CN106778855B - 一种利用可见光图像色度处理划分电晕放电阶段的方法 - Google Patents
一种利用可见光图像色度处理划分电晕放电阶段的方法 Download PDFInfo
- Publication number
- CN106778855B CN106778855B CN201611121473.2A CN201611121473A CN106778855B CN 106778855 B CN106778855 B CN 106778855B CN 201611121473 A CN201611121473 A CN 201611121473A CN 106778855 B CN106778855 B CN 106778855B
- Authority
- CN
- China
- Prior art keywords
- discharge
- component
- accounting
- region
- gray 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24317—Piecewise classification, i.e. whereby each classification requires several discriminant rules
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明公开了一种利用可见光数字图像色度处理技术划分电晕放电阶段和识别参与放电气体成分的方法。该方法包括:利用高分辨率数码相机拍摄电晕放电的真彩色图像;从图像中选出放电区域,并将放电区域的真彩色图分解为三个基色分量图;去除背景干扰,提取各色度分量放电区域的灰度值并计算色度分量的灰度占比;根据色度分量灰度值随放电电压的变化趋势和色度分量占比的大小判断放电所处的阶段或者识别参与放电的气体成分。通过使用本发明所提供的方法,可以实现对电晕放电阶段的划分和识别参与放电的气体成分。
Description
技术领域
本发明属于高电压绝缘技术和低温等离子体的气体放电诊断领域,更具体地,涉及一种利用可见光图像色度处理划分电晕放电阶段的方法。
背景技术
电晕放电一般分为起晕、发展和预击穿三个阶段。高电压绝缘领域,输电线路上的电晕放电会增加功率损耗和引起电磁波干扰,高压电器设备上的电晕放电则会加速设备的老化和劣化速度,划分放电的发展阶段,可用于分析放电强度和评估放电的危害性,进而提前做出预警。低温等离体子领域,电晕放电产生的等离子体在空气除尘、污水处理、有毒气体净化等方面发挥着重要的作用,诊断放电状态,判断放电阶段可以有效提高等离子体的应用效率。
高电压绝缘和低温等离子体领域的气体放电诊断技术,目前主要集中在电信号、光信号、电磁波、超声波、气体成分等方面。近年来,电晕放电光学信号检测技术得到了较快的发展。通过检测电晕放电“日盲”紫外波段光信号的紫外成像检测技术能够定位放电位置、判断放电状况,但成像质量较差,只有黑白两色,且设备造价高昂,限制了其应用范围;通过检测电晕放电红外波段光信号的红外成像检测技术需要依靠固体介质的温度来间接反映放电现象特征,对低温等离子体检测效果较差,且红外成像存在分辨率很低的缺点。目前,通过检测电晕放电可见光波段(400-760nm)的光学图像检测技术的研究较少,且研究多集中于光学图像的击穿路径和放电均匀性等形态学特征上。高电压绝缘技术和低温等离子体领域需要诊断的气体放电都是非热等离子体,利用可见光数字图像色度分析技术研究电晕放电未见报道。
利用造价相对低廉的高分辨率的数码相机,检测电晕放电的可见光数字图像,研究其色度学特征提取既可以提供新的诊断技术,也为放电的基础研究提供一个新的观察角度,同时还可为低温等离子体应用的过程控制和可见光下或特定光源的放电识别研究作出贡献。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种利用可见光图像色度处理划分电晕放电阶段的方法,其目的在于实现高电压绝缘和低温等离子体领域的电晕放电诊断,由此解决电晕放电阶段的划分和参与放电气体成分识别的技术问题。
为实现上述目的,本发明技术方案如下:
一种利用可见光图像色度处理划分电晕放电阶段方法,该方法包括:
A、利用高分辨率数码相机拍摄不同电压下的电晕放电真彩色图像;
B、从图像中选出放电区域,并将放电区域的真彩色图分解为R、G、B三个基色分量图;
C、去除背景干扰,提取不同放电电压下放电区域内各色度分量的灰度值,并计算色度分量的灰度占比;
D、根据色度分量灰度值随放电电压的变化趋势或色度分量占比的大小判断放电所处的阶段,进而实现电晕放电阶段的划分。
进一步的,所述步骤D中判断放电所处的阶段采用色度分量灰度值随放电电压的变化趋势,或色度分量占比的大小进行:
采用色度分量灰度值随放电电压的变化趋势进行判断:当各色度分量灰度值随放电电压缓慢增加,放电处于起晕阶段;各色度分量灰度值随放电电压较快增加,放电处于发展阶段;各色度分量灰度值随放电电压迅速增加,放电处于预击穿阶段;
采用色度分量占比的大小进行判断,分不同气体环境进行:
在空气中,当B分量和G分量的占比差值小于-5%时,放电处于起晕阶段;占比差值介于-5%和25%之间时,放电处于发展阶段;占比差值大于25%时,放电处于预击穿阶段;
在六氟化硫气体中,当B分量和R分量的占比差值小于5%时,放电处于起晕阶段;占比差值介于5%和25%之间时,放电处于发展阶段;占比差值大于25%时,放电处于预击穿阶段。
按照本发明的另一个方面,提出了一种利用可见光图像色度处理识别参与放电气体方法,该方法包括:
A、利用高分辨率数码相机拍摄不同电压下的电晕放电真彩色图像;
B、从图像中选出放电区域,并将放电区域的真彩色图分解为R、G、B三个基色分量图;
C、去除背景干扰,提取不同放电电压下放电区域内各色度分量的灰度值,并计算各色度分量的灰度占比;
D、根据色度分量灰度值随放电电压的变化趋势或色度分量占比的大小识别参与放电的气体成分。
进一步的,所述步骤D中识别参与放电气体成分采用色度分量灰度值随放电电压的变化趋势,或色度分量占比的大小进行:
采用色度分量灰度值随放电电压的变化趋势进行识别:当预击穿阶段相对发展阶段突变程度大的,识别为空气;预击穿阶段相对发展阶段突变程度小的,识别为六氟化硫气体;
采用色度分量占比的大小进行识别:在预击穿阶段,当B分量灰度占比最大,R分量灰度占比居中,G分量灰度占比最小时,识别为空气;当B分量灰度占比最大,G分量灰度占比居中,R分量灰度占比最小时,识别为六氟化硫气体。
进一步的,在放电阶段划分或气体识别中,所述步骤A包括:
A1、选定数码相机分辨率,相机分辨率不低于2000万像素;
A2、设置数码相机的光圈F、曝光时间T、感光度为ISO和测光模式等主要参数,以得到适当的曝光值,设定颜色模式为sRGB模式;
A3、固定数码相机,调整拍摄的位置和角度,使放电区域尽量处于图像的中心区域;
A4、增加电压直到击穿,拍摄电晕放电图像,每个放电电压下拍摄一张或多张,放电电压选取应当不低于四个。
进一步的,在放电阶段划分或气体识别中,所述步骤B包括:
B1、各放电电压选取的放电区域一致,放电区域的确定按肉眼可辨识的放电范围设置,选取包含电晕放电完整轮廓的矩形放电区域,记录放电区域的纵向像素点数为M,横向的像素点数为N;
B2、读取放电区域真彩色图像,并将真彩色图分解为R、G、B三个基色分量图。
进一步的,在放电阶段划分或气体识别中,所述步骤C包括:
C1、放电区域内,每个基色分量图是由M×N个像素点组成,每个像素点由0-255级灰度表示,其中0代表黑色,255代表白色,统计放电区域内各色度分量图中所有像素点的灰度值之和:
式(1)中,f(x,y)表示对应分量图中某像素点的灰度值;
C2、按照式(1)计算得到没有施加电压下的背景真彩图像的各色度分量的灰度值之和,记为Si0,按照式(2)进行去背景(电晕放电源之外的如日光灯、实验仪器、太阳光等外界光源)干扰处理,得到放电区域内各色度分量图的真实灰度值U:
Ui=Si-Si0 i∈(R、G、B) (2)
C3、若只拍摄一张,则C2求取的各色度分量真实灰度值就是此放电电压对应的色度分量灰度值;若拍摄多张,则求取平均值作为此放电电压对应的色度分量灰度值;
C4、根据放电区域内各色度分量的灰度值,计算得到不同色度R、G、B的色度分量占比。
按照本发明的一个方面,提供了一种电晕放电阶段划分技术。
优选地,根据“色度分量灰度值随放电电压的变化趋势”在放电电压选取较多时判断放电阶段的效果更好,根据“色度分量占比的大小”判断电晕放电所处阶段不受放电电压选取个数的影响,适用性更强。
按照本发明的另一方面,提供了一种不同放电气体成分识别技术。
优选地,根据“色度分量占比的大小”识别参与放电气体成分的效果更好。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,利用可见光相机诊断放电严重程度,相比紫外相机,设备造价低;可见光相机的成像图像分辨率高,可获得放电的更多空间分布信息;色度分析方法同样可以在日光照射下工作,还能够抗电磁干扰,并且对放电状态没有干扰。能够取得下列有效降低成本、提高电晕放电诊断的可靠性等有益效果。
附图说明
图1是本发明实施案例中利用高分辨率数码相机拍摄的电晕放电真彩色图像;
图2是本发明实施案例中选择的放电区域的真彩色图像和分解后的三个基色分量图;
图3是本发明实施案例中空气中色度分量灰度值随放电电压的变化曲线;
图4是本发明实施案例中六氟化硫中色度分量灰度值随放电电压的变化曲线;
图5是本发明实施案例中空气中色度分量占比随放电电压的变化曲线;
图6是本发明实施案例中六氟化硫中色度分量占比随放电电压的变化曲线。
图7是本发明的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本实施案例提供了一种利用可见光图像色度处理划分电晕放电阶段的方法。
放电源是一个标准针-板结构式电晕放电装置;数码相机使用的是分辨率可达3600万像素的Nikon D800,相机参数设置为:光圈F=5.0,曝光时间T=5.0s,感光度ISO=2000,测光模式为偏中心平均模式,颜色模式为sRGB模式;放电的气体环境分别为空气和六氟化硫气体。
放电分别在空气和六氟化硫气体中进行,利用高分辨率数码相机拍摄电晕从起晕阶段到预击穿阶段的放电图像,每个放电电压下遥控连续拍摄3张,放电区域处于图像的中心区域。
图1为数码相机拍摄的电晕放电的真彩色图像。图7是本发明流程图。
放电区域的确定按肉眼可辨识的放电范围设置,选取包含电晕放电完整轮廓的矩形放电区域。得到选定放电区域的放电真彩色图像,利用MATLAB软件读取放电图像,并将真彩色图分解为R、G、B三个基色分量图。
图2为选择的放电区域的真彩色图像和分解后的三个基色分量图。
计算得到空气和六氟化硫中每个放电电压下放电区域内各色度分量图的真实灰度值之和,并求取平均值,得到对应放电电压下各色度分量的灰度值,利用excel软件绘制空气和六氟化硫中色度分量灰度值随放电电压的变化曲线。
图3和图4分别为空气中和六氟化硫中色度分量灰度值随放电电压的变化曲线。
依据色度分量灰度值随放电电压的变化趋势判断放电阶段:(1)空气中,放电电压在3.1kV和4.0kV之间时,放电处于起晕阶段;放电电压在4.0kV和6.3kV之间时,放电处于发展阶段;放电电压在6.3kV和6.6kV之间时,放电处于预击穿阶段;(2)六氟化硫中,放电电压在10.0kV和19.4kV之间时,放电处于起晕阶段;放电电压在19.4kV和35.3kV之间时,放电处于发展阶段;放电电压在35.3kV和38.2kV之间时,放电处于预击穿阶段。根据色度分量灰度值随放电电压的变化趋势,实现了放电阶段的划分。
依据色度分量灰度值随放电电压的变化趋势识别参与放电气体成分:空气中,预击穿阶段相对发展阶段突变程度大;六氟化硫气体中,预击穿阶段相对发展阶段突变程度小。根据色度分量灰度值随放电电压的变化趋势,实现了参与放电气体成分的识别。
根据求取的各色度分量灰度值,计算得到不同色度R、G、B的色度分量占比,利用excel软件绘制空气和六氟化硫中色度分量占比随放电电压的变化曲线。
图5和图6分别为空气中和六氟化硫中色度分量占比随放电电压的变化曲线。
依据色度分量占比的大小判断放电阶段:(1)空气中,放电电压在3.1kV和4.0kV之间时,放电处于起晕阶段;放电电压在4.0kV和6.3kV之间时,放电处于发展阶段;放电电压在6.3kV和6.6kV之间时,放电处于预击穿阶段;(2)六氟化硫中,放电电压在10.0kV和19.4kV之间时,放电处于起晕阶段;放电电压在19.4kV和35.3kV之间时,放电处于发展阶段;放电电压在35.3kV和38.2kV之间时,放电处于预击穿阶段。根据色度分量占比的大小,实现了放电阶段的划分。
依据色度分量占比的大小识别参与放电气体成分:空气中,色度分量占比按BRG的顺序减小;六氟化硫中,色度分量占比按BGR的顺序减小。根据色度分量占比的大小,实现了参与放电气体成分的识别。本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种利用可见光图像色度处理划分电晕放电阶段方法,其特征在于,该方法包括:
A、利用高分辨率数码相机拍摄不同电压下的电晕放电真彩色图像;
B、从图像中选出放电区域,并将放电区域的真彩色图分解为R、G、B三个基色分量图;
C、去除背景干扰,提取不同放电电压下放电区域内各色度分量的灰度值,并计算色度分量的灰度占比;
D、根据色度分量灰度值随放电电压的变化趋势或色度分量占比的大小判断放电所处的阶段,进而实现电晕放电阶段的划分。
2.一种利用可见光图像色度处理识别参与放电气体方法,其特征在于,该方法包括:
A、利用高分辨率数码相机拍摄不同电压下的电晕放电真彩色图像;
B、从图像中选出放电区域,并将放电区域的真彩色图分解为R、G、B三个基色分量图;
C、去除背景干扰,提取不同放电电压下放电区域内各色度分量的灰度值,并计算各色度分量的灰度占比;
D、根据色度分量灰度值随放电电压的变化趋势或色度分量占比的大小识别参与放电的气体成分。
3.如权利要求1所述的方法,其特征在于,所述步骤D中判断放电所处的阶段采用色度分量灰度值随放电电压的变化趋势,或色度分量占比的大小进行:
采用色度分量灰度值随放电电压的变化趋势进行判断:当各色度分量灰度值随放电电压缓慢增加,放电处于起晕阶段;各色度分量灰度值随放电电压较快增加,放电处于发展阶段;各色度分量灰度值随放电电压迅速增加,放电处于预击穿阶段;
采用色度分量占比的大小进行判断,分不同气体环境进行:
在空气中,当B分量和G分量的占比差值小于-5%时,放电处于起晕阶段;占比差值介于-5%和25%之间时,放电处于发展阶段;占比差值大于25%时,放电处于预击穿阶段;
在六氟化硫气体中,当B分量和R分量的占比差值小于5%时,放电处于起晕阶段;占比差值介于5%和25%之间时,放电处于发展阶段;占比差值大于25%时,放电处于预击穿阶段。
4.如权利要求2所述的方法,其特征在于,所述步骤D中识别参与放电气体成分采用色度分量灰度值随放电电压的变化趋势,或色度分量占比的大小进行:
采用色度分量灰度值随放电电压的变化趋势进行识别:当预击穿阶段相对发展阶段突变程度大的,识别为空气;预击穿阶段相对发展阶段突变程度小的,识别为六氟化硫气体;
采用色度分量占比的大小进行识别:在预击穿阶段,当B分量灰度占比最大,R分量灰度占比居中,G分量灰度占比最小时,识别为空气;当B分量灰度占比最大,G分量灰度占比居中,R分量灰度占比最小时,识别为六氟化硫气体。
5.如权利要求1或2所述的方法,其特征在于,所述步骤A包括:
A1、选定数码相机分辨率,相机分辨率不低于2000万像素;
A2、设置数码相机的光圈F、曝光时间T、感光度为ISO和测光模式,以得到适当的曝光值,设定颜色模式为sRGB模式;
A3、固定数码相机,调整拍摄的位置和角度,使放电区域尽量处于图像的中心区域;
A4、增加电压直到击穿,拍摄电晕放电图像,每个放电电压下拍摄一张或多张,放电电压选取应当不低于四个。
6.如权利要求1或2所述的方法,其特征在于,所述步骤B包括:
B1、各放电电压选取的放电区域一致,放电区域的确定按肉眼可辨识的放电范围设置,选取包含电晕放电完整轮廓的矩形放电区域,记录放电区域的纵向像素点数为M,横向的像素点数为N;
B2、读取放电区域真彩色图像,并将真彩色图分解为R、G、B三个基色分量图。
7.如权利要求1或2所述的方法,其特征在于,所述步骤C包括:
C1、放电区域内,每个基色分量图是由M×N个像素点组成,每个像素点由0-255级灰度表示,其中0代表黑色,255代表白色,统计放电区域内各色度分量图中所有像素点的灰度值之和Si:
式(1)中,f(x,y)表示对应分量图中某像素点的灰度值,M为放电区域的纵向像素点数,N为横向的像素点数;
C2、按照式(1)计算得到没有施加电压下的背景真彩图像的各色度分量的灰度值之和,记为Si0,按照式(2)进行去背景干扰处理,得到放电区域内各色度分量图的真实灰度值Ui:Ui=Si-Si0 i∈(R、G、B) (2)
C3、若只拍摄一张,则C2求取的各色度分量真实灰度值就是此放电电压对应的色度分量灰度值;若拍摄多张,则求取平均值作为此放电电压对应的色度分量灰度值;
C4、根据放电区域内各色度分量的灰度值,计算得到不同色度R、G、B的色度分量占比Uip:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611121473.2A CN106778855B (zh) | 2016-12-08 | 2016-12-08 | 一种利用可见光图像色度处理划分电晕放电阶段的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611121473.2A CN106778855B (zh) | 2016-12-08 | 2016-12-08 | 一种利用可见光图像色度处理划分电晕放电阶段的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106778855A CN106778855A (zh) | 2017-05-31 |
CN106778855B true CN106778855B (zh) | 2019-05-10 |
Family
ID=58877296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611121473.2A Active CN106778855B (zh) | 2016-12-08 | 2016-12-08 | 一种利用可见光图像色度处理划分电晕放电阶段的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106778855B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107862317B (zh) * | 2017-10-23 | 2020-07-07 | 华中科技大学 | 一种日光环境下输电设备电晕的可见光图像rgb识别方法 |
CN108303623B (zh) * | 2018-01-12 | 2019-07-09 | 华中科技大学 | 一种诊断电弧放电非热平衡物理特性的方法 |
CN108230408B (zh) * | 2018-01-18 | 2021-03-26 | 华中科技大学 | 一种日光环境下基于可见光图像诊断沿面放电的方法 |
CN109283439B (zh) * | 2018-08-29 | 2020-05-19 | 华中科技大学 | 一种基于三基色色度信息和机器学习的放电状态识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103698676A (zh) * | 2014-01-10 | 2014-04-02 | 深圳供电局有限公司 | 一种评估输变电设备电晕放电的方法及系统 |
CN103954897A (zh) * | 2014-05-20 | 2014-07-30 | 电子科技大学 | 基于紫外成像的智能电网高压绝缘损坏监控系统及方法 |
CN104155585A (zh) * | 2014-08-12 | 2014-11-19 | 国家电网公司 | 基于gk模糊聚类的gis局部放电类型识别方法 |
-
2016
- 2016-12-08 CN CN201611121473.2A patent/CN106778855B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103698676A (zh) * | 2014-01-10 | 2014-04-02 | 深圳供电局有限公司 | 一种评估输变电设备电晕放电的方法及系统 |
CN103954897A (zh) * | 2014-05-20 | 2014-07-30 | 电子科技大学 | 基于紫外成像的智能电网高压绝缘损坏监控系统及方法 |
CN104155585A (zh) * | 2014-08-12 | 2014-11-19 | 国家电网公司 | 基于gk模糊聚类的gis局部放电类型识别方法 |
Non-Patent Citations (3)
Title |
---|
Statistical Evaluation of AC Corona Images in Long-time Scale and Characterization of Short-gap Leader;Xingwang Li et al;《IEEE Transactions on Dielectrics and Electrical Insulation》;20160229;第23卷(第1期);第165-173页 |
基于图像灰度矩特征的气体电晕放电WFCM辨识方法;吴子敬 等;《哈尔滨理工大学学报》;20100430;第15卷(第2期);第14-18页 |
沿面放电的可见光图像RGB颜色分析及应用;陈锐民 等;《高压电器》;20161016;第52卷(第10期);第38-42页 |
Also Published As
Publication number | Publication date |
---|---|
CN106778855A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106778855B (zh) | 一种利用可见光图像色度处理划分电晕放电阶段的方法 | |
CN110660088B (zh) | 一种图像处理的方法和设备 | |
US9626760B2 (en) | System and method to align and merge differently exposed digital images to create a HDR (High Dynamic Range) image | |
CA2712932C (en) | Video image processing and fusion | |
CN109283439B (zh) | 一种基于三基色色度信息和机器学习的放电状态识别方法 | |
Shrestha et al. | Multispectral imaging using LED illumination and an RGB camera | |
CN103873837A (zh) | 用于颜色恢复的设备和方法 | |
CN104113744A (zh) | 全天候彩色摄像机白平衡处理方法及装置 | |
Choi et al. | Changes in colour appearance of a large display in various surround ambient conditions | |
Parmar et al. | Spatio-spectral reconstruction of the multispectral datacube using sparse recovery | |
CN106895916B (zh) | 一种单次曝光拍摄获取多光谱图像的方法 | |
CN110087051B (zh) | 基于hsv色彩空间的彩色图眩光去除方法及系统 | |
Finlayson et al. | Root-polynomial colour correction | |
CN111667446B (zh) | 图像处理方法 | |
CN104463812B (zh) | 修复在拍摄时受到雨滴干扰的视频图像的方法 | |
CN106163373A (zh) | 信号处理装置和内窥镜系统 | |
Burgos et al. | Spectral LED-based tuneable light source for the reconstruction of CIE standard illuminants | |
CN110136105B (zh) | 一种基于方差和平滑度的同一内容图像的清晰度评价方法 | |
CN110702615A (zh) | 一种彩色数码透射显微镜颜色校正方法 | |
CN108289599A (zh) | 内窥镜系统和拍摄方法 | |
Lansel et al. | Local linear learned image processing pipeline | |
CN110726536B (zh) | 一种彩色数码反射显微镜颜色校正方法 | |
CN110332991B (zh) | 一种光谱的重构方法、装置和电子设备 | |
CN107862317B (zh) | 一种日光环境下输电设备电晕的可见光图像rgb识别方法 | |
Shrestha et al. | LED matrix design for multispectral imaging |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |