CN106408518B - 图像融合方法、装置及终端设备 - Google Patents
图像融合方法、装置及终端设备 Download PDFInfo
- Publication number
- CN106408518B CN106408518B CN201510464308.6A CN201510464308A CN106408518B CN 106408518 B CN106408518 B CN 106408518B CN 201510464308 A CN201510464308 A CN 201510464308A CN 106408518 B CN106408518 B CN 106408518B
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- layer
- exposure
- weighted value
- 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.)
- Active
Links
Landscapes
- Image Processing (AREA)
Abstract
图像融合方法、装置及终端设备，所述方法包括：将待融合的多个图像分别进行分解得到多个图层；根据图像的曝光程度和所述图像中像素的亮度值，采用不同的权重函数分别计算所述图像中的像素在相应图层中的权重值；采用计算得到的权重值对所述多个图像同一图层的像素进行融合，得到所述图层对应的融合图层；采用得到的各个图层的融合图层生成对应的高动态范围图片。上述的方案，可以提高图像融合得到的图像质量。
Description
技术领域
本发明涉及图像处理技术领域，特别是涉及一种图像融合方法、装置及终端设备。
背景技术
图像融合，是指将多源信道所采集到的同一目标的图像数据经过图像处理等，以最大限度地提取各自信道中的有利信息，最终合成高质量的图像。图像融合的目的是将单一传感器的多波段信息或不同类传感器所提供的信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，以增强影像中信息透明度，改善解译的精度、可靠性以及使用率，以形成对目标的清晰、完整、准确的信息描述。图像融合的诸多方面的优点使得其在医学、遥感、计算机视觉、气象预报及军事目标识别，尤其在计算机视觉等领域得到了广泛地应用。
现有技术中，在使用图像融合方法生成高动态范围(High-Dynamic Range，HDR)时，在计算像素在相应图层的权重值时，仅仅考虑像素的亮度值，导致最终合成的图像质量较差。
发明内容
本发明实施例解决的技术问题是如何提高图像融合得到的图像质量。
为解决上述问题，本发明实施例提供了一种图像融合方法，所述方法包括：
将待融合的多个图像分别进行分解得到多个图层；
根据图像的曝光程度和所述图像中像素的亮度值，采用不同的权重函数分别计算所述图像中的像素在相应图层中的权重值；
采用计算得到的权重值对所述多个图像同一图层的像素进行融合，得到所述图层对应的融合图层；
采用得到的各个图层的融合图层生成对应的高动态范围图片。
可选地，所述根据图像的曝光程度和所述图像中像素的亮度值，采用不同的权重函数分别计算所述图像中的像素在相应图层中的权重值，包括：
将所述多个图像按照曝光程度分为欠曝光图像和非欠曝光图像；
当所述欠曝光图像中的像素的亮度值小于等于第一阈值时，采用第一权重函数计算所述像素在相应图层中的权重值；
当所述欠曝光图像中的像素的亮度值大于所述第一阈值时，采用第二权重函数计算所述像素在相应图层中的权重值；
当所述非欠曝光图像中的像素的亮度小于等于第二阈值时，采用所述第一权重函数计算所述像素在相应图层中的权重值，所述第二阈值大于所述第一阈值；
当所述非欠曝光图像中的像素的亮度大于所述第二阈值时，采用所述第三权重函数计算所述像素在相应图层中的权重值。
可选地，所述第二权重函数为：
其中，W表示像素的权重值，I表示像素的亮度值，σu表示曲线控制参数。
可选地，所述第一权重函数为：
其中，W表示像素的权重值，α为预设的第一权值系数，0＜α≤1，I表示像素的亮度值，σu表示曲线控制参数。
可选地，所述第一权值系数α的取值范围为0.6～1。
可选地，所述第三权重函数为：
其中，W表示像素的权重值，β为预设的第二权值系数，0＜β＜α，I表示像素的亮度值，σu表示曲线控制参数。
可选地，所述第二权值系数β的取值范围0～0.6。
可选地，所述将待融合的多个图像分别进行分解得到多个图层，包括：采用哈尔小波将待融合的多个图像分别进行分解得到两个图层。
本发明实施例还提供了一种图像融合装置，所述装置包括：
分解单元，适于将待融合的多个图像分别进行分解得到多个图层；
计算单元，适于根据图像的曝光程度和所述图像中像素的亮度值，采用不同的权重函数分别计算所述图像中的像素在相应图层中的权重值；
融合单元，适于采用计算得到的权重值对所述多个图像同一图层的像素进行融合，得到所述图层对应的融合图层；
生成单元，适于采用得到的各个图层的融合图层生成对应的高动态范围图片。
所述计算单元适于将所述多个图像按照曝光程度分为欠曝光图像和非欠曝光图像；当所述欠曝光图像中的像素的亮度值小于等于第一阈值时，采用第一权重函数计算所述像素在相应图层中的权重值；当所述欠曝光图像中的像素的亮度值大于所述第一阈值时，采用第二权重函数计算所述像素在相应图层中的权重值；当所述非欠曝光图像中的像素的亮度小于等于第二阈值时，采用所述第一权重函数计算所述像素在相应图层中的权重值，所述第二阈值大于所述第一阈值；当所述非欠曝光图像中的像素的亮度大于所述第二阈值时，采用所述第三权重函数计算所述像素在相应图层中的权重值。
可选地，所述分解单元适于采用哈尔小波将待融合的多个图像分别进行分解得到两个图层。
本发明实施例还提供了一种终端设备，所述终端设备包括上述的图像融合装置
与现有技术相比，本发明的技术方案具有以下的优点：
上述的方案，对于不同曝光程度的图像中不同的像素分别采用不同的权重函数进行计算像素在相应图层中的权重值，可以保存欠曝光图像中高亮度值的像素所携带的信息，并可以抑制过饱和现象的发生，因此，可以提高合成图像的质量。
附图说明
图1是本发明实施例中的一种图像融合方法的流程图；
图2是本发明实施例中的另一种图像融合方法的流程图；
图3是本发明实施例中的一种图像融合装置的结构示意图。
具体实施方式
为解决现有技术中存在的上述问题，本发明实施例采用的技术方案对于不同曝光程度的图像中不同的像素分别采用不同的权重函数进行计算像素在相应图层中的权重值，可以保存欠曝光图像中高亮度值的像素所携带的信息，并可以抑制过饱和现象的发生，可以提高合成图像的质量。
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
图1示出了本发明实施例中一种图像融合方法的流程图。如图1所示的图像融合方法，可以包括：
步骤S101：将待融合的多个图像分别进行分解得到多个图层。
在具体实施中，首先从多个待融合的图像按照曝光程度进行排序，并从中选取曝光程度适中的图像作为参考图像，并将其他待融合的图像与所述参考图像进行对齐，且根据实际的需要将对齐以后的图像进行裁剪。
在将待融合的多个图像进行对齐和裁剪之后，可以分别进行分解。
在本发明一实施例中，可以采用哈尔小波(Harr Wavelet)将对齐并裁剪之后的图像分别分解成两个图层。这里需要指出的是，也可以采用其他的方法将对齐并裁剪后的图像进行图层分解，且分解得到图层的数量可以根据实际的需要进行选择，在此不做限制。
步骤S102：根据图像的曝光程度和所述图像中像素的亮度值，采用不同的权重函数分别计算所述图像中的像素在相应图层中的权重值。
在具体实施中，在不同曝光程度的图像中，不同亮度的像素所携带信息的重要性不同。根据图像的曝光程度和所述图像中像素的亮度值，采用不同的权重函数分别计算所述图像中的像素在相应图层中的权重值，可以使得像素携带的重要信息被保存下来，并可以抑制最终生成的HDR图像中像素呈现过饱和状态，因此，可以提高最终生成的HDR图像的质量。
步骤S103：采用计算得到的权重值对所述多个图像同一图层的像素进行融合，得到所述图层对应的融合图层。
在具体实施中，当计算得到各个图像中的像素在不同图层中的权重值之后，便可以采用计算得到的权重值，对所述多个图像的同一图层的像素进行融合。
步骤S104：采用得到的各个图层的融合图层生成对应的高动态范围图片。
在具体实施中，当得到各个图层对应的融合图层之后，将不同图层的对应的融合图层进行图像合成，便可以得到最终的HDR图像。
下面将结合图2对本发明实施例中的图像融合方法作进一步详细的介绍。
图2示出了本发明实施例中另一种图像融合方法的流程图。如图2所示的图像融合方法，可以包括：
步骤S201：根据曝光程度，将待融合的多个图像分为欠曝光图像和非欠曝光图像，并将待融合的多个图像分别进行分解得到多个图层。
在具体实施中，可以首先将待融合的多个图像按照曝光程度递增的顺序进行排序，将排在前列的图像作为欠曝光图像，将序列中其他的图像作为非欠曝光图像。其中，所述非前曝光的图像包括正常曝光的图像和过度曝光的图像。
例如，当待融合的图像为三张图像时，可以将三张图像按照曝光时间递增的顺序进行排列后，将排在第一位序的图像作为欠曝光图像，将第二和第三位序的图像作为非欠曝光图像。
在具体实施中，当确定图像为欠曝光图像时，可以依次执行步骤S202；当确定图像为非欠曝光图像时，可以执行步骤S205。
步骤S202：判断所述欠曝光图像中的像素的亮度值是否大于第一阈值；当判断结果为否时，可以执行步骤S203；反之，则可以执行步骤S204。
在具体实施中，欠曝光图像中存在高亮度像素，这些高亮度像素携带有重要的信息，且在正常曝光或者过度曝光的条件下，这些高亮度的像素将呈现过饱和的状态，使得其所携带的信息完全丢失。
因此，为了将欠曝光图像中的高亮度的像素所携带的信息保存下来，并抑制像素的过饱和状态，可以在计算像素的权重值之前，通过判断像素的亮度值是否小于第一阈值，可以从欠前曝光图像中区分出高亮度像素。其中，当确定所述欠曝光图像中的像素的亮度值大于第一阈值时，所述像素为所述高亮度像素，反之，则为正常亮度或者低亮度的像素。
在具体实施中，所述第一阈值可以根据实际的需要进行设置。在本发明一实施例中，所述第一阈值为210。
步骤S203：采用第一权重函数计算所述像素在相应图层中的权重值。
在具体实施中，当确定所述欠曝光图像中的像素的亮度值小于等于所述第一阈值时，即所述欠曝光图像中正常亮度和低亮度的像素可以采用如下的第一权重函数来计算得到对应的权重值：
其中，W表示像素的权重值，I表示像素的亮度值，σu表示曲线控制参数，α为预设的第一权值系数，0＜α≤1。
步骤S204：采用第二权重函数计算所述像素在相应图层中的权重值。
在具体实施中，当确定所述欠曝光图像中的像素的亮度值大于所述第一阈值时，即所述欠曝光图像中高亮度的像素可以采用如下的第二权重函数计算所述像素的权重值：
步骤S205：判断所述非欠曝光图像中的像素的亮度值是否大于第二阈值，当判断结果为否时，可以执行步骤S205的后续部分，反之，则可以执行步骤S206。
在具体实施中，所述第二阈值大于第一阈值，并可以根据实际的需要进行设置。在本发明一实施例中，所述第二阈值为230。
在具体实施中，当确定所述非欠曝光图像中的像素的亮度值小于等于所述第二阈值时，即所述正常曝光或者过度曝光图像中正常亮度或者低亮度的像素可以采用公式(1)所示的第一权重函数计算所述像素的权重值。
步骤S206：采用所述第三权重函数计算所述像素在相应图层中的权重值。
在具体实施中，当确定所述非欠曝光图像中的像素的亮度值大于所述第二阈值时，即所述非欠曝光图像中高亮度的像素可以采用如下的第三权重函数计算所述像素的权重值：
其中，β为预设的第二权值系数，0＜β＜α。
通过上述的公式(1)、(2)和(3)可以看出，由于所述第一权值系数α大于第二权值系数β，使得欠曝光图像中的高亮度的像素的权重值将显著大于所述欠曝光图像中其他像素和非欠曝光图像中像素的权重值。因此，可以将欠曝光图像中高亮度像素所携带的信息保存下来，并可以抑制最终生成的高动态范围图像中所述像素呈现过饱和的状态，进而可以提高最终生成的高动态范围图像的质量。
在具体实施中，所述第一权值系数α和第二权值系数β的数值可以根据实际的需要进行设置。
步骤S207：采用计算得到的权重值对所述多个图像同一图层的像素进行融合，得到所述图层对应的融合图层。
在具体实施中，当计算得到各个图像中的像素在不同图层中的权重值之后，便可以采用计算得到的权重值，对所述多个图像的同一图层的像素进行融合。
例如，当采用哈尔小波将三张图像分别进行图层分解后得到第一图层和第二图层，且采用公式(1)计算得出三张图像中的像素分别在第一图层和第二图层中的权重值之后，将三张图像中的第一图层中的像素采用相应的权重值进行融合，可以得到第一融合图层。同样，将三张图像中的第二图层中的像素采用相应的权重值进行融合，便可以得到第二融合图层。
步骤S208：采用得到的各个图层的融合图层生成对应的高动态范围图像。
在具体实施中，当得到各个图层对应的融合图层之后，将不同图层的对应的融合图层进行图像合成，便可以得到最终的HDR图像。
图3示出了本发明实施例中的一种图像融合装置的结构示意图。如图3所示的图像融合装置300，可以包括分解单元301、计算单元302、融合单元303和生成单元304，其中：
分解单元301，适于将待融合的多个图像分别进行分解得到多个图层。
在具体实施中，所述分解单元301适于采用哈尔小波将待融合的多个图像分别进行分解得到两个图层。
计算单元302，适于根据图像的曝光程度和所述图像中像素的亮度值，采用不同的权重函数分别计算所述图像中的像素在相应图层中的权重值。
所述计算单元302适于将所述多个图像按照曝光程度分为欠曝光图像和非欠曝光图像；当所述欠曝光图像中的像素的亮度值小于等于第一阈值时，采用第一权重函数计算所述像素在相应图层中的权重值；当所述欠曝光图像中的像素的亮度值大于所述第一阈值时，采用第二权重函数计算所述像素在相应图层中的权重值；当所述非欠曝光图像中的像素的亮度小于等于第二阈值时，采用所述第一权重函数计算所述像素在相应图层中的权重值，所述第二阈值大于所述第一阈值；当所述非欠曝光图像中的像素的亮度大于所述第二阈值时，采用所述第三权重函数计算所述像素在相应图层中的权重值。
融合单元303，适于采用计算得到的权重值对所述多个图像同一图层的像素进行融合，得到所述图层对应的融合图层。
生成单元304，适于采用得到的各个图层的融合图层生成对应的高动态范围图片。
本发明实施例还提供了一种终端设备，所述终端设备包括上述的图像融合装置
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。
以上对本发明实施例的方法及系统做了详细的介绍，本发明并不限于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (10)
1.一种图像融合方法，其特征在于，包括：
将待融合的多个图像分别进行分解得到多个图层；
根据图像的曝光程度和所述图像中像素的亮度值，采用不同的权重函数分别计算所述图像中的像素在相应图层中的权重值；
采用计算得到的权重值对所述多个图像同一图层的像素进行融合，得到所述图层对应的融合图层；
采用得到的各个图层的融合图层生成对应的高动态范围图片；
其中，所述根据图像的曝光程度和所述图像中像素的亮度值，采用不同的权重函数分别计算所述图像中的像素在相应图层中的权重值，包括：
将所述多个图像按照曝光程度分为欠曝光图像和非欠曝光图像；
当所述欠曝光图像中的像素的亮度值小于等于第一阈值时，采用第一权重函数计算所述像素在相应图层中的权重值；
当所述欠曝光图像中的像素的亮度值大于所述第一阈值时，采用第二权重函数计算所述像素在相应图层中的权重值；
当所述非欠曝光图像中的像素的亮度小于等于第二阈值时，采用所述第一权重函数计算所述像素在相应图层中的权重值，所述第二阈值大于所述第一阈值；
当所述非欠曝光图像中的像素的亮度大于所述第二阈值时，采用第三权重函数计算所述像素在相应图层中的权重值。
2.根据权利要求1所述的图像融合方法，其特征在于，所述第二权重函数为：其中，W表示像素的权重值，I表示像素的亮度值，σu表示曲线控制参数。
3.根据权利要求2所述的图像融合方法，其特征在于，所述第一权重函数为：其中，W表示像素的权重值，α为预设的第一权值系数，0＜α≤1，I表示像素的亮度值，σu表示曲线控制参数。
4.根据权利要求3所述的图像融合方法，其特征在于，所述第一权值系数α的取值范围为0.6～1。
5.根据权利要求3所述的图像融合方法，其特征在于，所述第三权重函数为：其中，W表示像素的权重值，β为预设的第二权值系数，0＜β＜α，I表示像素的亮度值，σu表示曲线控制参数，α为预设的第一权值系数。
6.根据权利要求5所述的图像融合方法，其特征在于，所述第二权值系数β的取值范围0～0.6。
7.根据权利要求1所述的图像融合方法，其特征在于，所述将待融合的多个图像分别进行分解得到多个图层，包括：采用哈尔小波将待融合的多个图像分别进行分解得到两个图层。
8.一种图像融合装置，其特征在于，包括：
分解单元，适于将待融合的多个图像分别进行分解得到多个图层；
计算单元，适于根据图像的曝光程度和所述图像中像素的亮度值，采用不同的权重函数分别计算所述图像中的像素在相应图层中的权重值；
融合单元，适于采用计算得到的权重值对所述多个图像同一图层的像素进行融合，得到所述图层对应的融合图层；
生成单元，适于采用得到的各个图层的融合图层生成对应的高动态范围图片；
其中，所述计算单元适于将所述多个图像按照曝光程度分为欠曝光图像和非欠曝光图像；当所述欠曝光图像中的像素的亮度值小于等于第一阈值时，采用第一权重函数计算所述像素在相应图层中的权重值；当所述欠曝光图像中的像素的亮度值大于所述第一阈值时，采用第二权重函数计算所述像素在相应图层中的权重值；当所述非欠曝光图像中的像素的亮度小于等于第二阈值时，采用所述第一权重函数计算所述像素在相应图层中的权重值，所述第二阈值大于所述第一阈值；当所述非欠曝光图像中的像素的亮度大于所述第二阈值时，采用第三权重函数计算所述像素在相应图层中的权重值。
9.根据权利要求8所述的图像融合装置，其特征在于，所述分解单元适于采用哈尔小波将待融合的多个图像分别进行分解得到两个图层。
10.一种终端设备，其特征在于，包括权利要求8-9任一项所述的图像融合装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510464308.6A CN106408518B (zh) | 2015-07-30 | 2015-07-30 | 图像融合方法、装置及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510464308.6A CN106408518B (zh) | 2015-07-30 | 2015-07-30 | 图像融合方法、装置及终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106408518A CN106408518A (zh) | 2017-02-15 |
| CN106408518B true CN106408518B (zh) | 2019-09-06 |
Family
ID=58007369
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510464308.6A Active CN106408518B (zh) | 2015-07-30 | 2015-07-30 | 图像融合方法、装置及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106408518B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106920221B (zh) * | 2017-03-10 | 2019-03-26 | 重庆邮电大学 | 兼顾亮度分布和细节呈现的曝光融合方法 |
| CN109246362B (zh) * | 2017-04-28 | 2021-03-16 | 中兴通讯股份有限公司 | 一种图像处理方法及移动终端 |
| CN108616689B (zh) * | 2018-04-12 | 2020-10-02 | Oppo广东移动通信有限公司 | 基于人像的高动态范围图像获取方法、装置及设备 |
| CN109636767A (zh) * | 2018-11-30 | 2019-04-16 | 深圳市华星光电半导体显示技术有限公司 | 多曝光图像融合方法 |
| CN111861959A (zh) * | 2020-07-15 | 2020-10-30 | 广东欧谱曼迪科技有限公司 | 一种超长景深超宽动态图像合成算法 |
| CN111836017A (zh) * | 2020-07-15 | 2020-10-27 | 广东欧谱曼迪科技有限公司 | 一种超长景深超宽动态内窥摄像系统及方法 |
| CN115706870B (zh) * | 2021-08-12 | 2023-12-26 | 荣耀终端有限公司 | 视频处理方法、装置、电子设备和存储介质 |
| CN114463359A (zh) * | 2022-01-30 | 2022-05-10 | 深圳创维－Rgb电子有限公司 | 投屏显示方法、装置、电子设备及可读存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102158653A (zh) * | 2011-05-03 | 2011-08-17 | 东华大学 | 一种实时高动态范围数字图像获取装置及方法 |
| CN102420944A (zh) * | 2011-04-25 | 2012-04-18 | 展讯通信（上海）有限公司 | 一种高动态范围图像合成方法及装置 |
| CN104077759A (zh) * | 2014-02-28 | 2014-10-01 | 西安电子科技大学 | 一种基于色觉感知及全局质量因子的多曝光度图像融合方法 |
| US8885976B1 (en) * | 2013-06-20 | 2014-11-11 | Cyberlink Corp. | Systems and methods for performing image fusion |
| CN104168403A (zh) * | 2014-06-27 | 2014-11-26 | 深圳市大疆创新科技有限公司 | 基于拜尔颜色滤波阵列的高动态范围视频录制方法和装置 |
| CN104299216A (zh) * | 2014-10-22 | 2015-01-21 | 北京航空航天大学 | 基于多尺度各向异性分解和低秩分析的多模态医学图像融合方法 |
| CN104616273A (zh) * | 2015-01-26 | 2015-05-13 | 电子科技大学 | 一种基于拉普拉斯金字塔分解的多曝光图像融合方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101633893B1 (ko) * | 2010-01-15 | 2016-06-28 | 삼성전자주식회사 | 다중노출 영상을 합성하는 영상합성장치 및 방법 |
-
2015
- 2015-07-30 CN CN201510464308.6A patent/CN106408518B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102420944A (zh) * | 2011-04-25 | 2012-04-18 | 展讯通信（上海）有限公司 | 一种高动态范围图像合成方法及装置 |
| CN102158653A (zh) * | 2011-05-03 | 2011-08-17 | 东华大学 | 一种实时高动态范围数字图像获取装置及方法 |
| US8885976B1 (en) * | 2013-06-20 | 2014-11-11 | Cyberlink Corp. | Systems and methods for performing image fusion |
| CN104077759A (zh) * | 2014-02-28 | 2014-10-01 | 西安电子科技大学 | 一种基于色觉感知及全局质量因子的多曝光度图像融合方法 |
| CN104168403A (zh) * | 2014-06-27 | 2014-11-26 | 深圳市大疆创新科技有限公司 | 基于拜尔颜色滤波阵列的高动态范围视频录制方法和装置 |
| CN104299216A (zh) * | 2014-10-22 | 2015-01-21 | 北京航空航天大学 | 基于多尺度各向异性分解和低秩分析的多模态医学图像融合方法 |
| CN104616273A (zh) * | 2015-01-26 | 2015-05-13 | 电子科技大学 | 一种基于拉普拉斯金字塔分解的多曝光图像融合方法 |
Non-Patent Citations (4)
| Title |
|---|
| Motion Area based Exposure Fusion Algorithm for Ghost Removal in High Dynamic Range Video Generation;Shu-Yi Huang et al.;《 Signal and Information Processing Association Annual Summit and Conference (APSIPA)》;20140912;第1-4页 |
| Multople Exposure Fusion for Highe Dynamic Range Image Acquisition;Takao Jinno et al.;《IEEE Transactions on Image Processing 》;20120630;第2卷(第1期);第358-365页 |
| 基于动态场景的高动态图像合成研究;梁晨;《中国优秀硕士学位论文全文数据库》;20150615;I138-605 |
| 高动态范围视频的多曝光图像序列快速融合;朴永杰 等;《液晶与显示》;20141231;第29卷(第6期);第1034页左栏第3-30行 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106408518A (zh) | 2017-02-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106408518B (zh) | 图像融合方法、装置及终端设备 | |
| CN107767413B (zh) | 一种基于卷积神经网络的图像深度估计方法 | |
| Jain et al. | Using satellite data to identify the causes of and potential solutions for yield gaps in India’s Wheat Belt | |
| CN108074218B (zh) | 基于光场采集装置的图像超分辨率方法及装置 | |
| CN109859120B (zh) | 基于多尺度残差网络的图像去雾方法 | |
| CN107316286B (zh) | 一种图像中雨雾同步合成、去除的方法和装置 | |
| CN109146906B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| TW201101233A (en) | System and method for fusion of image pairs utilizing atmospheric and solar illumination modeling | |
| CN106408547B (zh) | 图像融合方法、装置和终端设备 | |
| CN113592018B (zh) | 基于残差密集网络和梯度损失的红外光与可见光图像融合方法 | |
| CN102170526A (zh) | 散焦模糊核计算及其散焦模糊图像清晰化处理方法 | |
| US20200167938A1 (en) | Sensors and methods for monitoring flying objects | |
| CN116917929A (zh) | 用于遥感中的超分辨率图像处理的系统和方法 | |
| CN116188402A (zh) | 一种基于改进ssd算法的绝缘子缺陷识别方法 | |
| WO2018037920A1 (ja) | 画像処理装置、画像処理方法及びコンピュータ読み取り可能記録媒体 | |
| US20200019856A1 (en) | System and method for a global digital elevation model | |
| Zhang et al. | Hawk‐eye‐inspired perception algorithm of stereo vision for obtaining orchard 3D point cloud navigation map | |
| CN117115669B (zh) | 双条件质量约束的对象级地物样本自适应生成方法及系统 | |
| CN111273376B (zh) | 降尺度的海表净辐射确定方法、系统、设备及存储介质 | |
| KR101693705B1 (ko) | 다중 회귀식에 의한 중해상도 모의 위성 영상 제작 방법 및 시스템 | |
| CN107038706B (zh) | 基于自适应网格的红外图像置信度评估装置及方法 | |
| KR102125723B1 (ko) | 영상의 상대 방사 보정 방법 및 수행 장치 | |
| CN115482175A (zh) | 红外图像与可见光图像的多尺度融合方法、装置及设备 | |
| CN114781148A (zh) | 一种热红外遥感云覆盖像元的地表温度反演方法及系统 | |
| KR102209866B1 (ko) | 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20200602 Address after: 361012 unit 05, 8 / F, building D, Xiamen international shipping center, No.97 Xiangyu Road, Xiamen area, China (Fujian) free trade zone, Xiamen City, Fujian Province Patentee after: Xinxin Finance Leasing (Xiamen) Co.,Ltd. Address before: 201203 Shanghai city Zuchongzhi road Pudong New Area Zhangjiang hi tech park, Spreadtrum Center Building 1, Lane 2288 Patentee before: SPREADTRUM COMMUNICATIONS (SHANGHAI) Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20170215 Assignee: SPREADTRUM COMMUNICATIONS (SHANGHAI) Co.,Ltd. Assignor: Xinxin Finance Leasing (Xiamen) Co.,Ltd. Contract record no.: X2021110000010 Denomination of invention: Image fusion method, device and terminal equipment Granted publication date: 20190906 License type: Exclusive License Record date: 20210317 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230717 Address after: 201203 Shanghai city Zuchongzhi road Pudong New Area Zhangjiang hi tech park, Spreadtrum Center Building 1, Lane 2288 Patentee after: SPREADTRUM COMMUNICATIONS (SHANGHAI) Co.,Ltd. Address before: 361012 unit 05, 8 / F, building D, Xiamen international shipping center, 97 Xiangyu Road, Xiamen area, China (Fujian) pilot Free Trade Zone, Xiamen City, Fujian Province Patentee before: Xinxin Finance Leasing (Xiamen) Co.,Ltd. |
|
| TR01 | Transfer of patent right |