CN106803236B - 基于模糊域奇异值分解的非均匀性校正方法 - Google Patents
基于模糊域奇异值分解的非均匀性校正方法 Download PDFInfo
- Publication number
- CN106803236B CN106803236B CN201510837204.5A CN201510837204A CN106803236B CN 106803236 B CN106803236 B CN 106803236B CN 201510837204 A CN201510837204 A CN 201510837204A CN 106803236 B CN106803236 B CN 106803236B
- Authority
- CN
- China
- Prior art keywords
- image
- fuzzy
- noise
- matrix
- area image
- 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.)
- Expired - Fee Related
Links
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000012937 correction Methods 0.000 title claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims description 53
- 230000009466 transformation Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 230000017105 transposition Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 230000001131 transforming effect Effects 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
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/10048—Infrared image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于模糊域奇异值分解的非均匀性校正方法，首先通过一个隶属函数将图像从空域转换到模糊域，在模糊域中通过SVD得到图像的基频信息，然后再将处理后的图像从模糊域转换到空域，与原图像相减以去除图像中的条纹噪声和锅盖效应，最后通过拉伸对比度算法得到校正后的无噪图像。本发明的优点在于首次引入了模糊域法来进行红外图像的非均匀校正，并通过SVD得到模糊域中图像的基频信息，此信息即为从图像中抽取出来的非均匀噪声，所有处理过程只需要利用单帧信息，避免了传统非均匀校正算法对于场景的严苛性要求，使其能广泛的应用于不同环境下的非均匀校正任务中。
Description
技术领域
本发明涉及红外图像的单帧非均匀校正技术，具体涉及一种基于模糊域奇异值分解(SVD)的非均匀性校正方法。
背景技术
红外焦平面阵列器件(IRFPA)是当前最主流的红外热像仪，广泛应用于各个领域，但由于制造工艺以及工作环境等因素影响，IRFPA的探测元的响应度不一致，具体表现为输出图像存在一定的非均匀固定条纹噪声(NUC-FPN)，严重影响成像质量。
模糊数学是以不确定性的事物为研究对象的，应用于模糊控制、模糊识别、模糊聚类分析、模糊决策、模糊评判、系统理论、信息检索、医学等各个方面。1983年Pal等人首先提出基于模糊理论的图像算法(S Mitra,SK Pal“Fuzzy sets in pattern recognition andmachine intelligence”，Fuzzy Sets and systems,156(2005)381–386)，用不同的S型隶属函数来定义出图像每个像素点的模糊目标，将图像从空间域转换到模糊域。
此后经过专家学者几十年的研究，图像的模糊处理技术获得极大的发展。一些模糊理论的分支在图像处理中得到成功的应用。典型的有模糊聚类、模糊度量、模糊神经网络、模糊推理系统及几种方法的综合应用，尤其是它们在图像增强、图像分割、图像滤波和边缘提取中的应用，所取得的效果要好于传统的图像处理方法。其在图像去噪方面常与小波变换相结合使用(李军，陈光梦，“小波域中基于模糊的图像去噪方法”，Vol.44No.62005)，但目前也仅限于处理高频离散噪声去噪问题，在诸如非均匀噪声等低频噪声去噪问题上罕见有应用。
奇异值分解(SVD)是另一种基于特征向量矩阵变换的图像处理方法，通过奇异值分解后对角矩阵不同的特征值来分别表示出图像的低频和高频信息，常用于图像压缩和降低噪声等方面，在诸如判断图像相似度等其它领域也有着巨大贡献。同样，对于红外图像非均匀噪声这种低频噪声的去噪问题，目前还无法单靠奇异值分解来得到解决。
发明内容
本发明的目的在于提供一种基于模糊域奇异值分解的非均匀性校正方法，仅需单帧图像的信息，能适用于任何场景中的红外图像，在校正非均匀性噪声的同时最大限度的消除鬼影现象。
实现本发明目的的技术解决方案为：一种基于模糊域奇异值分解的非均匀性校正方法，包括以下步骤：
步骤1：通过红外热像仪采集含非均匀噪声的红外图像f(i,j)＝k(i,j)+n(i,j)，其中f(i,j)表示实际观察到的红外图像，k(i,j)表示理想的无噪红外图像，n(i,j)表示红外热像仪成像单元的响应率不同引起的红外非均匀性噪声，(i,j)表示图像像素点的位置；
步骤2：将实际观察到的红外图像f(i,j)从空间域转换到模糊域的模糊域图像u(i,j)，公式如下：
其中xmax是图像f(i,j)所有像素中的最大灰度值，img表示红外图像f(i,j)，Fd和Fe均为变换参数，其中Fd设为128，Fe设为1，u即为变换后模糊域图像u(i,j)。
步骤3：对模糊域图像u(i,j)进行SVD，即u(i,j)＝U*S*V，其中U和V表示正交矩阵，S表示对角矩阵。
步骤4：保留对角矩阵S中(1,1)点的值，将其它点均设为0，得到新的对角矩阵S′，将新的对角矩阵S′与U和V相乘得到新的模糊域图像u(i,j)′＝U*S′*V。
步骤5：通过逆变换方程，将新的模糊域图像u(i,j)′转换到空间域中，得到新的空间域图像img′：
步骤6：将f(i,j)与img′相减，得到低对比度的无噪图像fminus(i,j)，对fminus(i,j)进行拉伸对比度fk，得到去除非均匀噪声后的无噪图像k(i,j)。
进一步的，上述步骤3中对矩阵u(i,j)进行SVD，具体步骤如下：
3-1)设变换后的模糊域图像u(i,j)大小为M*N，其中M表示行数，N表示列数，对变换后的模糊域图像u(i,j)进行矩阵转置，得到矩阵uT(i,j)。
3-2)将u(i,j)与uT(i,j)相乘，得到新的矩阵uLH(i,j)；
3-3)建立方程|uLH(i,j)-λE|＝0，其中λ为特征值，E为单元矩阵，得到特征值λ1...λM和uLH(i,j)特征向量x1...xM；
3-4)定义对角矩阵S：其对角线上的值为该值沿着左上角到右下角的方向，从大到小排列；
3-5)对特征向量x1…xM进行归一化，得到归一化后的特征向量组
3-6)定义正交矩阵和正交矩阵U＝uLH*V*S-1；
3-7)u(i,j)＝U*S*V。
进一步的，上述步骤6中所述的拉伸对比度fk，具体步骤如下：
6-1)将fminus(i,j)像素值灰度化，再把所有像素值都除以255，得到压缩后的低对比度的无噪图像f′minus(i,j)；
6-2)建立拉伸对比度方程，对f′minus(i,j)进行进一步处理，得到去除非均匀噪声后的无噪图像k(i,j)：
其中a为对比度拉伸系数，取1.8；c为亮度参数，取0.5。
本发明与现有技术相比，其显著优点在于：
(1)通过隶属度函数将图像从空域转换到模糊域，然后进行奇异值分解，提取出图像的主成成分，相比较单纯在空域直接进行奇异值分解，能更好的得到图像的基频信息，从而分离出固定非均匀噪声与背景图像。
(2)提出S形变换函数对图像进行拉伸对比度，与直接使用直方图均衡相比，能显著提升最终图像的质量。
(3)只需单帧的图像信息即可进行校正，相比传统基于场景的非均匀校正算法，适用性和鲁棒性更强。
附图说明
图1为本发明的基于模糊域奇异值分解的非均匀性校正方法的流程图。
图2为本发明实施例1中红外热像仪采集到的图像。
图3为本发明实施例1中经过模糊域奇异值分解后得到的新的空间域图像，其中包含大部分非均匀噪声和背景信息。
图4为本发明实施例1中原始图像与基频图像相减后得到的低对比度的无噪图像。
图5为本发明实施例1的去除非均匀噪声后的无噪图像。
具体实施方式
下面结合附图对本发明作进一步详细描述。
本发明是一种模糊域奇异值分解的非均匀性校正方法。其原理为：通过设置一个合理的隶属度函数，将图像从空域转换到模糊域，得到对每一个像素的估计值。之后对模糊域图像做奇异值分解，即I＝USV，其中I是模糊域图像，U和V是两个正交矩阵，S是一个对角矩阵。对角矩阵S接近左上角的数表示了图像的低频信息，接近右下角的数表示了图像的高频信息。只保留矩阵S对角线最左上角的值，并将其它值都取0，得到了图像的基频信息，其中包括背景灰度均值和大量的条纹噪声以及背景的锅盖噪声。将原始图像减去该基频信息并适当拉伸对比度，最终能得到去除非均匀噪声后的图像。
结合图1，一种基于模糊域奇异值分解的非均匀校正方法，包括以下步骤：
步骤1：通过红外热像仪采集含非均匀噪声的红外图像f(i,j)＝k(i,j)+n(i,j)，其中f(i,j)表示实际观察到的红外图像，k(i,j)表示理想的无噪红外图像，n(i,j)表示红外热像仪成像单元的响应率不同引起的红外非均匀性噪声，(i,j)表示图像像素点的位置。
步骤2：将实际观察到的红外图像f(i,j)通过隶属度函数从空间域转换到模糊域的模糊域图像u(i,j)，隶属度函数的公式如下：
其中xmax是图像f(i,j)所有像素中的最大灰度值，img表示红外图像f(i,j)，Fd和Fe均为变换参数，其中Fd设为128，Fe设为1，u即为变换后模糊域图像u(i,j)，其值被压缩到0和1之间。
步骤3：对模糊域图像u(i,j)进行SVD来得到图像的基频信息，具体过程如下：
3-1)设变换后的模糊域图像u(i,j)大小为M*N，其中M表示行数，N表示列数，对变换后的模糊域图像u(i,j)进行矩阵转置，得到矩阵uT(i,j)。
3-2)将u(i,j)与uT(i,j)相乘，得到新的矩阵uLH(i,j)；
3-3)建立方程|uLH(i,j)-λE|＝0，其中λ为特征值，E为单元矩阵，得到特征值λ1...λM和uLH(i,j)特征向量x1..xM；
3-4)定义对角矩阵S：其对角线上的值为该值沿着左上角到右下角的方向，从大到小排列；
3-5)对特征向量x1...xM进行归一化，得到归一化后的特征向量组
3-6)定义正交矩阵和正交矩阵U＝uLH*V*S-1；
3-7)u(i,j)＝U*S*V。完成对图像u(i,j)的奇异值分解过程。
分解后其中U和V表示正交矩阵，S表示对角矩阵，S对角线上的特征值按左上到右下从大到小排列，不同的特征值分别代表着图像的高频和低频信息。
步骤4：保留对角矩阵S(1,1)点的值(即最大的特征值)，将其它点均设为0，得到新的对角矩阵S′，将新的对角矩阵S′与U和V相乘得到新的模糊域图像u(i,j)′＝U*S′*V。
步骤5：通过逆变换方程，将新的模糊域图像u(i,j)′转换到空间域中，得到新的空间域图像img′。
新的空间域图像img′即为原图像f(i,j)的基频图像，与非均匀噪声项n(i,j)近似相等。
步骤6：将f(i,j)与img′相减，得到低对比度的无噪图像fminus(i,j)。
步骤7：将fminus(i,j)像素值灰度化，再把所有像素值都除以255，得到压缩后的低对比度的无噪图像f′minus(i,j)，方便进一步进行拉伸对比度处理；
步骤8：通过拉伸对比度方程对f′minus(i,j)进行进一步处理，其中a为对比度拉伸系数，取1.8；c为亮度参数，取0.5。得到去除非均匀噪声后的无噪图像k(i,j)。
实施例1
结合图1～图5，一种基于模糊域奇异值分解的非均匀性校正方法，包括以下步骤：
步骤1：通过Flir TAU2-640红外热像仪采集某城市高空俯拍的含非均匀噪声的红外图像序列f(i,j)＝k(i,j)+n(i,j)，其中f(i,j)表示实际通过Flir TAU2-640观察到的红外图像(如图2所示)，k(i,j)表示理想的无噪红外图像，n(i,j)表示红外热像仪成像单元的响应率不同引起的红外非均匀性噪声，(i,j)表示图像像素点的位置。
步骤2：将实际观察到的红外图像f(i,j)从空间域转换到模糊域的模糊域图像u(i,j)，公式如下：
其中xmax是图像f(i,j)所有像素中的最大灰度值，img表示红外图像f(i,j)，Fd和Fe均为变换参数，其中Fd设为128，Fe设为1，u即为变换后模糊域图像u(i,j)。
步骤3：对模糊域图像u(i,j)进行SVD，即u(i,j)＝U*S*V，其中U和V表示正交矩阵，S表示对角矩阵，具体步骤如下：
3-1)设变换后的模糊域图像u(i,j)大小为M*N，其中M表示行数，N表示列数，对变换后的模糊域图像u(i,j)进行矩阵转置，得到矩阵uT(i,j)。
3-2)将u(i,j)与uT(i,j)相乘，得到新的矩阵uLH(i,j)；
3-3)建立方程|uLH(i,j)-λE|＝0，其中λ为特征值，E为单元矩阵，得到特征值λ1...λM和uLH(i,j)特征向量x1..xM；
3-4)定义对角矩阵S：其对角线上的值为该值沿着左上角到右下角的方向，从大到小排列；
3-5)对特征向量x1..xM进行归一化，得到归一化后的特征向量组
3-6)定义正交矩阵和正交矩阵U＝uLH*V*S-1；
3-7)u(i,j)＝U*S*V。
步骤4：保留对角矩阵S中(1,1)点的值，将其它点均设为0，得到新的对角矩阵S′，将新的对角矩阵S′与U和V相乘得到新的模糊域图像u(i,j)′＝U*S′*V。
步骤5：通过逆变换方程，将新的模糊域图像u(i,j)′转换到空间域中，得到新的空间域图像img′(如图3所示)：
步骤6：将f(i,j)与img′相减，得到低对比度的无噪图像fminus(i,j)(如图4所示)，对fminus(i,j)进行拉伸对比度fk，得到去除非均匀噪声后的无噪图像k(i,j)(如图5所示)。
拉伸对比度fk的具体步骤如下：
6-1)将fminus(i,j)像素值灰度化，再把所有像素值都除以255，得到压缩后的低对比度的无噪图像f′minus(i,j)；
6-2)对f′minus(i,j)进行拉伸对比度，得到去除非均匀噪声后的无噪图像k(i,j)(如图4所示)：
其中a为对比度拉伸系数，取1.8；c为亮度参数，取0.5。
综上所述，本发明首次引入了模糊域法来进行红外图像的非均匀校正，并通过SVD得到模糊域中图像的基频信息，此信息即为从图像中抽取出来的非均匀噪声，所有处理过程只需要利用单帧信息，避免了传统非均匀校正算法对于场景的严苛性要求，使其能广泛的应用于不同环境下的非均匀校正任务中。
Claims (3)
1.一种基于模糊域奇异值分解的非均匀性校正方法，其特征在于，包括以下步骤：
步骤1：通过红外热像仪采集含非均匀噪声的红外图像f(i,j)＝k(i,j)+n(i,j)，其中f(i,j)表示实际观察到的红外图像，k(i,j)表示理想的无噪红外图像，n(i,j)表示红外热像仪成像单元的响应率不同引起的红外非均匀性噪声，(i,j)表示图像像素点的位置；
步骤2：将实际观察到的红外图像f(i,j)从空间域转换到模糊域的模糊域图像u(i,j)，公式如下：
其中xmax是图像f(i,j)所有像素中的最大灰度值，img表示红外图像f(i,j)，Fd和Fe均为变换参数，其中Fd设为128，Fe设为1，u即为变换后模糊域图像u(i,j)；
步骤3：对模糊域图像u(i,j)进行奇异值分解，即u(i,j)＝U*S*V，其中U和V表示正交矩阵，S表示对角矩阵；
步骤4：保留对角矩阵S中(1,1)点的值，将其它点均设为0，得到新的对角矩阵S′，将新的对角矩阵S′与U和V相乘得到新的模糊域图像u(i,j)′＝U*S′*V；
步骤5：通过逆变换方程，将新的模糊域图像u(i,j)′转换到空间域中，得到新的空间域图像img′：
步骤6：将f(i,j)与img′相减，得到低对比度的无噪图像fminus(i,j)，对fminus(i,j)进行拉伸对比度fk，得到去除非均匀噪声后的无噪图像k(i,j)。
2.根据权利要求1所述的基于模糊域奇异值分解的非均匀性校正方法，其特征在于：上述步骤3中对模糊域图像u(i,j)进行奇异值分解，具体步骤如下：
3-1)设变换后的模糊域图像u(i,j)大小为M*N，其中M表示行数，N表示列数，对变换后的模糊域图像u(i,j)进行矩阵转置，得到矩阵uT(i,j)；
3-2)将u(i,j)与uT(i,j)相乘，得到新的矩阵uLH(i,j)；
3-3)建立方程|uLH(i,j)-λE|＝0，其中λ为特征值，E为单元矩阵，得到特征值λ1…λM和uLH(i,j)特征向量x1…xM；
3-4)定义对角矩阵S：其对角线上的值为该对角线上的值沿着左上角到右下角的方向，从大到小排列；
3-5)对特征向量x1…xM进行归一化，得到归一化后的特征向量组
3-6)定义正交矩阵和正交矩阵U＝uLH*V*S-1；
3-7)u(i,j)＝U*S*V。
3.根据权利要求1所述的基于模糊域奇异值分解的非均匀性校正方法，其特征在于：上述步骤6中所述的拉伸对比度fk，具体步骤如下：
6-1)将fminus(i,j)像素值灰度化，再把所有像素值都除以255，得到压缩后的低对比度的无噪图像f′minus(i,j)；
6-2)建立拉伸对比度方程，对f′minus(i,j)进行进一步处理，得到去除非均匀噪声后的无噪图像k(i,j)：
其中a为对比度拉伸系数，取1.8；c为亮度参数，取0.5。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510837204.5A CN106803236B (zh) | 2015-11-26 | 2015-11-26 | 基于模糊域奇异值分解的非均匀性校正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510837204.5A CN106803236B (zh) | 2015-11-26 | 2015-11-26 | 基于模糊域奇异值分解的非均匀性校正方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106803236A CN106803236A (zh) | 2017-06-06 |
| CN106803236B true CN106803236B (zh) | 2019-09-27 |
Family
ID=58976586
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510837204.5A Expired - Fee Related CN106803236B (zh) | 2015-11-26 | 2015-11-26 | 基于模糊域奇异值分解的非均匀性校正方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106803236B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108665422B (zh) * | 2017-08-30 | 2022-05-10 | 西安电子科技大学 | 傅里叶域内逆向感知的单帧红外非均匀性检测方法 |
| CN112101058B (zh) * | 2020-08-17 | 2023-05-09 | 武汉诺必答科技有限公司 | 一种试卷条码自动识别方法及装置 |
| CN113421220B (zh) * | 2021-05-11 | 2022-03-15 | 武汉博宇光电系统有限责任公司 | 一种红外图像去锅盖方法 |
| CN113596400A (zh) * | 2021-07-28 | 2021-11-02 | 上海六梓科技有限公司 | 轨迹回溯的方法 |
| CN115018721A (zh) * | 2022-05-19 | 2022-09-06 | 西安中科立德红外科技有限公司 | 一种基于多尺度分析与奇异值分解的非均匀性校正方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103164846A (zh) * | 2013-03-15 | 2013-06-19 | 上海海事大学 | 一种基于转向核估计的红外条纹非均匀性校正方法 |
| WO2014144492A1 (en) * | 2013-03-15 | 2014-09-18 | Drs Rsta, Inc. | Method of shutterless non-uniformity correction for infrared imagers |
-
2015
- 2015-11-26 CN CN201510837204.5A patent/CN106803236B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103164846A (zh) * | 2013-03-15 | 2013-06-19 | 上海海事大学 | 一种基于转向核估计的红外条纹非均匀性校正方法 |
| WO2014144492A1 (en) * | 2013-03-15 | 2014-09-18 | Drs Rsta, Inc. | Method of shutterless non-uniformity correction for infrared imagers |
Non-Patent Citations (2)
| Title |
|---|
| Nonlinear total variation based noise removal algorithms;Leonid I.Rudin et al;《Physica D: Nonlinear Phenomena》;19921130;第60卷(第1-4期);259-268 * |
| 数字全变分滤波在红外图像序列非均匀校正中的应用;刘永进 等;《红外与激光工程》;20120831;第41卷(第8期);2216-2221 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106803236A (zh) | 2017-06-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106803236B (zh) | 基于模糊域奇异值分解的非均匀性校正方法 | |
| CN108090886B (zh) | 一种高动态范围红外图像的显示与细节增强方法 | |
| CN103268598B (zh) | 基于Retinex理论的低照度低空遥感影像增强方法 | |
| CN106780417A (zh) | 一种光照不均图像的增强方法及系统 | |
| CN107798661B (zh) | 一种自适应的图像增强方法 | |
| WO2016169244A1 (zh) | 基于随机喷射retinex的视频图像去噪与增强方法及装置 | |
| CN107133923B (zh) | 一种基于自适应梯度稀疏模型的模糊图像非盲去模糊方法 | |
| CN102243711A (zh) | 一种基于邻域嵌套的图像超分辨率重建方法 | |
| CN106815821A (zh) | 近红外图像的去噪方法和装置 | |
| CN109447903B (zh) | 一种半参考型超分辨率重构图像质量评价模型的建立方法 | |
| CN102289670B (zh) | 一种具有光照鲁棒性的图像特征提取方法 | |
| CN110111269A (zh) | 基于多尺度上下文聚合网络的低照度成像算法及装置 | |
| CN106204502B (zh) | 基于混合阶l0正则化模糊核估计方法 | |
| CN104616252B (zh) | 基于nsct和pcnn的数字图像增强方法 | |
| CN102663703A (zh) | 基于Treelet的Bayer型CFA图像去噪方法 | |
| CN103745443B (zh) | 提高图像质量的方法和设备 | |
| CN103996179B (zh) | 一种基于单尺度Retinex的快速实时图像增强方法 | |
| Kwok et al. | Design of unsharp masking filter kernel and gain using particle swarm optimization | |
| WO2020107308A1 (zh) | 一种基于Retinex的微光图像快速增强方法及其装置 | |
| CN111275620B (zh) | 一种基于Stacking集成学习的图像超分辨方法 | |
| CN107590781A (zh) | 基于原始对偶算法的自适应加权tgv图像去模糊方法 | |
| CN106296591A (zh) | 基于马氏距离的非局部均匀数字图像去噪方法 | |
| CN112488961A (zh) | 一种基于对数方程的t参数同态滤波方法 | |
| CN110136085B (zh) | 一种图像的降噪方法及装置 | |
| CN109636749B (zh) | 图像处理方法 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190927 Termination date: 20211126 |