CN102646272A - 基于局部方差和加权相结合的小波气象卫星云图融合方法 - Google Patents

基于局部方差和加权相结合的小波气象卫星云图融合方法 Download PDF

Info

Publication number
CN102646272A
CN102646272A CN2012100422269A CN201210042226A CN102646272A CN 102646272 A CN102646272 A CN 102646272A CN 2012100422269 A CN2012100422269 A CN 2012100422269A CN 201210042226 A CN201210042226 A CN 201210042226A CN 102646272 A CN102646272 A CN 102646272A
Authority
CN
China
Prior art keywords
cloud
image
infrared
wavelet
fusion
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
Application number
CN2012100422269A
Other languages
English (en)
Inventor
毕硕本
汪大
潘秋羽
乔文文
颜坚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN2012100422269A priority Critical patent/CN102646272A/zh
Publication of CN102646272A publication Critical patent/CN102646272A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Processing (AREA)

Abstract

本发明涉及一种基于局部方差和加权相结合的小波气象卫星云图融合方法。其步骤为：（1）对读入的气象卫星红外云图和可见光云图进行配准，重采样为大小一致的图像；（2）对红外云图和可见光云图进行小波多层分解，得到不同分解水平上各自的低频近似子图像和高频细节子图像；（3）对低频分量和高频分量分别进行融合；（4）对融合后的小波系数进行小波逆变换，得到融合后的云图。其有益效果为：融合图像在融合了可见光云图的纹理和细节信息的同时，更好地保持了原红外图像的红外信息，云层特性更为分明，将在强对流天气监测和预警业务等天气分析和预报中发挥比原始云图更突出的作用。

Description

基于局部方差和加权相结合的小波气象卫星云图融合方法
技术领域
       本发明属于图像处理领域，尤其涉及一种基于局部方差和加权相结合的小波气象卫星云图融合方法。
 
背景技术
在对灾害性的强对流天气监测和预警中，气象卫星获得的云图资料已成为重要的信息来源。红外云图反映的是风暴的亮温差，而可见光云图反映的是风暴的反照率，所以对两组数据进行图像融合，利用融合后的图像对强对流云团进行自动监测和预警具有重要的现实意义。
图像融合是采用一定的算法，将2幅或多幅多源图像融合成一幅图像，以获得对同一场景或目标更准确、全面、可靠的图像描述，从而有效地提高图像信息的利用率和系统对目标探测识别的可靠性。图像融合技术现已广泛地应用于军事、遥感、计算机视觉、医学图像处理等领域中。小波变换具有对信号进行多分辨率分析特性，基于小波变换的图像融合方法可以获得与人的视觉特性接近的融合效果。因此，近年来，基于小波变换的融合算法成为研究重点。目前有两种比较典型的基于小波的图像融合方法，即基于小波系数加权平均的图像融合方法和基于小波系数区域相关性的图像融合方法。但这些算法很少考虑要融合的各种图像的应用背景和实际意义，在设计时缺乏应用的针对性。在气象预警应用中，我们主要利用红外云图的亮温差值监测强对流云团，但红外云图分辨率较低，而可见光云图的分辨率高，能提供较为清晰的云图纹理特征和边缘特征，要求融合图像在增加可见光云图的纹理和边缘信息的基础上，尽可能地保留红外云图的红外信息。因此从实际应用出发，选择合适的融合算法和融合规则，将是气象卫星云图融合研究的关键问题。
 
发明内容
本发明针对上述现有小波融合技术存在的不足，提供一种基于局部方差和加权相结合的小波气象卫星云图融合方法，融合方法生成的云图在增加可见光云图的纹理和边缘信息的基础上，能尽可能地保留红外云图的红外信息。
    为实现上述之目的，本发明在将红外云图和可见光云图进行小波多层分解之后，得到不同分解水平上各自的低频近似子图像和高频细节子图像。在低频分量的融合上全部采用红外云图的低频分量；在高频分量上，计算红外云图和可见光云图各自高频分量的局部方差，根据局部方差确定融合规则，当红外云图的局部方差大于等于可见光云图的局部方差时，取红外云图的小波系数为融合后图像对应的小波系数；当红外云图的局部方差小于可见光云图的局部方差时，取红外云图与可见光云图小波系数的加权值为融合后的小波系数，其中可见光云图所占比例大。
本发明提供的基于局部方差和加权相结合的小波气象卫星云图融合方法，其包含以下步骤：
    （1）对读入的气象卫星红外云图和可见光云图进行配准，重采样为大小一致的图像；
    （2）对红外云图和可见光云图进行小波多层分解，得到不同分解水平上的低频近似子图像和高频细节子图像；
（3）对低频分量和高频分量分别进行融合；
（4）对融合后的小波系数进行小波逆变换，得到融合后的云图。
所述的基于局部方差和加权相结合的小波气象卫星云图融合方法的进一步设计在于,步骤(1)的实现方法是:读入气象卫星云图后，采用直方图匹配方法对红外云图和可见光云图进行匹配与重采样。
所述的基于局部方差和加权相结合的小波气象卫星云图融合方法的进一步设计在于，步骤(2)的实现方法是: 取Daub4为小波滤波器矩阵，对红外云图进行小波分解，分解层次为2层，得到低频近似子图像                                               
Figure 811470DEST_PATH_IMAGE002
和高频细节子图像，其中K=1，2，3分别表示水平、垂直和对角3个方向,j=1,2，…,J表示不同的分解水平；对可见光云图进行小波分解，取Daub4为小波滤波器矩阵，分解层次为2层，得到低频近似子图像
Figure 46459DEST_PATH_IMAGE006
和高频细节子图像
Figure 2012100422269100002DEST_PATH_IMAGE008
。 
所述的基于局部方差和加权相结合的小波气象卫星云图融合方法的进一步设计在于,步骤(3)的实现方法是：
（1）低频分量融合：经小波分解得到的图像低频子带表征了图像的近似信息和平均特性,因此在低频分量的融合上全部采用红外云图的低频信息。融合算法如公式1所示：
Figure 2012100422269100002DEST_PATH_IMAGE010
     （1）
其中，
Figure 2012100422269100002DEST_PATH_IMAGE014
和
Figure 2012100422269100002DEST_PATH_IMAGE016
分别表示融合图像Fusion、红外云图IR在小波分解第j层的低频分量。
（2）高频分量融合：在高频分量的融合将采用局部方差与加权相结合的融合规则。选取以当前像素为中心的一个3*3局部区域，在第j分解水平上，分别对红外云图IR和可见光云图VIS的高频子图像进行统计，求得区域内的方差。方差VAR定义如下：
Figure 2012100422269100002DEST_PATH_IMAGE018
     （2）
式中，m、n分别为局部区域的行数和列数，
Figure 2012100422269100002DEST_PATH_IMAGE020
为当前3*3局部区域内一个像素的灰度值，
Figure 2012100422269100002DEST_PATH_IMAGE022
为当前3*3局部区域的灰度均值。当红外云图的局部方差大于等于可见光云图的局部方差时，取红外云图的小波系数为融合后图像对应的小波系数；当红外云图的局部方差小于可见光云图的局部方差时，取红外云图与可见光云图小波系数的加权值为融合后的小波系数，其中可见光云图所占比例大。融合准则如下：
Figure 2012100422269100002DEST_PATH_IMAGE024
（3）
式中，K=1，2，3分别表示水平、垂直和对角3个方向；
Figure 303521DEST_PATH_IMAGE004
、
Figure 741456DEST_PATH_IMAGE008
和分别表示红外云图IR、可见光云图VIS和融合图像Fusion在分解尺度j上K方向上融合图像的高频分量；
Figure 2012100422269100002DEST_PATH_IMAGE028
和
Figure 2012100422269100002DEST_PATH_IMAGE030
分别表示红外云图IR和可见光云图VIS在分解尺度j上K方向对应的局部方差。
Figure 2012100422269100002DEST_PATH_IMAGE032
、
Figure 2012100422269100002DEST_PATH_IMAGE034
为加权权值，
Figure 2012100422269100002DEST_PATH_IMAGE036
，通过设置权值
Figure 411340DEST_PATH_IMAGE032
、
Figure 210143DEST_PATH_IMAGE034
，可以在红外信息保留和纹理及细节信息的保持两方面进行调整。
所述的采用基于局部方差和加权相结合的小波气象卫星云图融合方法的进一步设计在于，步骤(4)的实现方法是：将最后得到的低频和高频分量的融合小波系数送入Daub4小波滤波器中滤波并对滤波后的图像进行小波逆变换，得到最终的融合图像。
本发明是在传统的小波图像融合算法的基础上，通过局部方差和加权相结合的方法来控制红外云图和可见光的融合效果，能很好地在融合云图的红外信息保持和纹理及细节特征保留之间进行合理的取舍，可以获得单独使用某种传统的融合方法所无法实现的效果。在设置合理的加权值
Figure 323593DEST_PATH_IMAGE032
、
Figure 311140DEST_PATH_IMAGE034
的基础上，融合图像在融合了可见光云图的纹理和细节信息的同时，能更好地保持了原红外图像的红外信息，云层特性更为分明，从而可以让融合云图在强对流天气监测和预警业务等天气分析和预报中发挥比原始云图更突出的作用。
 
附图说明
图1为本发明的基于局部方差与加权相结合的卫星云图融合方法流程示意图。
图2（a）、（b）分别为参与融合的红外云图和可见光华南地区云图。
图3（a）、（b）分别为参与融合的红外云图和可见光西南地区云图。
图4（a）、（b）分别为采用小波系数加权平均融合方法与局部方差融合方法处理的华南地区云图融合效果图。图4（c）~(e)为p值分别为0.08，0.2以及0.32情况下本发明提供的方法处理的华南地区云图融合效果图。
图5（a）、（b）分别为采用小波系数加权平均融合方法与局部方差融合方法处理的西南地区云图融合效果图。图5（c）~(e)为p值分别为0.08，0.2以及0.32情况下本发明提供的方法处理的西南地区云图融合效果图。
图6（a）~(c)分别为华南地区云图融合效果信息熵，梯度，相关系数对比图。
图7（a）~(c)分别为西南地区云图融合效果信息熵，梯度，相关系数对比图。
具体实现方式
为了更加清楚本发明的技术方案，配合附图和具体实施详细说明如下：
本发明对可见光云图和红外云图进行融合试验。融合实验采用的是代表我国西南地区和华南地区的红外与可见光云图共4幅图像，如图2、3所示，其中图2（a）、图2（b）分别为华南地区的红外云图和可见光云图（以下简称“华南地区云图”）图3（a）、图3（b）分别为西南地区的红外云图和可见光云图（以下简称“西南地区云图”），数据来源是中国的FY-2E卫星在2011年10月16日12时观测到的卫星云图数据。具体步骤如下：
1、对红外云图和可见光云图进行直方图匹配和重采样；
2、对匹配后的红外云图进行小波分解，选用的小波基为Daub4，分解层数为2。该小波分解既可以用Daub4，也可以用Harr、Daub1、Daub2，…,同时分解层数也可以是1,2,3,4…。选用的小波基和分解层数是可以任意的。本案实例仅以Daub4，分解层数为2进行说明。得到第j分解水平的低频近似子图像 
Figure 535448DEST_PATH_IMAGE002
和3个高频细节子图像
Figure 596945DEST_PATH_IMAGE004
；对可见光云图进行小波分解，同样选用Daub4作为小波基，分解层数为2，得到第j分解水平的低频近似子图像
Figure 694345DEST_PATH_IMAGE006
和3个高频细节子图像。
3、对低频分量和高频分量分别进行融合，融合规则如下：
Figure 2012100422269100002DEST_PATH_IMAGE038
低频分量融合
在低频分量的融合上全部采用红外云图的低频信息。融合算法如公式7所示：
Figure 690355DEST_PATH_IMAGE012
     （7）
其中，
Figure 880028DEST_PATH_IMAGE014
和
Figure 779851DEST_PATH_IMAGE016
分别表示融合图像Fusion、红外云图IR在小波分解第j层的低频分量。
Figure 2012100422269100002DEST_PATH_IMAGE040
高频分量融合
在高频分量的融合将采用局部方差与加权相结合的融合规则。选取以当前像素为中心的一个3*3局部区域，在第j分解水平上，分别对红外云图IR和可见光云图VIS的高频子图像进行统计，求得区域内的方差。方差VAR定义如下：
Figure 408278DEST_PATH_IMAGE018
     （5）
式中，m、n分别为局部区域的行数和列数，
Figure 709946DEST_PATH_IMAGE020
为当前3*3局部区域内一个像素的灰度值，
Figure 883570DEST_PATH_IMAGE022
为当前3*3局部区域的灰度均值。当红外云图的局部方差大于等于可见光云图的局部方差时，取红外云图的小波系数为融合后图像对应的小波系数；当红外云图的局部方差小于可见光云图的局部方差时，取红外云图与可见光云图小波系数的加权值为融合后的小波系数，其中可见光云图所占比例大。融合准则如下：
Figure 270689DEST_PATH_IMAGE024
（6）
式中，K=1，2，3分别表示水平、垂直和对角3个方向；
Figure 702807DEST_PATH_IMAGE004
、
Figure 593403DEST_PATH_IMAGE008
和
Figure 704972DEST_PATH_IMAGE026
分别表示红外云图IR、可见光云图VIS和融合图像Fusion在第j层K方向上融合图像的高频分量；和
Figure 549617DEST_PATH_IMAGE030
分别表示红外云图IR和可见光云图VIS在分解尺度j上K方向对应的局部方差。
Figure 560298DEST_PATH_IMAGE032
、
Figure 528254DEST_PATH_IMAGE034
为加权权值，
Figure 437435DEST_PATH_IMAGE036
。
4、将最后得到的低频和高频分量的融合小波系数送入Daub4小波滤波器中滤波并对滤波后的图像进行小波逆变换，得到最终的融合图像。
如图4、5所示，为本发明采用的方法与其他方法的融合效果比较，所有影像的大小均为256*256。
其中，图4（a）、图5（a）为小波系数加权平均融合结果，图4（b）、图5（b）为基于局部方差的小波变换融合结果，图4（c）、图5（c）为本发明当时融合结果，图4（d）、图5（d）为本发明当
Figure 2012100422269100002DEST_PATH_IMAGE044
时融合结果，图4（e）、图5（e）为本发明当时融合结果。从图中可以看出，不同的
Figure 211356DEST_PATH_IMAGE032
、取值可以得到不同的融合效果，某些效果在纹理细节信息和红外信息的保留上均优于其他方法。
图6、图7主要从信息熵、平均梯度及相关系数三个方面对融合后的图像进行客观定量评价。从图中可以发现，本发明方法融合生成的图像平均梯度很大，接近于可见光的平均梯度，从一定程度上表明图像的清晰度提高了。且和其它几种算法相比，信息熵的增加更为明显。融合图像的相关系数的提高，说明融合后的图像与源图像更接近，融合图像中的信息忠于源图像，表明融合过程中的信息损失更少。
权值
Figure 526986DEST_PATH_IMAGE032
、的改变，对融合结果有着一定的影响。当
Figure 422447DEST_PATH_IMAGE032
接近与0、
Figure 407720DEST_PATH_IMAGE034
接近于1时，融合结果和基于局部方差的结果相似。当
Figure 717479DEST_PATH_IMAGE032
增大、
Figure 601252DEST_PATH_IMAGE034
减小时，融合图像的红外信息逐渐增大，而纹理及纹理的保留能力不断下降。这说明，通过设置权值、
Figure 494439DEST_PATH_IMAGE034
，可以在细节保留和红外信息保持之间达到平衡，某些效果在纹理细节信息和红外信息的保留上均优于其他方法。比较融合效果图4、图5及客观评价图6、图7可以发现，当
Figure 37416DEST_PATH_IMAGE032
取0.2、
Figure 329857DEST_PATH_IMAGE034
取0.8时，融合图像的信息熵达到最大，融合图像在融合了可见光云图的纹理信息的同时，更好地保持了原红外图像的红外信息，在纹理细节信息的保留和红外信息的保持之间取得了一个最好的效果。

Claims (5)

1.一种基于局部方差和加权相结合的小波气象卫星云图融合方法，其特性在于，包括以下步骤：
       （1）对读入的气象卫星红外云图和可见光云图进行配准，重采样为大小一致的图像；
       （2）对红外云图和可见光云图进行小波多层分解，得到不同分解水平上的低频近似子图像和高频细节子图像；
（3）对低频分量和高频分量分别进行融合；
（4）对融合后的小波系数进行小波逆变换，得到融合后的云图。
2.根据权利要求1所述的基于局部方差和加权相结合的小波气象卫星云图融合方法,其特征在于,步骤(1)的实现方法是:读入气象卫星云图后，采用直方图匹配方法对红外云图和可见光云图进行匹配与重采样。
3.根据权利要求1所述的基于局部方差和加权相结合的小波气象卫星云图融合方法,其特征在于，步骤(2)的实现方法是: 取Daub4为小波滤波器矩阵，对红外云图进行小波分解，分解层次为2层，得到低频近似子图像                                               和高频细节子图像
Figure 513420DEST_PATH_IMAGE004
，其中K=1，2，3分别表示水平、垂直和对角3个方向,j=1,2，…,J表示不同的分解水平；对可见光云图进行小波分解，取Daub4为小波滤波器矩阵，分解层次为2层，得到低频近似子图像
Figure 293157DEST_PATH_IMAGE006
和高频细节子图像
Figure 750683DEST_PATH_IMAGE008
。
4.根据权利要求1所述的基于局部方差和加权相结合的小波气象卫星云图融合方法,其特征在于,步骤(3)的实现方法是：
（1）低频分量融合：经小波分解得到的图像低频子带表征了图像的近似信息和平均特性,因此在低频分量的融合上全部采用红外云图的低频信息；
融合算法如公式1所示：
Figure 565055DEST_PATH_IMAGE010
Figure 387518DEST_PATH_IMAGE012
     （1）
其中，
Figure 969065DEST_PATH_IMAGE014
和
Figure 167965DEST_PATH_IMAGE016
分别表示融合图像Fusion、红外云图IR在小波分解第j层的低频分量；6. （2）高频分量融合：在高频分量的融合将采用局部方差与加权相结合的融合规则；
选取以当前像素为中心的一个3*3局部区域，在第j分解水平上，分别对红外云图IR和可见光云图VIS的高频子图像进行统计，求得区域内的方差；
方差VAR定义如下：
Figure 899161DEST_PATH_IMAGE018
     （2）
式中，m、n分别为局部区域的行数和列数，
Figure 892525DEST_PATH_IMAGE020
为当前3*3局部区域内一个像素的灰度值，
Figure 646854DEST_PATH_IMAGE022
为当前3*3局部区域的灰度均值；
当红外云图的局部方差大于等于可见光云图的局部方差时，取红外云图的小波系数为融合后的小波系数；当红外云图的局部方差小于可见光云图的局部方差时，取红外云图与可见光云图小波系数的加权值为融合后的小波系数，其中可见光云图所占比例大；
融合准则如下：
Figure 196915DEST_PATH_IMAGE024
（3）
式中，K=1，2，3分别表示水平、垂直和对角3个方向；
Figure 720301DEST_PATH_IMAGE004
、
Figure 212462DEST_PATH_IMAGE008
和分别表示红外云图IR、可见光云图VIS和融合图像Fusion在分解尺度j上K方向上融合图像的高频分量；
Figure 729211DEST_PATH_IMAGE028
和
Figure 684266DEST_PATH_IMAGE030
分别表示红外云图IR和可见光云图VIS在分解尺度j上K方向对应的局部方差；
Figure 19433DEST_PATH_IMAGE032
、
Figure 810671DEST_PATH_IMAGE034
为加权权值，其中
Figure 889486DEST_PATH_IMAGE036
，通过设置权值、
Figure 972159DEST_PATH_IMAGE034
，可以在红外信息保留和纹理及细节信息的保持两方面进行调整。
5.根据权利要求1所述的采用基于局部方差和加权相结合的小波气象卫星云图融合方法,其特征在于，步骤(4)的实现方法是：将通过步骤（3）得到的低频和高频分量的融合小波系数送入Daub4小波滤波器中滤波并对滤波后的图像进行小波逆变换，得到最终的融合图像。
CN2012100422269A 2012-02-23 2012-02-23 基于局部方差和加权相结合的小波气象卫星云图融合方法 Pending CN102646272A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2012100422269A CN102646272A (zh) 2012-02-23 2012-02-23 基于局部方差和加权相结合的小波气象卫星云图融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2012100422269A CN102646272A (zh) 2012-02-23 2012-02-23 基于局部方差和加权相结合的小波气象卫星云图融合方法

Publications (1)

Publication Number Publication Date
CN102646272A true CN102646272A (zh) 2012-08-22

Family

ID=46659084

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2012100422269A Pending CN102646272A (zh) 2012-02-23 2012-02-23 基于局部方差和加权相结合的小波气象卫星云图融合方法

Country Status (1)

Country Link
CN (1) CN102646272A (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103308031A (zh) * 2013-05-23 2013-09-18 中国人民解放军理工大学 一种基于卫星三线阵ccd影像的云顶高度反演方法
CN103577575A (zh) * 2013-11-05 2014-02-12 浙江工业大学 基于自然纹理的二维多元数据可视化方法
CN103860268A (zh) * 2012-12-13 2014-06-18 中国科学院深圳先进技术研究院 一种标记点配准方法、装置及外科手术导航系统
CN105340268A (zh) * 2013-06-25 2016-02-17 安奇逻辑股份有限公司 图像处理装置、图像处理方法以及图像处理程序
CN105699981A (zh) * 2016-02-03 2016-06-22 南京信息工程大学 一种测量云层高度和厚度的硬件和软件配合方法
CN106600572A (zh) * 2016-12-12 2017-04-26 长春理工大学 一种自适应的低照度可见光图像和红外图像融合方法
CN106920223A (zh) * 2017-03-14 2017-07-04 哈尔滨工程大学 一种小波和有理数阶偏微分联合图像增强方法
CN108073865A (zh) * 2016-11-18 2018-05-25 南京信息工程大学 一种基于卫星资料的飞机尾迹云识别方法
CN108182698A (zh) * 2017-12-18 2018-06-19 凯迈（洛阳）测控有限公司 一种机载光电红外图像和可见光图像的融合方法
CN108230260A (zh) * 2017-12-06 2018-06-29 天津津航计算技术研究所 一种新型红外图像与微光图像的融合方法
CN109946235A (zh) * 2019-02-26 2019-06-28 南京信息工程大学 风云4a气象卫星多通道扫描成像辐射计的多层云反演方法
CN111008946A (zh) * 2019-11-07 2020-04-14 武汉多谱多勒科技有限公司 消防现场使用的红外与可见光图像智能融合装置与方法
CN111950714A (zh) * 2020-08-24 2020-11-17 重庆市云迈科技有限公司 一种基于3d全卷积神经网络的能谱ct图像域材料识别方法
CN112001874A (zh) * 2020-08-28 2020-11-27 四川达曼正特科技有限公司 一种基于小波分解与泊松融合的图像融合方法及其应用
CN112669201A (zh) * 2020-12-25 2021-04-16 知天(珠海横琴)气象科技有限公司 一种基于红外光的可见光云图转换方法、系统及其终端
CN113487529A (zh) * 2021-07-12 2021-10-08 吉林大学 一种基于Yolo的气象卫星云图目标检测方法
CN116206163A (zh) * 2023-05-04 2023-06-02 中科三清科技有限公司 一种气象卫星遥感云图检测分析处理方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1545064A (zh) * 2003-11-27 2004-11-10 上海交通大学 红外与可见光图像融合方法
CN1822046A (zh) * 2006-03-30 2006-08-23 上海电力学院 基于区域特征模糊的红外与可见光图像融合方法
CN101546428A (zh) * 2009-05-07 2009-09-30 西北工业大学 基于区域分割的序列红外与可见光图像融合

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1545064A (zh) * 2003-11-27 2004-11-10 上海交通大学 红外与可见光图像融合方法
CN1822046A (zh) * 2006-03-30 2006-08-23 上海电力学院 基于区域特征模糊的红外与可见光图像融合方法
CN101546428A (zh) * 2009-05-07 2009-09-30 西北工业大学 基于区域分割的序列红外与可见光图像融合

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
曾宇燕: "基于区域小波统计特征的遥感图像融合方法", 《计算机工程》 *
朱青: "卫星红外云图与可见光云图融合方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
李栋: "基于NSCT变换和小波变换相结合的图像融合算法研究", 《光电子技术》 *

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103860268A (zh) * 2012-12-13 2014-06-18 中国科学院深圳先进技术研究院 一种标记点配准方法、装置及外科手术导航系统
CN103860268B (zh) * 2012-12-13 2017-10-03 中国科学院深圳先进技术研究院 一种标记点配准方法、装置及外科手术导航系统
CN103308031B (zh) * 2013-05-23 2015-06-03 中国人民解放军理工大学 一种基于卫星三线阵ccd影像的云顶高度反演方法
CN103308031A (zh) * 2013-05-23 2013-09-18 中国人民解放军理工大学 一种基于卫星三线阵ccd影像的云顶高度反演方法
CN105340268A (zh) * 2013-06-25 2016-02-17 安奇逻辑股份有限公司 图像处理装置、图像处理方法以及图像处理程序
CN105340268B (zh) * 2013-06-25 2017-06-16 安奇逻辑股份有限公司 图像处理装置、图像处理方法以及图像处理程序
CN103577575A (zh) * 2013-11-05 2014-02-12 浙江工业大学 基于自然纹理的二维多元数据可视化方法
CN105699981A (zh) * 2016-02-03 2016-06-22 南京信息工程大学 一种测量云层高度和厚度的硬件和软件配合方法
CN105699981B (zh) * 2016-02-03 2018-02-02 南京信息工程大学 一种测量云层高度和厚度的硬件和软件配合方法
CN108073865A (zh) * 2016-11-18 2018-05-25 南京信息工程大学 一种基于卫星资料的飞机尾迹云识别方法
CN108073865B (zh) * 2016-11-18 2021-10-19 南京信息工程大学 一种基于卫星资料的飞机尾迹云识别方法
CN106600572A (zh) * 2016-12-12 2017-04-26 长春理工大学 一种自适应的低照度可见光图像和红外图像融合方法
CN106920223A (zh) * 2017-03-14 2017-07-04 哈尔滨工程大学 一种小波和有理数阶偏微分联合图像增强方法
CN108230260B (zh) * 2017-12-06 2021-03-30 天津津航计算技术研究所 一种红外图像与微光图像的融合方法
CN108230260A (zh) * 2017-12-06 2018-06-29 天津津航计算技术研究所 一种新型红外图像与微光图像的融合方法
CN108182698A (zh) * 2017-12-18 2018-06-19 凯迈（洛阳）测控有限公司 一种机载光电红外图像和可见光图像的融合方法
CN109946235A (zh) * 2019-02-26 2019-06-28 南京信息工程大学 风云4a气象卫星多通道扫描成像辐射计的多层云反演方法
CN109946235B (zh) * 2019-02-26 2021-11-02 南京信息工程大学 风云4a气象卫星多通道扫描成像辐射计的多层云反演方法
CN111008946A (zh) * 2019-11-07 2020-04-14 武汉多谱多勒科技有限公司 消防现场使用的红外与可见光图像智能融合装置与方法
CN111950714A (zh) * 2020-08-24 2020-11-17 重庆市云迈科技有限公司 一种基于3d全卷积神经网络的能谱ct图像域材料识别方法
CN112001874A (zh) * 2020-08-28 2020-11-27 四川达曼正特科技有限公司 一种基于小波分解与泊松融合的图像融合方法及其应用
CN112669201A (zh) * 2020-12-25 2021-04-16 知天(珠海横琴)气象科技有限公司 一种基于红外光的可见光云图转换方法、系统及其终端
CN112669201B (zh) * 2020-12-25 2023-09-12 知天(珠海横琴)气象科技有限公司 一种基于红外光的可见光云图转换方法、系统及其终端
CN113487529A (zh) * 2021-07-12 2021-10-08 吉林大学 一种基于Yolo的气象卫星云图目标检测方法
CN113487529B (zh) * 2021-07-12 2022-07-26 吉林大学 一种基于Yolo的气象卫星云图目标检测方法
CN116206163A (zh) * 2023-05-04 2023-06-02 中科三清科技有限公司 一种气象卫星遥感云图检测分析处理方法

Similar Documents

Publication Publication Date Title
CN102646272A (zh) 基于局部方差和加权相结合的小波气象卫星云图融合方法
CN107253485B (zh) 异物侵入检测方法及异物侵入检测装置
CN105933678B (zh) 基于多目标智能跟踪的多焦距镜头联动成像装置
Huang et al. An advanced single-image visibility restoration algorithm for real-world hazy scenes
CN108062769B (zh) 一种用于三维重建的快速深度恢复方法
CN107784642B (zh) 一种红外视频和可见光视频自适应融合方法
CN106462737A (zh) 用于浑浊性检测的系统和方法
CN105513080B (zh) 一种红外图像目标显著性评估方法
Chumuang et al. CCTV based surveillance system for railway station security
CN102507592A (zh) 表面缺陷仿蝇视觉在线检测装置及检测方法
CN102063715A (zh) 基于nsct和粒子群优化算法的台风云图融合方法
CN109447909A (zh) 基于视觉显著性的红外与可见光图像融合方法及系统
CN104008543A (zh) 一种图像融合质量评价方法
Asmare et al. Image enhancement by fusion in contourlet transform
CN111179172A (zh) 基于无人机航拍数据的遥感卫星超分辨率实现方法、装置、电子设备及存储介质
CN103455792A (zh) 一种客流量统计方法及系统
CN105096272A (zh) 一种基于双树复小波的除雾方法
CN104182992B (zh) 一种基于全景视觉的海上弱小目标检测方法
CN109214331B (zh) 一种基于图像频谱的交通雾霾能见度检测方法
CN108460795A (zh) 倒金字塔式双目立体匹配方法及系统
CN105469392B (zh) 基于区域光谱梯度特征对比的高光谱图像显著性检测方法
CN102208103A (zh) 一种用于影像快速融合与评价的方法
CN112734683B (zh) 基于目标增强的多尺度sar与红外图像融合方法
CN107977968B (zh) 基于建筑物阴影信息挖掘的建筑物分层检测方法
CN109801273B (zh) 一种基于极平面线性相似度的光场图像质量评价方法

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: 20120822