CN102184534A - 一种利用多尺度高帽选择变换的图像融合方法 - Google Patents
一种利用多尺度高帽选择变换的图像融合方法 Download PDFInfo
- Publication number
- CN102184534A CN102184534A CN2011101375576A CN201110137557A CN102184534A CN 102184534 A CN102184534 A CN 102184534A CN 2011101375576 A CN2011101375576 A CN 2011101375576A CN 201110137557 A CN201110137557 A CN 201110137557A CN 102184534 A CN102184534 A CN 102184534A
- Authority
- CN
- China
- Prior art keywords
- mrow
- image
- msub
- scale
- mtr
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000009466 transformation Effects 0.000 claims description 23
- 201000005943 Barth syndrome Diseases 0.000 claims description 19
- 101000835595 Homo sapiens Tafazzin Proteins 0.000 claims description 19
- 102100026508 Tafazzin Human genes 0.000 claims description 19
- 238000007500 overflow downdraw method Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 230000007797 corrosion Effects 0.000 claims description 2
- 238000005260 corrosion Methods 0.000 claims description 2
- 238000012935 Averaging Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 description 11
- 239000000284 extract Substances 0.000 description 8
- 238000012545 processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012880 independent component analysis Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
一种利用多尺度高帽选择变换的图像融合方法,它有五大步骤:一、通过定义高帽选择变换中的参数用于提取图像中的有效区域;二、利用多尺度结构元素通过定义的高帽选择变换提取原始图像多尺度亮区域和暗区域:三、针对每一尺度下提取到的不同原始图像的亮区域和暗区域,利用最大值获取每一尺度下对应融合图像的亮区域和暗区域;四、通过取所有尺度上对应融合图像的亮区域或暗区域的最大值来获取用于最后图像融合的亮区域和暗区域;五、利用原始图像平均得到基本图像后,在基本图像上分别加上获取的亮区域并减去获取的暗区域达到图像融合的目的,使得融合图像的对比度和图像细节明显改善。本发明应用于各类基于图像的应用系统,具有广阔的应用前景。
Description
(一)技术领域
本发明涉及一种利用多尺度高帽选择变换的图像融合方法,属于数字图像处理领域,它主要涉及数学形态学和图像融合技术。在各类基于图像的应用系统中有广阔的应用前景。
(二)背景技术
图像融合是图像处理中的重要关键技术,是合理有效利用多传感器获取数据信息的有效工具。图像融合的关键是提取出原始图像中的有用区域并将这些区域合理地合并于结果图像中。为了更好地提取多传感器获取的图像中的有用信息并将其融合于同一幅图像中,各种方法被提出。直接平均法是一种简单有效的图像融合方法,然而该方法并不能很好地提取图像中的细节,并有可能使结果图像不够清晰。基于小波和曲波的方法(参见文献:冈萨罗等,基于小波的图像融合教程,模式识别,37卷,(2004)1855-1872。(Gonzalo Pajares,Jesus Manuel de la Cruz,A wavelet-based image fusion tutorial,Pattern Recognition 37(2004)1855-1872.))首先将图像变换到变换空间中,然后在变换空间中提取图像的有用信息并将这些信息进行融合达到图像融合的目的。不过,该类方法可能造成图像信息的丢失,从而影响图像融合方法的效果。基于主成分或独立成份分析的方法(参见文献:尼克雷奥斯等,利用独立成份分析的像素级和区域级图像融合框架,信息融合,8卷,(2007)131-142。(Nikolaos Mitianoudis and Tania Stathaki,Pixel-based and region-based image fusion schemes using ICA bases,Information Fusion 8(2007)131-142.))通过将原始图像中的主要信息提取出来并合并达到图像融合的目的。但该类方法可能会忽略一些图像细节,造成融合图像模糊。
数学形态学作为图像处理的重要工具也被应用于图像融合。利用数学形态学中的高帽变换提取原始多幅图像中的有用信息并将其融合于结果图像中可达到图像融合的目的(参见文献:萨三塔等,利用多尺度形态学的二维灰度图像融合,模式识别,34卷,(2001)1939-1949。(Susanta Mukhopadhyay and Bhabatosh Chanda,Fusion of 2D grayscale images using multiscale morphology,Pattern Recognition 34(2001)1939-1949.))。但由于高帽变换并不能有效提取图像中的有用区域,使得传统方法不能很好地保留图像的细节。虽然中心环绕高帽变换能够进一步改善融合图像的视觉效果(参见文献:白相志等,利用多尺度中心环绕高帽变换提取图像区域的红外与可见光图像融合,光学快讯,19卷,(2011)8444-8457。(Xiangzhi Bai,Fugen Zhou,Bindang Xue.Fusion of infrared and visual images through region extraction by using multi scale center-surround top-hat transform.Optics Express 19(2011)8444-8457.)),但图像细节仍然不是非常清晰。
高帽选择变换可选择性地提取图像的有用信息,从而可更加灵活有效地提取图像的有效区域。因此,高帽选择变换可有目的的提取图像中的有用区域并抑制经典高帽变换平滑图像细节的缺点,将更有利于提取原始图像中的有用信息用于图像融合。而且多尺度运算可以有效提取图像的多尺度特征,合理利用从原始图像中提取的多尺度特征可以有效提高图像融合的效果。因此,为了更加有效地融合图像中的有用信息,本发明提出了一种利用多尺度高帽选择变换的图像融合方法。
(三)发明内容
1、目的:图像融合是图像处理的重要研究领域,可将多幅图像中的有用信息有效融合于最后的结果图像中,从而提高图像信息的可利用率。虽然各种图像融合方法被用于图像融合,然而多数方法并不能很好地提取原始图像中的有效图像区域用于图像融合,从而不同程度地模糊图像细节或遗漏部分图像信息,使得图像融合的效果不佳。
为了解决上述问题并弥补传统方法的不足,本发明提供了一种利用多尺度高帽选择变换的图像融合方法,它通过定义高帽选择变换中的参数使高帽选择变换能够用于有效提取图像中的感兴趣区域;利用多尺度结构元素通过定义的高帽选择变换提取原始图像的多尺度亮区域和暗区域:并针对每一尺度下提取到的不同原始图像的亮区域和暗区域,利用最大值获取每一尺度下对应融合图像的亮区域和暗区域;通过取所有尺度上对应融合图像的亮区域或暗区域的最大值来获取用于最后图像融合的亮区域和暗区域;在利用原始图像平均得到基本图像后,通过在基本图像上分别加上获取的亮区域并减去获取的暗区域达到图像融合的目的,使得融合图像的对比度和图像细节得到明显改善。
2、技术方案:为了实现这个目的,本发明一种利用多尺度高帽选择变换的图像融合方法,该方法具体步骤如下:
步骤一:定义高帽选择变换中的参数使之能够用于提取图像中的感有效区域,具体定义如下:
其中,WTHS和BTHS分别代表白高帽选择变换和黑高帽选择变换,可分别用于提取图像中的亮区域和暗区域。 ●,和分别为形态学开、闭、膨胀和腐蚀运算符号。(x,y)和(u,v)分别为图像f和结构元素B的像素坐标。nL为高帽选择变换中用于提取图像区域的参数,针对不同类型的图像可选用不同的参数。图像融合的常用原始图像是可见光、红外图像等。针对可见光图像,nL可定为nL=0.2×σ;针对红外图像,nL可定为nL=0.4×σ。σ为原始图像的方差。
计算每个尺度i(1≤i≤n)下原始图像fIR和fVI中提取得到的多尺度亮区域如下:
计算每个尺度i(1≤i≤n)下原始图像fIR和fVI中提取得到的多尺度暗区域如下:
步骤三:按下式计算每一尺度i下提取的fIR和fVI中的用于图像融合的亮区域(WTHSi)和暗区域(BTHSi):
WTHSi=max{WTHSi(fIR),WTHSi(fVI)},
BTHSi=max{BTHSi(fIR),BTHSi(fVI)}。
步骤四:按下式计算所有n尺度下提取的fIR和fVI中的用于图像融合的亮区域(RB)和暗区域(RD):
步骤五:按下式计算最后的融合图像:
fF=RA+RB×pb-RD×pd,
其中,
fF是最后的融合图像。
3、优点及功效:
通过设定高帽选择变换的参数使其能够有效提取图像中的有效区域用于图像融合,从而抑制传统方法不能很好地提取原始图像中的有效图像区域的缺点;通过多尺度运算有效提取图像中的多尺度有效区域,并合理地融合各尺度上的亮区域和暗区域从而有效合并原始图像中的有用信息,进一步提高融合图像的效果。因此,本发明可以更好地用于图像融合,使得融合图像的对比度和图像细节得到明显改善,可广泛应用于各类基于图像的应用系统,具有广阔的市场前景与应用价值。
(四)附图说明
图1为本发明一种利用多尺度高帽选择变换的图像融合方法的流程框图;
图2是本发明应用于红外和可见光图像融合的实例并与中心环绕高帽变换方法、直接平均方法和小波金字塔方法的量化对比结果示意图;
图中符号说明如下:
WTHS表示白高帽选择变换;
BTHS表示黑高帽选择变换;
fIR和fVI表示用于图像融合的原始图像;
fF表示融合结果图像;
+表示加法运算;
-表示减法运算;
Max表示最大值运算;
Mean表示平均值运算;
pb和pd表示第五步图像融合时的权值。
(五)具体实施方式
为了更好地理解本发明的技术方案,以下结合附图对本发明的实施方式作进一步描述。本发明的流程框图如图1所示,本发明一种利用多尺度高帽选择变换的图像融合方法,该方法的具体实施步骤如下:
步骤一:定义高帽选择变换中的参数使之能够用于提取图像中的有效区域
数学形态学是一种重要的图像处理工具。数学形态学运算的基本理论是集合理论,用于数学形态学的两个基本集合是:原始图像f和结构元素B。数学形态学运算的两个基本运算是:膨胀和腐蚀。设利用结构元素B对图像f进行膨胀、腐蚀可表示为:
在膨胀和腐蚀的基础上,可定义利用结构元素B对图像f进行开、闭运算为:
其中,○和●分别是数学形态学开、闭运算符。
在开、闭运算的基础上,可定义利用结构元素B对图像f进行高帽选择变换为:
其中,WTHS和BTHS分别代表白高帽选择变换和黑高帽选择变换,可分别用于提取图像中的亮区域和暗区域。
图像中的有效区域通常与其周围背景区域不同,因此其灰度分布与周围背景区域也不同。因此可通过设定nL为一个正值达到提取有效区域与图像细节并抑制背景区域的目的,从而更加有效地提取能够用于图像融合的信息。针对不同类型的图像nL可选用不同的参数。图像融合的常用原始图像是可见光、红外图像等。针对可见光图像,nL可设定为nL=0.2×σ;针对红外图像,nL可设定为nL=0.4×σ。σ为原始图像的方差。
步骤二:提取多尺度有效区域用于图像融合
图像中的有用区域通常存在于图像的不同尺度下,因此,为了获得更好的融合效果,需要提取原始图像不同尺度下的有效图像区域。
设有n个尺度的结构元素B1,B2,...,Bn参与计算,1≤i≤n。设用于图像融合的两幅原始图像为fIR和fVI。
计算每个尺度i(1≤i≤n)下原始图像fIR和fVI中提取得到的多尺度亮区域如下:
计算每个尺度i(1≤i≤n)下原始图像fIR和fVI中提取得到的多尺度暗区域如下:
步骤三:计算每一尺度下融合不同图像有效区域的亮区域和暗区域
在每一尺度下,高帽选择变换提取亮区域的灰度值通常大于其它区域,因此不同图像中有效区域的灰度值应较大。则第i尺度下提取的fIR和fVI中的用于图像融合的亮区域(WTHSi)可由下式获得。
WTHSi=max{WTHSi(fIR),WTHSi(fVI)},
同理,第i尺度下提取的fIR和fVI中的用于图像融合的暗区域(BTHSi)可由下式获得。
BTHSi=max{BTHSi(fIR),BTHSi(fVI)}。
步骤四:计算最终的用于图像融合的亮区域和暗区域
不同尺度下的有效亮区域的灰度值应大于其它尺度上对应像素的灰度值。因此,所有n尺度下提取的fIR和fVI中的用于图像融合的亮区域(RB)可通过最大值运算按下式计算得到。
同理,所有n尺度下提取的fIR和fVI中的用于图像融合的暗区域(RD)可通过最大值运算按下式计算得到。
步骤五:图像融合
提取的有效图像区域应被合理地合并于包含原始图像基本信息的基本图像RA中。RA按下式计算。
为了自动根据图像所包含的信息调节融合结果图像的对比度,达到更好的融合效果,本发明将提取的有效区域图像的均值作为权值按下式计算最后的融合图像fF:
fF=RA+RB×pb-RD×pd,
其中,
为了展示本发明的效果,利用多模图像进行验证并与其它方法的效果进行对比。图2是本发明应用于红外和可见光图像融合的实例并与中心环绕高帽变换方法、直接平均方法和小波金字塔方法的量化对比结果。采用的量化指标为空间频率,其具体定义请参见文献:阿斯兰塔斯等,变焦噪声图像融合准则函数比较,光学通讯,282(2009)3231-3242。(V.Aslantas and R.Kurban,A comparison of criterion functions for fusion of multi-focus noisy images,Optics Communications 282(2009)3231-3242.)。量化指标的值越大,说明融合方法的效果越好。从图2中可以看出,本发明的效果明显好于其他方法,这充分说明了本发明的有效性。而且,本发明可以用于不同多模图像的融合,因此本发明可应用于各类基于图像的应用系统,具有广阔的市场应用价值。
Claims (1)
1.一种利用多尺度高帽选择变换的图像融合方法,其特征在于:该方法具体步骤如下:
步骤一:定义高帽选择变换中的参数使之能够用于提取图像中的感有效区域,具体定义如下:
其中,WTHS和BTHS分别代表白高帽选择变换和黑高帽选择变换,分别用于提取图像中的亮区域和暗区域; ●,和分别为形态学开、闭、膨胀和腐蚀运算符号;(x,y)和(u,v)分别为图像f和结构元素B的像素坐标;nL为高帽选择变换中用于提取图像区域的参数,针对不同类型的图像选用不同的参数;图像融合的常用原始图像是可见光、红外图像,针对可见光图像,nL定为nL=0.2×σ;针对红外图像,nL定为nL=0.4×σ,σ为原始图像的方差;
计算每个尺度i(1≤i≤n)下原始图像fIR和fVI中提取得到的多尺度亮区域如下:
计算每个尺度i(1≤i≤n)下原始图像fIR和fVI中提取得到的多尺度暗区域如下:
步骤三:按下式计算每一尺度i下提取的fIR和fVI中的用于图像融合的亮区域(WTHSi)和暗区域(BTHSi):
WTHSi=max{WTHSi(fIR),WTHSi(fVI)},
BTHSi=max{BTHSi(fIR),BTHSi(fVI)};
步骤四:按下式计算所有n尺度下提取的fIR和fVI中的用于图像融合的亮区域(RB)和暗区域(RD):
步骤五:按下式计算最后的融合图像:
fF=RA+RB×pb-RD×pd,
其中,
fF是最后的融合图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110137557 CN102184534B (zh) | 2011-05-25 | 2011-05-25 | 一种利用多尺度高帽选择变换的图像融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110137557 CN102184534B (zh) | 2011-05-25 | 2011-05-25 | 一种利用多尺度高帽选择变换的图像融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102184534A true CN102184534A (zh) | 2011-09-14 |
CN102184534B CN102184534B (zh) | 2013-06-26 |
Family
ID=44570704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110137557 Expired - Fee Related CN102184534B (zh) | 2011-05-25 | 2011-05-25 | 一种利用多尺度高帽选择变换的图像融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102184534B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077517A (zh) * | 2012-12-31 | 2013-05-01 | 华中科技大学 | 一种非均匀照明条件下的空间目标分割方法 |
CN103310418A (zh) * | 2013-06-18 | 2013-09-18 | 奇瑞汽车股份有限公司 | 图像处理方法和装置 |
CN103530853A (zh) * | 2013-10-17 | 2014-01-22 | 中北大学 | 红外光强图像和红外偏振图像增强融合方法 |
CN103679664A (zh) * | 2013-12-30 | 2014-03-26 | 北京航空航天大学 | 一种利用数学形态学交替滤波器的能够保留图像细节的增强方法 |
CN103679176A (zh) * | 2013-12-30 | 2014-03-26 | 北京航空航天大学 | 一种利用多尺度多结构元素高帽选择变换的线性特征提取方法 |
CN103793896A (zh) * | 2014-01-13 | 2014-05-14 | 哈尔滨工程大学 | 一种红外图像与可见光图像的实时融合方法 |
CN104376536A (zh) * | 2014-11-20 | 2015-02-25 | 北京航空航天大学 | 一种利用数学形态学高帽选择变换构造中心算子的图像增强方法 |
CN104574334A (zh) * | 2015-01-12 | 2015-04-29 | 北京航空航天大学 | 一种利用模糊度量和形态学交替算子的红外与可见光图像融合方法 |
CN104881855A (zh) * | 2015-06-10 | 2015-09-02 | 北京航空航天大学 | 一种利用形态学和自由边界条件活动轮廓模型的多聚焦图像融合方法 |
CN106056565A (zh) * | 2016-05-31 | 2016-10-26 | 北京航空航天大学 | 一种基于多尺度形态学双边滤波分解和对比度压缩的mri与pet图像融合方法 |
CN111076822A (zh) * | 2019-12-13 | 2020-04-28 | 富德康(北京)科技股份有限公司 | 一种产生散货热力图的拼接阵列方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101567087A (zh) * | 2009-05-25 | 2009-10-28 | 北京航空航天大学 | 复杂天空背景下红外序列图像弱小目标检测与跟踪方法 |
US20100040263A1 (en) * | 2008-08-15 | 2010-02-18 | Sti Medical Systems Llc | Methods for enhancing vascular patterns in cervical imagery |
CN101807294A (zh) * | 2010-02-03 | 2010-08-18 | 北京航空航天大学 | 一种利用多尺度多结构元素数学形态学的图像增强方法 |
-
2011
- 2011-05-25 CN CN 201110137557 patent/CN102184534B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100040263A1 (en) * | 2008-08-15 | 2010-02-18 | Sti Medical Systems Llc | Methods for enhancing vascular patterns in cervical imagery |
CN101567087A (zh) * | 2009-05-25 | 2009-10-28 | 北京航空航天大学 | 复杂天空背景下红外序列图像弱小目标检测与跟踪方法 |
CN101807294A (zh) * | 2010-02-03 | 2010-08-18 | 北京航空航天大学 | 一种利用多尺度多结构元素数学形态学的图像增强方法 |
Non-Patent Citations (3)
Title |
---|
XIANGZHI BAI ET AL.: "Entropy Powered Image Fusion Based on Multi Scale Top-hat Transform", 《CISP2010》 * |
XIANGZHI BAI ET AL.: "Fusion of infrared and visual images through region extraction by using multi scale center-surround top-hat transform", 《OPTICS EXPRESS》 * |
白相志等: "新型Top-hat变换及其在红外小目标检测中的应用", 《数据采集与处理》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077517A (zh) * | 2012-12-31 | 2013-05-01 | 华中科技大学 | 一种非均匀照明条件下的空间目标分割方法 |
CN103310418A (zh) * | 2013-06-18 | 2013-09-18 | 奇瑞汽车股份有限公司 | 图像处理方法和装置 |
CN103310418B (zh) * | 2013-06-18 | 2016-05-18 | 奇瑞汽车股份有限公司 | 夜视图像增强与眩光抑制的图像处理方法和装置 |
CN103530853A (zh) * | 2013-10-17 | 2014-01-22 | 中北大学 | 红外光强图像和红外偏振图像增强融合方法 |
CN103530853B (zh) * | 2013-10-17 | 2016-05-18 | 中北大学 | 红外光强图像和红外偏振图像增强融合方法 |
CN103679664A (zh) * | 2013-12-30 | 2014-03-26 | 北京航空航天大学 | 一种利用数学形态学交替滤波器的能够保留图像细节的增强方法 |
CN103679176A (zh) * | 2013-12-30 | 2014-03-26 | 北京航空航天大学 | 一种利用多尺度多结构元素高帽选择变换的线性特征提取方法 |
CN103679664B (zh) * | 2013-12-30 | 2016-07-06 | 北京航空航天大学 | 一种利用数学形态学交替滤波器的能够保留图像细节的增强方法 |
CN103793896B (zh) * | 2014-01-13 | 2017-01-18 | 哈尔滨工程大学 | 一种红外图像与可见光图像的实时融合方法 |
CN103793896A (zh) * | 2014-01-13 | 2014-05-14 | 哈尔滨工程大学 | 一种红外图像与可见光图像的实时融合方法 |
CN104376536A (zh) * | 2014-11-20 | 2015-02-25 | 北京航空航天大学 | 一种利用数学形态学高帽选择变换构造中心算子的图像增强方法 |
CN104574334A (zh) * | 2015-01-12 | 2015-04-29 | 北京航空航天大学 | 一种利用模糊度量和形态学交替算子的红外与可见光图像融合方法 |
CN104881855A (zh) * | 2015-06-10 | 2015-09-02 | 北京航空航天大学 | 一种利用形态学和自由边界条件活动轮廓模型的多聚焦图像融合方法 |
CN104881855B (zh) * | 2015-06-10 | 2017-07-28 | 北京航空航天大学 | 一种利用形态学和自由边界条件活动轮廓模型的多聚焦图像融合方法 |
CN106056565A (zh) * | 2016-05-31 | 2016-10-26 | 北京航空航天大学 | 一种基于多尺度形态学双边滤波分解和对比度压缩的mri与pet图像融合方法 |
CN106056565B (zh) * | 2016-05-31 | 2018-11-09 | 北京航空航天大学 | 一种基于多尺度形态学双边滤波分解和对比度压缩的mri与pet图像融合方法 |
CN111076822A (zh) * | 2019-12-13 | 2020-04-28 | 富德康(北京)科技股份有限公司 | 一种产生散货热力图的拼接阵列方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102184534B (zh) | 2013-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102184534B (zh) | 一种利用多尺度高帽选择变换的图像融合方法 | |
Shi et al. | Normalised gamma transformation‐based contrast‐limited adaptive histogram equalisation with colour correction for sand–dust image enhancement | |
CN103020628B (zh) | 一种基于rgb对比图像与目标形状的烟雾检测方法 | |
CN102831591B (zh) | 一种基于高斯滤波的单幅图像的实时去雾方法 | |
CN107301624B (zh) | 基于区域划分及浓雾预处理的卷积神经网络去雾方法 | |
CN100525395C (zh) | 多摄像机下基于主轴匹配的行人跟踪方法 | |
CN101409825B (zh) | 基于信息融合的夜间视觉监控方法 | |
CN103258332B (zh) | 一种抗光照变化的运动目标的检测方法 | |
CN104978567B (zh) | 基于场景分类的车辆检测方法 | |
CN101807294B (zh) | 一种利用多尺度多结构元素数学形态学的图像增强方法 | |
CN106682665B (zh) | 一种基于计算机视觉的七段式数显仪表数字识别方法 | |
CN102289806B (zh) | 一种利用多尺度形态学特征的图像清晰度度量方法 | |
CN102831617A (zh) | 一种运动目标检测与跟踪的方法和系统 | |
CN102663405A (zh) | 基于显著度和混合高斯模型的监控视频前景提取方法 | |
CN105678213A (zh) | 基于视频特征统计的双模式蒙面人事件自动检测方法 | |
CN103971354A (zh) | 低分辨率红外图像重建高分辨率红外图像的方法 | |
CN105405138A (zh) | 基于显著性检测的水面目标跟踪方法 | |
CN104700405A (zh) | 一种前景检测方法和系统 | |
CN105469054A (zh) | 正常行为的模型构建方法及异常行为的检测方法 | |
CN104021527A (zh) | 一种图像中雨雪的去除方法 | |
CN104933728A (zh) | 一种混合运动目标检测方法 | |
CN109064444B (zh) | 基于显著性分析的轨道板病害检测方法 | |
CN105931198A (zh) | 一种基于小波变换的覆冰绝缘子图像增强方法 | |
CN101546431A (zh) | 基于序列非线性滤波的遥感影像水体专题信息提取方法 | |
CN103903243A (zh) | 一种利用形态学中心算子的图像融合方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130626 Termination date: 20150525 |
|
EXPY | Termination of patent right or utility model |