-
公开(公告)号：CN111862117B
公开(公告)日：2022-10-18
申请号：CN202010686569.3
申请日：2020-07-16
申请人： 大连理工大学
摘要： 一种基于基于像素优化的分水岭算法，可有效对海冰冰块识别，并计算海冰尺寸分布，属于图像处理及自动化检测技术领域。在处理的过程中首先利用经纬度对海冰卫星图像的实际尺寸进行标定及灰度图像转化；用分水岭法对海冰冰块进行边界的分割。对分割以后的海冰和海水图像进行二值化处理，通过灰度平均值、最大值、方差等像素总体特性来区分海水和海冰；然后，用腐蚀‑膨胀方法对分割结果进行分割边界优化，去掉无效分割，将复制图像优化的分割结果与原始图像相叠加；最后，计算出等效直径及其分布区间，由此拟合得到海冰尺寸概率密度分布函数。本发明通过像素优化分水岭分割海冰方法，有效解决了高清卫星图像中海冰和海水较难区分和统计海冰尺寸分布的技术难题。
-
公开(公告)号：CN111739057B
公开(公告)日：2022-10-18
申请号：CN202010495698.4
申请日：2020-06-03
申请人： 大连理工大学
摘要： 一种基于U‑net卷积神经网络模型的自由液面识别和提取方法，属于图像处理及自动化检测技术领域。首先，对液面图像进行处理并人工标注自由液面，构成带有已分割完成的液面图像的数据集，将数据集分为训练集，验证集和测试集三个部分。其次，搭建U‑net卷积神经网络模型；在U‑net卷积神经网络中导入训练集，对图像进行特征学习，对自由液面进行预测。再次，使用验证集对模型进行验证并调整模型，当损失函数不在下降时保存最优模型。最后，将训练好的U‑net卷积神经网络模型进行部署，用于对测试集中的液面图像进行自动检测并对模型进行评估。本发明通过无接触测量和人工智能相结合的方法能够提取破碎波的自由液面，能够解决破碎波液面识别困难的技术难题。
-
公开(公告)号：CN111739058A
公开(公告)日：2020-10-02
申请号：CN202010496573.3
申请日：2020-06-03
申请人： 大连理工大学
摘要： 一种基于高斯滤波的分水岭算法的自由液面识别和提取的方法，属于图像处理技术领域，用以解决现有液面图像识别和提取自由液面困难的技术难题。包括以下步骤：(1)收集液面图片，对图片进行灰度处理转化为二值化图像。(2)对灰度处理后的图像使用高斯差分滤波做卷积处理，凸显图像灰度值中梯度较大的边缘，弱化噪声和梯度较小的边缘，达到凸显自由液面边缘的目的。(3)对高斯差分滤波后形成的梯度图像进行分水岭分割，识别和提取自由液面。(4)将提取的自由液面叠加回液面图像中，检验分割效果。本发明能够精确地识别和提取图像自由液面，可用于航空航天、交通运输等储舱运载装备物理模型实验技术领域。
-
公开(公告)号：CN111739058B
公开(公告)日：2022-10-18
申请号：CN202010496573.3
申请日：2020-06-03
申请人： 大连理工大学
摘要： 一种基于高斯滤波的分水岭算法的自由液面识别和提取的方法，属于图像处理技术领域，用以解决现有液面图像识别和提取自由液面困难的技术难题。包括以下步骤：(1)收集液面图片，对图片进行灰度处理转化为二值化图像。(2)对灰度处理后的图像使用高斯差分滤波做卷积处理，凸显图像灰度值中梯度较大的边缘，弱化噪声和梯度较小的边缘，达到凸显自由液面边缘的目的。(3)对高斯差分滤波后形成的梯度图像进行分水岭分割，识别和提取自由液面。(4)将提取的自由液面叠加回液面图像中，检验分割效果。本发明能够精确地识别和提取图像自由液面，可用于航空航天、交通运输等储舱运载装备物理模型实验技术领域。
-
公开(公告)号：CN111862117A
公开(公告)日：2020-10-30
申请号：CN202010686569.3
申请日：2020-07-16
申请人： 大连理工大学
摘要： 一种基于基于像素优化的分水岭算法，可有效对海冰冰块识别，并计算海冰尺寸分布，属于图像处理及自动化检测技术领域。在处理的过程中首先利用经纬度对海冰卫星图像的实际尺寸进行标定及灰度图像转化；用分水岭法对海冰冰块进行边界的分割。对分割以后的海冰和海水图像进行二值化处理，通过灰度平均值、最大值、方差等像素总体特性来区分海水和海冰；然后，用腐蚀-膨胀方法对分割结果进行分割边界优化，去掉无效分割，将复制图像优化的分割结果与原始图像相叠加；最后，计算出等效直径及其分布区间，由此拟合得到海冰尺寸概率密度分布函数。本发明通过像素优化分水岭分割海冰方法，有效解决了高清卫星图像中海冰和海水较难区分和统计海冰尺寸分布的技术难题。
-
公开(公告)号：CN111739057A
公开(公告)日：2020-10-02
申请号：CN202010495698.4
申请日：2020-06-03
申请人： 大连理工大学
摘要： 一种基于U-net卷积神经网络模型的自由液面识别和提取方法，属于图像处理及自动化检测技术领域。首先，对液面图像进行处理并人工标注自由液面，构成带有已分割完成的液面图像的数据集，将数据集分为训练集，验证集和测试集三个部分。其次，搭建U-net卷积神经网络模型；在U-net卷积神经网络中导入训练集，对图像进行特征学习，对自由液面进行预测。再次，使用验证集对模型进行验证并调整模型，当损失函数不在下降时保存最优模型。最后，将训练好的U-net卷积神经网络模型进行部署，用于对测试集中的液面图像进行自动检测并对模型进行评估。本发明通过无接触测量和人工智能相结合的方法能够提取破碎波的自由液面，能够解决破碎波液面识别困难的技术难题。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.022 秒)
