用第一单通道颜色标识;
S402、在多帧待分割的图像中分割出与第二灰度梯度区域所对应的图像,使用第二单通道颜色标识;
S403、在多帧待分割的图像中分割出与第三灰度梯度区域所对应的图像,使用第三单通道颜色标识;
S404、生成三色分割效果图;
S405、将第一单通道颜色、第二单通道颜色和第三单通道颜色三种颜色所标记的图像进行透明处理,然后将三种颜色所标记的图像依次叠加至灰度图上;
S406、生成烟气浓度三色分割图和灰度图的叠加效果对比图,形象直观,易于观察。
将不同浓度的油烟区域采用不同颜色标识出来,分割效果图形象直观,更加易于观察。其中,第一单通道颜色、第二单通道颜色和第三单通道颜色分别为单通道绿色、单通道蓝色和单通道红色。
完成图像分割的效果图如图3所示,图3a为左灶台,图3b为右灶台。图3中,A区域为第一灰度梯度区域,使用第一单通道颜色标识;B区域为第二灰度梯度区域,使用第二单通道颜色标识;C区域为第一灰度梯度区域,使用第三单通道颜色标识。
S5、实时采集任意连续多帧待分割的图像,进行烟气浓度标识,实现实时标识。通过实时采集图像进行实时标识,便于获得烟气的实时浓度动态,进而便于对烟气处理器或抽烟烟机的控制。
本发明根据图像灰度值作差获得绝对差值,再二值化后进行三个梯度的划分,将图像中满足对应烟气阈值的部分区域进行单通道的颜色标识。因此,针对烟气阈值区域进行三种颜色图像分割的方法准确性更高,且不需要对提取灰度值所对应的图像进行坐标转换,方法易于实现,避免了因为人工分割而带来的误差和难以识别等缺点。
本发明提供的基于图像三色分割的烟气浓度标识方法可以标识烟气浓度,可有效的应用在厨房油烟浓度识别,公共场合烟雾浓度识别等领域。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理,而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释,本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式,这些方式都将落入本发明的保护范围之内。
Claims (9)
1.一种基于图像三色分割的烟气浓度标识方法,其特征在于,包括:
将待分割的图像进行加权平均;
将任意连续多帧待分割的所述图像的每个像素点的灰度值进行比较分析,获得烟气浓度梯度;
将烟气浓度梯度用不同的单通道颜色标识出来,实现烟气浓度标识;
所述获得烟气浓度梯度和实现烟气浓度标识的方法为:
将任意连续多帧待分割的所述图像的每个像素点的灰度值进行比较,取连续多帧待分割的各个所述图像中具有最小灰度值的像素点赋给一张新图片,将连续多帧待分割的各个所述图像中具有像素点最大灰度值的一张与所述新图片中像素点的灰度值求差,获得像素点灰度绝对差值,生成灰度图;
在所述灰度图中,根据设定的烟气阈值将绝对差值分为低中高三个灰度梯度,获得烟气浓度梯度;
在所述灰度图中,将所述低中高三个灰度梯度用三种单通道颜色标识出来,实现烟气浓度标识。
2.根据权利要求1所述的基于图像三色分割的烟气浓度标识方法,其特征在于,将连续多帧待分割的所述图像利用高斯滤波进行平滑处理,以消除所述图像的高斯噪声。
3.根据权利要求1所述的基于图像三色分割的烟气浓度标识方法,其特征在于,所述生成灰度图的方法是:
将任意连续多帧待分割的所述图像中每帧所述图像的像素点灰度值依次其他图片比较,得出多帧所述图像中具有最小灰度值的每个像素点,并将这些具有最小灰度值的像素点赋给一张新图片;
在比较过程中得到多帧所述图像中像素点灰度值最大的一帧,再求出该图像像素点灰度值与新图片像素点灰度值的差值,得到像素点灰度绝对差值;
生成灰度图。
4.根据权利要求1或3所述的基于图像三色分割的烟气浓度标识方法,其特征在于,在所述灰度图中根据设定的烟气阈值将绝对差值分为低中高三个灰度梯度的方法是:
将所述像素点灰度绝对差值进行二值化;
将所述灰度图中像素点灰度绝对差值二值化后的取值满足0—6.0/255的阈值转换为第一灰度梯度区域即低油烟浓度区域;
将所述灰度图中像素点灰度绝对差值二值化后的取值满足6.0/255—12.0/255的阈值转换为第二灰度梯度区域即中等油烟浓度区域;
将所述灰度图中像素点灰度绝对差值二值化后的取值满足12.0/255—20.0/255的阈值转换为第三灰度梯度区域即高油烟浓度区域。
5.根据权利要求4所述的基于图像三色分割的烟气浓度标识方法,其特征在于,在多帧待分割的所述图像中分割出与所述第一灰度梯度区域所对应的图像,使用第一单通道颜色标识;
在多帧待分割的所述图像中分割出与所述第二灰度梯度区域所对应的图像,使用第二单通道颜色标识;
在多帧待分割的所述图像中分割出与所述第三灰度梯度区域所对应的图像,使用第三单通道颜色标识;
生成三色分割效果图。
6.根据权利要求5所述的基于图像三色分割的烟气浓度标识方法,其特征在于,将第一单通道颜色、第二单通道颜色和第三单通道颜色三种颜色所标记的图像进行透明处理,然后将三种颜色所标记的图像依次叠加至所述灰度图上,生成烟气浓度三色分割图和灰度图的叠加效果对比图。
7.根据权利要求1所述的基于图像三色分割的烟气浓度标识方法,其特征在于,实时采集任意连续多帧待分割的所述图像,进行烟气浓度标识,实现实时标识。
8.根据权利要求1所述的基于图像三色分割的烟气浓度标识方法,其特征在于,待分割的所述图像的尺寸大小为640*480。
9.根据权利要求1所述的基于图像三色分割的烟气浓度标识方法,其特征在于,将任意连续十帧待分割的所述图像进行烟气浓度标识。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810191928.0A CN108550159B (zh) | 2018-03-08 | 2018-03-08 | 一种基于图像三色分割的烟气浓度标识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810191928.0A CN108550159B (zh) | 2018-03-08 | 2018-03-08 | 一种基于图像三色分割的烟气浓度标识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108550159A CN108550159A (zh) | 2018-09-18 |
CN108550159B true CN108550159B (zh) | 2022-02-15 |
Family
ID=63515988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810191928.0A Active CN108550159B (zh) | 2018-03-08 | 2018-03-08 | 一种基于图像三色分割的烟气浓度标识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108550159B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109028234B (zh) * | 2018-09-29 | 2020-11-10 | 佛山市云米电器科技有限公司 | 一种能够对烟雾等级进行标识的油烟机 |
CN109461165A (zh) * | 2018-09-29 | 2019-03-12 | 佛山市云米电器科技有限公司 | 基于图像三色分割的厨房油烟浓度划分标识方法 |
CN109345483A (zh) * | 2018-09-29 | 2019-02-15 | 佛山市云米电器科技有限公司 | 基于图像三色分割的厨房油烟浓度标识方法 |
CN109447087A (zh) * | 2018-09-29 | 2019-03-08 | 佛山市云米电器科技有限公司 | 一种油烟图像动态区域提取方法、识别***及油烟机 |
CN113063170B (zh) * | 2021-05-12 | 2023-06-23 | 佛山市顺德区美的洗涤电器制造有限公司 | 用于识别油烟的方法、处理器及吸油烟机 |
CN114387273B (zh) * | 2022-03-24 | 2022-05-31 | 莱芜职业技术学院 | 基于计算机图像识别的环境粉尘浓度检测方法及*** |
CN116228590B (zh) * | 2023-03-22 | 2024-01-26 | 新创碳谷集团有限公司 | 一种火焰视觉检测噪声点消除方法、设备及存储介质 |
CN116309505B (zh) * | 2023-03-28 | 2024-04-05 | 北京理工大学 | 一种氢气浓度可视化图像标定***、方法及检测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101738394A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 室内烟雾检测方法及*** |
CN102737247A (zh) * | 2012-07-04 | 2012-10-17 | 中国科学技术大学 | 一种柴油车尾气烟度图像识别*** |
CN102982313A (zh) * | 2012-10-31 | 2013-03-20 | 深圳辉锐天眼科技有限公司 | 烟雾检测的方法 |
JP2015145819A (ja) * | 2014-02-03 | 2015-08-13 | 株式会社タカコ | 工具検査方法及び工具検査装置 |
CN105550678A (zh) * | 2016-02-03 | 2016-05-04 | 武汉大学 | 基于全局显著边缘区域的人体动作特征提取方法 |
CN105675625A (zh) * | 2016-03-03 | 2016-06-15 | 浙江大学 | 一种梯度迭代阈值分割的水果表面缺陷检测方法 |
CN106651885A (zh) * | 2016-12-31 | 2017-05-10 | 中国农业大学 | 一种图像分割方法及装置 |
CN106680281A (zh) * | 2016-12-31 | 2017-05-17 | 中国科学技术大学 | 一种基于深度残差学习网络的柴油车尾气烟度检测方法 |
CN107644429A (zh) * | 2017-09-30 | 2018-01-30 | 华中科技大学 | 一种基于强目标约束视频显著性的视频分割方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7688199B2 (en) * | 2006-11-02 | 2010-03-30 | The Boeing Company | Smoke and fire detection in aircraft cargo compartments |
-
2018
- 2018-03-08 CN CN201810191928.0A patent/CN108550159B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101738394A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 室内烟雾检测方法及*** |
CN102737247A (zh) * | 2012-07-04 | 2012-10-17 | 中国科学技术大学 | 一种柴油车尾气烟度图像识别*** |
CN102982313A (zh) * | 2012-10-31 | 2013-03-20 | 深圳辉锐天眼科技有限公司 | 烟雾检测的方法 |
JP2015145819A (ja) * | 2014-02-03 | 2015-08-13 | 株式会社タカコ | 工具検査方法及び工具検査装置 |
CN105550678A (zh) * | 2016-02-03 | 2016-05-04 | 武汉大学 | 基于全局显著边缘区域的人体动作特征提取方法 |
CN105675625A (zh) * | 2016-03-03 | 2016-06-15 | 浙江大学 | 一种梯度迭代阈值分割的水果表面缺陷检测方法 |
CN106651885A (zh) * | 2016-12-31 | 2017-05-10 | 中国农业大学 | 一种图像分割方法及装置 |
CN106680281A (zh) * | 2016-12-31 | 2017-05-17 | 中国科学技术大学 | 一种基于深度残差学习网络的柴油车尾气烟度检测方法 |
CN107644429A (zh) * | 2017-09-30 | 2018-01-30 | 华中科技大学 | 一种基于强目标约束视频显著性的视频分割方法 |
Non-Patent Citations (3)
Title |
---|
基于图像灰度梯度的圆度检测算法;索振鹏等;《激光杂志》;20160825(第08期);第134-136页 * |
结合时空信息的视频对象平面自动提取算法;杨文明等;《计算机辅助设计与图形学学报》;20060620(第06期);第865-869页 * |
运动背景下弱小目标的提取算法;宋海峰等;《强激光与粒子束》;20061015(第10期);第1625-1628页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108550159A (zh) | 2018-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108550159B (zh) | 一种基于图像三色分割的烟气浓度标识方法 | |
CN107451590B (zh) | 基于高光谱红外图像的气体检测识别和浓度表示方法 | |
CN109507192B (zh) | 一种基于机器视觉的磁芯表面缺陷检测方法 | |
CN113592861B (zh) | 一种基于动态阈值的桥梁裂缝检测方法 | |
CN109472271B (zh) | 印刷电路板图像轮廓提取方法及装置 | |
CN110599552B (zh) | 一种基于计算机视觉的pH试纸检测方法 | |
EP3309703A1 (en) | Method and system for decoding qr code based on weighted average grey method | |
CN104504722B (zh) | 一种利用灰色点校正图像颜色的方法 | |
CN110288561A (zh) | 基于频率域滤波增强的耐火砖表面划痕识别方法 | |
CN105424709A (zh) | 一种基于图像标记的水果表面缺陷检测方法 | |
CN113313677B (zh) | 一种卷绕锂电池x光图像的质量检测方法 | |
CN111046862B (zh) | 一种字符分割方法、装置以及计算机可读存储介质 | |
CN105095896A (zh) | 一种基于查找表的图像畸变校正方法 | |
CN110751635B (zh) | 一种基于帧间差分和hsv颜色空间的口腔检测方法 | |
CN108871185B (zh) | 零件检测的方法、装置、设备以及计算机可读存储介质 | |
CN111476758A (zh) | Amoled显示屏的缺陷检测方法、装置、计算机设备及存储介质 | |
CN113487563B (zh) | 一种基于el图像的光伏组件隐裂自适应检测方法 | |
CN117115171B (zh) | 一种应用于地铁lcd显示屏的轻微亮点缺陷检测方法 | |
CN108764343B (zh) | 一种跟踪算法中的跟踪目标框的定位方法 | |
CN112634179B (zh) | 一种防摄像头抖动的变电设备图像变化检测方法和*** | |
CN111815542B (zh) | 一种树木年轮图像髓心定位、年轮测量方法 | |
CN111738984B (zh) | 基于分水岭和种子填充的皮肤图像斑点评估方法及*** | |
CN112468721A (zh) | 一种具有自动调焦功能的视觉采集方法及装置 | |
CN112288680A (zh) | 汽车轮毂x射线图像的缺陷区域自动提取方法及*** | |
CN109272480B (zh) | 一种不相溶溶液分界线的检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |