CN116485686B - 一种活性污泥法的污水处理图像增强方法 - Google Patents
一种活性污泥法的污水处理图像增强方法 Download PDFInfo
- Publication number
- CN116485686B CN116485686B CN202310720243.1A CN202310720243A CN116485686B CN 116485686 B CN116485686 B CN 116485686B CN 202310720243 A CN202310720243 A CN 202310720243A CN 116485686 B CN116485686 B CN 116485686B
- Authority
- CN
- China
- Prior art keywords
- pixel
- block
- sub
- value
- point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 239000010802 sludge Substances 0.000 title claims abstract description 67
- 239000010865 sewage Substances 0.000 title claims abstract description 27
- 238000010008 shearing Methods 0.000 claims abstract description 20
- 230000003044 adaptive effect Effects 0.000 claims abstract description 11
- 238000010586 diagram Methods 0.000 claims abstract description 7
- 230000002708 enhancing effect Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000000875 corresponding effect Effects 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/20004—Adaptive image processing
- G06T2207/20012—Locally adaptive
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W10/00—Technologies for wastewater treatment
- Y02W10/10—Biological treatment of water, waste water, or sewage
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像数据处理技术领域,提出了一种活性污泥法的污水处理图像增强方法,包括:获取处理灰度图和处理边缘图;将处理边缘图分为若干子块,获取边缘点的向量方向;得到边缘点的权重值;根据子块内边缘点的权重值计算子块内污泥的比例,得到低密度子块;在处理灰度图内,将每个低密度子块分为若干像素块,获取像素块的灰度均值和灰度方差,基于此结合像素点的灰度值得到像素点的自相关值;根据像素点的自相关值和子块内污泥的比例得到自适应剪切限制系数;根据自适应剪切系数完成处理灰度图的增强。本发明获取自适应剪切系数,对图像进行局部增强,更精确,计算量更低。
Description
技术领域
本发明涉及图像数据处理技术领域,具体涉及一种活性污泥法的污水处理图像增强方法。
背景技术
活性污泥法是一种常用的污水处理技术,其原理是利用微生物将有机物质降解为无机物质,从而达到净化水质的目的。为了更好的观察在污水处理过程中污泥的分布以及沉淀情况,在一些污泥分布数量较少的区域需要对图像进一步的增强才可以更好的对其进行观察和分析。因此本发明通过结合污泥的特征信息对污泥数量较少的区域进行针对性图像增强从而优化污水处理工艺,提高污水处理效率和水质。
在众多图像增强的方法中,由于污水处理中污泥在未沉淀时具有较多的边缘信息,一半的图像增强算法会将边缘模糊,不利于污泥检测,因此使用限制对比度自适应直方图均衡化进行图像增强,而对于传统的限制对比度自适应直方图均衡化,剪切限制系数是恒定的,无法突出增强重点。以此需要根据图像的特点省去不需要计算的子图像节省一定的计算量。将需要进行增强的区域进一步细分并根据污泥特点来自适应剪切限制系数来增强图像的对比度。
发明内容
本发明提供一种活性污泥法的污水处理图像增强方法,以解决剪切限制系数恒定,无法突出增强重点的问题,所采用的技术方案具体如下:
本发明一个实施例提供了一种活性污泥法的污水处理图像增强方法,该方法包括以下步骤:
获取处理灰度图和处理边缘图;
将处理边缘图分为若干子块,获取处理边缘图中每个边缘点的向量方向;基于向量方向得到每个边缘点的权重值;根据每个子块内边缘点的权重值计算子块内污泥的比例,根据子块内污泥的比例得到处于反应状态的低密度子块;
在处理灰度图内,将每个低密度子块分为若干像素块,计算每个像素块的灰度均值以及灰度方差,根据像素块内像素点的灰度值以及像素块的灰度均值和灰度方差得到每个像素点的自相关值;根据像素块内每个像素点的自相关值以及子块内污泥的比例得到自适应剪切限制系数;
根据自适应剪切系数完成处理灰度图的增强。
优选的,所述获取处理边缘图中每个边缘点的向量方向的方法为:
将处理边缘图中的每个边缘点都看做关键点,使用SIFT描述子对关键点提取,得到每个关键点对应的向量,基于向量得到每个边缘点对应的向量方向。
优选的,所述基于向量方向得到每个边缘点的权重值的方法为:
根据每个像素点的向量方向分类选取得到流动角度,将每个像素点的向量方向和流动角度作差,令1减去差值的绝对值与九十度的比值作为每个边缘点的权重值。
优选的,所述根据每个像素点的向量方向分类选取得到流动角度的方法为:
将所有边缘点中,向量方向相同的边缘点分为一类,将所有类中边缘点数量最多的一类所对应的向量方向记为流动角度。
优选的,所述根据每个子块内边缘点的权重值计算子块内污泥的比例的方法为:
将每个子块内所有边缘点的权重值进行累加,并将累加后的结果值和每个子块内所有像素点的数量比值作为子块内污泥的比例。
优选的,所述根据像素块内像素点的灰度值以及像素块的灰度均值和灰度方差得到每个像素点的自相关值的方法为:
将像素块内的每个像素点都记为标准像素点,将标准像素点的灰度值与灰度均值作差得到第一差值,将像素块内的任意一个像素点记为比较像素点,将比较像素点的灰度值与灰度均值作差得到第二差值,将第一差值和第二差值的乘积记为第一乘积,标准像素点坐标不变,比较像素点坐标遍历整个像素块,得到标准像素点的像素块内像素点数量的第一乘积,将标准像素点的所有第一乘积求均值,第一乘积的均值与灰度方差的倒数相乘得到每个标准像素点的自相关值,由此得到每个像素块每个像素点的自相关值。
优选的,所述根据像素块内每个像素点的自相关值以及子块内污泥的比例得到自适应剪切限制系数的方法为:
,
式中,表示像素块内像素点的数量,/>表示第i个子块内污泥的比例,/>表示第j个像素块内坐标为/>的像素点归一化自相关值,/>表示第j个像素块内所有像素点的自相关值的均值,/>表示以自然常数为底的指数函数,/>表示第j个像素块的自适应剪切限制系数。
本发明的有益效果是:本发明根据活性污泥法处理污水过程中污泥区域边缘信息较多的图像信息排除掉不需要进行增强的部分从而节省一定的算力,同时将选取出来需要增强的部分根据其内部信息的相关性来进行自适应增强,得到自适应的剪切系数,根据不同的增强部分得到不同的剪切系数,对图像进行自适应增强,从而达到只增强目标区域的目的,更精确的增强区域以及拥有更少的计算量,后有将整张图像分块使用线性差值法解决局部图像增强导致的块效应。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种活性污泥法的污水处理图像增强方法的流程示意图;
图2为处理边缘图的示意图。
具体实施方式
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清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本发明一个实施例提供的一种活性污泥法的污水处理图像增强方法流程图,该方法包括以下步骤:
步骤S001,使用图像采集设备采集处理灰度图,并得到处理边缘图。
在污水处理厂在进行活性污泥法的污水处理过程中,要根据污泥的反应程度和沉淀情况来对处理效率进行判定,因此需要拍摄正在进行处理的污水池图像和沉淀了一定时间的污水池图像。
使用活性污泥法处理污水,使用CCD相机采集正在进行处理的污水池图像记为处理中图像,对处理中图像进行灰度化处理得到处理灰度图,使用Canny算子对处理灰度图进行边缘检测得到处理边缘图,处理边缘图如图2所示。
至此,获得了处理灰度图和处理边缘图。
步骤S002,将处理边缘图分为若干子块,基于边缘点的向量方向得到每个子块内污泥的比例,由此得到处于反应状态的低密度子块。
为了能够根据图像中污泥的分布情况来对图像进行增强,因此在对图像进行分析之前需要将图像进行分块处理。其中子块中的边缘信息如果很丰富,那么说明在处理边缘图中污泥含量丰富,并且与周围环境的对比度很高,不需要对其进行增强就可以清晰对其观察,因此可以跳过此区域从而节省一定的算力。将边缘信息不丰富的子块选取出来,说明此区域的图像对比度不强,不利于人们观察,因此需要对此区域进行一定的图像增强。对边缘信息不丰富的子块进一步的分成若干个小子块,为了找到其中污泥信息不明显的小子块需要对小子块再次进行分析。
具体的,使用活性污泥法对污水进行处理时,因为要在水池一直输入气体,因此水池中的污泥会被气体推开而进行堆积。在推开的过程中,因为气泵的位置一定,因此污泥被气波推开的方向是固定的,为了更好的量化污泥的特征信息,将处理边缘图分成大小相等的K个正方形的块,在本实施例中K的数量取200,通过SIFT算法将边缘图像中的边缘点看做关键点,得到每个边缘点的向量,根据边缘点的向量得到每个边缘点的向量长度和向量方向。
对所有边缘点进行分类,按照每个边缘点的向量方向,将相同向量方向的边缘点分为一类,将拥有最多边缘点的一类所对应的向量方向的角度记为流动角度,流动方向为水流推动的方向。因为污泥会因为气体不断涌入的原因而向一个方向进行流动,而一些干扰因素并不会收到气体涌入的影响,例如阴影或者水池内设备等,因此需要通过计算权重来减少这些干扰因素对后续计算的影响。因此,每个边缘点的向量方向的角度与流动角度越接近,说明该边缘线为污泥的可能性越大,那么该向量的权重就越大,基于此计算每个边缘点的权重,公式如下:
,
式中,表示第b个边缘点的向量方向的角度,/>表示流动角度的大小,/>表示第b个边缘点对应的权重。
对于每个子块,统计子块内所有像素点的数量,根据每个子块内边缘点的权重以及像素点数量得到子块内污泥的比例,公式如下:
,
式中,表示第i个子块内第c个边缘点对应的权重,/>表示第i个子块内边缘点的数量,/>表示第i个子块内像素点的数量,/>表示第i个子块内污泥的比例。
设定污泥阈值,在本实施例中/>,若/>那么就认为第i个子块是污泥密度较高的子块,记为高密度的子块,不需要再进行图像增强处理,如果小于污泥阈值,则将其子块标记为低密度子块。
统计所有低密度子块在处理边缘图中的数量,计算低密度子块占处理边缘图中所有子块的比例,若该比例的值小于70%,则说明此时的处理边缘图正处于污泥沉淀状态,因此可以将低密度子块直接进入下一个步骤而不需要将子块继续分块处理。如果该比例的值大于70%,则认为此时的处理边缘图是正处于反应状态,则将每个低密度子块再次进行分块处理,分成面积相等的若干块,分的小子块数量越多,则增强后对比度越强。
至此,提取出正处于反应状态的低密度子块。
步骤S003,将低密度子块分为若干像素块,根据每个像素块的灰度均值和灰度方差、像素块内像素点的灰度值、子块内污泥的比例得到自适应剪切系数。
对于每个处于反应状态的低密度子块,将其分为H个正方形的像素块,所有像素块的大小相同,在本实施例中,将每个子块分为9个像素块,其中每个像素块内像素点的数量记为N。
像素块内需要增强的部分因为污泥对比度不足无法被识别,无法在图像中显示出相应的边缘信息,因此需增强图像部分的灰度值变化也比较平缓,而图像中的气泡或者其他可检测出的部分会导致灰度值发生剧烈变化。并且,在原来的子块中污泥比例如果比较高,图片对比度本就不算太低时,那么在对这个子块在进行增强的过程中就不需要增强太多以免造成图像失真,因此,每个像素块所属的子块内污泥的比例越大,说明其内部对比度越剧烈,需要增强的程度也就越低。利用这一特点可以通过计算子图像中各个像素之间的相关程度来得到整个子图像的相关系数,根据相关系数来反应子图像中像素的变化剧烈程度,由此来自适应选取合适的剪切限制系数。
具体的,首先计算整个处理灰度图的内每个像素块所有像素点的灰度均值,基于灰度均值计算处理灰度图内每个像素块的灰度方差,对于像素块内的每个像素点,将每个像素块内的像素点记为标准像素点,计算标准像素点与同一个像素块内其余像素点的自相关值,公式如下:
,
式中,表示第j个像素块的灰度均值,/>表示第j个像素块的灰度方差,/>表示像素块内像素点的数量,/>表示第j个像素块内坐标为/>的灰度值,/>表示第j个像素块内坐标为/>的灰度值,/>表示第j个像素块内坐标为/>的像素点自相关值。
计算每个像素块内所有像素点的自相关值的均值,根据每个子块内污泥所占的比例以及每个像素块内每个像素点的自相关值和自相关值的均值得到每个子块的自适应剪切限制系数,公式如下:
,
式中,表示像素块内像素点的数量,/>表示第i个子块内污泥的比例,/>表示第j个像素块内坐标为/>的像素点归一化自相关值,/>表示第j个像素块内所有像素点的自相关值的均值,/>表示以自然常数为底的指数函数,/>表示第j个像素块的自适应剪切限制系数。
相关性越差的图像说明图像中污泥与水面的差别就越明显,那么图像的对比度越明显,则加强的程度越小。相关性越强的图像说明图像中污泥很难从水面上进行识别,图片的灰度值变化越平缓,则需要加强的程度越大。通过计算像素块中所有像素点自相关值与其平均值之间的偏离程度,偏离程度越小说明越多的像素点之间差异越小,像素块中的灰度值变化越平缓,则应该赋予较大的剪切限制系数来增强此像素块的对比度。
至此,获得了每个像素块的自适应剪切限制系数。
步骤S004,根据自适应剪切系数完成处理灰度图的增强。
通过上述步骤得到了每个像素块自适应剪切限制系数,基于自适应限制剪切系数使用限制对比度自适应直方图均衡化的方法对每个图像块的直方图进行剪切,将剪切的像素再次分配,所述限制对比度自适应直方图均衡化为公知技术,在此不做详细赘述,由此得到了每个像素块的新的直方图,再将处理灰度图分成大小相同的25个子块,利用双线性差值算法处理解决图像中的块效应,就此完成图像的增强。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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 (6)
1.一种活性污泥法的污水处理图像增强方法,其特征在于,该方法包括以下步骤:
获取处理灰度图和处理边缘图;
将处理边缘图分为若干子块,获取处理边缘图中每个边缘点的向量方向;基于向量方向得到每个边缘点的权重值;根据每个子块内边缘点的权重值计算子块内污泥的比例,根据子块内污泥的比例得到处于反应状态的低密度子块;
在处理灰度图内,将每个低密度子块分为若干像素块,计算每个像素块的灰度均值以及灰度方差,根据像素块内像素点的灰度值以及像素块的灰度均值和灰度方差得到每个像素点的自相关值;根据像素块内每个像素点的自相关值以及子块内污泥的比例得到自适应剪切限制系数;
根据自适应剪切系数完成处理灰度图的增强;
根据像素块内每个像素点的自相关值以及子块内污泥的比例得到自适应剪切限制系数的方法为:
,
式中,表示像素块内像素点的数量,/>表示第i个子块内污泥的比例,/>表示第j个像素块内坐标为/>的像素点归一化自相关值,/>表示第j个像素块内所有像素点的自相关值的均值,/>表示以自然常数为底的指数函数,/>表示第j个像素块的自适应剪切限制系数。
2.根据权利要求1所述的一种活性污泥法的污水处理图像增强方法,其特征在于,所述获取处理边缘图中每个边缘点的向量方向的方法为:
将处理边缘图中的每个边缘点都看做关键点,使用SIFT描述子对关键点提取,得到每个关键点对应的向量,基于向量得到每个边缘点对应的向量方向。
3.根据权利要求1所述的一种活性污泥法的污水处理图像增强方法,其特征在于,所述基于向量方向得到每个边缘点的权重值的方法为:
根据每个像素点的向量方向分类选取得到流动角度,将每个像素点的向量方向和流动角度作差,令1减去差值的绝对值与九十度的比值作为每个边缘点的权重值。
4.根据权利要求1所述的一种活性污泥法的污水处理图像增强方法,其特征在于,所述根据每个像素点的向量方向分类选取得到流动角度的方法为:
将所有边缘点中,向量方向相同的边缘点分为一类,将所有类中边缘点数量最多的一类所对应的向量方向记为流动角度。
5.根据权利要求1所述的一种活性污泥法的污水处理图像增强方法,其特征在于,所述根据每个子块内边缘点的权重值计算子块内污泥的比例的方法为:
将每个子块内所有边缘点的权重值进行累加,并将累加后的结果值和每个子块内所有像素点的数量的比值作为子块内污泥的比例。
6.根据权利要求1所述的一种活性污泥法的污水处理图像增强方法,其特征在于,所述根据像素块内像素点的灰度值以及像素块的灰度均值和灰度方差得到每个像素点的自相关值的方法为:
将像素块内的每个像素点都记为标准像素点,将标准像素点的灰度值与灰度均值作差得到第一差值,将像素块内的任意一个像素点记为比较像素点,将比较像素点的灰度值与灰度均值作差得到第二差值,将第一差值和第二差值的乘积记为第一乘积,标准像素点坐标不变,比较像素点坐标遍历整个像素块,得到标准像素点的像素块内像素点数量的第一乘积,将标准像素点的所有第一乘积求均值,第一乘积的均值与灰度方差的倒数相乘得到每个标准像素点的自相关值,由此得到每个像素块每个像素点的自相关值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310720243.1A CN116485686B (zh) | 2023-06-19 | 2023-06-19 | 一种活性污泥法的污水处理图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310720243.1A CN116485686B (zh) | 2023-06-19 | 2023-06-19 | 一种活性污泥法的污水处理图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116485686A CN116485686A (zh) | 2023-07-25 |
CN116485686B true CN116485686B (zh) | 2023-08-29 |
Family
ID=87218102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310720243.1A Active CN116485686B (zh) | 2023-06-19 | 2023-06-19 | 一种活性污泥法的污水处理图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116485686B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116778431B (zh) * | 2023-08-25 | 2023-11-10 | 青岛娄山河水务有限公司 | 基于计算机视觉的污泥处理自动监测方法 |
CN117952974B (zh) * | 2024-03-26 | 2024-06-04 | 天津市第五中心医院 | 用于类器官识别的图像处理方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6282261B1 (en) * | 1996-02-21 | 2001-08-28 | Lunar Corporation | Multi-mode x-ray image intensifier system |
US6315445B1 (en) * | 1996-02-21 | 2001-11-13 | Lunar Corporation | Densitometry adapter for compact x-ray fluoroscopy machine |
WO2015196616A1 (zh) * | 2014-06-23 | 2015-12-30 | 京东方科技集团股份有限公司 | 图像边缘检测方法、图像目标识别方法及装置 |
CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和*** |
WO2019223069A1 (zh) * | 2018-05-25 | 2019-11-28 | 平安科技(深圳)有限公司 | 基于直方图的虹膜图像增强方法、装置、设备及存储介质 |
WO2021114564A1 (zh) * | 2019-12-10 | 2021-06-17 | 南京莱斯电子设备有限公司 | 一种低对比度红外图像的增强方法 |
CN114882031A (zh) * | 2022-07-11 | 2022-08-09 | 江苏瑞立环保工程股份有限公司 | 一种基于活性污泥法的污水处理方法与*** |
CN115170574A (zh) * | 2022-09-09 | 2022-10-11 | 南通市赛孚环保科技有限公司 | 一种基于阈值分割的污水检测方法及*** |
CN115345802A (zh) * | 2022-10-18 | 2022-11-15 | 苏州迈创信息技术有限公司 | 一种机电设备运行状态远程监控方法 |
-
2023
- 2023-06-19 CN CN202310720243.1A patent/CN116485686B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6282261B1 (en) * | 1996-02-21 | 2001-08-28 | Lunar Corporation | Multi-mode x-ray image intensifier system |
US6315445B1 (en) * | 1996-02-21 | 2001-11-13 | Lunar Corporation | Densitometry adapter for compact x-ray fluoroscopy machine |
WO2015196616A1 (zh) * | 2014-06-23 | 2015-12-30 | 京东方科技集团股份有限公司 | 图像边缘检测方法、图像目标识别方法及装置 |
CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和*** |
WO2019223069A1 (zh) * | 2018-05-25 | 2019-11-28 | 平安科技(深圳)有限公司 | 基于直方图的虹膜图像增强方法、装置、设备及存储介质 |
WO2021114564A1 (zh) * | 2019-12-10 | 2021-06-17 | 南京莱斯电子设备有限公司 | 一种低对比度红外图像的增强方法 |
CN114882031A (zh) * | 2022-07-11 | 2022-08-09 | 江苏瑞立环保工程股份有限公司 | 一种基于活性污泥法的污水处理方法与*** |
CN115170574A (zh) * | 2022-09-09 | 2022-10-11 | 南通市赛孚环保科技有限公司 | 一种基于阈值分割的污水检测方法及*** |
CN115345802A (zh) * | 2022-10-18 | 2022-11-15 | 苏州迈创信息技术有限公司 | 一种机电设备运行状态远程监控方法 |
Non-Patent Citations (1)
Title |
---|
基于小波域的盲水印算法;庄萍萍;冯桂;陈紫达;;电视技术(S2);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116485686A (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116485686B (zh) | 一种活性污泥法的污水处理图像增强方法 | |
CN112446378B (zh) | 目标检测方法及装置、存储介质、终端 | |
CN107038416B (zh) | 一种基于二值图像改进型hog特征的行人检测方法 | |
CN111950394B (zh) | 一种车辆变道的预测方法、装置及计算机存储介质 | |
CN103942803A (zh) | 基于sar图像的水域自动检测方法 | |
CN101620727A (zh) | 红外图像加权直方图自适应增强算法 | |
CN111612741B (zh) | 一种基于失真识别的精确无参考图像质量评价方法 | |
EP1944721A3 (en) | Image processing apparatus, method and program product thereof | |
CN111611907B (zh) | 一种图像增强的红外目标检测方法 | |
CN110782413B (zh) | 一种图像处理方法、装置、设备及存储介质 | |
CN114882040B (zh) | 一种基于模板匹配的污水处理检测方法 | |
CN110135312B (zh) | 一种基于分级lcm的快速小目标检测方法 | |
Yan et al. | Method to Enhance Degraded Image in Dust Environment. | |
CN100382600C (zh) | 动态场景下的运动物体检测方法 | |
Kwan et al. | A high-performance approach to detecting small targets in long-range low-quality infrared videos | |
CN113191979A (zh) | 一种分区域sar图像非局部均值去噪方法 | |
CN115880495A (zh) | 复杂环境下的舰船图像目标检测方法与*** | |
CN106342330B (zh) | 一种基于红外图像的伽马校正的图像增强方法 | |
CN113705501B (zh) | 一种基于图像识别技术的海上目标检测方法和*** | |
CN102750675B (zh) | 一种斑点噪声污染图像的非局部均值滤波方法 | |
Popescu et al. | Efficient fractal method for texture classification | |
CN112488167A (zh) | 基于改进的EfficientNet网络的垃圾辨识分类*** | |
CN109447952B (zh) | 一种基于Gabor差分盒加权维数的半参考型图像质量评价方法 | |
CN103530636A (zh) | 一种基于Snakes模型的提取SAR图像目标轮廓方法 | |
Zou et al. | A sea-sky line identification algorithem based on shearlets for infrared image |
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 |