CN101635050A - 一种图像复原方法 - Google Patents
一种图像复原方法 Download PDFInfo
- Publication number
- CN101635050A CN101635050A CN200910062861A CN200910062861A CN101635050A CN 101635050 A CN101635050 A CN 101635050A CN 200910062861 A CN200910062861 A CN 200910062861A CN 200910062861 A CN200910062861 A CN 200910062861A CN 101635050 A CN101635050 A CN 101635050A
- Authority
- CN
- China
- Prior art keywords
- transfer function
- pixel
- frequency
- mtf
- image
- 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
Images
Landscapes
- Image Processing (AREA)
Abstract
基于MTF的图像复原方法,包括以下步骤:一、计算图像的MTF曲线;二、构建二维MTF矩阵;三、利用MTF矩阵在频率域中进行图像复原。该方法针对数据量大的遥感图像,基于MTF理论和影像质量退化理论,提供了一种有效的图像复原方法。实践表明该方法能够有效地复原图像、改善图像质量,算法效率也很高。目前,该方法已被成功应用于我国国产地面卫星预处理系统中,实践证明了该方法的正确性、可行性和通用性。
Description
技术领域
本发明属于遥感图像处理领域,涉及一种基于MTF的卫星影像复原方法。该方法结合TDI CCD成像特点,在已知成像条件较少的情况下,只通过遥感图像本身的信息提取MTF来有效地恢复图像,进一步改善图像的清晰度,增强图像视觉效果。具有简单实用、通用性强的特点。
背景技术
TDI CCD是当前国内外新一代的高分辨率成像传感器的主要探测器类型,虽然在物理硬件上,TDICCD器件的应用的确提高了高分辨率卫星影像的空间分辨率,但是由于成像过程中各种因素的干扰,卫星影像的实际分辨率并不能达到传感器最初设计的地面分辨率。为了改善成像的清晰度和成像质量,进而提高影像的分辨能力,需要对数据进行复原处理。对退化的模糊图像的恢复一直是遥感图像处理中的热点课题之一,具有重要的理论意义和应用价值。
影像的大部分信息存在于影像的边缘,因此边缘的清晰度对于影像质量至关重要。图像退化的一种表现就是边缘的扩散,传统的边缘锐化方法通过提高边缘两边的灰度对比度来突出边缘,提高边缘的清晰度,但会使整幅图像失真。针对边缘扩散的问题,有人采用缩小边缘宽度来达到提高边缘清晰度的目的,Leu提出了边缘宽度细化算法(Ramp WidthReduction)。S K Patra讨论了利用高斯函数模拟点扩展函数的去卷积方法。以及以最大似然估计为基础的盲去卷积法。
上述方法中成像系统的点扩展函数(PSF)都是未知的,还有一类方法是假定已知PSF,如逆滤波,维纳滤波,约束最小二乘方滤波,Lucy-Richardson(L-R)算法等。
在很多情况下,我们只能获得遥感图像本身的信息,而点扩展函数(PSF)、成像系统平台参数、外界成像环境(如大气条件)等是未知的,且精确模拟的计算量较大,或者很难通过模拟来精确得到。盲去卷积方法虽然不需要点扩展函数,但是它需要迭代运算且收敛性比较差。近年来,国内外学者对于基于调制传递函数的图像复原方法的研究越来越多。
调制传递函数(Modulation Transfer Function,以下简称MTF)是光学成像系统性能的一个重要的综合评价指标,也是图像退化模型中最重要的部分,成像系统MTF的高低直接影响到成像质量的好坏。发射前,传感器的MTF可以在实验室采用专门仪器精确测量,但由于发射过程中的振动及从空气中进入真空中的变化会使传感器重新聚焦,另外又受大气MTF的影响,会使它的MTF发生衰减。因此,对于在轨运行的卫星,只能寻求其它的方法来计算MTF了。
利用布设的地面靶标和选取的地面标志物在遥感图像上的成像信息来计算MTF,对于遥感卫星的在轨监测,较为方便和可行。其中,代表性的主要有两类做法:一类是美国、法国等采用的用人工布设的地面靶标的方法。这种方法主要是适用于高分辨率的星载遥感器和机载航拍仪器。另一类是自然地物法,是以美国为代表的直接利用地面标志物,如选用桥梁、机场等大型的地面靶标,从含有这些目标的遥感图像中直接计算MTF的方法。
在国内,针对我国相继发射的在轨运行卫星,在其遥感器性能的地面监测方面也做了大量的实质性的工作。比如针对CCD遥感器相机,国内主要采用了“样本对比法”和“地标测量法”。样本对比法是用已知MTF的样本图像与卫星遥感图像进行比较和判读,从而确定遥感卫星的MTF的方法;地标测量法借鉴了国外的方法,但它适用于较高分辨率的卫星,因为要是分辨率低的话,所需靶标将非常庞大,实施起来不现实。
针对高分辨率卫星影像的特点,对基于MTF的图像复原方法进行了研究和改进,适用于较高分辨率卫星影像的批量处理。
发明内容
本发明所要解决的问题是:针对数据量大的遥感图像,提供一种有效的图像复原方法。该方法基于MTF理论和影像质量退化理论,利用遥感图像本身的信息采用刀刃法提取光学系统的MT F曲线来复原图像。其基本原理是通过计算成像系统的MTF曲线在不同空间频率处的下降程度,以此来反推真实影像在高频部分的上升程度。该方法简单、易于实现,具有较强的通用性。
本发明提供的技术方案是:一种基于MTF的图像复原方法,包括以下步骤:
一、计算调制传递函数曲线
1、边缘检测
先对每一行像素值作简单差分,即计算每相邻两个像素的灰度差,找到差值最大的位置即为边缘的像素级位置,采用该点附近4个点的值作三次多项式曲线拟合,确定其子像素级位置,拟合多项式为:
a(n)=a1n3+a2n2+a3n+a4 (1)
其中n为像素点的位置(列号),a(n)为该像素点的灰度值;将边缘附近四个点的位置和灰度值代入求得多项式的系数。设边缘点的子像素级位置为m,对每一行,边缘点处的二阶导为0,即:
a″(m)=6a1m+2a2=0 (2)
解得:m=-2a2/6a1=-a2/3a1
m即为所求的边缘点的子像素级位置;
2、边缘拟合
对边缘检测结果进行线性拟合,使得边缘点都位于一条直线上;
采用最小二乘法,假设直线方程为:
y=ax+b (3)
其中,x为行号,y为该行边缘点的子像素级位置;由最小二乘法得:
其中,m为边缘点的个数,xi为刀刃边缘子图的第i行,yi为第i行边缘点的子像素级位置;将步骤(1)求出的边缘点的子像素级位置和行号代入式(4)和(5)得到拟合的边缘直线;然后将行号代入(3)式重新计算该行边缘点的子像素位置;
3、提取边缘扩展函数ESF
根据已有的采样点信息以每行边缘点子像素位置为起点分别向左和向右进行等间隔采样,采样间隔为像元宽度,再采用三次样条插值方法以0.01~0.1(优选0.05)像元间隔插值采样,包括插值点在内的采样点灰度分布就是该行的边缘扩展函数ESF,对每一行的ESF曲线以边缘点为基准求平均值可以获得最终的ESF曲线;
4、计算线扩展函数LSF
对边缘扩展函数在每一采样点的子像素级位置进行简单差分,即计算每相邻两个采样点的灰度差得到线扩展函数:
LSF(n)=ESF(n)-ESF(n-1),n=2,3,…i (6)
其中n为第i个采样点;
5、计算调制传递函数
对线扩展函数进行离散傅里叶变换,取变换之后各分量的模为各频率的调制传递函数值,并以第一个调制传递函数值为基准,作归一化处理,得到一系列调制传递函数值;将频率点以截至频率为基准作归一化处理,则截止频率为1,取频率0~1处的调制传递函数值构成光学系统的调制传递函数曲线;
二、构建二维调制传递函数矩阵
将水平调制传递函数列向量乘以垂直调制传递函数列向量,即:
MTF(u,v)=MTFu×MTFv (7)
式中,MTFu是在频率u处水平的调制传递函数值;MTFv是在频率v处垂直的调制传递函数值;MTF(u,v)是二维频率坐标为(u,v)处的调制传递函数值;
取水平与垂直方向0.5频率处调制传递函数值的平均值再衰减90%作为45度方向0.5频率处的调制传递函数值;再根据水平与垂直方向的调制传递函数向量之间的比例关系进行插值得到二维插值调制传递函数矩阵;求出0~0.5频率处的调制传递函数值后,根据模的对称性即可得到-0.5~0频率处的调制传递函数值;0.5频率即截止频率的一半;
三、利用调制传递函数矩阵的图像复原
在频率域中,直接利用调制传递函数矩阵采用滤波器算子进行图像复原;其数学模型表示为:
R(u,v)=I(u,v)×P(u,v), (8)
其中,R(u,v)为复原图像的频谱,I(u,v)是原始图像频谱,P(u,v)是选取的滤波器算子;
采用维纳滤波法对图像进行复原,其滤波器算子为:
其中,kw=0.02是与图像信噪比有关的先验常数;MTF(u,v)为二维调制传递函数矩阵;
最后对复原图像的频谱进行反傅立叶变换即得到复原图像。
该方法的特点在于,只通过遥感图像本身的信息来提取调制传递函数,所求的调制传递函数是光学系统、CCD器件、电子信号传输和大气扰动等各个过程的综合的调制传递函数,并且在复原过程考虑了噪声的影响。实践表明,该方法能够能够有效地复原图像、改善图像质量,算法效率也很高。目前,该方法已被成功应用于我国国产地面卫星预处理系统中,实践证明了该方法的正确性、可行性和通用性。
附图说明
图1为计算调制传递函数的流程示意图;
图2为边缘扩展函数曲线三次样条插值的示意图;
图3为二维调制传递函数矩阵示意图。
具体实施方式
下面结合附图对本发明做进一步详细描述。概括起来,本方法的实施可以分为四个步骤:
第一步:调制传递函数曲线的获取。
附图1为刀刃法计算MTF的流程图,具体步骤为:
1、边缘检测
先对每一行像素值作简单差分,即计算每相邻两个像素的灰度差,找到差值最大的位置即为边缘的像素级位置,采用该点附近4个点的值作三次多项式曲线拟合,确定其子像素级位置,拟合多项式为:
a(n)=a1n3+a2n2+a3n+a4 (1)
其中n为像素点的位置(列号),a(n)为该像素点的灰度值;将边缘附近四个点的位置和灰度值代入求得多项式的系数。设边缘点的子像素级位置为m,对每一行,边缘点处的二阶导为0,即:
a″(m)=6a1m+2a2=0 (2)
解得:m=-2a2/6a1=-a2/3a1
m即为所求的边缘点的子像素级位置;
2、边缘拟合
对边缘检测结果进行线性拟合,使得边缘点都位于一条直线上;
采用最小二乘法,假设直线方程为:
y=ax+b (3)
其中,x为行号,y为该行边缘点的子像素级位置;由最小二乘法得:
其中,m为边缘点的个数,xi为刀刃边缘子图的第i行,yi为第i行边缘点的子像素级位置;将步骤(1)求出的边缘点的子像素级位置和行号代入式(4)和(5)得到拟合的边缘直线;然后将行号代入(3)式重新计算该行边缘点的子像素位置;
3、提取边缘扩展函数ESF
根据已有的采样点信息以每行边缘点子像素位置为起点分别向左和向右进行等间隔采样,采样间隔为像元宽度,再采用三次样条插值方法以0.05像元间隔插值采样,如图2所示;包括插值点在内的采样点灰度分布就是该行的边缘扩展函数ESF,对每一行的ESF曲线以边缘点为基准求平均值可以获得最终的ESF曲线;
4、计算线扩展函数LSF
对边缘扩展函数在每一采样点的子像素级位置进行简单差分,即计算每相邻两个采样点的灰度差得到线扩展函数:
LSF(n)=ESF(n)-ESF(n-1),n=2,3,…i (6)
其中n为第i个采样点;
5、计算调制传递函数
对线扩展函数进行离散傅里叶变换,取变换之后各分量的模为各频率的调制传递函数值,并以第一个调制传递函数值为基准,作归一化处理,得到一系列调制传递函数值;将频率点以截至频率为基准作归一化处理,则截止频率为1,取频率0~1处的调制传递函数值构成光学系统的调制传递函数曲线;
第二步:构建二维调制传递函数矩阵
将水平调制传递函数列向量乘以垂直调制传递函数列向量,即:
MTF(u,v)=MTFu×MTFv (7)
式中,MTFu是在频率u处水平的调制传递函数值;MTFv是在频率v处垂直的调制传递函数值;MTF(u,v)是二维频率坐标为(u,v)处的调制传递函数值;
取水平与垂直方向0.5频率处调制传递函数值的平均值再衰减90%作为45度方向0.5频率处的调制传递函数值;再根据水平与垂直方向的调制传递函数向量之间的比例关系进行插值得到二维插值调制传递函数矩阵;求出0~0.5频率处的调制传递函数值后,根据模的对称性即可得到-0.5~0频率处的调制传递函数值;此二维矩阵经过左右、上下对称变换后,就形成了中心值为1,向四周递减的曲面。如图3所示:
第三步:利用调制传递函数矩阵的图像复原
在频率域中,直接利用调制传递函数矩阵采用滤波器算子进行图像复原;其数学模型表示为:
R(u,v)=I(u,v)×P(u,v), (8)
其中,R(u,v)为复原图像的频谱,I(u,v)是原始图像频谱,P(u,v)是选取的滤波器算子;
采用维纳滤波法对图像进行复原,其滤波器算子为:
其中,kw=0.02是与图像信噪比有关的先验常数;MTF(u,v)为二维调制传递函数矩阵;
最后对复原图像的频谱进行反傅立叶变换即得到复原图像。
Claims (2)
1.一种图像复原方法,包括以下步骤:
一、计算调制传递函数曲线
(1)、边缘检测
先对每一行像素值作简单差分,即计算每相邻两个像素的灰度差,找到差值最大的位置即为边缘的像素级位置,采用该点附近4个点的值作三次多项式曲线拟合,确定其子像素级位置,拟合多项式为:
a(n)=a1n3+a2n2+a3n+a4 (1)
其中n为像素点的位置,a(n)为该像素点的灰度值;将边缘附近四个点的位置和灰度值代入求得多项式的系数;设边缘点的子像素级位置为m,对每一行,边缘点处的二阶导为0,即:
a″(m)=6a1m+2a2=0 (2)
解得:m=-2a2/6a1=-a2/3a1
m即为所求的边缘点的子像素级位置;
(2)、边缘拟合
对边缘检测结果进行线性拟合,使得边缘点都位于一条直线上;
采用最小二乘法,假设直线方程为:
y=ax+b (3)
其中,x为行号,y为该行边缘点的子像素级位置;由最小二乘法得:
其中,m为边缘点的个数,xi为刀刃边缘子图的第i行,yi为第i行边缘点的子像素级位置;将步骤(1)求出的边缘点的子像素级位置和行号代入式(4)和(5)得到拟合的边缘直线;然后将行号代入(3)式重新计算该行边缘点的子像素位置;
(3)、提取边缘扩展函数ESF
根据已有的采样点信息以每行边缘点子像素位置为起点分别向左和向右进行等间隔采样,采样间隔为像元宽度,再采用三次样条插值方法以0.01~0.1像元间隔插值采样,包括插值点在内的采样点灰度分布就是该行的边缘扩展函数ESF,对每一行的ESF曲线以边缘点为基准求平均值可以获得最终的ESF曲线;
(4)、计算线扩展函数LSF
对边缘扩展函数在每一采样点的子像素级位置进行简单差分,即计算每相邻两个采样点的灰度差得到线扩展函数:
LSF(n)=ESF(n)-ESF(n-1),n=2,3,…i (6)
其中n为第i个采样点;
(5)、计算调制传递函数
对线扩展函数进行离散傅里叶变换,取变换之后各分量的模为各频率的调制传递函数值,并以第一个调制传递函数值为基准,作归一化处理,得到一系列调制传递函数值;将频率点以截至频率为基准作归一化处理,则截止频率为1,取频率0~1处的调制传递函数值构成光学系统的调制传递函数曲线;
二、构建二维调制传递函数矩阵
将水平调制传递函数列向量乘以垂直调制传递函数列向量,即:
MTF(u,v)=MTFu×MTFv (7)
式中,MTFu是在频率u处水平的调制传递函数值;MTFv是在频率v处垂直的调制传递函数值;MTF(u,v)是二维频率坐标为(u,v)处的调制传递函数值;
取水平与垂直方向0.5频率处调制传递函数值的平均值再衰减90%作为45度方向0.5频率处的调制传递函数值;再根据水平与垂直方向的调制传递函数向量之间的比例关系进行插值得到二维插值调制传递函数矩阵;求出0~0.5频率处的调制传递函数值后,根据模的对称性即可得到-0.5~0频率处的调制传递函数值;0.5频率即截止频率的一半;
三、利用调制传递函数矩阵的图像复原
在频率域中,直接利用调制传递函数矩阵采用滤波器算子进行图像复原;其数学模型表示为:
R(u,v)=I(u,v)×P(u,v), (8)
其中,R(u,v)为复原图像的频谱,I(u,v)是原始图像频谱,P(u,v)是选取的滤波器算子;
采用维纳滤波法对图像进行复原,其滤波器算子为:
其中,kw=0.02是与图像信噪比有关的先验常数;MTF(u,v)为二维调制传递函数矩阵;
最后对复原图像的频谱进行反傅立叶变换即得到复原图像。
2.根据权利要求1所述的方法,其特征在于:步骤一、(3)中采用三次样条插值方法以0.05像元间隔插值采样。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910062861A CN101635050A (zh) | 2009-06-26 | 2009-06-26 | 一种图像复原方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910062861A CN101635050A (zh) | 2009-06-26 | 2009-06-26 | 一种图像复原方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101635050A true CN101635050A (zh) | 2010-01-27 |
Family
ID=41594232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910062861A Pending CN101635050A (zh) | 2009-06-26 | 2009-06-26 | 一种图像复原方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101635050A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101908209A (zh) * | 2010-07-29 | 2010-12-08 | 中山大学 | 一种基于三次样条的红外热图像盲元补偿算法 |
CN101980293A (zh) * | 2010-09-02 | 2011-02-23 | 北京航空航天大学 | 一种基于刃边图像的高光谱遥感系统mtf检测方法 |
CN102156968A (zh) * | 2011-04-11 | 2011-08-17 | 合肥工业大学 | 一种基于颜色立方先验的单一图像能见度复原方法 |
CN102930506A (zh) * | 2011-08-08 | 2013-02-13 | 佳能株式会社 | 图像处理装置、图像处理方法和图像拾取装置 |
CN103236045A (zh) * | 2013-05-02 | 2013-08-07 | 北京理工大学 | 基于焦平面探测器mtf的微扫描图像重构方法 |
CN103413273A (zh) * | 2013-07-22 | 2013-11-27 | 中国资源卫星应用中心 | 一种基于gpu加速实现图像复原处理方法 |
CN103679652A (zh) * | 2013-11-29 | 2014-03-26 | 北京空间机电研究所 | 一种大幅提高成像质量的图像复原系统 |
CN104361565A (zh) * | 2014-12-05 | 2015-02-18 | 华东理工大学 | 一种乱涂画数字图像的内容自动检测与修复方法 |
CN104933713A (zh) * | 2015-06-12 | 2015-09-23 | 杭州电子科技大学 | 一种利用边缘分析的图像mtf估计方法 |
CN105069313A (zh) * | 2015-08-24 | 2015-11-18 | 北京理工大学 | 基于相位非线性重采样拟合刃边的在轨mtf估计方法 |
CN105761256A (zh) * | 2016-02-05 | 2016-07-13 | 成都康烨科技有限公司 | 图像的亚像素边缘直线获取方法及装置 |
CN107024829A (zh) * | 2017-05-17 | 2017-08-08 | 中国科学院光电研究院 | 多光谱相机像面装调方法 |
CN107085843A (zh) * | 2016-02-12 | 2017-08-22 | 谷歌公司 | 用于估计光学系统中的调制传递函数的系统和方法 |
CN109238547A (zh) * | 2018-08-28 | 2019-01-18 | 西北工业大学 | 一种飞机机载设备监测数据的边缘填充方法 |
CN109379532A (zh) * | 2018-10-08 | 2019-02-22 | 长春理工大学 | 一种计算成像系统及方法 |
CN109374152A (zh) * | 2018-09-25 | 2019-02-22 | 北京航空航天大学 | 一种计算脉冲tig焊接轴对称等离子体电弧温度的方法 |
CN110460765A (zh) * | 2018-05-02 | 2019-11-15 | 展讯通信(上海)有限公司 | 空间频率响应曲线的获取方法、装置及电子设备 |
-
2009
- 2009-06-26 CN CN200910062861A patent/CN101635050A/zh active Pending
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101908209A (zh) * | 2010-07-29 | 2010-12-08 | 中山大学 | 一种基于三次样条的红外热图像盲元补偿算法 |
CN101980293A (zh) * | 2010-09-02 | 2011-02-23 | 北京航空航天大学 | 一种基于刃边图像的高光谱遥感系统mtf检测方法 |
CN101980293B (zh) * | 2010-09-02 | 2013-05-22 | 北京航空航天大学 | 一种基于刃边图像的高光谱遥感系统mtf检测方法 |
CN102156968A (zh) * | 2011-04-11 | 2011-08-17 | 合肥工业大学 | 一种基于颜色立方先验的单一图像能见度复原方法 |
CN102930506A (zh) * | 2011-08-08 | 2013-02-13 | 佳能株式会社 | 图像处理装置、图像处理方法和图像拾取装置 |
CN103236045A (zh) * | 2013-05-02 | 2013-08-07 | 北京理工大学 | 基于焦平面探测器mtf的微扫描图像重构方法 |
CN103236045B (zh) * | 2013-05-02 | 2015-07-22 | 北京理工大学 | 基于焦平面探测器mtf的微扫描图像重构方法 |
CN103413273A (zh) * | 2013-07-22 | 2013-11-27 | 中国资源卫星应用中心 | 一种基于gpu加速实现图像复原处理方法 |
CN103679652B (zh) * | 2013-11-29 | 2017-04-19 | 北京空间机电研究所 | 一种大幅提高成像质量的图像复原系统 |
CN103679652A (zh) * | 2013-11-29 | 2014-03-26 | 北京空间机电研究所 | 一种大幅提高成像质量的图像复原系统 |
CN104361565A (zh) * | 2014-12-05 | 2015-02-18 | 华东理工大学 | 一种乱涂画数字图像的内容自动检测与修复方法 |
CN104361565B (zh) * | 2014-12-05 | 2018-10-23 | 华东理工大学 | 一种乱涂画数字图像的内容自动检测与修复方法 |
CN104933713A (zh) * | 2015-06-12 | 2015-09-23 | 杭州电子科技大学 | 一种利用边缘分析的图像mtf估计方法 |
CN104933713B (zh) * | 2015-06-12 | 2018-01-30 | 杭州电子科技大学 | 一种利用边缘分析的图像mtf估计方法 |
CN105069313A (zh) * | 2015-08-24 | 2015-11-18 | 北京理工大学 | 基于相位非线性重采样拟合刃边的在轨mtf估计方法 |
CN105069313B (zh) * | 2015-08-24 | 2017-11-10 | 北京理工大学 | 基于相位非线性重采样拟合刃边的在轨mtf估计方法 |
CN105761256A (zh) * | 2016-02-05 | 2016-07-13 | 成都康烨科技有限公司 | 图像的亚像素边缘直线获取方法及装置 |
CN105761256B (zh) * | 2016-02-05 | 2019-02-26 | 成都康烨科技有限公司 | 图像的亚像素边缘直线获取方法及装置 |
CN107085843A (zh) * | 2016-02-12 | 2017-08-22 | 谷歌公司 | 用于估计光学系统中的调制传递函数的系统和方法 |
CN107085843B (zh) * | 2016-02-12 | 2020-10-13 | 谷歌有限责任公司 | 用于估计光学系统中的调制传递函数的系统和方法 |
CN107024829A (zh) * | 2017-05-17 | 2017-08-08 | 中国科学院光电研究院 | 多光谱相机像面装调方法 |
CN107024829B (zh) * | 2017-05-17 | 2019-08-02 | 中国科学院光电研究院 | 多光谱相机像面装调方法 |
CN110460765A (zh) * | 2018-05-02 | 2019-11-15 | 展讯通信(上海)有限公司 | 空间频率响应曲线的获取方法、装置及电子设备 |
CN110460765B (zh) * | 2018-05-02 | 2020-12-18 | 展讯通信(上海)有限公司 | 空间频率响应曲线的获取方法、装置及电子设备 |
CN109238547A (zh) * | 2018-08-28 | 2019-01-18 | 西北工业大学 | 一种飞机机载设备监测数据的边缘填充方法 |
CN109374152A (zh) * | 2018-09-25 | 2019-02-22 | 北京航空航天大学 | 一种计算脉冲tig焊接轴对称等离子体电弧温度的方法 |
CN109379532A (zh) * | 2018-10-08 | 2019-02-22 | 长春理工大学 | 一种计算成像系统及方法 |
CN109379532B (zh) * | 2018-10-08 | 2020-10-16 | 长春理工大学 | 一种计算成像系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101635050A (zh) | 一种图像复原方法 | |
CN103761524B (zh) | 一种基于图像的线性目标识别与提取方法 | |
CN101672646B (zh) | 一种卫星图像自动几何精校正方法 | |
CN101980293B (zh) | 一种基于刃边图像的高光谱遥感系统mtf检测方法 | |
CN103428500B (zh) | 一种超分辨率大视场红外成像方法 | |
CN102436652A (zh) | 一种多源遥感图像自动配准方法 | |
CN108230375B (zh) | 基于结构相似性快速鲁棒的可见光图像与sar图像配准方法 | |
CN104732531B (zh) | 一种高分辨率遥感图像信噪比曲线自适应获取方法 | |
CN104537646B (zh) | 遥感图像的多角度自动mtf估计方法 | |
CN102768760A (zh) | 一种基于图像纹理的图像快速去雾方法 | |
CN103325105B (zh) | 一种高精度合成孔径雷达图像自动配准方法及设备 | |
CN104933678A (zh) | 一种基于像素强度的图像超分辨率重建方法 | |
CN105023013B (zh) | 基于局部标准差和Radon变换的目标检测方法 | |
CN112270320B (zh) | 一种基于卫星影像校正的输电线路杆塔坐标校准方法 | |
CN105678757A (zh) | 一种物体位移测量方法 | |
CN111650579A (zh) | 一种岩移参数自适应获取的InSAR矿区三维形变估计方法、装置及介质 | |
CN102609920B (zh) | 一种基于压缩感知的彩色数字图像修复方法 | |
CN104102900A (zh) | 一种车辆识别系统 | |
CN103279934B (zh) | 一种基于小支持域正则化逆卷积的遥感影像恢复方法 | |
CN114417728A (zh) | 基于温度和发射率及深度学习的近地表空气温度反演方法 | |
CN106683084A (zh) | 一种基于行间像偏移估计的tdi图像形变程度客观评价方法 | |
CN103400022A (zh) | 一种海表面温度遥感数据集等纬度重构方法 | |
CN103018728B (zh) | 一种激光雷达实时成像和建筑物特征提取的方法 | |
CN115952743B (zh) | 耦合随机森林和hasm的多源降水数据协同降尺度方法和系统 | |
CN104616253A (zh) | 一种利用独立成分分析技术的光学遥感图像薄云去除方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20100127 |