CN106023101A - 一种基于视觉保真的卫星遥感图像处理方法 - Google Patents
一种基于视觉保真的卫星遥感图像处理方法 Download PDFInfo
- Publication number
- CN106023101A CN106023101A CN201610320419.4A CN201610320419A CN106023101A CN 106023101 A CN106023101 A CN 106023101A CN 201610320419 A CN201610320419 A CN 201610320419A CN 106023101 A CN106023101 A CN 106023101A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- satellite
- data
- sensing images
- pixel
- 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
- 230000000007 visual effect Effects 0.000 title claims abstract description 21
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000008569 process Effects 0.000 claims description 18
- 238000013507 mapping Methods 0.000 abstract description 7
- 238000003384 imaging method Methods 0.000 abstract description 6
- 238000013139 quantization Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 5
- 230000000052 comparative effect Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000003466 anti-cipated effect Effects 0.000 description 2
- 238000005266 casting Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002427 irreversible effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
一种基于视觉保真的卫星遥感图像处理方法,针对高辐射分辨率卫星遥感图像(量化比特超过8位),首先读取图像每一像元的DN值数据,获取卫星遥感图像有效量化比特n,对从0到2n‑1的每一个数据右移n‑8位,并强制保留低字节信息或对从0到2n‑1的每一个数据左移16‑n位,得到包括原始数据和拉伸后数据的对照表,实现色阶重建;最后根据对照表,进行色调映射处理获取卫星遥感图像每一像元拉伸后的DN值数据,从而得到视觉保真的卫星遥感图像。本发明方法保证了图像的亮度符合成像情况,而且顾及了视觉保真的需要,能够获取地物真实情况,提高了图像判读和解译能力。
Description
技术领域
本发明涉及一种主要针对高辐射分辨率卫星遥感图像(量化比特超过8位)的基于视觉保真的预处理方法,属于航天遥感图像处理技术领域。
背景技术
辐射分辨率也称辐射灵敏度,是指卫星相机在接收目标反射或辐射信号时能分辨的最小辐射度差。地面特征在空间、光谱和时间上的变化都是通过其辐射量的分布和变化反映出来的,因此辐射分辨率是卫星获取地面信息的重要指标。为了保证达到规定的辐射分辨率,卫星输出的模拟信号变换为数字信号(A/D变换)时必须合理选择量化分层,即表达最暗至最亮数字值(Digital Number,DN)之间的分级数目-量化比特数,从而辐射分辨率可由量化分层或比特表征。
根据卫星设计、制造工艺的现实水平,目前高辐射分辨率遥感卫星量化分层主体处于10-12比特水平。高辐射分辨率遥感图像显示与8比特图像在诸多方面都有明显的不同,带来了目视解译、判读的问题,甚至引发误判。因为计算机以字节为单元存储数据,为了适应计算机存储的需要,采用每像元双字节(16比特)的方式保存数据,高辐射分辨率遥感数据的量化比特数n一般只有10-12位,且存储在双字节的低位,有效信息只占据直方图动态范围较低端、较窄的部分,屏幕显示图像出现黑屏。以资源三号卫星图像为例,图像饱和DN值为0000 0011 1111 1111,即1023,只占满量程1.56%(1023/65535),由于所占比例太低,相当于一个小的物体存储在一个很大的容器中,人眼难以分辨甚至无法发现任何有用信息。因此需要进行遥感图像处理。
目前常用的遥感图像处理、显示一般采用PCI、ERDAS等专用遥感软件进行,也可使用Photoshop通用图像处理软件。由于通用图像格式没有有效比特的位段,无论PCI、ERDAS,还是Photoshop软件都无法获悉该信息,只能解译每像元双字节存储方式,而无法知道有效比特情况。PCI、ERDAS实行自动增强方式,图像直方图充满整个动态范围,因此无论何种景物,图像的亮度处理中等水平,无法复原原始景物的实际情况;而Photoshop采取直接映射的方式,不做任何内部处理,图像显示为黑屏,人眼几乎观测不到任何有价值的信息,多次拉伸才能改善图像目视质量,既降低了处理效率又同样无法获悉景物的真相。另外,各类软件在显示图像时内部采用了不同的处理或映射机制。同一图像使用不同的软件显示,效果可能截然不同,难以获取地物真实情况,图像判读、解译能力遭到削弱。
发明内容
本发明解决的技术问题是:克服现有技术的不足,提供一种基于视觉保真的卫星遥感图像处理方法,保证了图像的亮度符合成像情况,而且顾及了视觉保真的需要,能够获取地物真实情况,提高了图像判读和解译能力。
本发明的技术解决方案是:一种基于视觉保真的卫星遥感图像处理方法,包括如下步骤:
(1)从计算机中读取卫星遥感图像每一像元的DN值数据;
(2)根据卫星研制总要求或卫星使用要求,获取卫星遥感图像有效量化比特n;
(3)对从0到2n-1的每一个数据右移n-8位,得到包括原始数据和拉伸后数据的对照表,实现色阶重建;
(4)将步骤(1)中卫星遥感图像每一像元的DN值数据作为原始数据,根据对照表,获取卫星遥感图像每一像元拉伸后的DN值数据,实现色调映射处理;
(5)对每一像元拉伸后的DN值数据强制保留低字节,将得到的每一像元DN值数据写入图像文件,得到视觉保真的卫星遥感图像。
一种基于视觉保真的卫星遥感图像处理方法,包括如下步骤:
(1)从计算机中读取卫星遥感图像每一像元的DN值数据;
(2)根据卫星研制总要求或卫星使用要求,获取卫星遥感图像有效量化比特n;
(3)对从0到2n-1的每一个数据左移16-n位,实现数据拉伸,得到包括原始数据和拉伸后数据的对照表,实现色阶重建;
(4)将步骤(1)中卫星遥感图像每一像元的DN值数据作为原始数据,根据对照表,获取卫星遥感图像每一像元拉伸后的DN值数据,实现色调映射处理;
(5)将每一像元拉伸后的DN值数据写入图像文件,得到视觉保真的卫星遥感图像。
在得到视觉保真的卫星遥感图像后,如果所述卫星遥感图像偏暗,则对此时卫星遥感图像每一像元的DN值数据同时左移一位或同时左移两位。
本发明与现有技术相比的优点如下:
(1)本发明方法首先对图像预先处理,采用比特移位的方式实现拉伸、增强。该方法与图像的自动拉伸具有本质差别,首先体现在这种处理是根据遥感原理,结合计算机存储和软件显示现实情况进行的;其次移位方向和移位量是根据具体应用目的确定的。相较于PCI、ERDAS的自动增强方式以及Photoshop直接映射的方式,本发明图像进行合理拉伸的同时实现了视觉保真,保证了图像的亮度符合成像情况,能够获取地物真实情况,提高了图像判读和解译能力。
(2)本发明对从0到2n-1的每一个数据进行左移或右移,实现数据拉伸,得到包括原始数据和拉伸后数据的对照表,然后将从计算机中读的卫星遥感图像每一像元的DN值数据作为原始数据,从对照表中逐一找到每一像元拉伸后的DN值数据。该方法与逐像元DN值直接移位相比,有效提高了处理速度。
(3)本发明采用右移n-8位的方法,最高有效位置于低字节的最高位,双字节中高字节所有比特为零;若舍去高字节零值,则实现了双字节转化为单字节。虽然图像信息是有损并且是不可逆的,但显示效果与左移16-n位的方法完全一致,同时节约了50%存储空间。
(4)本发明采用左移16-n的方法,图像DN值按比特整体左移16-n位,最高有效位置于高字节的最高位,图像信息反映景物实际成像状态,实现了视觉保真,同时保存了辐射分辨率的所有信息,能够获取地物真实情况,有利于后续定量化处理。
(5)本发明还可进一步针对极端偏暗的图像(如冬季的图像)进行比特移位,有效提高增强效果,在视觉保真的基础上尽可能满足人眼舒适度。
附图说明
图1为本发明流程图;
图2为本发明存储格式及转换原理图;
图3为资源三号卫星结果对比图,其中3(a)为资源三号卫星原始遥感图像,3(b)为右移2位后的遥感图像,3(c)为左移6位后的遥感图像;
图4为高分二号卫星结果对比图,其中4(a)为高分二号卫星原始遥感图像,4(b)为右移2位后的遥感图像,4(c)为左移6位后的遥感图像;
图5为IKONOS卫星结果对比图,其中5(a)为IKONOS卫星原始遥感图像,5(b)为IKONOS卫星右移3位后的遥感图像,5(c)为左移5位后的遥感图像;
图6为在图5基础上进行处理的IKONOS卫星结果对比图,其中6(a)为5(b)或5(c)基础上左移1位后的遥感图像,6(b)为5(b)或5(c)基础上左移2位后的遥感图像。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细的描述:
针对n(8<n<16,n为量化位数)比特量化的卫星图像,使用双字节存储遥感信息,其中有效比特只有n位,且置于低位。常规的自动线性拉伸算法可以表达为
g(i,j)=a*f(i,j)+b (1)
f(i,j)为原始图像,值域为(min,max)
g(i,j)为增强后的图像,值域为(min′,max′)
当采用自动线性拉伸,min′=0,max′=65535
这种算法当遇到高亮均匀分布景物(云、雪等)时,亮度严重下降;遇到暗目标(水、黑色土壤等)时,图像亮度跳跃性增大,图像色调严重偏离真实情况。
为了克服这种缺陷,本发明核心思想是预先获取图像量化比特的信息,再进行整体比特移动。若n(8<n<16)表示量化比特,可有两种图像拉伸算法:
g(i,j)=216-n*f(i,j) (2)
g(i,j)=f(i,j)/2n-8 (3)
式(2),图像DN值按比特整体左移16-n位(乘以216-n),最高有效位置于高字节的最高位。例如量化分层为10比特,DN值10,500,1000代表了低亮度、中亮度和高亮度信息,在计算机内部存储为0000 0000 0000 1010、0000 0001 1111 0100、0000 0011 1110 1000,经过处理后变成0000 00101000 0000、0111 1101 0000 0000、1111 1010 0000 0000。此时,Photoshop显示的图像亮度适中,反映景物实际成像状态,实现了视觉保真,同时保存了辐射分辨率的所有信息,有利于后续定量化处理。
式(3),图像DN值按比特整体右移n-8位(除以2n-8),最高有效位置于低字节的最高位,双字节中高字节所有比特为零;若舍去高字节零值,则实现了双字节转化为单字节。仍以量化分层为10比特,DN值分别为10,500,1000为例,经过处理后变成0000 0010、0111 1101、1111 1010。虽然图像信息是有损并且是不可逆的,但显示效果与式(2)的方案完全一致,即在节约一半存储空间的情况下仍然实现了目视保真。
以10比特量化的卫星图像为例,假设图像DN值为1000,式(2)、(3)两种映射实现见图2所示。
基于上述方案,本发明的具体步骤如下:
(1)读取图像数据
从计算机中读取卫星遥感图像每一像元的DN值数据。
(2)获取图像有效量化比特
根据卫星研制总要求或卫星使用要求,获取卫星遥感图像有效量化比特n。这一工作需要查阅卫星研制总要求或卫星使用要求,不同的卫星存在差别,目前主流指标为10-12比特。
(3)生成对照表
数据拉伸,生成包括原始数据和拉伸后数据的对照表,完成色阶重建。数据拉伸的方法包括两种,一种是:对从0到2n-1的每一个数据除以2n-8;另一种是:对从0到2n-1的每一个数据乘以216-n。
对照表生成为关键步骤,是发明的核心。遍历DN值动态范围,完成从图像DN值输入到输出的映射,即对图像DN值执行除以2n-8或乘以216-n的操作。
另外对照表思想对提升处理速度起到重要作用。以对图像DN值执行除以2n-8为例,使用ANSI C自定义一个函数,核心是进行右移n-8处理,具体实现描述如下。
其中,n为量化分层,典型值在10-12之间。j=pow(2,n),即j=2n,为原始图像最大DN值,表征图像动态范围。Lut[i]=(unsigned char)(i>>(n-8)),原始图像DN值右移,将双字节强制转变成单字节生成对照表。
(4)完成映射变换
将步骤(1)中卫星遥感图像每一像元的DN值数据作为原始数据,根据对照表,进行色调映射处理得到每一像元拉伸后的DN值数据。
(5)保存图像
对于除以2n-8实现数据拉伸的方式,对每一像元拉伸后的DN值数据强制保留低字节信息,将得到的每一像元DN值数据写入图像文件,得到视觉保真的卫星遥感图像。
对于乘以216-n实现数据拉伸的方式,将每一像元拉伸后的DN值数据写入图像文件,得到视觉保真的卫星遥感图像。
在得到视觉保真的卫星遥感图像后,如果卫星遥感图像偏暗,可以进一步对此时卫星遥感图像每一像元的DN值数据同时左移一位或同时左移两位。
本发明根据图像量化(10-12位)的实际情况,提出色阶重建和色调映射处理算法,本发明方法首先对图像预先处理,采用比特移位的方式实现拉伸、增强。该方法与图像的自动拉伸具有本质差别,首先体现在这种处理是根据遥感原理,结合计算机存储和软件显示现实情况进行的;其次移位方向和移位量是根据具体应用目的确定的;再其次这种处理还可针对极端偏暗的图像进行比特移位,有效提高增强效果;最后如果采用右移n-8位的方法,还可以节约50%的存储空间。
应用本发明方法可以较大程度消除不同软件由于内部处理机制造成的影响,为后续图像处理奠定基础。相比较于PCI、ERDAS的自动增强方式,或Photoshop直接映射方式,本发明提出的方法针对图像进行了特定线性拉伸,不仅保证了图像的亮度符合成像情况,而且顾及了视觉保真的需要。
实施例:
采用本发明方法对国内外主流卫星遥感图像(包括资源三号、高分二号及IKONOS卫星遥感图像)进行预处理,资源三号、高分二号及IKONOS卫星成像的目标分别为火车站、体育场馆及山地。资源三号、高分二号的有效量化比特为10,IKONOS卫星的有效量化比特为11。
从图3(a)、图4(a)及图5(a)中可以看出,由于卫星图像采用10或11比特量化,高字节的高比特位为零,资源三号、高分二号及IKONOS卫星遥感图像亮度很低,在计算机中显示为黑屏,无法发现地物目标。
图3(b)、图4(b)为采用本发明方法对每一个DN值数据右移2位后得到的处理后的遥感图像,图3(c)、图4(c)为采用本发明方法对每一个DN值数据左移6位后得到的处理后的遥感图像,从图3(b)和图3(c)、图4(b)和图4(c)可以看出,右移2位和左移6位得到的图像显示效果完全一致。从图中还可以看出,通过本发明算法资源三号、高分二号卫星遥感图像处理后的亮度达到正常水平,既符合卫星成像的实际情况,又实现了视觉保真。图5(b)为IKONOS卫星右移3位后的遥感图像,图5(c)为IKONOS卫星左移5位后的遥感图像,图5(b)和图5(c)得到的图像显示效果完全一致,从图5(b)和图5(c)可以发现,IKONOS卫星处理后的图像亮度仍旧偏暗,但符合卫星成像的实际情况。为了进一步消除图像偏暗的现实情况,可采用对图5(b)或图5(c)的图像每一个DN值数据左移1位(图6(a))或左移2位(图6(b))的方式,此时图像亮度加倍提高,逐渐符合人眼视觉要求,可以提高图像解译能力。根据上述处理,可以发现本发明是一种基于视觉保真的预处理技术,算法原理明确,既体现卫星成像原理,又考虑数据存储和显示的现实情况,能够获取地物真实情况,提高了图像判读和解译能力。
本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。
Claims (3)
1.一种基于视觉保真的卫星遥感图像处理方法,其特征在于包括如下步骤:
(1)从计算机中读取卫星遥感图像每一像元的DN值数据;
(2)根据卫星研制总要求或卫星使用要求,获取卫星遥感图像有效量化比特n;
(3)对从0到2n-1的每一个数据右移n-8位,得到包括原始数据和拉伸后数据的对照表,实现色阶重建;
(4)将步骤(1)中卫星遥感图像每一像元的DN值数据作为原始数据,根据对照表,获取卫星遥感图像每一像元拉伸后的DN值数据,实现色调映射处理;
(5)对每一像元拉伸后的DN值数据强制保留低字节,将得到的每一像元DN值数据写入图像文件,得到视觉保真的卫星遥感图像。
2.一种基于视觉保真的卫星遥感图像处理方法,其特征在于包括如下步骤:
(1)从计算机中读取卫星遥感图像每一像元的DN值数据;
(2)根据卫星研制总要求或卫星使用要求,获取卫星遥感图像有效量化比特n;
(3)对从0到2n-1的每一个数据左移16-n位,实现数据拉伸,得到包括原始数据和拉伸后数据的对照表,实现色阶重建;
(4)将步骤(1)中卫星遥感图像每一像元的DN值数据作为原始数据,根据对照表,获取卫星遥感图像每一像元拉伸后的DN值数据,实现色调映射处理;
(5)将每一像元拉伸后的DN值数据写入图像文件,得到视觉保真的卫星遥感图像。
3.根据权利要求1或2所述的一种基于视觉保真的卫星遥感图像处理方法,其特征在于:在得到视觉保真的卫星遥感图像后,如果所述卫星遥感图像偏暗,则对此时卫星遥感图像每一像元的DN值数据同时左移一位或同时左移两位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610320419.4A CN106023101B (zh) | 2016-05-16 | 2016-05-16 | 一种基于视觉保真的卫星遥感图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610320419.4A CN106023101B (zh) | 2016-05-16 | 2016-05-16 | 一种基于视觉保真的卫星遥感图像处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106023101A true CN106023101A (zh) | 2016-10-12 |
CN106023101B CN106023101B (zh) | 2018-12-18 |
Family
ID=57097146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610320419.4A Active CN106023101B (zh) | 2016-05-16 | 2016-05-16 | 一种基于视觉保真的卫星遥感图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106023101B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109120859A (zh) * | 2017-06-26 | 2019-01-01 | 深圳市光峰光电技术有限公司 | 一种影像数据处理装置及拍摄设备、显示系统 |
CN109872268A (zh) * | 2018-12-20 | 2019-06-11 | 中国电子科技集团公司第二十七研究所 | 一种高码速率遥感卫星原始数据实时快视方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6778710B1 (en) * | 2000-04-27 | 2004-08-17 | Xerox Corporation | Method for generating increasing shift-invariant filters |
CN1945353A (zh) * | 2006-10-26 | 2007-04-11 | 国家卫星气象中心 | 一种气象卫星遥感云图的处理方法 |
US20090219407A1 (en) * | 2004-12-13 | 2009-09-03 | Digitalglobe, Inc. | Method and apparatus for enhancing a digital image |
CN105184759A (zh) * | 2015-09-22 | 2015-12-23 | 中国科学院西安光学精密机械研究所 | 一种基于直方图紧致性变换的图像自适应增强方法 |
-
2016
- 2016-05-16 CN CN201610320419.4A patent/CN106023101B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6778710B1 (en) * | 2000-04-27 | 2004-08-17 | Xerox Corporation | Method for generating increasing shift-invariant filters |
US20090219407A1 (en) * | 2004-12-13 | 2009-09-03 | Digitalglobe, Inc. | Method and apparatus for enhancing a digital image |
CN1945353A (zh) * | 2006-10-26 | 2007-04-11 | 国家卫星气象中心 | 一种气象卫星遥感云图的处理方法 |
CN105184759A (zh) * | 2015-09-22 | 2015-12-23 | 中国科学院西安光学精密机械研究所 | 一种基于直方图紧致性变换的图像自适应增强方法 |
Non-Patent Citations (3)
Title |
---|
WANG, M 等: "COLOR CONSTANCY ENHANCEMENT FOR MULTI-SPECTRAL REMOTE SENSING IMAGES", 《IEEE INTERNATIONAL SYMPOSIUM ON GEOSCIENCE AND REMOTE SENSING IGARSS》 * |
卫亚星: "遥感图像增强方法分析", 《测绘与空间地理信息》 * |
韩春成: "遥感数字图像增强方法研究", 《长春师范学院学报(自然科学版)》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109120859A (zh) * | 2017-06-26 | 2019-01-01 | 深圳市光峰光电技术有限公司 | 一种影像数据处理装置及拍摄设备、显示系统 |
WO2019000672A1 (zh) * | 2017-06-26 | 2019-01-03 | 深圳市光峰光电技术有限公司 | 一种影像数据处理装置及拍摄设备、显示系统 |
CN109120859B (zh) * | 2017-06-26 | 2022-03-25 | 深圳光峰科技股份有限公司 | 一种影像数据处理装置及拍摄设备、显示系统 |
US11388345B2 (en) | 2017-06-26 | 2022-07-12 | Appotronics Corporation Limited | Image data processing device, capturing equipment and display system |
CN109872268A (zh) * | 2018-12-20 | 2019-06-11 | 中国电子科技集团公司第二十七研究所 | 一种高码速率遥感卫星原始数据实时快视方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106023101B (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111062905B (zh) | 一种基于显著图增强的红外和可见光融合方法 | |
CN111754438B (zh) | 基于多分支门控融合的水下图像复原模型及其复原方法 | |
CN111986084A (zh) | 一种基于多任务融合的多相机低光照图像质量增强方法 | |
CN110418139B (zh) | 一种视频超分辨修复方法、装置、设备及存储介质 | |
CN108921783A (zh) | 一种基于混合损失函数约束的卫星影像超分辨率重建方法 | |
US11887218B2 (en) | Image optimization method, apparatus, device and storage medium | |
CN111951172A (zh) | 一种图像优化方法、装置、设备和存储介质 | |
CN115018708A (zh) | 一种基于多尺度特征融合的机载遥感图像超分辨率重建方法 | |
CN115063318A (zh) | 自适应频率分解的低光照图像增强方法与相关设备 | |
CN111429371B (zh) | 图像处理方法、装置及终端设备 | |
Zhang et al. | Hierarchical attention aggregation with multi-resolution feature learning for GAN-based underwater image enhancement | |
Guo et al. | Deep tone-mapping operator using image quality assessment inspired semi-supervised learning | |
CN117252936A (zh) | 一种适配多种训练策略的红外图像彩色化方法及系统 | |
CN106023101B (zh) | 一种基于视觉保真的卫星遥感图像处理方法 | |
CN114881879A (zh) | 一种基于亮度补偿残差网络的水下图像增强方法 | |
Yan et al. | Towards accurate HDR imaging with learning generator constraints | |
CN114862707A (zh) | 一种多尺度特征恢复图像增强方法、装置及存储介质 | |
CN104268169B (zh) | 一种基于ps软件的遥感影像数据快速处理方法 | |
CN111369435B (zh) | 基于自适应稳定模型的彩色图像深度上采样方法及系统 | |
CN108492264B (zh) | 一种基于sigmoid变换的单帧图像快速超分辨方法 | |
CN116630198A (zh) | 一种结合自适应伽马校正的多尺度融合水下图像增强方法 | |
CN116630188A (zh) | 一种水下图像增强方法、系统、电子设备及存储介质 | |
CN115937045A (zh) | 一种迭代式色阶重建方法 | |
Kumar et al. | Underwater image enhancement using deep learning | |
CN110415188A (zh) | 一种基于多尺度形态学的hdr图像色调映射方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |