CN103778618A - 一种可见光图像和红外图像的融合方法 - Google Patents
一种可见光图像和红外图像的融合方法 Download PDFInfo
- Publication number
- CN103778618A CN103778618A CN201310536574.6A CN201310536574A CN103778618A CN 103778618 A CN103778618 A CN 103778618A CN 201310536574 A CN201310536574 A CN 201310536574A CN 103778618 A CN103778618 A CN 103778618A
- Authority
- CN
- China
- Prior art keywords
- infrared
- foreground
- image
- pixel
- here
- 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
本发明公开一种可见光图像与红外图像的融合方法,该方法使用红外域的扩展前景作为可见光及灰度图像的初始掩膜,然后对红外前景和掩膜可见光前景进行融合,实现来自不同域的互补区域的合成,对红外前景使用此融合信息进行掩膜处理,把结果得到的前景图像中连通区域作为候选目标提取出来,最后对红外域中每一个连通区域应用主动轮廓模型,检测出目标的边界。本发明抽取可见光图像和红外图像互补信息实现二者融合,与其它方法相比能获得更好的回想率。
Description
技术领域
本发明涉及一种基于可见光和红外图像互补信息的图像融合方法,用以融合同一场景的可见光和红外图像,可用于变电站高压设备识别。
背景技术
产生可见光图像的可见光摄像机需要外部照明。产生红外图像的红外摄像仪可昼夜使用,但红外图像缺少纹理和色彩等信息。由于可见光摄像机和红外摄像仪具有互补的特性,二者结合使用可以提高对象检测应用的性能。然而,可见光域和红外域都存在各自的问题。在可见光域,突然光照变化,阴影存在,夜间可视度差等都会导致可见光图像问题。红外图像也存在低信噪比,极性反转,在热或冷的对象周围出现光环效应等问题。因此,主要问题是如何将这两个域图像融合。
精度和回想是用来衡量对象检测应用性能的度量。精度是检测方法检测到的对象像素个数除以检测到的像素总个数的商。它决定了正确的对象像素与检测到的像素之比。回想是检测方法检测到的对象像素个数除以对象实际像素总个数的商。它是检测到的像素与对象实际像素之比。
可见光和红外信息的融合对于提高对象检测的回想率具有重要意义,但这种融合总是导致精度率的下降。由于红外图像能有效地提供前景信息,检测到的像素中大都是对象像素,这样当仅使用红外域时,精度就很高。可见光图像中前景检测通常很差,这样精度就很低。因此,当这些域融合后,精度下降,红外域和可见光域的回想率总是很低。
发明内容
针对现有技术的不足,本发明提出一种可见光图像和红外图像的融合方法,它可以将红外图像和可见光图像进行像素层级上的融合,形成综合互补信息的融合图像,最终实现回想率的大幅提高。
本发明的目的是通过以下技术方案予以实现的,一种可见光图像和红外图像的融合方法,其特征在于,包括如下具体步骤:
(1)使用红外域的扩展前景作为可见光域及灰度域的初始掩膜,分别对红外域、灰度域和可见光域每个像素的每个信道分别进行背景建模、前景检测和阴影检测;(2)对红外域的前景区域应用膨胀形态操作,使用膨胀的红外域前景像素对灰度域和可见光域前景像素进行掩膜处理;(3)掩膜处理过的灰度域和可见光域信道前景区域进行合成并对合成的结果去除阴影;(4)阴影去除后的可见光域前景图像和膨胀的红外光域前景图像进行融合,得到的前景区域用作对红外域图像掩膜处理;(5)最后对红外域中每一个连通区域应用主动轮廓模型(snake),检测出目标的边界。
进一步地,所述背景建模中,使用最近的帧计算背景模型的均值、方差和中值(Imed),为最小化孤立点效果,借助中值图像,使用以Imed(x,y)为中心的高斯分布为每个像素计算权值:
(2)
所述前景检测中使用马氏距离平方(squared Mahalanobis distance):
这里,C是协方差矩阵,Z表示门限值;
参照背景模型,为每个像素计算亮度和色度的减少基础上实现阴影检测,仅当下列条件满足时,像素p是一个阴影像素:
(1) 0.8≤CL≤0.98, 这里CL=pL/BL,
这里,CL是亮度变化;CUV是色度变化;BL,BU和BV是每一信道的平均背景值,另外,一个像素标记为阴影像素还需满足以下条件:
R=|S|/|F| (7)
利用(7)式计算候选阴影区域的面积|S|与检测到的前景区域面积|F|的比,如果α≤R≤β为真,阴影区域最终确定,这里参数α和β限制阴影区域面积相对于对应的重叠前景区域面积的大小。
这里C是待演化的曲线,u0(x,y)是给定的图像, c1和c2是曲线C内部和外部的平均灰度值,对象C0的边界使得(8)式最小化,对(8)式加入正则项,能量函数变为
通过引入Heaviside函数H和一维Dirac测度δ0, 能量函数F中的项可被表示如下:
(10)
灰度项表示如下:
平均灰度c1和c2用下式计算:
设c1和c2为常量,通过Euler-Lagrange方程,求φ使得F最小化:
这里曲度k表示为:
本算法用于从红外信道中提取的最终前景图像的每个连通区域。本发明在使用时,首先生成监测对象的可见光图像,然后读入红外热像仪拍摄的红外图像,使用本发明提出的可见光图像和红外图像融合算法对二者进行融合,达到识别红外热像仪拍摄的红外图像的目的。
本发明可见光图像和红外图像融合算法分别对红外域、灰度域和可见光域进行背景建模和前景检测。对掩膜灰度前景和掩膜可见光前景进行合成,再对合成的结果去除阴影。然后,对红外前景和掩膜可见光前景进行融合,实现来自不同域的互补区域的合成。对红外前景使用此融合信息进行掩膜处理,把结果得到的前景图像中连通区域作为候选目标提取出来。最后,对红外域中每一个连通区域应用主动轮廓模型,检测出目标的边界。本发明使用光环效应在红外图像中检测目标,使用snake模型获得目标的边界,光环效应帮助snake模型易于拟合边界。
本发明将红外图像中感兴趣的区域作为可见光图像的掩膜,由于前景对象的温度与背景模型非常接近,红外图像中一些对象区域未能检测到,在可见光图像中找到对应的前景区域后,可获得的可视线索被加到红外图像的前景区域,因此,使用对应的可视信息,热前景掩膜中丢失的区域被补全。最后对得到的红外图像运用snake算法,成功得到对象识别结果。
通常红外域的精度很高,这表明检测到的前景像素中大部分是对象像素。但是,当前景对象在背景对象前面时,若背景对象的温度值与前景对象接近,前景对象中的一些像素将检测不到。如果红外前景中未检测到像素所在区域在可见光图像中可被检测到,那么红外前景对象中未检测到的区域可被补全检测。根据上述思想,本发明综合可见光图像和红外图像的有用信息,提出一种新的融合算法,对二者融合后实现回想率的大幅提高。
附图说明
图1为本发明的流程图。
具体实施方式
可见光和红外域的同步和配准
时间上的同步通过手工标记在两个域中共存的明显线索并计算二者间的帧差来实现。空间上的配准通过手工方式在两个域开始部分的帧上选择对应的点并使用最小均方优化方法计算形态矩阵来实现。
背景建模和前景检测
由于SG(Single Gaussian)方法简单、速度快,并且精度和回想率都很高,在背景建模中使用SG方法。对每个像素的每个信道分别建模。使用最近的帧计算背景模型的均值、方差和中值(Imed)。为最小化孤立点效果,借助中值图像,使用以Imed(x,y)为中心的高斯分布为每个像素计算权值:
前景检测中使用马氏距离平方(squared Mahalanobis distance):
这里,C是协方差矩阵,Z表示门限值。红外、灰度和可见光信道的参数根据经验设置。
阴影检测
参照背景模型,在为每个像素计算亮度和色度的减少基础上实现阴影检测。阴影检测方法工作在L-U-V彩色空间。仅当下列条件满足时,像素p是一个阴影像素:
(1) 0.8≤CL≤0.98, 这里CL=pL/BL,
这里,CL是亮度变化;CUV是色度变化;BL,BU和BV是每一信道的平均背景值。另外,一个像素标记为阴影像素还需满足以下条件:R=|S|/|F| (7)
利用(7)式计算候选阴影区域的面积|S|与检测到的前景区域面积|F|的比。如果α≤R≤β为真,阴影区域最终确定。这里参数α和β限制了阴影区域面积相对于对应的重叠前景区域面积的大小。
图像融合
在对红外、灰度和可见光背景建模以后,使用膨胀的红外前景像素对灰度和可见光前景像素通过按像素“与”操作进行掩膜处理。在掩膜处理过的灰度和可见光信道前景区域间,应用按像素“或”操作从这些域中去除阴影。然后,在阴影被去除的可见光前景图像和膨胀的红外前景图像间应用按像素“或”操作。最后,得到的前景区域被用作对红外图像的掩膜。
应用主动轮廓模型(snake)分割图像
主动轮廓模型的主要目标是通过对曲线的评价,检测给定图像中对象的边界。该方法基于Mumford-Shah分割技术和水平集方法。(8)式表达其主要思想:
这里C是待演化的曲线,u0(x,y)是给定的图像,假定两个区域在图像中具有近似恒定的灰度,c1和c2是曲线C内部和外部的平均灰度值,对象C0的边界使得(8)式最小化。对(8)式加入正则项,能量函数变为
φ:Ω→R的0水平集表示,那么
通过引入Heaviside函数H和一维Dirac测度δ0, 能量函数F中的项可被表示如下:
灰度项表示如下:
平均灰度c1和c2用下式计算:
(12)
设c1和c2为常量,通过Euler-Lagrange方程,求φ使得F最小化:
这里曲度k可表示为:
本算法能被应用于从红外信道中提取的最终前景图像的每个连通区域,为获得更精确的结果,计算出每一个连通区域的面积和中心,用于Snake算法的初始化。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制;任何熟悉本领域的技术人员,在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同替换、等效变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (3)
1.一种可见光图像和红外图像的融合方法,其特征在于,包括如下具体步骤:
(1)使用红外域的扩展前景作为可见光域及灰度域的初始掩膜,分别对红外域、灰度域和可见光域每个像素的每个信道分别进行背景建模、前景检测和阴影检测;(2)对红外域的前景区域应用膨胀形态操作,使用膨胀的红外域前景像素对灰度域和可见光域前景像素进行掩膜处理;(3)掩膜处理过的灰度域和可见光域信道前景区域进行合成并对合成的结果去除阴影;(4)阴影去除后的可见光域前景图像和膨胀的红外光域前景图像进行融合,得到的前景区域用作对红外域图像掩膜处理;(5)最后对红外域中每一个连通区域应用主动轮廓模型,检测出目标的边界。
2.根据权利要求1所述一种可见光图像和红外图像的融合方法,其特征在于,所述背景建模中,使用SG方法对每个像素的每个信道分别建模,使用最近的帧计算背景模型的均值、方差和中值(Imed),为最小化孤立点效果,借助中值图像,使用以Imed(x,y)为中心的高斯分布为每个像素计算权值:
所述前景检测中使用马氏距离平方(squared Mahalanobis distance):
(6)
这里,C是协方差矩阵,Z表示门限值;
参照背景模型,为每个像素计算亮度和色度的减少基础上实现阴影检测,仅当下列条件满足时,像素p是一个阴影像素:
(1) 0.8≤CL≤0.98, 这里CL=pL/BL,
这里,CL是亮度变化;CUV是色度变化;BL,BU和BV是每一信道的平均背景值,另外,一个像素标记为阴影像素还需满足以下条件:
R=|S|/|F| (7)
利用(7)式计算候选阴影区域的面积|S|与检测到的前景区域面积|F|的比,如果α≤R≤β为真,阴影区域最终确定,这里参数α和β限制阴影区域面积相对于对应的重叠前景区域面积的大小。
3.根据权利要求1所述一种可见光图像和红外图像的融合方法,其特征在于,所述主动轮廓模型是基于Mumford-Shah分割技术和水平集方法,通过对曲线的评价,检测给定图像中对象的边界,表达式为: (8)
这里C是待演化的曲线,u0(x,y)是给定的图像, c1和c2是曲线C内部和外部的平均灰度值,对象C0的边界使得(8)式最小化,对(8)式加入正则项,能量函数变为
通过引入Heaviside函数H和一维Dirac测度δ0, 能量函数F中的项可被表示如下:
灰度项表示如下:
平均灰度c1和c2用下式计算:
设c1和c2为常量,通过Euler-Lagrange方程,求φ使得F最小化:
这里曲度k表示为:
本算法用于从红外信道中提取的最终前景图像的每个连通区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310536574.6A CN103778618A (zh) | 2013-11-04 | 2013-11-04 | 一种可见光图像和红外图像的融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310536574.6A CN103778618A (zh) | 2013-11-04 | 2013-11-04 | 一种可见光图像和红外图像的融合方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103778618A true CN103778618A (zh) | 2014-05-07 |
Family
ID=50570815
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310536574.6A Pending CN103778618A (zh) | 2013-11-04 | 2013-11-04 | 一种可见光图像和红外图像的融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103778618A (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104966108A (zh) * | 2015-07-15 | 2015-10-07 | 武汉大学 | 一种基于梯度传递的可见光与红外图像融合方法 |
CN105371957A (zh) * | 2015-10-23 | 2016-03-02 | 国家电网公司 | 变电站设备红外温度配准定位系统及方法 |
CN105787917A (zh) * | 2014-08-25 | 2016-07-20 | 现代自动车株式会社 | 用于在夜间驾驶时由车辆检测行人的方法和装置 |
CN106415312A (zh) * | 2014-05-30 | 2017-02-15 | 松下知识产权经营株式会社 | 感应系统及驾驶支援系统 |
CN106991665A (zh) * | 2017-03-24 | 2017-07-28 | 中国人民解放军国防科学技术大学 | 基于cuda图像融合并行计算的方法 |
CN107316272A (zh) * | 2017-06-29 | 2017-11-03 | 联想(北京)有限公司 | 用于图像处理的方法及其设备 |
CN107408205A (zh) * | 2015-03-11 | 2017-11-28 | 微软技术许可有限责任公司 | 用红外成像区分前景和背景 |
CN107423709A (zh) * | 2017-07-27 | 2017-12-01 | 苏州经贸职业技术学院 | 一种融合可见光与远红外线的目标检测方法 |
CN107478340A (zh) * | 2017-07-25 | 2017-12-15 | 许继集团有限公司 | 一种换流阀监测方法及系统 |
CN108280819A (zh) * | 2018-02-02 | 2018-07-13 | 北京理工雷科电子信息技术有限公司 | 一种双载荷遥感图像融合方法 |
CN109196551A (zh) * | 2017-10-31 | 2019-01-11 | 深圳市大疆创新科技有限公司 | 图像处理方法、设备及无人机 |
CN109308688A (zh) * | 2018-09-25 | 2019-02-05 | 中国农业科学院农业资源与农业区划研究所 | 一种可见光和近红外波段厚云及阴影去除方法 |
CN110189301A (zh) * | 2019-04-29 | 2019-08-30 | 上海电气集团股份有限公司 | 一种发电机定子铁心钢片叠装平台的异物检测方法 |
CN110246130A (zh) * | 2019-06-21 | 2019-09-17 | 中国民航大学 | 基于红外和可见光图像数据融合的机场道面裂缝检测方法 |
CN110322423A (zh) * | 2019-04-29 | 2019-10-11 | 天津大学 | 一种基于图像融合的多模态图像目标检测方法 |
CN110796691A (zh) * | 2018-08-03 | 2020-02-14 | 中国科学院沈阳自动化研究所 | 一种基于形状上下文和hog特征的异源图像配准方法 |
CN111386701A (zh) * | 2017-12-04 | 2020-07-07 | 索尼公司 | 图像处理装置和图像处理方法 |
CN111488820A (zh) * | 2020-04-08 | 2020-08-04 | 中国电力科学研究院有限公司 | 一种基于光影分离的电缆隧道工程智能巡检方法及系统 |
CN112270688A (zh) * | 2020-11-04 | 2021-01-26 | 中国科学院上海微系统与信息技术研究所 | 一种前景提取方法、装置、设备及存储介质 |
CN112802417A (zh) * | 2019-11-13 | 2021-05-14 | 青岛海信激光显示股份有限公司 | 画面补偿方法、装置及存储介质 |
CN113095321A (zh) * | 2021-04-22 | 2021-07-09 | 武汉菲舍控制技术有限公司 | 一种带式输送机的滚轮轴承测温及故障预警方法及装置 |
CN115984281A (zh) * | 2023-03-21 | 2023-04-18 | 中国海洋大学 | 基于局部特异性深化的时序海温图像的多任务补全方法 |
WO2023155324A1 (zh) * | 2022-02-21 | 2023-08-24 | 烟台艾睿光电科技有限公司 | 图像融合方法、装置及设备、存储介质 |
CN118052967A (zh) * | 2024-04-15 | 2024-05-17 | 天芯(珠海)芯片科技有限公司 | 林火智能识别方法以及相关装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US7620265B1 (en) * | 2004-04-12 | 2009-11-17 | Equinox Corporation | Color invariant image fusion of visible and thermal infrared video |
CN101727665A (zh) * | 2008-10-27 | 2010-06-09 | 广州飒特电力红外技术有限公司 | 红外图像和可见光图像融合的方法及装置 |
US8447137B2 (en) * | 2011-04-12 | 2013-05-21 | Csi Ricerca & Ambiente Srl | Method of image fusion |
-
2013
- 2013-11-04 CN CN201310536574.6A patent/CN103778618A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7620265B1 (en) * | 2004-04-12 | 2009-11-17 | Equinox Corporation | Color invariant image fusion of visible and thermal infrared video |
CN101727665A (zh) * | 2008-10-27 | 2010-06-09 | 广州飒特电力红外技术有限公司 | 红外图像和可见光图像融合的方法及装置 |
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 |
US8447137B2 (en) * | 2011-04-12 | 2013-05-21 | Csi Ricerca & Ambiente Srl | Method of image fusion |
Non-Patent Citations (3)
Title |
---|
LIU KUN 等: "Fusion of Infrared and Visible Light Images Based on Region Segmentation", 《CHINESE JOURNAL OF AERONAUTICS》 * |
王春华 等: "基于目标提取的红外与可见光图像融合算法", 《计算机工程》 * |
钟平 等: "一种基于目标区域特征的红外与可见光图像信息融合方法", 《应用激光》 * |
Cited By (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106415312B (zh) * | 2014-05-30 | 2019-07-02 | 松下知识产权经营株式会社 | 感应系统及驾驶支援系统 |
CN106415312A (zh) * | 2014-05-30 | 2017-02-15 | 松下知识产权经营株式会社 | 感应系统及驾驶支援系统 |
CN105787917A (zh) * | 2014-08-25 | 2016-07-20 | 现代自动车株式会社 | 用于在夜间驾驶时由车辆检测行人的方法和装置 |
CN105787917B (zh) * | 2014-08-25 | 2021-08-06 | 现代自动车株式会社 | 用于在夜间驾驶时由车辆检测行人的方法和装置 |
CN107408205A (zh) * | 2015-03-11 | 2017-11-28 | 微软技术许可有限责任公司 | 用红外成像区分前景和背景 |
CN104966108A (zh) * | 2015-07-15 | 2015-10-07 | 武汉大学 | 一种基于梯度传递的可见光与红外图像融合方法 |
CN105371957A (zh) * | 2015-10-23 | 2016-03-02 | 国家电网公司 | 变电站设备红外温度配准定位系统及方法 |
CN106991665A (zh) * | 2017-03-24 | 2017-07-28 | 中国人民解放军国防科学技术大学 | 基于cuda图像融合并行计算的方法 |
CN106991665B (zh) * | 2017-03-24 | 2020-03-17 | 中国人民解放军国防科学技术大学 | 基于cuda图像融合并行计算的方法 |
CN107316272A (zh) * | 2017-06-29 | 2017-11-03 | 联想(北京)有限公司 | 用于图像处理的方法及其设备 |
CN107478340A (zh) * | 2017-07-25 | 2017-12-15 | 许继集团有限公司 | 一种换流阀监测方法及系统 |
CN107423709A (zh) * | 2017-07-27 | 2017-12-01 | 苏州经贸职业技术学院 | 一种融合可见光与远红外线的目标检测方法 |
WO2019084825A1 (zh) * | 2017-10-31 | 2019-05-09 | 深圳市大疆创新科技有限公司 | 图像处理方法、设备及无人机 |
CN109196551A (zh) * | 2017-10-31 | 2019-01-11 | 深圳市大疆创新科技有限公司 | 图像处理方法、设备及无人机 |
CN109196551B (zh) * | 2017-10-31 | 2021-08-27 | 深圳市大疆创新科技有限公司 | 图像处理方法、设备及无人机 |
US11641492B2 (en) | 2017-12-04 | 2023-05-02 | Sony Corporation | Image processing apparatus and image processing method |
CN111386701A (zh) * | 2017-12-04 | 2020-07-07 | 索尼公司 | 图像处理装置和图像处理方法 |
CN108280819A (zh) * | 2018-02-02 | 2018-07-13 | 北京理工雷科电子信息技术有限公司 | 一种双载荷遥感图像融合方法 |
CN108280819B (zh) * | 2018-02-02 | 2022-03-25 | 北京理工雷科电子信息技术有限公司 | 一种双载荷遥感图像融合方法 |
CN110796691A (zh) * | 2018-08-03 | 2020-02-14 | 中国科学院沈阳自动化研究所 | 一种基于形状上下文和hog特征的异源图像配准方法 |
CN110796691B (zh) * | 2018-08-03 | 2023-04-11 | 中国科学院沈阳自动化研究所 | 一种基于形状上下文和hog特征的异源图像配准方法 |
CN109308688B (zh) * | 2018-09-25 | 2021-06-25 | 中国农业科学院农业资源与农业区划研究所 | 一种可见光和近红外波段厚云及阴影去除方法 |
CN109308688A (zh) * | 2018-09-25 | 2019-02-05 | 中国农业科学院农业资源与农业区划研究所 | 一种可见光和近红外波段厚云及阴影去除方法 |
CN110189301B (zh) * | 2019-04-29 | 2023-07-28 | 上海电气集团股份有限公司 | 一种发电机定子铁心钢片叠装平台的异物检测方法 |
CN110189301A (zh) * | 2019-04-29 | 2019-08-30 | 上海电气集团股份有限公司 | 一种发电机定子铁心钢片叠装平台的异物检测方法 |
CN110322423A (zh) * | 2019-04-29 | 2019-10-11 | 天津大学 | 一种基于图像融合的多模态图像目标检测方法 |
CN110246130B (zh) * | 2019-06-21 | 2023-03-31 | 中国民航大学 | 基于红外和可见光图像数据融合的机场道面裂缝检测方法 |
CN110246130A (zh) * | 2019-06-21 | 2019-09-17 | 中国民航大学 | 基于红外和可见光图像数据融合的机场道面裂缝检测方法 |
CN112802417A (zh) * | 2019-11-13 | 2021-05-14 | 青岛海信激光显示股份有限公司 | 画面补偿方法、装置及存储介质 |
CN111488820A (zh) * | 2020-04-08 | 2020-08-04 | 中国电力科学研究院有限公司 | 一种基于光影分离的电缆隧道工程智能巡检方法及系统 |
CN111488820B (zh) * | 2020-04-08 | 2023-06-23 | 中国电力科学研究院有限公司 | 一种基于光影分离的电缆隧道工程智能巡检方法及系统 |
CN112270688A (zh) * | 2020-11-04 | 2021-01-26 | 中国科学院上海微系统与信息技术研究所 | 一种前景提取方法、装置、设备及存储介质 |
CN112270688B (zh) * | 2020-11-04 | 2024-05-28 | 中国科学院上海微系统与信息技术研究所 | 一种前景提取方法、装置、设备及存储介质 |
CN113095321A (zh) * | 2021-04-22 | 2021-07-09 | 武汉菲舍控制技术有限公司 | 一种带式输送机的滚轮轴承测温及故障预警方法及装置 |
WO2023155324A1 (zh) * | 2022-02-21 | 2023-08-24 | 烟台艾睿光电科技有限公司 | 图像融合方法、装置及设备、存储介质 |
CN115984281A (zh) * | 2023-03-21 | 2023-04-18 | 中国海洋大学 | 基于局部特异性深化的时序海温图像的多任务补全方法 |
CN118052967A (zh) * | 2024-04-15 | 2024-05-17 | 天芯(珠海)芯片科技有限公司 | 林火智能识别方法以及相关装置 |
CN118052967B (zh) * | 2024-04-15 | 2024-06-18 | 天芯(珠海)芯片科技有限公司 | 林火智能识别方法以及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103778618A (zh) | 一种可见光图像和红外图像的融合方法 | |
US10607089B2 (en) | Re-identifying an object in a test image | |
CN105528794B (zh) | 基于混合高斯模型与超像素分割的运动目标检测方法 | |
CN104992434B (zh) | 根据历史卫星图像在当前卫星图像上进行台风定位的方法 | |
CN103985108B (zh) | 一种利用边界检测和多尺度形态学清晰度度量的多聚焦图像融合方法 | |
CN105046206B (zh) | 基于视频中运动先验信息的行人检测方法及装置 | |
CN103871076A (zh) | 基于光流法和超像素分割的运动目标提取方法 | |
CN104123734A (zh) | 基于可见光和红外检测结果融合的运动目标检测方法 | |
CN104517095A (zh) | 一种基于深度图像的人头分割方法 | |
CN104680521A (zh) | 一种改进的背景建模及前景检测方法 | |
Xu et al. | Moving object detection based on improved three frame difference and background subtraction | |
CN103473792A (zh) | 一种运动目标检测方法 | |
CN109903379A (zh) | 一种基于点云优化采样的三维重建方法 | |
Saito et al. | Seamline determination based on semantic segmentation for aerial image mosaicking | |
Shiting et al. | Clustering-based shadow edge detection in a single color image | |
CN110363197A (zh) | 基于改进视觉背景提取模型的视频感兴趣区域提取方法 | |
CN109635679A (zh) | 一种实时的靶纸定位及环线识别方法 | |
CN105574841A (zh) | 一种基于颜色的图像分割方法及装置 | |
Zhou et al. | Superpixel-driven level set tracking | |
Park et al. | Independent Object Tracking from Video using the Contour Information in HSV Color Space | |
Chen et al. | Target detection based on the interframe difference of block and graph-based | |
Qian et al. | A Visual SLAM Algorithm Based on Instance Segmentation and Background Inpainting in Dynamic Scenes | |
CN104992418A (zh) | 一种适用于热像视频彩色化的异常色校正方法 | |
Yang et al. | A hierarchical approach for background modeling and moving objects detection | |
Yang et al. | Cascaded superpixel pedestrian object segmentation algorithm |
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: 20140507 |