CN104835113A - 一种基于超分辨率图像重建的偏振图像融合方法 - Google Patents
一种基于超分辨率图像重建的偏振图像融合方法 Download PDFInfo
- Publication number
- CN104835113A CN104835113A CN201510216740.3A CN201510216740A CN104835113A CN 104835113 A CN104835113 A CN 104835113A CN 201510216740 A CN201510216740 A CN 201510216740A CN 104835113 A CN104835113 A CN 104835113A
- Authority
- CN
- China
- Prior art keywords
- image
- polarization
- pixel
- formula
- fusion method
- 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
- 230000010287 polarization Effects 0.000 title claims abstract description 141
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 28
- 230000005855 radiation Effects 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims description 31
- 238000005070 sampling Methods 0.000 claims description 22
- 230000004927 fusion Effects 0.000 abstract description 5
- 239000010426 asphalt Substances 0.000 description 2
- 239000011449 brick Substances 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于超分辨率图像重建的偏振图像融合方法,根据本发明的基于超分辨率图像重建的偏振图像融合方法,将Q图像、U图像、偏振度图像和偏振角图像按照顺序以小于一个像素单元的某一间距值进行交叉得到过采样图像,并对过采样图像进行超分辨率重建,获得融合图像。根据本发明的偏振图像融合方法,能够将辐射强度信息与边缘轮廓等细节信息有效融合,提高融合图像的分辨率。
Description
技术领域
本发明涉及光电测量领域,特别是一种基于超分辨率图像重建的偏振图像融合方法。
背景技术
以下对本发明的相关技术背景进行说明,但这些说明并不一定构成本发明的现有技术。
图像融合就是将来源于多通道的关于同一目标或场景的图像经过一定的处理,融合多个源图像中的冗余信息和互补信息,突出和强化图像中的有用信息,以使综合后的信息更加丰富,对同一场景或目标的描述更全面、精细,利于对图像进一步分析、理解及目标的检测、识别。融合图像不仅应保留强度图像的低频特性,还应该突出图像的高频特征,例如偏振图像中的景物边缘、轮廓等细节信息。
图像融合的常规处理方法是:利用4个线偏振方向的偏振图像,按照算术加权法直接合成融合图像。采用这种方法获得融合图像的过程中,抑制了图像的高频成分,融合后的图像不会增加新的高频成分,从而导致图像的由于偏振器件对场景辐射信号的影响,这种方法可能增加图像的边缘轮廓等细节不清楚,图像的分辨率低。
因此,现有技术中需要一种能够解决图像分辨率低的问题的解决方案。
发明内容
本发明的目的在于提出一种能够提高图像分辨率的基于超分辨率图像重建的偏振图像融合方法。
根据本发明的基于超分辨率图像重建的偏振图像融合方法,包括:
S1.分别探测0°、45°、90°和135°方向的偏振图像;
S2.按照公式1获取目标图像的斯托克斯矢量S,
(公式1)
其中,g0°表示0°方向的偏振图像,g45°表示45°方向的偏振图像,g90 °表示90°方向的偏振图像,g135°表示135°方向的偏振图像,gRCP和gLCP分别表示右旋圆偏振图像和左旋圆偏振图像;I表示总光强度,Q表示X轴方向直线偏振光分量;U表示45°方向直线偏振光分量;V与左/右旋的圆偏振信息有关;
S3.获取第一方向的辐射强度图像Q图像和第二方向的辐射强度图像U图像;
S4.根据目标图像的斯托克斯矢量S确定偏振度图像;其中,偏振度图像的偏振度为:
S5.基于目标图像的斯托克斯矢量S确定偏振角图像;其中,偏振角图像的偏振角为:
S6.将Q图像、U图像、偏振度图像和偏振角图像进行顺序插值,获取过采样图像P;
S7.采用超分辨率重建方法对过采样图像P进行处理,获取融合图像OO。
优选地,将Q图像、U图像、偏振度图像和偏振角图像进行顺序插值具体为:将Q图像、U图像、偏振度图像和偏振角图像按照顺序以小于一个像素单元的某一间距值进行交叉。
优选地,某一间距值为二分之一个像素单元。
优选地,将Q图像、U图像、偏振度图像和偏振角图像进行顺序插值具体为:
将Q图像相对于无偏辐射图像向左上方移动1/2个像素,将U图像相对于无偏辐射图像向右上方移动1/2个像素,将偏振度图像相对于无偏辐射图像向左下方移动1/2个像素,将偏振角图像相对于无偏辐射图像向右下方移动1/2个像素。
优选地,过采样图像P与无偏辐射强度图像O对应像素的像元值之间的关系为:
式中,过采样图像P为2m×2n的图像,无偏辐射强度图像O为(2m+1)×(2n+1)的图像,k为0~(2m-1)之间的整数;l为0~(2n-1)之间的整数。
优选地,超分辨率重建方法为边框近似法,
假定过采样图像P第2m行和第2n列的边框像素的像元值与无偏红外辐射图像O的(2m+1)行和(2n+1)列像素的像元值近似相等,即:
采用边框近似法处理后的无偏辐射强度图像O即为融合图像OO,根据公式4与公式5确定融合图像OO各个像素的像元值为:
优选地,Q图像为(g0°-g90°),U图像为(g45°-g135°)。
优选地,偏振图像融合方法进一步包括,在将偏振信息图像作为序列图像进行超分辨率重建之后,将融合图像OO与无偏辐射强度图像O对应像素的像元值相减,分析融合图像OO的各个像素像元值的误差分布,根据误差分布对融合图像OO进行修正。
根据本发明的基于超分辨率图像重建的偏振图像融合方法,将Q图像、U图像、偏振度图像和偏振角图像按照顺序以小于一个像素单元的某一间距值进行交叉得到过采样图像,并对过采样图像进行超分辨率重建,获得融合图像。根据本发明的偏振图像融合方法,能够将辐射强度信息与边缘轮廓等细节信息有效融合,提高融合图像的分辨率。
附图说明
通过以下参照附图而提供的具体实施方式部分,本发明的特征和优点将变得更加容易理解,在附图中:
图1是示出根据本发明的偏振图像融合方法的流程示意图;
图2a是根据本发明的某地面背景的Q图像、图2b是根据本发明的某地面背景的U图像、图2c是根据本发明的某地面背景的偏振度图像、图2d是根据本发明的某地面背景的偏振角图像;
图3是根据本发明的某地面背景的的融合图像。
具体实施方式
下面参照附图对本发明的示例性实施方式进行详细描述。对示例性实施方式的描述仅仅是出于示范目的,而绝不是对本发明及其应用或用法的限制。
为了提高融合图像对目标的探测和识别能力,融合图像不仅应保留强度图像的低频特性,还应突出目标图像的高频特征,例如偏振图像中的景物边缘、轮廓等细节信息。常规的图像融合方法是:利用4个线偏振方向的偏振图像,按照算术加权法直接合成融合图像。采用这种方法获得融合图像的过程中,抑制了图像的高频成分,融合后的图像不会增加新的高频成分,从而导致图像的由于偏振器件对场景辐射信号的影响,装置、这种方法可能增加图像的边缘轮廓等细节不清楚,图像的分辨率低。
本发明的目的在于提出一种能够提高图像分辨率的基于超分辨率图像重建的偏振图像融合方法。参见图1,根据本发明的基于超分辨率图像重建的偏振图像融合方法,包括:
S1.分别探测0°、45°、90°和135°方向的偏振图像。0°方向的偏振图像用g0°表示,45°方向的偏振图像用g45°表示,90°方向的偏振图像用g90°表示,135°方向的偏振图像用g135°表示。
S2.按照公式1获取目标图像的斯托克斯Stokes矢量S。
Stokes矢量表示法是常用的描述光波偏振态的方法,主要通过4个Stokes参量来描述光波的偏振态和强度,其通用表达式为:S=(I,Q,U,V)T。由于Stokes矢量与光强度成正比,具有强度量纲,因此可以直接被探测器探测到。Stokes参量的计算公式为:
(公式1)
式中,I表示总光强度,Q表示X轴方向直线偏振光分量;U表示45°方向直线偏振光分量;V与左/右旋的圆偏振信息有关,通常自然目标的圆偏振分量很小,故可忽略不计;gRCP和gLCP分别表示右旋圆偏振图像和左旋圆偏振图像。
S3.获取第一方向的辐射强度图像Q图像和第二方向的辐射强度图像U图像。
第一方向和第二方向可以根据实际情况进行确定。根据本发明的优选实施例,Q图像为0°方向与90°方向的偏振图像之差,即(g0°-g90°);U图像为45°方向与135°方向的偏振图像之差,即(g45°-g135°)。
S4.根据目标图像的Stokes矢量确定偏振度图像。
偏振度是表征目标景物的表面状态和属性特征的重要参量。偏振度是从0到1的无量纲数,通常可由Stokes参量计算得到,其中,偏振度图像的偏振度为:
S5.基于目标图像的斯托克斯矢量S确定偏振角图像。
偏振角是表征目标景物的表面状态和属性特征的重要参量,表示入射光的偏振方向相对于X轴的夹角,对于部分偏振光,偏振角就是能量最大的偏振方向与X轴的夹角。偏振角也表示为Stokes参量的函数,其中,偏振角图像的偏振角为:
S6.将Q图像、U图像、偏振度图像和偏振角图像进行顺序插值,获取过采样图像P。
传统的利用4个线偏振方向的偏振图像按照算术加权法直接合成融合图像的方法,对数据中的高频信息具有滤除和抑制效应,融合后的图像不会增加新的高频成分,从而导致图像的边缘轮廓等细节不清楚,图像的分辨率低。本发明通过对Q图像、U图像以及偏振度图像和偏振角图像进行顺序插值,获取过采样图像P。根据本发明的偏振图像融合方法获得的过采样图像P,包含了更多的目标场景信息,不仅保留了强度图像的低频特性,还能够突出图像的高频特征,例如偏振图像中的景物边缘、轮廓等细节信息。
根据本发明的偏振图像融合方法的优选实施例,将Q图像、U图像、偏振度图像和偏振角图像进行顺序插值具体为:将Q图像、U图像、偏振度图像和偏振角图像按照顺序以小于一个像素单元的某一间距值进行交叉。优选地,将Q图像、U图像、偏振度图像和偏振角图像按照顺序以二分之一个像素单元为间距进行交叉。
根据本发明的偏振图像融合方法的一个优选实施例,将Q图像、U图像、偏振度图像和偏振角图像进行顺序插值具体为:将Q图像相对于无偏辐射图像向左上方移动1/2个像素,将U图像相对于无偏辐射图像向右上方移动1/2个像素,将偏振度图像相对于无偏辐射图像向左下方移动1/2个像素,将偏振角图像相对于无偏辐射图像向右下方移动1/2个像素。
优选地,过采样图像P与无偏辐射强度图像O对应像素的像元值之间的关系为:
式中,过采样图像P为2m×2n的图像,无偏辐射强度图像O为(2m+1)×(2n+1)的图像,k为0~(2m-1)之间的整数;l为0~(2n-1)之间的整数。
S7.采用超分辨率重建方法对过采样图像P进行处理,获取融合图像OO。
优选地,本发明采用边框近似法对过采样图像P进行处理。假定过采样图像P第2m行和第2n列的边框像素的像元值与无偏红外辐射图像O的(2m+1)行和(2n+1)列像素的像元值近似相等,即:
采用边框近似法处理后的无偏辐射强度图像O即为融合图像OO,根据公式4与公式5确定融合图像OO各个像素的像元值为:
根据本发明的偏振图像融合方法的一个优选实施例,偏振图像融合方法进一步包括,在将偏振信息图像作为序列图像进行超分辨率重建之后,将融合图像OO与无偏辐射强度图像O对应像素的像元值相减,分析融合图像OO的各个像素像元值的误差分布,根据误差分布对融合图像OO进行修正。
由于对过采样图像P进行超分辨率重建的过程中,采用过采样图像P第2m行和第2n列的边框像素的像元值来近似无偏红外辐射图像O的(2m+1)行和(2n+1)列像素的像元值,故得到的融合图像OO与无偏辐射辐射强度图像O之间还存在误差。将融合图像OO与无偏辐射强度图像O对应像素的像元值相减,分析融合图像OO的各个像素像元值的误差分布,根据误差分布对融合图像OO进行修正,能够获得更高分辨率的图像。
图2a是根据本发明的某地面背景的Q图像,图2b是根据本发明的某地面背景的U图像,Q图像和U图像中车辆的边缘及地面植被的细节信息较模糊;图2c是根据本发明的某地面背景的偏振度图像,图像中辆轮廓较分明,土壤地面植被以及落叶的分布较清晰;图2d是根据本发明的某地面背景的偏振角图像,图像中砖面路面与柏油路面的分界以及阴影区域中的植被较清晰,阴影区域及非阴影区域的区分较明确。图3是根据本发明的某地面背景的的融合图像。由图3可知:融合图像中,车辆轮廓更加分明,土壤、地面植被、阴影区域中的植被以及落叶的分布状况更清晰,砖面路面与柏油路面的分界、阴影区域与非阴影区域的分解非常明确。
虽然参照示例性实施方式对本发明进行了描述,但是应当理解,本发明并不局限于文中详细描述和示出的具体实施方式,在不偏离权利要求书所限定的范围的情况下,本领域技术人员可以对所述示例性实施方式做出各种改变。
Claims (8)
1.一种基于超分辨率图像重建的偏振图像融合方法,包括:
S1.分别探测0°、45°、90°和135°方向的偏振图像;
S2.按照公式1获取目标图像的斯托克斯矢量S,
(公式1)
其中,g0°表示0°方向的偏振图像,g45°表示45°方向的偏振图像,g90 °表示90°方向的偏振图像,g135°表示135°方向的偏振图像,gRCP和gLCP分别表示右旋圆偏振图像和左旋圆偏振图像;I表示总光强度,Q表示X轴方向直线偏振光分量;U表示45°方向直线偏振光分量;V与左/右旋的圆偏振信息有关;
S3.获取第一方向的辐射强度图像Q图像和第二方向的辐射强度图像U图像;
S4.根据目标图像的斯托克斯矢量S确定偏振度图像;其中,所述偏振度图像的偏振度为 (公式2);
S5.基于目标图像的斯托克斯矢量S确定偏振角图像;其中,所述偏振角图像的偏振角为 (公式3);
S6.将所述Q图像、所述U图像、所述偏振度图像和所述偏振角图像进行顺序插值,获取过采样图像P;
S7.采用超分辨率重建方法对所述过采样图像P进行处理,获取融合图像OO。
2.如权利要求1所述的偏振图像融合方法,其中,所述将所述Q图像、所述U图像、所述偏振度图像和所述偏振角图像进行顺序插值具体为:
将所述Q图像、所述U图像、所述偏振度图像和所述偏振角图像按照顺序以小于一个像素单元的某一间距值进行交叉。
3.如权利要求2所述的偏振图像融合方法,其中,所述某一间距值为二分之一个像素单元。
4.如权利要求3所述的偏振图像融合方法,其中,所述将所述Q图像、所述U图像、所述偏振度图像和所述偏振角图像进行顺序插值具体为:
将所述Q图像相对于无偏辐射图像向左上方移动1/2个像素,将所述U图像相对于无偏辐射图像向右上方移动1/2个像素,将所述偏振度图像相对于无偏辐射图像向左下方移动1/2个像素,将所述偏振角图像相对于无偏辐射图像向右下方移动1/2个像素。
5.如权利要求4所述的偏振图像融合方法,其中,所述过采样图像P与无偏辐射强度图像O对应像素的像元值之间的关系为:
O(2m-k,2n-l)=4P(2m-k,2n-l)-O(2m-k,2n-l+1)-O(2m-k+1,2n-l)
(公式4)
-O(2m-k+1,2n-l+1)
式中,过采样图像P为2m×2n的图像,无偏辐射强度图像O为(2m+1)×(2n+1)的图像,k为0~(2m-1)之间的整数;l为0~(2n-1)之间的整数。
6.如权利要求5所述的偏振图像融合方法,其中,所述超分辨率重建方法为边框近似法,
假定过采样图像P第2m行和第2n列的边框像素的像元值与无偏红外辐射图像O的(2m+1)行和(2n+1)列像素的像元值近似相等,即:
采用边框近似法处理后的无偏辐射强度图像O即为融合图像OO,根据公式4与公式5确定融合图像OO各个像素的像元值为:
7.如权利要求1-6任一所述的偏振图像融合方法,其中,所述Q图像为(g0°-g90°),所述U图像为(g45°-g135°)。
8.如权利要求7所述的偏振图像融合方法,其中,所述偏振图像融合方法进一步包括,
在所述将所述偏振信息图像作为序列图像进行超分辨率重建之后,将所述融合图像OO与无偏辐射强度图像O对应像素的像元值相减,分析所述融合图像OO的各个像素像元值的误差分布,根据所述误差分布对所述融合图像OO进行修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510216740.3A CN104835113B (zh) | 2015-04-30 | 2015-04-30 | 一种基于超分辨率图像重建的偏振图像融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510216740.3A CN104835113B (zh) | 2015-04-30 | 2015-04-30 | 一种基于超分辨率图像重建的偏振图像融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104835113A true CN104835113A (zh) | 2015-08-12 |
CN104835113B CN104835113B (zh) | 2018-02-27 |
Family
ID=53812983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510216740.3A Active CN104835113B (zh) | 2015-04-30 | 2015-04-30 | 一种基于超分辨率图像重建的偏振图像融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104835113B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105551009A (zh) * | 2015-12-17 | 2016-05-04 | 哈尔滨工业大学 | 一种基于连续太赫兹共焦扫描偏振成像的图像融合方法 |
CN106289542A (zh) * | 2016-07-26 | 2017-01-04 | 北京理工大学 | 一种前置偏振片式红外偏振成像系统的辐射校正方法 |
CN106682631A (zh) * | 2016-12-30 | 2017-05-17 | 广东华中科技大学工业技术研究院 | 一种基于偏振特性的水面目标检测方法 |
CN106846289A (zh) * | 2017-01-17 | 2017-06-13 | 中北大学 | 一种基于显著性迁移与细节分类的红外光强与偏振图像融合方法 |
CN107589551A (zh) * | 2017-07-24 | 2018-01-16 | 西安电子科技大学 | 一种多孔径偏振成像装置及系统 |
CN109410160A (zh) * | 2018-10-09 | 2019-03-01 | 湖南源信光电科技股份有限公司 | 基于多特征和特征差异驱动的红外偏振图像融合方法 |
CN110471014A (zh) * | 2018-05-10 | 2019-11-19 | 西门子医疗有限公司 | 磁共振成像中的条纹伪影减少 |
CN110763342A (zh) * | 2019-09-30 | 2020-02-07 | 成都鼎屹信息技术有限公司 | 一种红外偏振超像元辐射光强图像分辨率还原方法 |
CN111292279A (zh) * | 2020-01-17 | 2020-06-16 | 中国科学院上海技术物理研究所 | 一种基于彩色图像融合的偏振图像可视化方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103578091A (zh) * | 2013-10-10 | 2014-02-12 | 中国科学院上海技术物理研究所 | 一种基于拉普拉斯金字塔的红外偏振图像融合方法 |
CN104103073A (zh) * | 2014-07-14 | 2014-10-15 | 中国人民解放军国防科学技术大学 | 一种红外偏振图像边缘检测方法 |
-
2015
- 2015-04-30 CN CN201510216740.3A patent/CN104835113B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103578091A (zh) * | 2013-10-10 | 2014-02-12 | 中国科学院上海技术物理研究所 | 一种基于拉普拉斯金字塔的红外偏振图像融合方法 |
CN104103073A (zh) * | 2014-07-14 | 2014-10-15 | 中国人民解放军国防科学技术大学 | 一种红外偏振图像边缘检测方法 |
Non-Patent Citations (3)
Title |
---|
岳振 等: "一种基于小波变换的红外偏振融合算法", 《应用光学》 * |
王慧斌 等: "分级多尺度变换的水下偏振图像融合法", 《光子学报》 * |
陈伟力 等: "基于偏振微面元理论的红外偏振特性研究", 《红外与毫米波学报》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105551009A (zh) * | 2015-12-17 | 2016-05-04 | 哈尔滨工业大学 | 一种基于连续太赫兹共焦扫描偏振成像的图像融合方法 |
CN105551009B (zh) * | 2015-12-17 | 2018-03-16 | 哈尔滨工业大学 | 一种基于连续太赫兹共焦扫描偏振成像的图像融合方法 |
CN106289542A (zh) * | 2016-07-26 | 2017-01-04 | 北京理工大学 | 一种前置偏振片式红外偏振成像系统的辐射校正方法 |
CN106289542B (zh) * | 2016-07-26 | 2018-10-30 | 北京理工大学 | 一种前置偏振片式红外偏振成像系统的辐射校正方法 |
CN106682631A (zh) * | 2016-12-30 | 2017-05-17 | 广东华中科技大学工业技术研究院 | 一种基于偏振特性的水面目标检测方法 |
CN106682631B (zh) * | 2016-12-30 | 2020-04-07 | 广东华中科技大学工业技术研究院 | 一种基于偏振特性的水面目标检测方法 |
CN106846289B (zh) * | 2017-01-17 | 2019-08-23 | 中北大学 | 一种红外光强与偏振图像融合方法 |
CN106846289A (zh) * | 2017-01-17 | 2017-06-13 | 中北大学 | 一种基于显著性迁移与细节分类的红外光强与偏振图像融合方法 |
CN107589551A (zh) * | 2017-07-24 | 2018-01-16 | 西安电子科技大学 | 一种多孔径偏振成像装置及系统 |
CN107589551B (zh) * | 2017-07-24 | 2019-07-16 | 西安电子科技大学 | 一种多孔径偏振成像装置及系统 |
CN110471014A (zh) * | 2018-05-10 | 2019-11-19 | 西门子医疗有限公司 | 磁共振成像中的条纹伪影减少 |
US11435419B2 (en) | 2018-05-10 | 2022-09-06 | Siemens Healthcare Gmbh | Streak artifact reduction in magnetic resonance imaging |
CN110471014B (zh) * | 2018-05-10 | 2023-01-24 | 西门子医疗有限公司 | 磁共振成像中的条纹伪影减少 |
CN109410160A (zh) * | 2018-10-09 | 2019-03-01 | 湖南源信光电科技股份有限公司 | 基于多特征和特征差异驱动的红外偏振图像融合方法 |
CN109410160B (zh) * | 2018-10-09 | 2020-09-22 | 湖南源信光电科技股份有限公司 | 基于多特征和特征差异驱动的红外偏振图像融合方法 |
CN110763342A (zh) * | 2019-09-30 | 2020-02-07 | 成都鼎屹信息技术有限公司 | 一种红外偏振超像元辐射光强图像分辨率还原方法 |
CN111292279A (zh) * | 2020-01-17 | 2020-06-16 | 中国科学院上海技术物理研究所 | 一种基于彩色图像融合的偏振图像可视化方法 |
CN111292279B (zh) * | 2020-01-17 | 2022-07-29 | 中国科学院上海技术物理研究所 | 一种基于彩色图像融合的偏振图像可视化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104835113B (zh) | 2018-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104835113A (zh) | 一种基于超分辨率图像重建的偏振图像融合方法 | |
Pinggera et al. | Lost and found: detecting small road hazards for self-driving vehicles | |
Flossmann et al. | Polarization singularities in 2D and 3D speckle fields | |
CN104156968B (zh) | 大面积地形复杂区域无人机序列影像快速无缝拼接方法 | |
US9734398B2 (en) | Method and apparatus for identifying object | |
CN103413308B (zh) | 一种障碍物检测方法和装置 | |
CN103266552B (zh) | 一种基于深度图像的路面检测系统 | |
CN104700110B (zh) | 一种基于全极化sar图像的植被覆盖信息提取方法 | |
CN103208117A (zh) | 一种多功能智能皮带表面斑块边缘检测方法 | |
CN102982304B (zh) | 利用偏光图像检测车辆位置的方法和系统 | |
Mathavan et al. | Pavement raveling detection and measurement from synchronized intensity and range images | |
CN103136758B (zh) | 基于正交多项式拟合的快速边缘检测方法 | |
CN105809173B (zh) | 一种基于仿生物视觉变换的图像rstn不变属性特征提取及识别方法 | |
CN105139339A (zh) | 基于多级滤波和样本匹配的偏振图像超分辨率重建方法 | |
CN103578091A (zh) | 一种基于拉普拉斯金字塔的红外偏振图像融合方法 | |
CN102629378A (zh) | 基于多特征融合的遥感图像变化检测方法 | |
CN103308000B (zh) | 基于双目视觉的曲线物体测量方法 | |
CN103268014A (zh) | 一种具有四个方向隐身效果的柱状电磁波隐身器件 | |
CN111127289A (zh) | 带有水印的高低频复用超表面防伪图像的设计方法 | |
CN106183995A (zh) | 一种基于立体视觉的可视倒车方法 | |
CN102175993A (zh) | 基于卫星sar影像的雷达景象匹配特征参考图制备方法 | |
CN105975957A (zh) | 一种基于车道线边缘的道路平面检测方法 | |
CN108549080A (zh) | 一种输电杆塔位置提取方法及系统 | |
CN105513014A (zh) | 一种多帧图像超分辨率重建方法及其重建系统 | |
CN104330048A (zh) | 一种基于图像的铁路雪深测量装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |