CN112911208A - 森林覆盖山体现场检测平台及方法 - Google Patents
森林覆盖山体现场检测平台及方法 Download PDFInfo
- Publication number
- CN112911208A CN112911208A CN202011299143.9A CN202011299143A CN112911208A CN 112911208 A CN112911208 A CN 112911208A CN 202011299143 A CN202011299143 A CN 202011299143A CN 112911208 A CN112911208 A CN 112911208A
- Authority
- CN
- China
- Prior art keywords
- mountain
- forest
- image
- identification mechanism
- identification
- 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.)
- Withdrawn
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 14
- 230000007246 mechanism Effects 0.000 claims abstract description 58
- 238000012790 confirmation Methods 0.000 claims abstract description 7
- 238000001914 filtration Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 27
- 238000007689 inspection Methods 0.000 claims description 14
- 238000003384 imaging method Methods 0.000 claims description 11
- 230000033228 biological regulation Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 2
- 238000009529 body temperature measurement Methods 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 9
- 241001465754 Metazoa Species 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/90—Determination of colour characteristics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/67—Focus control based on electronic image sensor signals
-
- 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
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种森林覆盖山体现场检测平台及方法,所述平台包括:实时显示机构,设置在长焦捕获设备的附近,用于显示接收到的每一个确认识别分块;长焦捕获设备,设置在山峰附近的观测台的可移动云台上方,用于在人工移动的操作下,对周围覆盖森林的山体执行不同方向的不同焦距的图像捕获操作,以获得并输出山体捕获图像;所述长焦捕获设备还用于输出获得所述山体捕获图像采用的拍摄视野方向和拍摄焦距。本发明的森林覆盖山体现场检测平台及方法运行可靠、方便控制。由于能够克服森林覆盖山体无法执行人员搜救的难题,采用先绿色分量辨识后人员服装检测的针对性检测模式实现对森林山体区域的人员的定向搜救,从而提升了现场的搜救效率。
Description
技术领域
本发明涉及森林救援领域,尤其涉及一种森林覆盖山体现场检测平台及方法。
背景技术
森林是以木本植物为主体的生物群落,是集中的乔木与其它植物、动物、微生物和土壤之间相互依存相互制约,并与环境相互影响,从而形成的一个生态***的总体。它具有丰富的物种,复杂的结构,多种多样的功能。森林被誉为“地球之肺”。
森林与所在空间的非生物环境有机地结合在一起,构成完整的生态***。森林是地球上最大的陆地生态***,是全球生物圈中重要的一环。它是地球上的基因库、碳贮库、蓄水库和能源库,对维系整个地球的生态平衡起着至关重要的作用,是人类赖以生存和发展的资源和环境。
当前,为了探险或者科研等各种目的,人们赶赴森林的深处进行各项相关活动,不可避免出现迷路等紧急情况,需要专业人员和专业设备进行定点救援,从而避免灾难和事故发生。
现有技术中,由于森林覆盖的山体树木茂密,一旦出现失事人员坠落在山体的事故,无论是采用地面上的固定观测站观测的模式,还是采用以空中飞行器为载体的空中观测的模式,都很难通过肉眼模式执行失事人员的检测和定位。
发明内容
为了解决现有技术中技术问题,本发明提供了一种森林覆盖山体现场检测平台,能够克服森林覆盖山体无法执行人员搜救的难题,采用先绿色分量辨识后人员服装检测的针对性检测模式实现对森林山体区域的人员的定向搜救,从而提升了现场的搜救效率。
为此,本发明至少需要具备两处关键的发明点:
(1)在山峰附近的观测台的可移动云台上方设置视觉检测***,用于在人工移动的操作下,对周围覆盖森林的山体执行不同方向的区域的人员搜救操作,以提升山体搜救效率;
(2)对定制处理后的森林山体的成像图像中森林分布较少且存在待搜救人员服装的图像分块作为存在待搜救人员的图像内容执行现场显示操作。
根据本发明的一方面,提供了一种森林覆盖山体现场检测平台,所述平台包括:
实时显示机构,设置在长焦捕获设备的附近,用于显示接收到的每一个确认识别分块,还用于显示接收到的拍摄视野方向和拍摄焦距;
长焦捕获设备,设置在山峰附近的观测台的可移动云台上方,与所述实时显示机构连接,用于在人工移动的操作下,对周围覆盖森林的山体执行不同方向的不同焦距的图像捕获操作,以获得并输出山体捕获图像;
所述长焦捕获设备在获得并输出所述山体捕获图像的同时,将获得所述山体捕获图像采用的拍摄视野方向和拍摄焦距一起输出;
引导滤波设备,设置在所述观测台内的控制盒内,与所述长焦捕获设备连接,用于对接收到的山体捕获图像执行引导滤波处理,以获得并输出相应的第一滤波图像;
清晰化处理设备,与所述引导滤波设备连接,用于对接收到的第一滤波图像执行几何均值滤波处理,以获得并输出相应的清晰化处理图像;
最大值滤波设备,与所述清晰化处理设备连接,用于对接收到的清晰化处理图像执行最大值滤波处理,以获得并输出相应的第二滤波图像;
第一辨识机构,设置在所述观测台内的控制盒内,与所述最大值滤波设备连接,用于对所述第二滤波图像执行平均式分割操作以获得各个图像分块,并计算每一个图像分块的整体绿色分量值;
第二辨识机构,与所述第一辨识机构连接,用于将整体绿色分量值低于预设分量阈值的图像分块作为初步识别分块;
第三辨识机构,分别与所述实时显示机构、所述第一辨识机构和所述第二辨识机构连接,用于对每一个初步识别分块执行以下处理:基于待搜救人员的服装的颜色成像特征在所述初步识别分块中识别服装目标,并在识别到的服装目标占据的像素点的数量超过预设数量阈值时,将所述初步识别分块作为确认识别分块输出。
根据本发明的另一方面,还提供了一种森林覆盖山体现场检测方法,所述方法包括使用如上述的森林覆盖山体现场检测平台以采用先绿色分量辨识后人员服装检测的针对性检测模式实现对森林山体区域的人员的定向搜救。
本发明的森林覆盖山体现场检测平台及方法运行可靠、方便控制。由于能够克服森林覆盖山体无法执行人员搜救的难题,采用先绿色分量辨识后人员服装检测的针对性检测模式实现对森林山体区域的人员的定向搜救,从而提升了现场的搜救效率。
具体实施方式
下面将对本发明的森林覆盖山体现场检测平台及方法的实施方案进行详细说明。
长焦距镜头是指比标准镜头的焦距长的摄影镜头。长焦距镜头分为普通远摄镜头和超远摄镜头两类。普通远摄镜头的焦距长度接近标准镜头,而超远摄镜头的焦距却远远大于标准镜头。以135照相机为例,其镜头焦距从85毫米-300毫米的摄影镜头为普通远摄镜头,300毫米以上的为超远摄镜头。
在拍摄远处物体的过程当中,往往会发现无法拉近拍摄对象。这就需要用上长焦镜头,他能很好地表现远处景物的细节,拍摄到一些人们不容易接近的拍摄体。特别是在野生动物拍摄中,选择一支合适的长焦镜头可以给人们很多的创作机会。
现有技术中,由于森林覆盖的山体树木茂密,一旦出现失事人员坠落在山体的事故,无论是采用地面上的固定观测站观测的模式,还是采用以空中飞行器为载体的空中观测的模式,都很难通过肉眼模式执行失事人员的检测和定位。
为了克服上述不足,本发明搭建了一种森林覆盖山体现场检测平台及方法,能够有效解决相应的技术问题。
根据本发明实施方案示出的森林覆盖山体现场检测平台包括:
实时显示机构,设置在长焦捕获设备的附近,用于显示接收到的每一个确认识别分块,还用于显示接收到的拍摄视野方向和拍摄焦距;
长焦捕获设备,设置在山峰附近的观测台的可移动云台上方,与所述实时显示机构连接,用于在人工移动的操作下,对周围覆盖森林的山体执行不同方向的不同焦距的图像捕获操作,以获得并输出山体捕获图像;
所述长焦捕获设备在获得并输出所述山体捕获图像的同时,将获得所述山体捕获图像采用的拍摄视野方向和拍摄焦距一起输出;
引导滤波设备,设置在所述观测台内的控制盒内,与所述长焦捕获设备连接,用于对接收到的山体捕获图像执行引导滤波处理,以获得并输出相应的第一滤波图像;
清晰化处理设备,与所述引导滤波设备连接,用于对接收到的第一滤波图像执行几何均值滤波处理,以获得并输出相应的清晰化处理图像;
最大值滤波设备,与所述清晰化处理设备连接,用于对接收到的清晰化处理图像执行最大值滤波处理,以获得并输出相应的第二滤波图像;
第一辨识机构,设置在所述观测台内的控制盒内,与所述最大值滤波设备连接,用于对所述第二滤波图像执行平均式分割操作以获得各个图像分块,并计算每一个图像分块的整体绿色分量值;
第二辨识机构,与所述第一辨识机构连接,用于将整体绿色分量值低于预设分量阈值的图像分块作为初步识别分块;
第三辨识机构,分别与所述实时显示机构、所述第一辨识机构和所述第二辨识机构连接,用于对每一个初步识别分块执行以下处理:基于待搜救人员的服装的颜色成像特征在所述初步识别分块中识别服装目标,并在识别到的服装目标占据的像素点的数量超过预设数量阈值时,将所述初步识别分块作为确认识别分块输出。
接着,继续对本发明的森林覆盖山体现场检测平台的具体结构进行进一步的说明。
所述森林覆盖山体现场检测平台中:
所述第三辨识机构还用于在识别到的服装目标占据的像素点的数量未超过所述预设数量阈值时,将所述初步识别分块作为存疑识别分块输出。
所述森林覆盖山体现场检测平台中:
所述待搜救人员的服装的颜色成像特征为待搜救人员的服装的出厂图片的整体绿色分量值、整体红色分量值和整体蓝色分量值。
所述森林覆盖山体现场检测平台中:
基于待搜救人员的服装的颜色成像特征在所述初步识别分块中识别服装目标包括:将所述初步识别分块中的绿色分量值接近待搜救人员的服装的出厂图片的整体绿色分量值、所述初步识别分块中的红色分量值接近待搜救人员的服装的出厂图片的整体红色分量值以及所述初步识别分块中的蓝色分量值接近待搜救人员的服装的出厂图片的整体蓝色分量值作为服装目标的成像像素点。
所述森林覆盖山体现场检测平台中:
对所述第二滤波图像执行平均式分割操作以获得各个图像分块,并计算每一个图像分块的整体绿色分量值包括:获取每一个图像分块的各个像素点的各个绿色分量值的均值以作为所述图像分块的整体绿色分量值,所述绿色分量值为RGB颜色空间下的G分量值。
所述森林覆盖山体现场检测平台中还可以包括:
温度调控设备,设置在所述第二辨识机构内部,用于根据所述第二辨识机构的内部温度数值执行对所述第二辨识机构的内部温度的调控;
其中,所述第二辨识机构还包括温度测量子设备,与所述温度调控设备连接,用于提供所述第二辨识机构的内部温度数值。
所述森林覆盖山体现场检测平台中:
所述第一辨识机构被设置在集成电路板上,在所述集成电路板上靠近所述第一辨识机构的位置设置有电压转换设备。
所述森林覆盖山体现场检测平台中还可以包括:
湿度测量设备,设置在所述第一辨识机构的外壳上,用于测量所述第一辨识机构的外壳位置上的湿度;
即时加湿设备,与所述湿度测量设备连接,用于基于接收到的湿度实现相应的加湿动作。
所述森林覆盖山体现场检测平台中:
所述第三辨识机构与所述第一辨识机构、所述第二辨识机构共用同一用户控制接口,所述用户控制接口由SOC芯片来实现;
其中,所述第三辨识机构内置有计数器,用于实时累计所述第三辨识机构的加法级别的运算次数。
同时,为了克服上述不足,本发明还搭建了一种森林覆盖山体现场检测方法,所述方法包括使用如上述的森林覆盖山体现场检测平台以采用先绿色分量辨识后人员服装检测的针对性检测模式实现对森林山体区域的人员的定向搜救。
另外,在所述森林覆盖山体现场检测平台中,图像滤波,即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制,是图像预处理中不可缺少的操作,其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。由于成像***、传输介质和记录设备等的不完善,数字图像在其形成、传输记录过程中往往会受到多种噪声的污染。另外,在图像处理的某些环节当输入的像对象并不如预想时也会在结果图像中引入噪声。这些噪声在图像上常表现为一引起较强视觉效果的孤立像素点或像素块。一般,噪声信号与要研究的对象不相关它以无用的信息形式出现,扰乱图像的可观测信息。对于数字图像信号,噪声表为或大或小的极值,这些极值通过加减作用于图像像素的真实灰度值上,对图像造成亮、暗点干扰,极大降低了图像质量,影响图像复原、分割、特征提取、图像识别等后继工作的进行。要构造一种有效抑制噪声的滤波器必须考虑两个基本问题:能有效地去除目标和背景中的噪声;同时,能很好地保护图像目标的形状、大小及特定的几何和拓扑结构特征。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:只读内存(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种森林覆盖山体现场检测平台,其特征在于,所述平台包括:
实时显示机构,设置在长焦捕获设备的附近,用于显示接收到的每一个确认识别分块,还用于显示接收到的拍摄视野方向和拍摄焦距。
2.如权利要求1所述的森林覆盖山体现场检测平台,其特征在于,所述平台还包括:
长焦捕获设备,设置在山峰附近的观测台的可移动云台上方,与所述实时显示机构连接,用于在人工移动的操作下,对周围覆盖森林的山体执行不同方向的不同焦距的图像捕获操作,以获得并输出山体捕获图像。
3.如权利要求2所述的森林覆盖山体现场检测平台,其特征在于:
所述长焦捕获设备在获得并输出所述山体捕获图像的同时,将获得所述山体捕获图像采用的拍摄视野方向和拍摄焦距一起输出。
4.如权利要求3所述的森林覆盖山体现场检测平台,其特征在于,所述平台还包括:
引导滤波设备,设置在所述观测台内的控制盒内,与所述长焦捕获设备连接,用于对接收到的山体捕获图像执行引导滤波处理,以获得并输出相应的第一滤波图像;
清晰化处理设备,与所述引导滤波设备连接,用于对接收到的第一滤波图像执行几何均值滤波处理,以获得并输出相应的清晰化处理图像;
最大值滤波设备,与所述清晰化处理设备连接,用于对接收到的清晰化处理图像执行最大值滤波处理,以获得并输出相应的第二滤波图像;
第一辨识机构,设置在所述观测台内的控制盒内,与所述最大值滤波设备连接,用于对所述第二滤波图像执行平均式分割操作以获得各个图像分块,并计算每一个图像分块的整体绿色分量值;
第二辨识机构,与所述第一辨识机构连接,用于将整体绿色分量值低于预设分量阈值的图像分块作为初步识别分块;
第三辨识机构,分别与所述实时显示机构、所述第一辨识机构和所述第二辨识机构连接,用于对每一个初步识别分块执行以下处理:基于待搜救人员的服装的颜色成像特征在所述初步识别分块中识别服装目标,并在识别到的服装目标占据的像素点的数量超过预设数量阈值时,将所述初步识别分块作为确认识别分块输出;
其中,所述第三辨识机构还用于在识别到的服装目标占据的像素点的数量未超过所述预设数量阈值时,将所述初步识别分块作为存疑识别分块输出;
其中,所述待搜救人员的服装的颜色成像特征为待搜救人员的服装的出厂图片的整体绿色分量值、整体红色分量值和整体蓝色分量值;
其中,基于待搜救人员的服装的颜色成像特征在所述初步识别分块中识别服装目标包括:将所述初步识别分块中的绿色分量值接近待搜救人员的服装的出厂图片的整体绿色分量值、所述初步识别分块中的红色分量值接近待搜救人员的服装的出厂图片的整体红色分量值以及所述初步识别分块中的蓝色分量值接近待搜救人员的服装的出厂图片的整体蓝色分量值作为服装目标的成像像素点。
5.如权利要求4所述的森林覆盖山体现场检测平台,其特征在于:
对所述第二滤波图像执行平均式分割操作以获得各个图像分块,并计算每一个图像分块的整体绿色分量值包括:获取每一个图像分块的各个像素点的各个绿色分量值的均值以作为所述图像分块的整体绿色分量值,所述绿色分量值为RGB颜色空间下的G分量值。
6.如权利要求5所述的森林覆盖山体现场检测平台,其特征在于,所述平台还包括:
温度调控设备,设置在所述第二辨识机构内部,用于根据所述第二辨识机构的内部温度数值执行对所述第二辨识机构的内部温度的调控;
其中,所述第二辨识机构还包括温度测量子设备,与所述温度调控设备连接,用于提供所述第二辨识机构的内部温度数值。
7.如权利要求6所述的森林覆盖山体现场检测平台,其特征在于:
所述第一辨识机构被设置在集成电路板上,在所述集成电路板上靠近所述第一辨识机构的位置设置有电压转换设备。
8.如权利要求7所述的森林覆盖山体现场检测平台,其特征在于,所述平台还包括:
湿度测量设备,设置在所述第一辨识机构的外壳上,用于测量所述第一辨识机构的外壳位置上的湿度;
即时加湿设备,与所述湿度测量设备连接,用于基于接收到的湿度实现相应的加湿动作。
9.如权利要求8所述的森林覆盖山体现场检测平台,其特征在于:
所述第三辨识机构与所述第一辨识机构、所述第二辨识机构共用同一用户控制接口,所述用户控制接口由SOC芯片来实现;
其中,所述第三辨识机构内置有计数器,用于实时累计所述第三辨识机构的加法级别的运算次数。
10.一种森林覆盖山体现场检测方法,所述方法包括使用如权利要求1-9任一所述的森林覆盖山体现场检测平台以采用先绿色分量辨识后人员服装检测的针对性检测模式实现对森林山体区域的人员的定向搜救。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011299143.9A CN112911208A (zh) | 2020-11-19 | 2020-11-19 | 森林覆盖山体现场检测平台及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011299143.9A CN112911208A (zh) | 2020-11-19 | 2020-11-19 | 森林覆盖山体现场检测平台及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112911208A true CN112911208A (zh) | 2021-06-04 |
Family
ID=76111365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011299143.9A Withdrawn CN112911208A (zh) | 2020-11-19 | 2020-11-19 | 森林覆盖山体现场检测平台及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112911208A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114708433A (zh) * | 2022-04-04 | 2022-07-05 | 泰州镭昇光电科技有限公司 | 基于云端存储的状态检测*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040005085A1 (en) * | 2002-07-04 | 2004-01-08 | Andersen Dan Keith | Method of aerial monitoring of forests |
CN102610008A (zh) * | 2012-03-31 | 2012-07-25 | 中国船舶重工集团公司第七一七研究所 | 一种船载轻型视频搜救装置 |
CN111272148A (zh) * | 2020-01-20 | 2020-06-12 | 江苏方天电力技术有限公司 | 输电线路无人机自主巡检自适应成像质量优化方法 |
CN111951160A (zh) * | 2020-07-03 | 2020-11-17 | 广东工业大学 | 基于可见光和红外热成像的消防无人机图像融合方法 |
-
2020
- 2020-11-19 CN CN202011299143.9A patent/CN112911208A/zh not_active Withdrawn
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040005085A1 (en) * | 2002-07-04 | 2004-01-08 | Andersen Dan Keith | Method of aerial monitoring of forests |
CN102610008A (zh) * | 2012-03-31 | 2012-07-25 | 中国船舶重工集团公司第七一七研究所 | 一种船载轻型视频搜救装置 |
CN111272148A (zh) * | 2020-01-20 | 2020-06-12 | 江苏方天电力技术有限公司 | 输电线路无人机自主巡检自适应成像质量优化方法 |
CN111951160A (zh) * | 2020-07-03 | 2020-11-17 | 广东工业大学 | 基于可见光和红外热成像的消防无人机图像融合方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114708433A (zh) * | 2022-04-04 | 2022-07-05 | 泰州镭昇光电科技有限公司 | 基于云端存储的状态检测*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Diago et al. | Assessment of flower number per inflorescence in grapevine by image analysis under field conditions | |
CN110493527B (zh) | 主体对焦方法、装置、电子设备和存储介质 | |
CN111765974B (zh) | 一种基于微型制冷红外热像仪的野生动物观测***及方法 | |
CN110969158B (zh) | 基于水下作业机器人视觉的目标检测方法、***、装置 | |
CN104519328A (zh) | 图像处理设备、图像捕捉装置和图像处理方法 | |
CN104700424B (zh) | 医用彩色电子内窥镜图像坏点检测装置 | |
CN110660065B (zh) | 一种红外故障检测识别算法 | |
CN113538702B (zh) | 一种海洋养殖区水下场景全景图生成方法 | |
CN112396635A (zh) | 一种基于多设备的复杂环境下多目标检测方法 | |
CN110276831A (zh) | 三维模型的建构方法和装置、设备、计算机可读存储介质 | |
CN116543241B (zh) | 泄露气体云团的检测方法、装置、存储介质和电子设备 | |
CN108961154A (zh) | 基于改进非下采样轮廓波变换的太阳电池热斑检测方法 | |
CN108012135B (zh) | 图像处理方法及装置、计算机可读存储介质和计算机设备 | |
CN110490196A (zh) | 主体检测方法和装置、电子设备、计算机可读存储介质 | |
CN111160478B (zh) | 一种基于深度学习的高光谱目标显著性检测方法 | |
CN112911208A (zh) | 森林覆盖山体现场检测平台及方法 | |
CN113554694A (zh) | 一种烟幕释放过程中红外有效遮蔽面积的获取方法和*** | |
Li et al. | Producing cloud free and cloud-shadow free mosaic from cloudy IKONOS images | |
CN110688913B (zh) | 一种基于智能设备的障碍物检测方法及装置 | |
CN114359830A (zh) | 图像检测方法、设备及计算机存储介质 | |
CN110827375B (zh) | 一种基于微光图像的红外图像真彩着色方法及*** | |
CN111970424B (zh) | 基于微透镜阵列合成孔径的光场相机去遮挡***和方法 | |
IL259107A (en) | A method of removing camouflage from an object | |
CN107967452A (zh) | 一种基于视频的深海矿物分布识别方法及*** | |
WO2022247684A1 (zh) | 基站馈线检测方法、***及相关装置 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211104 Address after: 214400 No. 22, Zhenyang Road, Qingyang Town, Jiangyin City, Wuxi City, Jiangsu Province Applicant after: Jiangsu youlanheng Environmental Protection Technology Co.,Ltd. Address before: Room 410, 1st floor, North building, No.18 factory building, co construction zone, hailing Industrial Park, Taizhou City, Jiangsu Province, 225300 Applicant before: Taizhou Radium Rising Photoelectric Technology Co.,Ltd. |
|
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210604 |