CN111491089A - 一种利用图像采集装置监测背景物上目标物的方法 - Google Patents
一种利用图像采集装置监测背景物上目标物的方法 Download PDFInfo
- Publication number
- CN111491089A CN111491089A CN202010333011.7A CN202010333011A CN111491089A CN 111491089 A CN111491089 A CN 111491089A CN 202010333011 A CN202010333011 A CN 202010333011A CN 111491089 A CN111491089 A CN 111491089A
- Authority
- CN
- China
- Prior art keywords
- image
- acquisition device
- target object
- image acquisition
- background
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/50—Constructional details
- H04N23/55—Optical parts specially adapted for electronic image sensors; Mounting 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
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种利用图像采集装置监测背景物上目标物的方法,其包括准备图像采集装置,使其对目标物光谱反射率较高的波段灵敏;安装图像采集装置;每隔人为设定的期间获取图像;针对获取图像中各色彩通道灰度值,根据目标物的光谱响应特点,利用波段比法对图像进行二值化处理。通过采用上述方法,能够更准确地区分背景物上的目标物。
Description
技术领域
本发明涉及目标物监测领域,具体涉及一种利用图像采集装置监控背景物上目标物的方法。
背景技术
马尾藻是一种棕色的大型藻类,在墨西哥湾和大西洋中大量存在,在我国的海南省、青岛省海域也常有发现。马尾藻作为海洋生态***的重要组成部分之一,为鱼、虾、蟹、海龟和其他海洋生物提供食物和栖息地,同时还在海洋初级生产力、营养再矿化、有色溶解有机质动态和细菌活性方面发挥重要作用。另一方面,若马尾藻由于风力驱动或是人为因素大量脱根而漂浮于海面上,对于人类也是一个不小的负担和威胁,尤其是在核电站附近的海域,可能造成核电站入水口堵塞,造成经济损失和生态环境的不利影响,海滩过多上的马尾藻对当地的海岸管理者来说也是一种负担。因此,为了能够及时预警,对海面漂浮的大型藻类如马尾藻的监控与定位十分必要。
发明内容
本发明的目的在于克服背景技术中存在的上述缺陷或问题,提供一种利用图像采集装置监控背景物上目标物的方法,其能够更为准确地区分背景物上的目标物。
为达成上述目的,采用如下技术方案:
第一技术方案涉及一种利用图像采集装置监测背景物上目标物的方法,包括以下步骤:准备图像采集装置,使其对目标物光谱反射率较高的波段灵敏;安装图像采集装置,使监测目标区域位于图像采集装置视场中;每隔人为设定的期间获取图像;针对获取图像中各色彩通道灰度值,根据目标物的光谱响应特点,利用波段比法对图像进行二值化处理,以将图像中各像素区分为符合目标物特征的像素或不符合目标物特征的像素。
第二技术方案基于第一技术方案,其中,在准备图像采集装置时,还加装滤光片,以滤除至少部分背景物反射光。
第三技术方案基于第一技术方案,其中,所述方法还包括在对图像进行二值化处理后,基于图像采集装置的光学参数、所在位置与恣态,获取目标物基于图像采集装置所在位置的坐标。
第四技术方案基于第三技术方案,其中,所述图像采集装置的光学参数包括成像中心到成像传感器的距离和每个像素的实际尺寸;所述位置包括图像采集装置相对背景物所在平面的高度;所述姿态包括图像采集装置的垂直倾角。
第五技术方案基于第四技术方案,其中,根据所述的图像采集装置的光学参数、所在位置与恣态,利用成像几何学方法,通过图像中符合目标物特征的像素所在位置求得目标物基于图像采集装置所在位置的坐标。
第六技术方案基于第一技术方案,其中,所述背景物包括海面;所述目标物为马尾藻漂浮物;通过改装商用摄像机或相机准备图像采集装置,所述改装包括去除商用摄像机或相机的红外滤光片。
第七技术方案基于第六技术方案,其中,所述改装还包括加装用于消除海面反光的偏振镜。
第八技术方案基于第六技术方案,其中,所述二值化处理方法为,如图像中各像素符合以下公式则为符合目标物特征,否则为不符合目标物特征:
0.25<(RED-GREEN)/(RED+GREEN)<0.35
其中,RED为该像素红通道灰度值,GREEN为该像素绿通道灰度值。
相对于现有技术,上述方案具有的如下有益效果:
第一技术方案中,通过使图像采集装置准备得对目标物光谱反射率较高的波段灵敏,为后续的图像二值化处理提供良好的条件,能够有效提高图像分类精度。根据目标物的光谱响应特点,利用波段比法进行二值化处理,能够更精确地区分目标物和背景物。
第二技术方案中,通过加装滤光片滤除部分背景物反射光,更有利于后续的图像二值化处理。
第三至五技术方案中,为计算目标物基于图像采集装置所在位置的坐标提供了有效方法。
第六技术方案中,基于马尾藻漂浮物在近红外波段响应较高的特点,通过去除商用摄像机或相机的红外滤光片,能够低成本地改装商用摄像机或相机,使其对马尾藻反射率较高的红外波段更为灵敏。
第七技术方案中,通过加装偏振镜,得以消除海面反光,更有利于后续的图像二值化处理。
第八技术方案中,基于马尾藻的光谱特性设置的二值化方法,能够有效提高识别精度,提高对此类漂浮物的检测能力,有助于核电站附近海域对该类致灾生物的及时预警。
附图说明
为了更清楚地说明实施例的技术方案,下面简要介绍所需要使用的附图:
图1为商用相机蓝、绿、红三个通道的光谱灵敏度及马尾藻的光谱反射率;
图2为实施例中图像采集装置蓝、绿、红三个通道的光谱灵敏度及马尾藻的光谱反射率;
图3为去除红外滤光片的商用相机拍摄的海面图像;
图4为实施例中图像采集装置拍摄的海面图像;
图5a、图5b和图5c为商用相机拍摄的海面上马尾藻的图像及经二值化处理后图像;
图6a、图6b和图6c为实施例中图像采集装置拍摄的海面上马尾藻的图像及经二值化处理后的图像;
图7为图像中符合目标物特征的像素所在位置的示意图;
图8为成像几何透视示意图;
图9为如何求得目标物基于图像采集装置所在位置的纵坐标的示意图;
图10为如何求得目标物基于图像采集装置所在位置的横坐标的示意图。
具体实施方式
权利要求书和说明书中,除非另有限定,术语“包括”、“具有”以及它们的变形,意为“包含但不限于”。
下面将结合附图,对实施例中的技术方案进行清楚、完整地描述。
本实施例一种利用图像采集装置监控背景物上目标物的方法,具体展示了一种利用图像采集装置监控海现上马尾藻漂浮物的方法。
参见图1,图1示出了商用相机蓝、绿、红三个通道的光谱灵敏度及马尾藻的光谱反射率。如图1所示,对于商用摄像机或相机而言,相机厂商为了让相机拍摄的图像与人眼获得的结果相匹配,通常会在相机内加入一块近红外滤光片,把700nm以后的近红外光全部截止,故普通商用相机一般无法接收近红外波段的信号。然而,如图1所示,马尾藻在700nm以后的近红外波段光谱反射率较高。
本实施例中,利用图像采集装置监控海现上马尾藻漂浮物的方法具体包括:
1、准备图像采集装置。
因此,本实施例中,准备图像采集装置时,需要对商用摄像机或相机(本实施例中为相机,其与摄像机在本申请的技术方案中完全等效)进行改装,这种改装包括去除商用相机上的红外滤光片,并加装用于消除海面反光的偏振镜。经过上述改装后的商用相机即为本实施例中所指的图像采集装置。该图像采集装置蓝、绿、红三个通道的光谱灵敏度及马尾藻的光谱反射率如图2所示。从图2可知,改装后所得的图像采集装置对700nm以后的光谱灵敏度显著提高了。
图3和图4示出了加装偏振镜前后拍摄的图像。对比图3和图4可知,通过加装其角度与海面反光进入镜头的角度夹角呈90°的偏振镜。海面反光在图像上被有效抑制。因此,针对背景物反射光加装适合的滤光镜(本实施例中的偏振镜)可进一步有效抑制背景物的反射光。当然,加装该滤光镜并非监控目标物的必须,只是为了获得更好的效果。
2、安装图像采集装置,使监测目标区域位于图像采集装置视场中。
具体安装时,还可以在安装过程中需要采集图像采集装置到背景物所在平面(海平面)的高度值及图像采集装置的垂直倾角。
3、每隔人为设定的期间获取图像。
本实施例中,图像采集装置24小时连续工作,每隔15分钟输出一张图像。当然,根据需要,也可以以其他认为合适的时间间隔输出图像。
4、二值化处理。
每次输出图像后,均针对获取图像中各色彩通道灰度值,根据目标物的光谱响应特点,利用波段比法对图像进行二值化处理,以将图像中各像素区分为符合目标物特征的像素或不符合目标物特征的像素。具体到本实施例中,根据漂浮马尾藻的响应特点和红、绿、蓝通道的图像灰度值,使用红绿波段比的方法检测马尾藻,即如果某像素红、绿通道灰度值符合以下公式则判定为符合目标特征,不符合以下公司,则判定为不符合目标物特征。在本实施例中,符合目标特征的像素被二值化为白色,不符合目标特征的像素被二值化为黑色。该公式为:0.25<(RED-GREEN)/(RED+GREEN)<0.35;其中,RED为该像素红通道灰度值,GREEN为该像素绿通道灰度值。
我们利用上述二值化处理方法对商用相机拍摄的海面上马尾藻的图像进行处理得到了二值化处理后图像,如图5a、图5b和图5c所示。
我们利用上述二值化处理方法对实施例中图像采集装置拍摄的海面上马尾藻的图像进行处理得到了二值化处理后图像,如图6a、图6b和图6c所示。
我们利用Kappa系数衡量分类精度,可知,图5a中Kappa系数为0.76,图5b中Kappa系数为0.57,图5c中Kappa系数为0.54,均值为0.62;图6a中Kappa系数为0.91,图6b中Kappa系数为0.90,图6c中Kappa系数为0.89,均值为0.90。可见,采用本实施例中的图像采集装置获取图像,并利用本实施例中的二值化处理方法,能够更有效地从背景物中区分出目标物。
5、测定目标物相对图像采集装置所在位置的坐标
本实施例根据所述的图像采集装置的光学参数、所在位置与恣态,利用成像几何学方法,通过图像中符合目标物特征的像素所在位置求得目标物基于图像采集装置所在位置的坐标。
其中,图像采集装置的光学参数包括成像中心到成像传感器的距离即焦距f和每个像素的实际尺寸;图像采集装置所在位置包括图像采集装置相对背景物所在平面的高度;图像采集装置的姿态包括图像采集装置的垂直倾角。其中,图像采集装置相对背景物所在平面的高度和图像采集装置的垂直倾角均在安装图像采集装置时采集。图像采集装置每个像素的实际尺寸为图像采集装置的固有参数。
具体通过图像中符合目标物特征的像素所在位置求得目标物相对图像采集装置所在位置的坐标的方法参见图7至图10。
参见图7,如图7所示,图像ACIG中,符合目标物特征的像素L相对光轴与成像传感器的交点E的坐标为(a,b),其中,BH为过E的垂面与成像传感器的交线,FD为过E的水平面与成像传感器的交线。L在BH上的投影为K,a=LK,b=KE。一般而言,E为图像的中心点。如果每个像素的实际尺寸为x*x,则a=x*LK中的像素个数,b=X*KE中的像素个数。
参见图8,图8示出了成像几何透视原理。其中,m在本实施例中为海平面,即背景物所在平面,n为过光轴且垂直于m的垂面。O为图像采集装置的成像中心,过O作成像传感器CAGI的垂线,分别交成像传感器ACIG于E,交海平面m于E’。EE’即为图像采集装置的光轴。过O作海平面m的垂线,交海平面为O’,OO’即为图像采集装置相对海平面(背景物所在平面)的高度。成像传感器ACIG的垂直倾角为∠α。LO所在直线与海平面m的交点为L’,过L’对n作垂线,交n于K’。符合目标物特征的像素L所对应的目标物相对图像采集装置所在位置的坐标即为L’相对于O’的坐标(a’,b’),其中,a’=L’K’且b’=K’O’。
如何求得目标物基于图像采集装置所在位置的纵坐标b’的具体方法参见图9。
图9示出了平面n上的成像原理。如图9所示,图8中的K’即为OK所在直线与O’H’(m与n的交线)的交点。如上所述,已知,b=KE,求b’即K’O’。
在图9中,已知成像中心到成像传感器的距离为OE,在KE(b)已知且∠OEK=90°的情况下,∠γ可求得。由三角形的基本原理可知,∠K’OO’=90°-∠α-∠γ。在⊿K’OO’中,已知OO’和∠K’OO’,则可以求得K’O’,即b’。
如何求得目标物基于图像采集装置所在位置的纵坐标a’的具体方法参见图10。
图9中,对于⊿K’OO’,不仅可以求得K’O’,也可以求得K’O。
如图10所示,⊿OL’K’和⊿OKL均为直角三角形,且为相似三角形。在已知KL、OK、K’O的情况下,可求得L’K’,由此可求得a’。
由上介绍可知,焦距f、每个像素的实际尺寸、图像采集装置相对背景物所在平面的高度、图像采集装置的垂直倾角已知的情况下,可以通过图像中符合目标物特征的像素所在位置求得目标物相对图像采集装置所在位置的坐标。
在上述实施例中,通过使图像采集装置准备得对目标物光谱反射率较高的波段灵敏,具体而言是去除商用摄像机或相机的红外滤光片,为后续的图像二值化处理提供良好的条件,能够有效提高图像分类精度。根据目标物的光谱响应特点,利用波段比法进行二值化处理,能够更精确地区分目标物和背景物。通过加装滤光片滤除部分背景物反射光,具体而言是加装偏振镜,更有利于后续的图像二值化处理。基于马尾藻的光谱特性设置的二值化方法,能够有效提高识别精度,提高对此类漂浮物的检测能力,有助于核电站附近海域对该类致灾生物的及时预警。且本申请所公开的方法还能够获取目标物相对图像采集装置所在位置的坐标。
上述说明书和实施例的描述,用于解释本发明保护范围,但并不构成对本发明保护范围的限定。
Claims (8)
1.一种利用图像采集装置监测背景物上目标物的方法,其特征是,包括以下步骤:
准备图像采集装置,使其对目标物光谱反射率较高的波段灵敏;
安装图像采集装置,使监测目标区域位于图像采集装置视场中;
每隔人为设定的期间获取图像;
针对获取图像中各色彩通道灰度值,根据目标物的光谱响应特点,利用波段比法对图像进行二值化处理,以将图像中各像素区分为符合目标物特征的像素或不符合目标物特征的像素。
2.如权利要求1所述的一种利用图像采集装置监测背景物上目标物的方法,其特征是,在准备图像采集装置时,还加装滤光片,以滤除至少部分背景物反射光。
3.如权利要求1所述的一种利用图像采集装置监测背景物上目标物的方法,其特征是:所述方法还包括在对图像进行二值化处理后,基于图像采集装置的光学参数、所在位置与恣态,获取目标物基于图像采集装置所在位置的坐标。
4.如权利要求3所述的一种利用图像采集装置监测背景物上目标物的方法,其特征是,所述图像采集装置的光学参数包括成像中心到成像传感器的距离和每个像素的实际尺寸;所述位置包括图像采集装置相对背景物所在平面的高度;所述姿态包括图像采集装置的垂直倾角。
5.如权利要求4所述的一种利用图像采集装置监测背景物上目标物的方法,其特征是,根据所述的图像采集装置的光学参数、所在位置与恣态,利用成像几何学方法,通过图像中符合目标物特征的像素所在位置求得目标物基于图像采集装置所在位置的坐标。
6.如权利要求1至5中任一项所述的所述的一种利用图像采集装置监测背景物上目标物的方法,其特征是:所述背景物包括海面;所述目标物为马尾藻漂浮物;通过改装商用摄像机或相机准备图像采集装置,所述改装包括去除商用摄像机或相机的红外滤光片。
7.如权利要求6所述的一种利用图像采集装置监测背景物上目标物的方法,其特征是:
所述改装还包括加装用于消除海面反光的偏振镜。
8.如权利要求6所述的一种利用图像采集装置监测背景物上目标物的方法,其特征是:
所述二值化处理方法为,如图像中各像素符合以下公式则为符合目标物特征,否则为不符合目标物特征:
0.25<(RED-GREEN)/(RED+GREEN)<0.35
其中,RED为该像素红通道灰度值,GREEN为该像素绿通道灰度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010333011.7A CN111491089A (zh) | 2020-04-24 | 2020-04-24 | 一种利用图像采集装置监测背景物上目标物的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010333011.7A CN111491089A (zh) | 2020-04-24 | 2020-04-24 | 一种利用图像采集装置监测背景物上目标物的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111491089A true CN111491089A (zh) | 2020-08-04 |
Family
ID=71800258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010333011.7A Pending CN111491089A (zh) | 2020-04-24 | 2020-04-24 | 一种利用图像采集装置监测背景物上目标物的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111491089A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101504721A (zh) * | 2009-03-13 | 2009-08-12 | 北京中星微电子有限公司 | 一种基于面部图像进行身份认证的方法及装置 |
CN102243763A (zh) * | 2011-05-23 | 2011-11-16 | 华中科技大学 | 一种高速条件下红外成像谱段优化选择方法 |
CN103234915A (zh) * | 2013-01-23 | 2013-08-07 | 北京交通大学 | 一种基于多光谱检测的波段选择方法 |
CN106198443A (zh) * | 2016-06-24 | 2016-12-07 | 湖北久之洋红外***股份有限公司 | 机载高光谱红外溢油监测方法及*** |
CN107967687A (zh) * | 2017-12-21 | 2018-04-27 | 浙江大学 | 一种获取目标物行走姿态的方法与*** |
CN108198214A (zh) * | 2017-12-29 | 2018-06-22 | 厦门大学 | 基于视频监控的海漂垃圾提取和面积计算方法 |
CN108195784A (zh) * | 2018-02-01 | 2018-06-22 | 兰州城市学院 | 一种番茄叶绿素含量多光谱估测方法 |
US20180249060A1 (en) * | 2013-08-20 | 2018-08-30 | At&T Intellectual Property I, L.P. | Facilitating detection, processing and display of combination of visible and near non-visible light |
CN110398465A (zh) * | 2019-07-06 | 2019-11-01 | 中国海洋大学 | 一种基于光谱遥感影像的养殖紫菜生物量测定方法 |
CN110490895A (zh) * | 2019-08-20 | 2019-11-22 | 浙江大学 | 一种基于高光谱图像处理的提高肉源真伪鉴别正确率方法 |
CN209690152U (zh) * | 2019-01-15 | 2019-11-26 | 南京矢航信息技术有限公司 | 一种可识别枯死松树的光谱相机 |
CN110779876A (zh) * | 2019-11-07 | 2020-02-11 | 长光禹辰信息技术与装备(青岛)有限公司 | 一种疫木识别方法、装置、设备及计算机可读存储介质 |
-
2020
- 2020-04-24 CN CN202010333011.7A patent/CN111491089A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101504721A (zh) * | 2009-03-13 | 2009-08-12 | 北京中星微电子有限公司 | 一种基于面部图像进行身份认证的方法及装置 |
CN102243763A (zh) * | 2011-05-23 | 2011-11-16 | 华中科技大学 | 一种高速条件下红外成像谱段优化选择方法 |
CN103234915A (zh) * | 2013-01-23 | 2013-08-07 | 北京交通大学 | 一种基于多光谱检测的波段选择方法 |
US20180249060A1 (en) * | 2013-08-20 | 2018-08-30 | At&T Intellectual Property I, L.P. | Facilitating detection, processing and display of combination of visible and near non-visible light |
CN106198443A (zh) * | 2016-06-24 | 2016-12-07 | 湖北久之洋红外***股份有限公司 | 机载高光谱红外溢油监测方法及*** |
CN107967687A (zh) * | 2017-12-21 | 2018-04-27 | 浙江大学 | 一种获取目标物行走姿态的方法与*** |
CN108198214A (zh) * | 2017-12-29 | 2018-06-22 | 厦门大学 | 基于视频监控的海漂垃圾提取和面积计算方法 |
CN108195784A (zh) * | 2018-02-01 | 2018-06-22 | 兰州城市学院 | 一种番茄叶绿素含量多光谱估测方法 |
CN209690152U (zh) * | 2019-01-15 | 2019-11-26 | 南京矢航信息技术有限公司 | 一种可识别枯死松树的光谱相机 |
CN110398465A (zh) * | 2019-07-06 | 2019-11-01 | 中国海洋大学 | 一种基于光谱遥感影像的养殖紫菜生物量测定方法 |
CN110490895A (zh) * | 2019-08-20 | 2019-11-22 | 浙江大学 | 一种基于高光谱图像处理的提高肉源真伪鉴别正确率方法 |
CN110779876A (zh) * | 2019-11-07 | 2020-02-11 | 长光禹辰信息技术与装备(青岛)有限公司 | 一种疫木识别方法、装置、设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111179334B (zh) | 基于多传感融合的海面小面积溢油区域检测***及检测方法 | |
CN109283538B (zh) | 一种基于视觉和激光传感器数据融合的海上目标大小检测方法 | |
CN106548467B (zh) | 红外图像和可见光图像融合的方法及装置 | |
CN113838141B (zh) | 一种单线激光雷达与可见光相机的外参标定方法及*** | |
CN109801302A (zh) | 一种基于双目视觉的高压输电线路异物检测方法 | |
CN109781626B (zh) | 一种基于光谱分析的近岸高悬沙水体绿潮遥感识别方法 | |
Shortis et al. | Design and calibration of an underwater stereo-video system for the monitoring of marine fauna populations | |
CN111753577B (zh) | 自动采摘机器人中的苹果识别与定位方法 | |
US8170282B1 (en) | Technique for ship/wake detection | |
CN109815807B (zh) | 一种基于边缘线分析和聚合通道特征的靠岸船舶检测方法 | |
KR101798396B1 (ko) | 조수간만 차이를 반영한 해양 양식장 방범용 감시 시스템 및 제어 방법 | |
GB2539495A (en) | Improvements relating to time-of-flight cameras | |
JP2008060967A (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
CN106778629B (zh) | 大棚识别方法及装置 | |
McClure et al. | Resolving depth-measurement ambiguity with commercially available range imaging cameras | |
CN109858394A (zh) | 一种基于显著性检测的遥感图像水体区域提取方法 | |
US20220366668A1 (en) | Image processing apparatus, image processing method, and image processing program | |
CN110570412A (zh) | 一种零件误差视觉判断*** | |
CN114445330A (zh) | 一种元器件外观缺陷的检测方法及*** | |
Xie et al. | Polarization-based water hazards detection for autonomous off-road navigation | |
CN117075112A (zh) | 一种方位角航迹匹配的无人艇雷达光电融合方法 | |
KR102579082B1 (ko) | 유인 또는 무인 항공기에서 획득된 다분광 영상을 이용한 원격 모자반 탐지방법 및 그 시스템 | |
CN111491089A (zh) | 一种利用图像采集装置监测背景物上目标物的方法 | |
CN116228911B (zh) | 基于光谱特征的森林火灾勘察定损方法 | |
CN109459405B (zh) | 基于窄带图像处理去除土壤背景干扰的光谱指数测量方法 |
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: 20200804 |