CN1388948A - 数字图象的分割 - Google Patents
数字图象的分割 Download PDFInfo
- Publication number
- CN1388948A CN1388948A CN01802643A CN01802643A CN1388948A CN 1388948 A CN1388948 A CN 1388948A CN 01802643 A CN01802643 A CN 01802643A CN 01802643 A CN01802643 A CN 01802643A CN 1388948 A CN1388948 A CN 1388948A
- Authority
- CN
- China
- Prior art keywords
- seed
- pixel
- sheet
- digital image
- hard
- 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.)
- Granted
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
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- 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
- G06T2207/20036—Morphological image processing
- G06T2207/20041—Distance transform
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种分割由象素组成的数字图象的方法,包括通过边缘检测处理确定数字图象中的硬边界段,确定每个所述硬边界段的各个边,和通过为每个象素确定最近的边并相应对各个象素确定的最近边对所述数字图象的每个象素唯一指定一个片,来形成片。
Description
技术领域
本发明涉及分割由象素组成的数字图象,包括通过边缘检测处理确定数字图象中的边界段。
背景技术
图象分割用于在图象处理中将图象划分为分离的部分或片。分割在多数图象分析的处理中是重要的步骤
根据M.Sonka,V.Hlavac和R.Boyle的“图象处理,分析和机械视觉”第二版,1998,第123页,图象分割是通向处理图象数据分析的最重要的步骤之一——它的主要目的是将图象划分为与图象中包含的真实世界的对象或区域具有强烈相关性的部分。整体分割导致一组与输入图象中的对象唯一对应的不相交区域。而在局部分割中,区域与图象对象不直接对应。如果目的是局部分割,图象被划分为选定特性例如亮度、颜色、反射率、纹理等相似的分离区域。按照它们采用的主要特征,分割方法能够分为三组:第一组是采用图象或其部分的整体知识;知识通常由图象特征的直方图表示。基于边缘的分割形成了第二组,而基于区域的分割形成第三组——许多不同的特性可以在边缘检测或区域增长中使用,例如,亮度、纹理、速度场等。第二和第三组解决了双重问题。每个区域能够由其闭合的边界表示,而每个闭合边界描述一个区域。
发明内容
本发明的目的是提供有利的图象分割。为了达到该目的,本发明提供一种如独立权利要求中定义的分割图象的方法和装置,计算机程序,有形媒介,信号和显示装置。
在本发明的第一实施例中,由象素组成的数字图象是这样分割的:通过边缘检测处理确定数字图象中的硬边界段,确定每个所述边界段的各个边,通过为每个象素确定最近的边并相应为各个象素确定的最近边对所述数字图象的每个象素指定片,来形成片。按照本发明的方法健全稳定并且会带来适于使用的有效分割,例如在普通的图象处理中。该方法能够实施,从而分割能够用相对有限的计算资源就实现。
适于普通图象处理的公知方法具有不健全的问题,即它们不能可靠地提供相应的结果,例如由于数字的不稳定性。其它公知方法已经为特定应用而优化,并且为它们的特定应用要实现更高级别的健全性,但却不适于普通应用。
按照本发明的分割是在通用图象处理硬件中执行用于和例如MPEG(解)编码和电视扫描率变换一起使用。
按照本发明的优选实施例,图象被随后形成的片划分为片,其中检测的硬边界段至少限定片的一部分。未由检测的边缘部分组成的边界部分通过对每个象素确定最近检测边缘来形成。这些边界部分被称为软边界段。
附图说明
本发明特别有利的详细描述在从属权利要求中提出。本发明进一步的目的、详细描述、修改、效果和细节通过下列说明而清晰,其中参考下列附图
图1示出了图象中的硬边缘,
图2示出了与图1的硬边缘关联的种子(seed),
图3示出了从图2的种子(seed)扩展的正面,
图4示出了由按照本发明的分割确定的图象片,
图5示出了后处理以后的图4的图象片,
图6示出了具有种子(seed)点的片边界,
图7示出了匹配准片的例子,和
图8示意性地示出了分割数字图象的装置。
具体实施方式
在本发明下面的实施例示例中,数字图象将被分割为分离的区域。数字图象由图象象素组成。图象中待形成的片由边界或边界线限定;片边界中的象素属于该片。因此,边界的确定带来片的确定。为了获得边界或至少是边界段,数字图象使用边缘检测处理来查找图象的边缘,其中图象特征被分析。检测的边缘由图象特征产生,因此很可能是图象对象之间的边界。按照本发明,边缘检测处理检测的边缘作为待确定片之间的边界段使用。直接由图象信息产生的这些边界段称为硬边界段或高概率边界段。
在图1中,用边缘检测方法在图象中检测到的硬边界段在与数字图象尺寸相同的图象10中示出。三个硬边界段已经被检测到,分别是边界段a,b和c。注意,边界段b与边界段a关联,这种形势称为分叉。
边缘检测方法本身在本领域中是公知的,在该示例中,硬边界段由高对比度边界确定,它是图象元素之间边界的良好指示。本发明不限于高对比度确定的边缘;本发明能够使用图象元素之间边界段的其它规则,例如颜色、亮度或纹理。按照本发明,边缘能够由任何执行边缘检测的适当方法来检测。
硬边界段a,b,c限定片的一部分;但是片的边界不完整。边界的其它部分必须被建立。按照本发明,其它边界部分由与最近硬边界部分的距离确定。为了获得其它边界部分,边界段a,b和c的边被限定并唯一地标记。如图2所示,边界部分b具有第一边IV和第二边V,而边界部分c因此具有第一边VI和第二边VII。边界部分a具有第一边III;边界部分a的另一边被边界部分b在边界b与边界部分a相交的位置被划分为两个部分。各部分分别是边界部分a的边I和II。
为了获得其它边界,边I-VII沿远离其起源的边界段的方向扩展,各个扩展方向由图3中的箭头I’-VII’指示。最好是,扩展方向基本垂直于以前的正面。多个扩展正面,分别标记为Ia/b/c-VIIa/b/c,已经在图3中指示,其中后缀-a表示靠近原始边缘的正面,而后缀-b和-c分别表示随后进一步来自原始边界段的正面。实际上,每个正面是具有与最近边界段相同距离的点的轨迹。扩展正面与相邻扩展正面相接的地方就形成边界段,如图4中的阴影线所示。这些边界段被称为软边界段,因为它们不是直接来源于图象信息。软边界部分基本上接近硬边界部分的末端。但是,例如当硬边界部分扩展至图象的边缘时,没有邻近软边界部分能够出现。软边界是一部分片边界的概率低于上述的硬边界。当正面的扩展完全达到图象的边缘以后,片如图4所示被定义,由大写字母A-E指示。软边界由它们划分的两个片标记。结果,整个图象已经被划分为片A-E,其中每个片至少部分由硬边界并进一步由软边界或图象边缘限定。随后,获得的片扫描逻辑上形成单个片的过分割区域。在该示例中,片B1-B2和C1-C2之间的边界是多余的,是过分割的结果,由边界a和b的分叉造成。在这种过分割检测之后,片B1、B2和C1、C2被合并。
结果,图象象素能够被唯一地指定给片,由硬和软边界部分限定,如上面解释的方式建立。注意,片由共享硬边界段同一最近边的象素组组成。
按照本发明方法获得的分割称为准分割,其中片边界的一些部分不是严格定义的,可靠性较低(上述软边界部分)。该准分割有利的是:在分割能够容易确定的边界部分,该分割是精确的,而在确定较困难的部分不很精确。这显著减少了计算成本,并提高了计算速度。准分割例如能够用于匹配随后图象中的片。例如在图7中,左边的片100由准分割确定,具有硬边界部分110和软边界部分120。在随后的图象中,片100对片200的投影具有硬边界部分210和软边界部分220。硬边界部分210是边界部分110的投影;虽然在该示例中,边界部分210和110形状相似,但不是必须这样。硬边界部分110和210在随后的图象中保持不变,因此片100和200能够通过比较高可靠性边界部分顺利匹配。软边界部分120和220在随后的图象中是不同的。但是,在匹配过程中这些低可靠性的边界不是很重要。
下面将说明本发明执行的示例。该示例中待分割的数字图象是离散图象IM(x,y),具有分辨率为NxM的象素(x,y),其中N和M是整数。具有分辨率NxM的象素(x,y)的二进制图象I(x,y)被定义;二进制图象I(x,y)如下文中所述用于确定图象IM的片。此外还定义了阵列d(x,y),称为距离阵列,大小为NxM,和阵列b(x,y),称为项目缓冲器,大小也是NxM。在每个象素(x,y)的距离阵列d(x,y)中,与最近种子(seed)的距离(如下面定义的)被存储;该距离的确定将在下面说明。在项目缓冲器中,阵列b(x,y)为每个象素(x,y)存储最近种子(seed)或边界段本身;下面将说明最近种子(seed)或边界的确定。
首先,数字图象IM用边缘检测器处理来确定适当定义的边缘;该步骤与第一实施例中的硬边界段检测相似。作为示例,公知的Marr-Hildreth方法在该实施例中被使用,如E.C.Hildreth在1983年计算机视觉、图象和图象处理的页22:1-27中公开的“计算机和生物视觉***的亮度变化检测”中说明的。Marr-Hildreth算法使用高斯的拉普拉斯算子(LoG)的零相交来检测边界段。
Marr-Hildreth方法在离散图象IM的两个象素之间检测LoG的零相交,这在第一实施例中被看作是硬边界段。在图6中,图象矩阵的一部分以及指示象素位置的交叉网格被示出。线300指示零相交,由星号(*)310指示,通过LoG算子检测。通过LoG零相交检测在图象中找到的硬边界主要延伸为象素位置间的邻近序列。用介于两个象素之间的每个零相交,两个种子(seed)象素被关联在相交的任一一边上;边界300在两个种子(seed)象素之间穿过。在该实施例中,种子(seed)由种子(seed)象素组成,其中种子(seed)象素是最接近硬边界部分的图象象素。种子(seed)在数字图象象素阵列内形成边界部分的近似值;由于种子(seed)与象素阵列相合,随后的计算能够容易地执行。根据本发明,可以使用其它根据找到的硬边界部分确定种子(seed)的方法。与边界310相对的种子(seed)象素对由图6中的圆圈320和黑点330指示。
种子(seed)象素全部沿检测的硬边界300定义,增长为两个象素宽的双链。沿边界一边的每个种子(seed)象素链(即双链的每个一个象素宽的半边)被看作为一个种子(seed),并因此由唯一的标识符指示。由于该示例中的硬边界是由LoG算子的零相交定义的,LoG的值在边界的一边是正的,而在另一边是负的,所以边界不同边的识别能够按照本发明的实施例通过使用LoG算子的符号来实现。这是有利的,因为LoG算子已经在处理期间被计算了。
作为基于边缘检测的LoG的结果,种子(seed)象素基本上形成了链;但是本发明不限于链形的种子(seed)。按照本发明,种子(seed)可以是任意形状的边缘象素串,尤其是具有大于一个象素宽度的种子(seed)。
在项目缓冲器b(x,y)中,与种子(seed)点位置对应的值被给予唯一的种子(seed)标识符的值。开始,其它所有不是种子(seed)点的象素在项目缓冲器b(x,y)中没有种子(seed)标识符数,而是被给予与种子(seed)标识符数不相应的值。
对于找到是种子(seed)象素的图象IM(x,y)的每个象素,具有二进制图象I中的对应坐标(x,y)的象素被给予值1。图象I中的其它所有象素被给予值0。
通过在例如LoG滤波图象中值的线性内插,对实际零相交310和各对种子(seed)象素320,330之间次象素距离能够作出估算。如图6中最右边的象素对所示,各距离分别是d1和d2,其中d1+d2=1,其中象素距离的网格尺寸是单元距离1。各d1和d2的值被指定给各个种子(seed)象素的d(x,y)。通过在用于未在种子(seed)上的象素位置的距离***内指定与无限相应的距离,距离阵列d进一步被初始化。
距离转换为每个象素(x,y)给出到最近种子(seed)点的最短距离d(x,y)。按照本发明的实施例,任何适当的距离定义都能够使用,例如Euclidean,“城市街区”或“棋盘”距离。计算每个象素最近种子(seed)点距离的方法在本领域中是公知的,并且为了实现本发明,任何适当的方法都能够使用。作为示例,算法可以用于距离变换的计算,如G.Borgefors在1984年计算机视觉、图形和图象处理,页27:321-345中发表的“任意维数的距离变换”所说明的,尤其是公开的二维情况的方法。
该算法是根据经过图象I(x,y)中所有象素的两个扫描,得出指示到最近种子(seed)的距离的d(x,y)值。d(x,y)的值如前面所述被初始化。在第一扫描中,从图象I的左上向右下,d(x,y)值被设定等于自身的最小值,而它相邻的每个值与距离相加来获得相邻值。在第二扫描中,象素从图象I的右下向左上扫描时进行同样的过程。这两个扫描后,所有d(x,y)具有了它们的校正值,表示到最近种子(seed)点的最近距离。
在两个扫描期间,d(x,y)距离阵列填入校正值的地方,项目缓冲器b(x,y)用最近种子(seed)的标识来为每个象素(x,y)更新。距离变换之后,项目缓冲器b(x,y)对每个象素(x,y)具有与最近种子(seed)关联的值。这就导致数字图象被分割;片由具有标识值b(x,y)的象素(x,y)形成。
在第二示例中,因为d(x,y)的初始值的线性内插,进一步在距离变换算法中被计算的距离是非整数值,例如实数。当比较象素(x,y)表示到两个不同种子(seed)的最短距离的实值d(x,y)值时,两个距离不同的机会是很大的。这在属于单个片时允许每个象素的唯一标识。如果距离要以整数值测量,将会对许多具有与两个种子(seed)同样距离的每个象素进行任意选择。这将导致不希望的边界粗糙的增长。然而本发明能够使用整数值;该执行具有较低的计算能力要求,但是能够带来轻微减少精确度的边界。
在示出的示例中检测的硬边界段没有形成闭合的轮廓。但是,如果检测到闭合的轮廓,按照本发明的方法的应用将带来单一的片,由闭合的硬边界段轮廓限定。
在示出的示例中,每个象素被唯一地指定给一个片。按照本发明,有些象素能够被指定给多片,例如考虑片可能由部分或完全被其它图象特征遮掩或覆盖的图象特征组成。
本发明进一步涉及计算机程序产品,包括在计算机上运行时执行本发明方法步骤的计算机程序代码部分。本发明的计算机程序产品能够存储在适当的信息载体上,例如硬盘或软盘或CD-ROM上,或存储在计算机的存储器部分。
本发明进一步涉及图8中所示的用于分割数字图象的装置400。装置400配备有处理单元410,用于按照上述方法分割数字图象。处理单元410与输入部分420连接,通过它,数字图象能够被接收并传递给单元410。单元410进一步与输出部分430连接,通过它,处理和分割的图象能够被输出。装置400可以被包括在显示装置500中,显示装置是例如(3-维)电视产品。
应当注意,上述实施例是示意而不是限制本发明,本领域的技术人员能够不脱离附加权利要求的范围设计许多可选的实施例。在权利要求中,任何放置在括号之间的参考符号不应被解释为对权利要求的限制。单词“包括”不排除权利要求中列出的那些以外的其它单元或步骤的存在。本发明能够通过包括几个不同单元的硬件和通过适当编程的计算机来执行。在装置的权利要求列举几个装置中,这些装置的几个能够被硬件的同一项表达。仅仅是一定方法在相互不同的从属权利要求中叙述的事实不表示这些方法的组合不能被有利地使用。
总之,本发明提供分割由象素组成的数字图象的方法,包括通过边缘检测处理确定数字图象中的硬边界段,确定每个所述硬边界段的各个边,通过为每个象素确定最近的边并相应对各个象素确定的最近边对所述数字图象的每个象素唯一指定一个片,来形成片。
Claims (11)
1.一种分割由象素组成的数字图象(10)的方法,该方法包括步骤:
通过边缘检测处理确定数字图象(10)中的硬边界段(a,b,c),其特征在于
确定每个所述硬边界段(a,b,c)的各个边(I,II,III,IV,V,VI,VII),和
通过为每个象素确定最近的边(I,II,III,IV,V,VI,VII)并相应对各个象素确定的最近边(I,II,III,IV,V,VI,VII)对所述数字图象(10)的每个象素指定一个片(A,B,C,D,E),来形成片(A,B,C,D,E)。
2.按照权利要求1的方法,该方法进一步包括步骤:
通过将各个硬边界段(a,b,c)至少部分限定各片(A,B,C,D,E)确定每片的边界,来确定所述形成的片的边界,
通过确定到最近硬片边界段(a,b,c)的距离,来为每个片确定基本上邻近所述硬边界段(a,b,c)并至少部分限定各片(A,B,C,D,E)的软边界段,和
确定由各确定的硬边界段(a,b,c)和所述软边界段限定的数字图象片(A,B,C,D,E)。
3.按照权利要求1的方法,该方法包括步骤:
将包括种子(seed)点的各别种子(seed)与每个确定的边关联,并为每个种子(seed)指定唯一的标识符,
使用距离确定规则为每个象素确定到最近种子(seed)点的距离,并在距离图(d(x,y))中存储每个象素的距离,和
根据确定的到最近种子(seed)点的距离为每个象素确定最近种子(seed),并在项目缓冲器(b(x,y))中存储为每个象素确定的最近种子(seed)本身。
4.按照权利要求3的方法,其中种子(seed)的种子(seed)点被确定为最接近各个确定的边的图象象素。
5.按照权利要求1的方法,该方法进一步包括步骤:
检查形成的片的过分割,和
通过合并去除多余的片。
6.按照权利要求1的方法,其中边缘检测处理是根据检测高对比度边界部分进行的。
7.一种使处理器能够执行按照权利要求1的方法的计算机程序。
8.一种执行按照权利要求7的计算机程序的有形媒介。
9.一种传输按照权利要求7的计算机程序的信号。
10.一种分割数字图象的装置,该装置包括:
接收数字图象的输入部分(420);
用于通过边缘检测处理确定数字图象(10)中的硬边界段(a,b,c)的装置(410);
用于确定每个所述硬边界段(a,b,c)的各个边(I,II,III,IV,V,VI,VII)的装置(410),和
用于通过为每个象素确定最近的边(I,II,III,IV,V,VI,VII)并相应对各个象素确定的最近边(I,II,III,IV,V,VI,VII)对所述数字图象(10)的每个象素指定一个片(A,B,C,D,E),来形成片(A,B,C,D,E)的装置(410),和
用于提供分割的图象的输出装置(430)。
11.一种包括如权利要求10中所述的装置的显示装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP00203079.9 | 2000-09-07 | ||
EP00203079 | 2000-09-07 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1388948A true CN1388948A (zh) | 2003-01-01 |
CN1218279C CN1218279C (zh) | 2005-09-07 |
Family
ID=8171983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN018026435A Expired - Fee Related CN1218279C (zh) | 2000-09-07 | 2001-08-24 | 数字图象的分割 |
Country Status (6)
Country | Link |
---|---|
US (1) | US6963664B2 (zh) |
EP (1) | EP1317735A1 (zh) |
JP (1) | JP2004508641A (zh) |
KR (1) | KR20020064897A (zh) |
CN (1) | CN1218279C (zh) |
WO (1) | WO2002021443A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100545865C (zh) * | 2007-01-24 | 2009-09-30 | 中国科学院自动化研究所 | 一种对图像初始分割边界进行优化的自动分割方法 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004061765A2 (en) * | 2003-01-06 | 2004-07-22 | Koninklijke Philips Electronics N.V. | Method and apparatus for depth ordering of digital images |
US6975334B1 (en) * | 2003-03-27 | 2005-12-13 | Systems Paving | Method and apparatus for simulating the appearance of paving stone on an existing driveway |
US7580556B2 (en) * | 2004-01-26 | 2009-08-25 | Drvision Technologies Llc | Image region partitioning using pre-labeled regions |
US7656408B1 (en) | 2006-02-10 | 2010-02-02 | Adobe Systems, Incorporated | Method and system for animating a border |
BE1019192A3 (nl) * | 2010-02-21 | 2012-04-03 | Cnh Belgium Nv | Werkwijze voor het richten van een ontlaadtoestel van een oogstmachine naar een container. |
EP2919190A1 (en) * | 2014-03-14 | 2015-09-16 | Thomson Licensing | Method and apparatus for alpha matting |
EP2869265A1 (en) * | 2013-10-30 | 2015-05-06 | Thomson Licensing | Method and apparatus for alpha matting |
KR102111740B1 (ko) * | 2014-04-03 | 2020-05-15 | 삼성전자주식회사 | 영상 데이터를 처리하는 방법 및 디바이스. |
US10387744B2 (en) * | 2016-06-22 | 2019-08-20 | Abbyy Production Llc | Method and system for identifying extended contours within digital images |
US10366469B2 (en) | 2016-06-28 | 2019-07-30 | Abbyy Production Llc | Method and system that efficiently prepares text images for optical-character recognition |
RU2628266C1 (ru) | 2016-07-15 | 2017-08-15 | Общество с ограниченной ответственностью "Аби Девелопмент" | Способ и система подготовки содержащих текст изображений к оптическому распознаванию символов |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2834314B2 (ja) * | 1990-11-19 | 1998-12-09 | 株式会社日立製作所 | 画像セグメンテーション方法 |
JP3387499B2 (ja) * | 1991-10-02 | 2003-03-17 | 富士通株式会社 | 輪郭線分の局所領域における方位決定方法および線分と角の決定方法 |
JP2940317B2 (ja) * | 1992-06-24 | 1999-08-25 | 三菱電機株式会社 | 画像処理装置 |
JPH06314339A (ja) * | 1993-04-27 | 1994-11-08 | Honda Motor Co Ltd | 画像の直線成分抽出装置 |
US5859929A (en) * | 1995-12-01 | 1999-01-12 | United Parcel Service Of America, Inc. | System for character preserving guidelines removal in optically scanned text |
KR100239302B1 (ko) * | 1997-01-20 | 2000-01-15 | 전주범 | 변형된 정점 부호화를 이용한 윤곽선 부호화 방법 및 그 장치 |
US6393061B1 (en) * | 1998-05-15 | 2002-05-21 | Hughes Electronics Corporation | Method for reducing blocking artifacts in digital images |
JP2000209430A (ja) * | 1999-01-18 | 2000-07-28 | Canon Inc | 輪郭抽出装置及び方法並びに記憶媒体 |
-
2001
- 2001-08-24 JP JP2002525578A patent/JP2004508641A/ja active Pending
- 2001-08-24 WO PCT/EP2001/009880 patent/WO2002021443A1/en not_active Application Discontinuation
- 2001-08-24 EP EP01962974A patent/EP1317735A1/en not_active Withdrawn
- 2001-08-24 KR KR1020027005911A patent/KR20020064897A/ko not_active Application Discontinuation
- 2001-08-24 CN CN018026435A patent/CN1218279C/zh not_active Expired - Fee Related
- 2001-09-04 US US09/945,874 patent/US6963664B2/en not_active Expired - Fee Related
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100545865C (zh) * | 2007-01-24 | 2009-09-30 | 中国科学院自动化研究所 | 一种对图像初始分割边界进行优化的自动分割方法 |
Also Published As
Publication number | Publication date |
---|---|
KR20020064897A (ko) | 2002-08-10 |
WO2002021443A1 (en) | 2002-03-14 |
EP1317735A1 (en) | 2003-06-11 |
CN1218279C (zh) | 2005-09-07 |
US20020048402A1 (en) | 2002-04-25 |
JP2004508641A (ja) | 2004-03-18 |
US6963664B2 (en) | 2005-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108280450B (zh) | 一种基于车道线的高速公路路面检测方法 | |
US20050002566A1 (en) | Method and apparatus for discriminating between different regions of an image | |
CN1218279C (zh) | 数字图象的分割 | |
JP4741704B2 (ja) | 画像の道路標識を確認するためのデバイス、方法およびコンピュータ・プログラム | |
KR20010110416A (ko) | 비디오 스트림 분류가능 심볼 고립 방법 및 시스템 | |
KR20100034409A (ko) | 단일 차선을 이용한 차선 인식 및 차량의 차선 이탈 검출 방법 | |
CN110335233B (zh) | 基于图像处理技术的高速公路护栏板缺陷检测***和方法 | |
CN113689429B (zh) | 一种基于计算机视觉的木板缺陷检测方法 | |
CN112580383B (zh) | 二维码识别方法、装置、电子设备及存储介质 | |
US20080310685A1 (en) | Methods and Systems for Refining Text Segmentation Results | |
CN114821158A (zh) | 一种基于图像处理的干枣质量分类方法及*** | |
CN111832497B (zh) | 一种基于几何特征的文本检测后处理方法 | |
US20010032315A1 (en) | Embedding and detecting a watermark in an information signal | |
Tung et al. | Binarization of uneven-lighting image by maximizing boundary connectivity | |
Lu | A lane detection, tracking and recognition system for smart vehicles | |
Wu et al. | Real-time speed limit sign recognition based on locally adaptive thresholding and depth-first-search | |
US20040179739A1 (en) | Depth map computation | |
CN115345895B (zh) | 用于视觉检测的图像分割方法、装置、计算机设备及介质 | |
CN105930813B (zh) | 一种在任意自然场景下检测行文本的方法 | |
CN114384073A (zh) | 一种基于地铁隧道裂纹检测方法及*** | |
CN101350067A (zh) | 行方向判定方法以及装置 | |
CN113808144A (zh) | 基于直方图拟合的密度峰值聚类土壤图像阴影检测方法 | |
CN109308468B (zh) | 一种车道线检测方法 | |
JP2858530B2 (ja) | エッジ強調装置 | |
CN111325789A (zh) | 一种基于离散方向变化序列的曲率不连续点检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C19 | Lapse of patent right due to non-payment of the annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |