CN115272353A - 适用于裂纹检测的图像处理方法 - Google Patents
适用于裂纹检测的图像处理方法 Download PDFInfo
- Publication number
- CN115272353A CN115272353A CN202211218883.4A CN202211218883A CN115272353A CN 115272353 A CN115272353 A CN 115272353A CN 202211218883 A CN202211218883 A CN 202211218883A CN 115272353 A CN115272353 A CN 115272353A
- Authority
- CN
- China
- Prior art keywords
- pixel
- pixel point
- superpixel
- blocks
- block
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims abstract description 33
- 230000011218 segmentation Effects 0.000 claims abstract description 28
- 239000013598 vector Substances 0.000 claims description 8
- 238000000034 method Methods 0.000 abstract description 15
- 238000005266 casting Methods 0.000 description 13
- 230000007547 defect Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 3
- 101100391172 Dictyostelium discoideum forA gene Proteins 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30116—Casting
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种适用于裂纹检测的图像处理方法,获取多个拍摄角度下的消防栓阀图像,并构建消防栓阀三维模型;对消防栓阀三维模型的表面像素点进行超像素分割,得到多个第一超像素块;根据各第一超像素块的位置关系和像素值对第一超像素块进行合并,得到多个第二超像素块;利用灰度共生矩阵提取各第二超像素块对应的特征矩阵,判断各第二超像素块是否为裂纹区域。本发明采用图像处理的方式,利用三维模型中的像素点进行分析,根据每一个像素点的纹理特征和邻域特征进行超像素分割,得到准确的超像素块,确保得到准确裂纹区域,为准确检测裂纹区域奠定了基础,提高了裂纹检测的准确性。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及适用于裂纹检测的图像处理方法。
背景技术
消防栓是一种固定消防设施,主要作用是控制可燃物、隔绝助燃物消除。在铸造成型的过程中,消防栓阀门成型后若在其表面存在裂纹缺陷,该缺陷在使用过程中会导致水压不合格,影响消防栓的正常使用,故需要对铸造成型后的消防阀进行表面裂纹进行检测。为了克服人工检测带来的主观性强、受限于工作经验的缺陷,目前使用最多的检测方式为图像检测方式,即采集检测对象的图像,通过图像处理得到检测结果,然而,目前的图像检测方式仅仅是通过比较正常区域和裂纹之间的像素值差异来判断是否存在裂纹,会因存在其他干扰因素导致准确性较差。
发明内容
本发明的目的在于提供一种适用于裂纹检测的图像处理方法,用于解决现有图像处理方法的裂纹检测准确性较差的问题。
为了解决上述问题,本发明的一种适用于裂纹检测的图像处理方法的技术方案,包括以下步骤:
(1)获取多个拍摄角度下的消防栓阀图像,根据所述消防栓阀图像构建消防栓阀三维模型;
(2)对消防栓阀三维模型的表面像素点进行超像素分割,得到多个第一超像素块;
(3)根据各第一超像素块的位置关系和各第一超像素块内像素的像素值对所述多个第一超像素块进行合并,得到多个第二超像素块;
(4)利用灰度共生矩阵提取各第二超像素块对应的特征矩阵,根据各第二超像素块对应的特征矩阵判断各第二超像素块是否为裂纹区域。
进一步地,所述对消防栓阀三维模型的表面像素点进行超像素分割,得到多个第一超像素块,包括以下步骤:
①利用超像素分割算法在三维模型的表面生成多个预设面积的初始像素块;
②对于任一初始像素块,划定该初始像素块的邻域范围,计算邻域范围内各待划分像素点到邻域范围内各初始像素块对应的中心像素点的距离,将待划分像素点划分到距离最近的中心像素点对应的初始像素块,并根据划分结果更新相应初始像素块的中心像素点;
③重复上述步骤②,直至各像素块的中心像素点不再发生变化,将最后得到的各像素块记为第一超像素块。
进一步地,利用如下公式计算邻域范围内各待划分像素点到邻域范围内各初始像素块对应的中心像素点的距离:
其中,为像素点和像素点在空间中的距离;为像素点和像素点颜色以及纹理走向的特征距离,为空间中的距离对应的权重,为颜色以及纹理走向的特征距离对应的权重,为像素点和像素点的距离,为像素点对应的颜色以及纹理走向的特征向量,为像素点对应的颜色以及纹理走向的特征向量,为像素点的横坐标,为像素点的纵坐标,为像素点的竖坐标,为像素点的横坐标,为像素点的纵坐标,为像素点的竖坐标,为像素点对应的R分量,为像素点对应的G分量,为像素点对应的B分量,为像素点处海森矩阵的其中一个特征向量,为像素点处海森矩阵的另一个特征向量,为对应的特征值,为对应的特征值,为像素点对应的R分量,为像素点对应的G分量,为像素点对应的B分量,为像素点处海森矩阵的其中一个特征向量,为像素点处海森矩阵的另一个特征向量,为对应的特征值,为对应的特征值。
进一步地,所述根据各第一超像素块的位置关系和各第一超像素块内像素的像素值对所述多个第一超像素块进行合并,得到多个第二超像素块,包括:
构建图数据结构:将每一个第一超像素块作为一个节点,判断各节点对应的第一超像素块之间是否相邻,若相邻,则将对应节点记为相邻节点;
根据相邻节点对应的像素值计算相邻节点之间的边权值;判断各边权值是否小于设定值,若小于,则将对应相邻节点进行合并,并更新合并后节点与相邻节点之间的边权值;
重复上述步骤,直至图数据库结构不再变化,将最后得到的每个节点对应的超像素块记为一个第二超像素块。
进一步地,所述判断各节点对应的第一超像素块之间是否相邻,包括:
利用3✕3的滑窗对两节点对应的超像素块进行膨胀处理,取膨胀处理后的像素块的交集像素块的交集;
判断所述交集区域面积是否为0,若否,则判断所述两节点对应的第一超像素块之间相邻;若是,则判断所述两节点对应的第一超像素块之间不相邻。
进一步地,所述根据相邻节点对应的像素值计算相邻节点之间的边权值,包括:
计算将相邻节点合并后对应的高斯模型,判断将相邻节点合并后对应的高斯模型与合并之前每个节点对应的高斯模型的差异值,将所述差异值作为相邻节点之间的边权值。
有益效果:本发明通过图像处理的方式,构建了消防栓阀三维模型,对消防栓阀三维模型的表面像素点进行超像素分割,得到多个第一超像素块;本发明根据各第一超像素块的位置关系和各第一超像素块内像素的像素值对第一超像素块进行合并,得到多个第二超像素块,然后根据各第二超像素块对应的特征矩阵判断各第二超像素块是否为裂纹区域;本发明利用三维模型中的像素点进行分析,根据每一个像素点的纹理特征和邻域特征进行超像素分割,得到准确的超像素块,对超像素块进行分类实现消防栓阀铸造裂纹检测,确保得到了准确裂纹区域,为准确检测裂纹区域奠定了基础,提高了消防栓阀铸造裂纹检测的准确性。
附图说明
图1是本发明的适用于裂纹检测的图像处理方法流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更清楚,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介绍。
本实施例旨在解决现有方法无法准确对铸造成型后的消防阀表面裂纹进行检测的问题,如图1所示,本实施例的适用于裂纹检测的图像处理方法包括以下步骤:
(1)获取多个拍摄角度下的消防栓阀图像,根据所述消防栓阀图像构建消防栓阀三维模型;
在生产加工过程中,由于消防栓阀的型号和尺寸信息固定,故为提高消防栓阀铸造裂纹缺陷检测的速度,提前获得消防栓阀的三维模型。需要说明的是,三维模型的获取方法可以采用计算机视觉手段也可以采用Solidwork等人工建模的手段。
在人为搭建的检测台上,部署相机实时采集消防栓阀每一个方向的RGB图像,将采集到的RGB图像投影至事先搭建好的消防栓阀的三维模型上,得到三维模型中每一个位置处的像素值信息,至此三维模型上每一个点包含三维模型的位置信息以及RGB图像中的像素值信息。需要说明的是,部署的相机可以采集到消防栓阀每一个方向上的RGB图像,相机具体的数目与消防栓阀裂纹检测的精度有关。
获得三维模型不仅包括每一个像素点的空间位置信息,还包含每一个像素点的RGB信息,对三维模型上的RGB信息进行分析,可以避免由于消防阀复杂的外形形状对裂纹缺陷检测的影响,保障检测的准确率。
(2)对消防栓阀三维模型的表面像素点进行超像素分割,得到多个第一超像素块;
首先获得每一个像素点的海森矩阵,进一步求得海森矩阵的两个特征向量以及对应的特征值;需要说明的是在海森矩阵中,最大的特征值极其特征向量表示曲线最大的曲率以及曲率方向,同样最小的特征值表示曲线最小的曲率以及曲率方向,可以反应该像素点邻域范围内的纹理走向;
其中,为像素点和像素点在空间中的距离;为像素点和像素点颜色以及纹理走向的特征距离,为空间中的距离对应的权重,为颜色以及纹理走向的特征距离对应的权重,为像素点和像素点的距离,为像素点对应的颜色以及纹理走向的特征向量,为像素点对应的颜色以及纹理走向的特征向量,为像素点的横坐标,为像素点的纵坐标,为像素点的竖坐标,为像素点的横坐标,为像素点的纵坐标,为像素点的竖坐标,为像素点对应的R分量,为像素点对应的G分量,为像素点对应的B分量,为像素点处海森矩阵的其中一个特征向量,为像素点处海森矩阵的另一个特征向量,为对应的特征值,为对应的特征值,为像素点对应的R分量,为像素点对应的G分量,为像素点对应的B分量,为像素点处海森矩阵的其中一个特征向量,为像素点处海森矩阵的另一个特征向量,为对应的特征值,为对应的特征值。用于权衡特征相似性以及空间邻近度之间的相对重要性,本实施例中取值为。
完成种子点的选取以及距离计算公式的设定,即可调用SLIC超像素分割算法得到多个超像素块,将每一个超像素块记为第一超像素块,第一超像素块的数量种子点的数量相同,为个。至此得到第一超像素分割结果,包含个超像素块。需要说明的是,第一超像素分割结果中为了保障得到准确的超像素分割结果,存在过度分割的情况,需要对个超像素块进行区域合并,得到最终的超像素分割结果。
(3)根据各第一超像素块的位置关系和各第一超像素块内像素的像素值对所述多个第一超像素块进行合并,得到多个第二超像素块;
构建图数据结构,将每一个第一超像素块视为一个节点,共得到个节点;进一步判断两节点是否为相邻的位置关系,相邻位置关系的判定方法为:利用3✕3的滑窗对两节点对应的超像素块进行膨胀处理,取膨胀处理后的像素块的交集像素块的交集,若交集区域面积为0,则说明节点不为相邻关系;当交集区域面积不为0时表示节点为相邻关系。当节点为相邻的位置关系时,两节点之间存在边权,否则两节点之间不存在边权。
进一步,假设两节点是可以进行合并的,获得合并之后的区域,记为;则利用同样的方法得到合并区域内的高斯模型;区域合并的目的是将特征相同的超像素块进行合并,理想情况下合并之后的区域的特征应该与合并之前的两个超像素块的特征相同,即当与差异越小表示越应该合并,则合并的阻力应越小,即越小;
至此,完成图结构的构建。将边权小于阻力阈值的边连接的两个节点进行合并,完成第一次区域合并;按照上述方法对合并后的超像素分割结果进行图结构的更新,对更新后的边权与阻力阈值进行比较,再次进行区域合并,直到更新后的图结构中所有的边权值均大于阻力阈值。需要说明的是,阻力阈值应为一个较小的数,本实施例取值为0.05,具体数值实施者可根据消防阀铸造裂纹的检测精度进行更改。
(4)利用灰度共生矩阵提取各第二超像素块对应的特征矩阵,根据各第二超像素块对应的特征矩阵判断各第二超像素块是否为裂纹区域。
利用灰度共生矩阵提取每一个超像素块的特征矩阵,将该特征矩阵送入训练好的分类器SVM或FC中,得到消防阀铸造裂纹检测结果。需要说明的是,灰度共生矩阵进行特征提取,SVM或FC完成分类任务为现有技术,分类器的训练方法为公知技术,在此不再赘述。完成对第二超像素分割结果的分类即可实现消防栓阀铸造裂纹的检测结果,也即可以实现对每一个第二超像素块是否为裂纹区域的判定。
若所有第二超像素块均不是裂纹区域,则消防栓阀无裂纹缺陷;若某一第二超像素块是裂纹区域,则说明消防栓阀有裂纹缺陷,且裂纹缺陷的位置为对应第二超像素块的位置。
本实施例利用三维模型中的像素点进行分析,根据每一个像素点的纹理特征和邻域特征进行超像素分割,得到准确的超像素块,对超像素块进行分类实现消防栓阀铸造裂纹检测,确保得到了准确裂纹区域,为准确检测裂纹区域奠定了基础,提高了消防栓阀铸造裂纹检测的准确性。
Claims (6)
1.一种适用于裂纹检测的图像处理方法,其特征在于,包括以下步骤:
(1)获取多个拍摄角度下的消防栓阀图像,根据所述消防栓阀图像构建消防栓阀三维模型;
(2)对消防栓阀三维模型的表面像素点进行超像素分割,得到多个第一超像素块;
(3)根据各第一超像素块的位置关系和各第一超像素块内像素的像素值对所述多个第一超像素块进行合并,得到多个第二超像素块;
(4)利用灰度共生矩阵提取各第二超像素块对应的特征矩阵,根据各第二超像素块对应的特征矩阵判断各第二超像素块是否为裂纹区域。
2.根据权利要求1所述的适用于裂纹检测的图像处理方法,其特征在于,所述对消防栓阀三维模型的表面像素点进行超像素分割,得到多个第一超像素块,包括以下步骤:
①利用超像素分割算法在三维模型的表面生成多个预设面积的初始像素块;
②对于任一初始像素块,划定该初始像素块的邻域范围,计算邻域范围内各待划分像素点到邻域范围内各初始像素块对应的中心像素点的距离,将待划分像素点划分到距离最近的中心像素点对应的初始像素块,并根据划分结果更新相应初始像素块的中心像素点;
③重复上述步骤②,直至各像素块的中心像素点不再发生变化,将最后得到的各像素块记为第一超像素块。
3.根据权利要求2所述的适用于裂纹检测的图像处理方法,其特征在于,利用如下公式计算邻域范围内各待划分像素点到邻域范围内各初始像素块对应的中心像素点的距离:
其中,为像素点和像素点在空间中的距离;为像素点和像素点颜色以及纹理走向的特征距离,为空间中的距离对应的权重,为颜色以及纹理走向的特征距离对应的权重,为像素点和像素点的距离,为像素点对应的颜色以及纹理走向的特征向量,为像素点对应的颜色以及纹理走向的特征向量,为像素点的横坐标,为像素点的纵坐标,为像素点的竖坐标,为像素点的横坐标,为像素点的纵坐标,为像素点的竖坐标,为像素点对应的R分量,为像素点对应的G分量,为像素点对应的B分量,为像素点处海森矩阵的其中一个特征向量,为像素点处海森矩阵的另一个特征向量,为对应的特征值,为对应的特征值,为像素点对应的R分量,为像素点对应的G分量,为像素点对应的B分量,为像素点处海森矩阵的其中一个特征向量,为像素点处海森矩阵的另一个特征向量,为对应的特征值,为对应的特征值。
4.根据权利要求1所述的适用于裂纹检测的图像处理方法,其特征在于,所述根据各第一超像素块的位置关系和各第一超像素块内像素的像素值对所述多个第一超像素块进行合并,得到多个第二超像素块,包括:
构建图数据结构:将每一个第一超像素块作为一个节点,判断各节点对应的第一超像素块之间是否相邻,若相邻,则将对应节点记为相邻节点;
根据相邻节点对应的像素值计算相邻节点之间的边权值;判断各边权值是否小于设定值,若小于,则将对应相邻节点进行合并,并更新合并后节点与相邻节点之间的边权值;
重复上述步骤,直至图数据库结构不再变化,将最后得到的每个节点对应的超像素块记为一个第二超像素块。
5.根据权利要求4所述的适用于裂纹检测的图像处理方法,其特征在于,所述判断各节点对应的第一超像素块之间是否相邻,包括:
利用3✕3的滑窗对两节点对应的超像素块进行膨胀处理,取膨胀处理后的像素块的交集像素块的交集;
判断所述交集区域面积是否为0,若否,则判断所述两节点对应的第一超像素块之间相邻;若是,则判断所述两节点对应的第一超像素块之间不相邻。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211218883.4A CN115272353A (zh) | 2022-10-07 | 2022-10-07 | 适用于裂纹检测的图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211218883.4A CN115272353A (zh) | 2022-10-07 | 2022-10-07 | 适用于裂纹检测的图像处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115272353A true CN115272353A (zh) | 2022-11-01 |
Family
ID=83758043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211218883.4A Pending CN115272353A (zh) | 2022-10-07 | 2022-10-07 | 适用于裂纹检测的图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115272353A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115661173A (zh) * | 2022-11-10 | 2023-01-31 | 菏泽市土地储备中心 | 一种基于遥感图像的地块分割方法 |
CN116485350A (zh) * | 2023-06-20 | 2023-07-25 | 山东鲁玻玻璃科技有限公司 | 基于图像识别的中硼硅玻璃智能化生产*** |
CN117788959A (zh) * | 2024-02-27 | 2024-03-29 | 武汉德泰纳新能源技术有限公司 | 基于机器视觉的异种金属电磁脉冲焊接裂缝检测识别方法 |
CN118052824A (zh) * | 2024-04-16 | 2024-05-17 | 济宁丰玺生物材料有限公司 | 一种稻壳可降解餐盒缺陷检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106097313A (zh) * | 2016-06-02 | 2016-11-09 | 甘肃读者动漫科技有限公司 | 图像分割方法及装置 |
CN107016691A (zh) * | 2017-04-14 | 2017-08-04 | 南京信息工程大学 | 基于超像素特征的运动目标检测方法 |
CN107341812A (zh) * | 2017-07-04 | 2017-11-10 | 太原理工大学 | 一种基于超像素和密度聚类的序列肺结节图像分割方法 |
CN111814711A (zh) * | 2020-07-15 | 2020-10-23 | 中国矿业大学 | 一种应用于矿井机器视觉的图像特征快速匹配方法及*** |
CN114140462A (zh) * | 2021-12-10 | 2022-03-04 | 江苏牛犇轴承有限公司 | 一种基于图像处理的轴承磨损程度评估方法 |
CN114913138A (zh) * | 2022-04-24 | 2022-08-16 | 南通飞旋智能科技有限公司 | 一种基于人工智能的移印机产品缺陷检测方法及*** |
CN115063409A (zh) * | 2022-07-28 | 2022-09-16 | 南通恒强轧辊有限公司 | 一种机械刀具表面材质检测方法及*** |
-
2022
- 2022-10-07 CN CN202211218883.4A patent/CN115272353A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106097313A (zh) * | 2016-06-02 | 2016-11-09 | 甘肃读者动漫科技有限公司 | 图像分割方法及装置 |
CN107016691A (zh) * | 2017-04-14 | 2017-08-04 | 南京信息工程大学 | 基于超像素特征的运动目标检测方法 |
CN107341812A (zh) * | 2017-07-04 | 2017-11-10 | 太原理工大学 | 一种基于超像素和密度聚类的序列肺结节图像分割方法 |
CN111814711A (zh) * | 2020-07-15 | 2020-10-23 | 中国矿业大学 | 一种应用于矿井机器视觉的图像特征快速匹配方法及*** |
CN114140462A (zh) * | 2021-12-10 | 2022-03-04 | 江苏牛犇轴承有限公司 | 一种基于图像处理的轴承磨损程度评估方法 |
CN114913138A (zh) * | 2022-04-24 | 2022-08-16 | 南通飞旋智能科技有限公司 | 一种基于人工智能的移印机产品缺陷检测方法及*** |
CN115063409A (zh) * | 2022-07-28 | 2022-09-16 | 南通恒强轧辊有限公司 | 一种机械刀具表面材质检测方法及*** |
Non-Patent Citations (1)
Title |
---|
南柄飞 等: "基于SLICO融合纹理信息的超像素分割方法", 《仪器仪表学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115661173A (zh) * | 2022-11-10 | 2023-01-31 | 菏泽市土地储备中心 | 一种基于遥感图像的地块分割方法 |
CN115661173B (zh) * | 2022-11-10 | 2023-03-10 | 菏泽市土地储备中心 | 一种基于遥感图像的地块分割方法 |
CN116485350A (zh) * | 2023-06-20 | 2023-07-25 | 山东鲁玻玻璃科技有限公司 | 基于图像识别的中硼硅玻璃智能化生产*** |
CN116485350B (zh) * | 2023-06-20 | 2023-09-01 | 山东鲁玻玻璃科技有限公司 | 基于图像识别的中硼硅玻璃智能化生产*** |
CN117788959A (zh) * | 2024-02-27 | 2024-03-29 | 武汉德泰纳新能源技术有限公司 | 基于机器视觉的异种金属电磁脉冲焊接裂缝检测识别方法 |
CN118052824A (zh) * | 2024-04-16 | 2024-05-17 | 济宁丰玺生物材料有限公司 | 一种稻壳可降解餐盒缺陷检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115272353A (zh) | 适用于裂纹检测的图像处理方法 | |
Yang et al. | Real-time face detection based on YOLO | |
CN110175576B (zh) | 一种结合激光点云数据的行驶车辆视觉检测方法 | |
CN110310320B (zh) | 一种双目视觉匹配代价聚合优化方法 | |
CN109360232B (zh) | 基于条件生成对抗网络的室内场景布局估计方法和装置 | |
CN111640157A (zh) | 一种基于神经网络的棋盘格角点检测方法及其应用 | |
CN110796152A (zh) | 一种基于倾斜摄影的群体建筑物震害提取方法及*** | |
WO2019071976A1 (zh) | 基于区域增长和眼动模型的全景图像显著性检测方法 | |
CN108010075B (zh) | 一种基于多特征联合的局部立体匹配方法 | |
CN111242026B (zh) | 一种基于空间层次感知模块和度量学习的遥感图像目标检测方法 | |
CN106778633B (zh) | 一种基于区域分割的行人识别方法 | |
CN112288758B (zh) | 一种电力设备红外与可见光图像配准方法 | |
CN105957107A (zh) | 行人检测与跟踪方法及装置 | |
CN113240735B (zh) | 一种边坡位移活动性监测方法 | |
CN110503637A (zh) | 一种基于卷积神经网络的道路裂缝自动检测方法 | |
CN111199245A (zh) | 油菜害虫识别方法 | |
CN115457044B (zh) | 基于类激活映射的路面裂缝分割方法 | |
CN107909085A (zh) | 一种基于Harris算子的图像特征角点提取方法 | |
CN111192194A (zh) | 一种针对幕墙建筑立面的全景图像拼接方法 | |
CN115639248A (zh) | 一种用于建筑外墙质量检测的***及方法 | |
CN110378199B (zh) | 一种基于无人机多期影像的岩土***移监测方法 | |
CN111046783B (zh) | 一种改进分水岭算法的斜坡地质灾害边界提取方法 | |
CN110717910B (zh) | 基于卷积神经网络的ct图像目标检测方法及ct扫描仪 | |
CN105809657A (zh) | 一种角点检测方法和装置 | |
JPH05215547A (ja) | ステレオ画像間対応点決定方法 |
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: 20221101 |