CN107067381A - 一种效果良好的遥感影像处理系统 - Google Patents
一种效果良好的遥感影像处理系统 Download PDFInfo
- Publication number
- CN107067381A CN107067381A CN201710267799.4A CN201710267799A CN107067381A CN 107067381 A CN107067381 A CN 107067381A CN 201710267799 A CN201710267799 A CN 201710267799A CN 107067381 A CN107067381 A CN 107067381A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msup
- remote sensing
- sensing image
- 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.)
- Withdrawn
Links
- 238000012545 processing Methods 0.000 title claims abstract description 33
- 230000004927 fusion Effects 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 11
- 230000009466 transformation Effects 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000005286 illumination Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G06T5/73—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- 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
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Abstract
本发明提供了一种效果良好的遥感影像处理系统，包括影像获取模块、一次处理模块、二次处理模块和融合处理模块，所述影像获取模块用于获取遥感影像，所述一次处理模块在灰度空间对遥感影像进行处理，获取相应处理结果，所述二次处理模块在HSV空间对遥感影像进行处理，获取相应处理结果，所述融合处理模块用于根据一次处理模块和二次处理模块的处理结果确定遥感影像最终处理方式。本发明的有益效果为：实现了对原始遥感影像的有效处理，获取了高质量的遥感影像。
Description
技术领域
本发明涉及影像处理技术领域，具体涉及一种效果良好的遥感影像处理系统。
背景技术
随着高分辨率遥感数据质量的不断提高及其获取难度的大幅降低，高分辨率遥感数据的应用成本也不断降低，遥感数据将在各行各业得到越来越广泛的应用。在遥感数据日益普及的今天，利用影像处理与分析技术对高空间分辨率遥感影像中的感兴趣目标进行自动提取已经成为目前遥感领域研宄的热点之一。
在光学遥感影像的获取过程中，由于传感器本身或外部因素的影响，导致一幅影像的不同区域在色彩、亮度等方面存在不同程度的差异。这种遥感影像的不均匀光照现象由多方面原因引起，如传感器中光学透镜成像的不均匀性、太阳角、卫星角、地势起伏、云雾的影响等。这种不均匀光照现象不仅会直接影响到最终生成的影像产品的质量，甚至会对人工以及计算机自动地物识别、解译造成影响。为了消除不均匀光照现象的影响，需要对遥感影像进行处理。现有的遥感影像处理技术处理后的影像清晰度差，从而影响了遥感影像的应用。
发明内容
针对上述问题，本发明旨在提供一种效果良好的遥感影像处理系统。
本发明的目的采用以下技术方案来实现：
提供了一种效果良好的遥感影像处理系统，包括影像获取模块、一次处理模块、二次处理模块和融合处理模块，所述影像获取模块用于获取遥感影像，所述一次处理模块在灰度空间对遥感影像进行处理，获取相应处理结果，所述二次处理模块在HSV空间对遥感影像进行处理，获取相应处理结果，所述融合处理模块用于根据一次处理模块和二次处理模块的处理结果确定遥感影像最终处理方式。
本发明的有益效果为：实现了对原始遥感影像的有效处理，获取了高质量的遥感影像。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图；
附图标记：
影像获取模块1、一次处理模块2、二次处理模块3、融合处理模块4。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本实施例的一种效果良好的遥感影像处理系统，包括影像获取模块1、一次处理模块2、二次处理模块3和融合处理模块4，所述影像获取模块1用于获取遥感影像，所述一次处理模块2在灰度空间对遥感影像进行处理，获取相应处理结果，所述二次处理模块3在HSV空间对遥感影像进行处理，获取相应处理结果，所述融合处理模块4用于根据一次处理模块2和二次处理模块3的处理结果确定遥感影像最终处理方式。
本实施例实现了对原始遥感影像的有效处理，获取了高质量的遥感影像。
优选的，所述影像获取模块1由高分辨率卫星组成，所述高分辨率卫星是中国自主研发制造的“高分一号”卫星，用于负责获取高分辨率遥感影像，并将获取的遥感影像输入所述一次处理模块2和二次处理模块3。
本优选实施例采用高分辨率卫星获取遥感影像，从源头上提高了遥感影像质量，有助于提高后期处理效率，节约后期处理成本。
优选的，所述一次处理模块2采用如下方式对原始影像进行处理：
第一步，对原始影像进行傅里叶变换，然后在影像的频率域通过低通滤波器进行滤波，得到背景影像；
第二步，将原始影像与背景影像采用如下公式处理，得到处理后的影像：
式中，L(x,y)表示处理后的影像，I′(x,y)表示原始影像，S(x,y)表示背景影像，P表示原始影像灰度均值，β表示拉伸参数，β∈(-63,+63)。
传统的处理算法会造成遥感影像的整体反差减小，灰度值的动态范围减小，本优选实施例一次处理模块采用全新的算法对原始遥感影像进行处理，具体的，引入了拉伸参数，对遥感影像的对比度进行拉伸，同时提高了遥感影像的细节反差和整体反差。
优选的，所述二次处理模块3采用如下方式对原始影像进行处理：
第一步：将原始影像在HSV空间中进行描述，具体的，采用倒圆锥模型进行表示，倒圆锥模型的轴线方向表示亮度分量，顶部的圆心表示白色，最低点表示黑色，竖直轴表示白色和黑色之间的过渡色，顶部的圆平面表示光强度最大的点，圆锥的任一横向圆切面的径向表示饱和度，圆心处饱和度为0，圆周处饱和度为1，圆切面的圆周向的角度表示色调；
第二步：保持影像在HSV空间中的H分量不变，对S分量和V分量进行小波域改进，然后将影像反变换到RGB空间，得到处理后的遥感影像：
式中，R、G、B分别表示原始遥感影像RGB空间中的红色分量、绿色分量、蓝色分量，max表示原始遥感影像RGB空间中最大颜色分量，R′、G′、B′分别表示处理后的遥感影像RGB空间中的红色分量、绿色分量、蓝色分量，S、V分别表示原始遥感影像HSV空间中的饱和度分量、亮度分量，S′、V′表示小波改进后的饱和度分量、亮度分量。
所述对S分量和V分量进行小波域改进，具体为：
第一步，对遥感影像S分量和V分量进行一次二维小波变换，影像分解为4个大为子带区域，进一步对子带区域进行二维小波变换，直到得出满意的小波尺度为止，从而得到S分量和V分量在小波域中的近似系数和不同层次的细节系数；
第二步，采用如下方式对小波系数进行改进：
b′(x,y)＝0.1δ×[b(x,y)-j]2+δ×[b(x,y)-j]+j
式中，b(x,y)表示小波系数，j表示该子带区域小波系数均值，δ为改进系数，b′(x,y)为改进后的小波系数，δ∈[0,1)，表示对小波系数进行抑制，应用于小波分解后的近似系数，δ＞1，表示对小波系数进行增强，应用于小波分解后的细节系数。
本优选实施例在HSV空间中对遥感影像进行处理，得到的处理结果更加符合人类视觉感知特性，在保持影像色调不变的前提下，对亮度和饱和度进行小波分解，减少了运行时间，提高了处理效率，遥感影像经过小波变换后，得到的近似系数表征了遥感影像中的背景信息，而细节系数表征了遥感影像中的细节信息，对S分量和V分量在小波域中的近似系数进行抑制，同时对细节系数进行增强，达到了整体背景光照均勾，细节反差突出的效果。
优选的，所述融合处理模块4用于根据一次处理模块2和二次处理模块3的处理结果确定遥感影像最终处理方式，具体为：
第一步，用M、N分别表示影像的行数和列数，h(x,y)表示影像第x行、第y列的灰度值，则影像的综合值采用以下公式确定：
式中，F表示影像的综合值，pi表示影像的灰度均值；
第二步，分别计算采用一次处理模块2和二次处理模块3处理后的遥感影像的综合值，对于二次处理模块3处理后的遥感影像的综合值求取，可以先将遥感影像转换到灰度空间再进行求取，选取综合值大的遥感影像作为遥感影像最终处理方式。
本优选实施例融合处理模块建立影像的综合值函数，通过计算影像的综合值来确定遥感影像的最终处理方式，针对不同遥感影像具有不同的影像综合值，能够实现遥感影像的最优的动态处理，且采用本优选实施例综合值计算函数考虑了遥感影像整体，获取的遥感影像对比度高、清晰程度高。
采用本发明遥感影像处理系统对遥感影像进行处理，当待处理遥感影像数目分别为50、60、70、80、90时，对遥感影像的处理效率和影像清晰度进行统计，同未采用本发明遥感影像处理系统相比，产生的有益效果如下表所示：
| 待处理遥感影像数目 | 处理效率提高 | 影像清晰度提高 |
| 50 | 20％ | 31％ |
| 60 | 25％ | 31％ |
| 70 | 30％ | 31％ |
| 80 | 32％ | 31％ |
| 90 | 36％ | 31％ |
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (6)
1.一种效果良好的遥感影像处理系统，其特征是，包括影像获取模块、一次处理模块、二次处理模块和融合处理模块，所述影像获取模块用于获取遥感影像，所述一次处理模块在灰度空间对遥感影像进行处理，获取相应处理结果，所述二次处理模块在HSV空间对遥感影像进行处理，获取相应处理结果，所述融合处理模块用于根据一次处理模块和二次处理模块的处理结果确定遥感影像最终处理方式。
2.根据权利要求1所述的效果良好的遥感影像处理系统，其特征是，所述影像获取模块由高分辨率卫星组成，用于负责获取高分辨率遥感影像，并将获取的遥感影像输入所述一次处理模块和二次处理模块。
3.根据权利要求2所述的效果良好的遥感影像处理系统，其特征是，所述一次处理模块采用如下方式对原始影像进行处理：
第一步，对原始影像进行傅里叶变换，然后在影像的频率域通过低通滤波器进行滤波，得到背景影像；
第二步，将原始影像与背景影像采用如下公式处理，得到处理后的影像：
<mrow>
<mi>L</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mfrac>
<mrow>
<mn>255</mn>
<mo>&times;</mo>
<mo>{</mo>
<mo>&lsqb;</mo>
<msup>
<mi>I</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msqrt>
<mrow>
<msup>
<mi>P</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msqrt>
<mo>&rsqb;</mo>
<mo>-</mo>
<mn>2</mn>
<mi>&beta;</mi>
<mo>}</mo>
</mrow>
<mrow>
<mn>255</mn>
<mo>-</mo>
<mn>4</mn>
<mi>&beta;</mi>
</mrow>
</mfrac>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>&beta;</mi>
<mo>></mo>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<mrow>
<mo>&lsqb;</mo>
<msup>
<mi>I</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msqrt>
<mrow>
<msup>
<mi>P</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msqrt>
<mo>&rsqb;</mo>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<mn>255</mn>
<mo>+</mo>
<mn>4</mn>
<mi>&beta;</mi>
<mo>)</mo>
</mrow>
</mrow>
<mn>255</mn>
</mfrac>
<mo>-</mo>
<mn>2</mn>
<mi>&beta;</mi>
<mo>,</mo>
<mi>&beta;</mi>
<mo><</mo>
<mn>0</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
式中，L(x,y)表示处理后的影像，I′(x,y)表示原始影像，S(x,y)表示背景影像，P表示原始影像灰度均值，β表示拉伸参数，β∈(-63,+63)。
4.根据权利要求3所述的效果良好的遥感影像处理系统，其特征是，所述二次处理模块采用如下方式对原始影像进行处理：
第一步：将原始影像在HSV空间中进行描述，具体的，采用倒圆锥模型进行表示，倒圆锥模型的轴线方向表示亮度分量，顶部的圆心表示白色，最低点表示黑色，竖直轴表示白色和黑色之间的过渡色，顶部的圆平面表示光强度最大的点，圆锥的任一横向圆切面的径向表示饱和度，圆心处饱和度为0，圆周处饱和度为1，圆切面的圆周向的角度表示色调；
第二步：保持影像在HSV空间中的H分量不变，对S分量和V分量进行小波域改进，然后将影像反变换到RGB空间，得到处理后的遥感影像：
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msup>
<mi>R</mi>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<mfrac>
<msup>
<mi>V</mi>
<mo>&prime;</mo>
</msup>
<mi>V</mi>
</mfrac>
<mo>&lsqb;</mo>
<msqrt>
<mrow>
<msup>
<mi>R</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msqrt>
<mo>-</mo>
<mfrac>
<mrow>
<mo>(</mo>
<mi>max</mi>
<mo>+</mo>
<mn>1</mn>
<mo>-</mo>
<mi>R</mi>
<mo>)</mo>
<mo>(</mo>
<msup>
<mi>S</mi>
<mo>&prime;</mo>
</msup>
<mo>-</mo>
<mi>S</mi>
<mo>)</mo>
</mrow>
<mi>S</mi>
</mfrac>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<mi>G</mi>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<mfrac>
<msup>
<mi>V</mi>
<mo>&prime;</mo>
</msup>
<mi>V</mi>
</mfrac>
<mo>&lsqb;</mo>
<msqrt>
<mrow>
<msup>
<mi>G</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msqrt>
<mo>-</mo>
<mfrac>
<mrow>
<mo>(</mo>
<mi>max</mi>
<mo>+</mo>
<mn>1</mn>
<mo>-</mo>
<mi>G</mi>
<mo>)</mo>
<mo>(</mo>
<msup>
<mi>S</mi>
<mo>&prime;</mo>
</msup>
<mo>-</mo>
<mi>S</mi>
<mo>)</mo>
</mrow>
<mi>S</mi>
</mfrac>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<mi>B</mi>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<mfrac>
<msup>
<mi>V</mi>
<mo>&prime;</mo>
</msup>
<mi>V</mi>
</mfrac>
<mo>&lsqb;</mo>
<msqrt>
<mrow>
<msup>
<mi>B</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msqrt>
<mo>-</mo>
<mfrac>
<mrow>
<mo>(</mo>
<mi>max</mi>
<mo>+</mo>
<mn>1</mn>
<mo>-</mo>
<mi>B</mi>
<mo>)</mo>
<mo>(</mo>
<msup>
<mi>S</mi>
<mo>&prime;</mo>
</msup>
<mo>-</mo>
<mi>S</mi>
<mo>)</mo>
</mrow>
<mi>S</mi>
</mfrac>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中，R、G、B分别表示原始遥感影像RGB空间中的红色分量、绿色分量、蓝色分量，max表示原始遥感影像RGB空间中最大颜色分量，R′、G′、B′分别表示处理后的遥感影像RGB空间中的红色分量、绿色分量、蓝色分量，S、V分别表示原始遥感影像HSV空间中的饱和度分量、亮度分量，S′、V′表示小波改进后的饱和度分量、亮度分量。
5.根据权利要求4所述的效果良好的遥感影像处理系统，其特征是，所述对S分量和V分量进行小波域改进，具体为：
第一步，对遥感影像S分量和V分量进行一次二维小波变换，影像分解为4个大为子带区域，进一步对子带区域进行二维小波变换，直到得出满意的小波尺度为止，从而得到S分量和V分量在小波域中的近似系数和不同层次的细节系数；
第二步，采用如下方式对小波系数进行改进：
b′(x,y)＝0.1δ×[b(x,y)-j]2+δ×[b(x,y)-j]+j
式中，b(x,y)表示小波系数，j表示该子带区域小波系数均值，δ为改进系数，b′(x,y)为改进后的小波系数，δ∈[0,1)，表示对小波系数进行抑制，应用于小波分解后的近似系数，δ＞1，表示对小波系数进行增强，应用于小波分解后的细节系数。
6.根据权利要求5所述的效果良好的遥感影像处理系统，其特征是，所述融合处理模块用于根据一次处理模块和二次处理模块的处理结果确定遥感影像最终处理方式，具体为：
第一步，用M、N分别表示影像的行数和列数，h(x,y)表示影像第x行、第y列的灰度值，则影像的综合值采用以下公式确定：
<mrow>
<mi>F</mi>
<mo>=</mo>
<mi>l</mi>
<mi>n</mi>
<mo>{</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>x</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</msubsup>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>y</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</msubsup>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>p</mi>
<mi>i</mi>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mi>M</mi>
<mo>&times;</mo>
<mi>N</mi>
</mrow>
</mfrac>
<mo>+</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>x</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>M</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>y</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msqrt>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>y</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</msqrt>
</mrow>
<mrow>
<mo>(</mo>
<mi>M</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
<mo>&times;</mo>
<mo>(</mo>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mfrac>
<mo>+</mo>
<mn>1</mn>
<mo>}</mo>
</mrow>
式中，F表示影像的综合值，pi表示影像的灰度均值；
第二步，分别计算采用一次处理模块和二次处理模块处理后的遥感影像的综合值，对于二次处理模块处理后的遥感影像的综合值求取，可以先将遥感影像转换到灰度空间再进行求取，选取综合值大的遥感影像作为遥感影像最终处理方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710267799.4A CN107067381A (zh) | 2017-04-21 | 2017-04-21 | 一种效果良好的遥感影像处理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710267799.4A CN107067381A (zh) | 2017-04-21 | 2017-04-21 | 一种效果良好的遥感影像处理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107067381A true CN107067381A (zh) | 2017-08-18 |
Family
ID=59603305
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710267799.4A Withdrawn CN107067381A (zh) | 2017-04-21 | 2017-04-21 | 一种效果良好的遥感影像处理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107067381A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102063710A (zh) * | 2009-11-13 | 2011-05-18 | 烟台海岸带可持续发展研究所 | 一种遥感图像融合增强的实现方法 |
| CN102111532A (zh) * | 2010-05-27 | 2011-06-29 | 周渝斌 | 相机镜头遮挡检测系统及方法 |
| CN103123723A (zh) * | 2013-01-23 | 2013-05-29 | 中国人民解放军信息工程大学 | 一种基于Canny边缘检测与主动轮廓模型的水边线提取方法 |
| CN103268598A (zh) * | 2013-06-13 | 2013-08-28 | 武汉大学 | 基于Retinex理论的低照度低空遥感影像增强方法 |
| CN105701780A (zh) * | 2016-01-12 | 2016-06-22 | 中国科学院深圳先进技术研究院 | 一种遥感影像处理方法及系统 |
-
2017
- 2017-04-21 CN CN201710267799.4A patent/CN107067381A/zh not_active Withdrawn
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102063710A (zh) * | 2009-11-13 | 2011-05-18 | 烟台海岸带可持续发展研究所 | 一种遥感图像融合增强的实现方法 |
| CN102111532A (zh) * | 2010-05-27 | 2011-06-29 | 周渝斌 | 相机镜头遮挡检测系统及方法 |
| CN103123723A (zh) * | 2013-01-23 | 2013-05-29 | 中国人民解放军信息工程大学 | 一种基于Canny边缘检测与主动轮廓模型的水边线提取方法 |
| CN103268598A (zh) * | 2013-06-13 | 2013-08-28 | 武汉大学 | 基于Retinex理论的低照度低空遥感影像增强方法 |
| CN105701780A (zh) * | 2016-01-12 | 2016-06-22 | 中国科学院深圳先进技术研究院 | 一种遥感影像处理方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| 张振: "光学遥感影像匀光算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 杨国青等: "基于移动终端的道路边缘检测方法", 《计算机系统应用》 * |
| 沈小乐等: "一种薄云影响下的遥感影像匀光算法", 《武汉大学学报(信息科学版)》 * |
| 陈勇等: "低照度下具有动态特性的彩色图像质量优化算法", 《半导体光电》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106296612B (zh) | 一种图像质量评价和天气状况引导的分级式监控视频清晰化系统及方法 | |
| CN107527324B (zh) | 一种hud的图像畸变矫正方法 | |
| CN104182947B (zh) | 一种低照度图像增强方法和系统 | |
| CN109191390A (zh) | 一种基于不同颜色空间多算法融合的图像增强算法 | |
| CN110232389B (zh) | 一种基于绿色作物特征提取不变性的立体视觉导航方法 | |
| CN105654433A (zh) | 基于改进多尺度Retinex的彩色图像增强方法 | |
| CN106683080B (zh) | 一种视网膜眼底图像预处理方法 | |
| CN104537634B (zh) | 动态图像中去除雨滴影响的方法和系统 | |
| CN106303483B (zh) | 一种图像处理方法及装置 | |
| CN105654436A (zh) | 一种基于前景背景分离的背光图像增强去噪方法 | |
| CN102982517B (zh) | 基于光谱与空间局部相关的遥感影像融合方法 | |
| CN106997584A (zh) | 一种雾霾天气图像增强方法 | |
| CN104079908A (zh) | 红外与可见光图像信号处理方法及其实现装置 | |
| CN107092753A (zh) | 一种智能城市规划系统 | |
| US20210004936A1 (en) | Image Enhancing Method, Device, Apparatus and Storage Medium | |
| CN102722868A (zh) | 一种高动态范围图像色调映射方法 | |
| CN106210437A (zh) | 图像处理装置和投影仪 | |
| CN104134200A (zh) | 一种基于改进加权融合的运动场景图像拼接方法 | |
| CN103839245B (zh) | 基于统计规律的Retinex夜间彩色图像增强方法 | |
| CN107623845B (zh) | 一种基于先验知识的图像处理方法及装置 | |
| CN104166969B (zh) | 数字图像增强方法和系统 | |
| CN109523474A (zh) | 一种基于雾天退化模型的低照度图像增强方法 | |
| CN105139417A (zh) | 视频监控下的多目标实时跟踪方法 | |
| CN104008535B (zh) | 基于CbCr角度归一化直方图的图像增强方法及系统 | |
| WO2016145571A1 (zh) | 基于条件直方图码书的盲图像质量评价方法 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20170920 Address after: 510000, Guangdong Province, Baiyun District, Guangzhou Airport West Road and kin two street, No. two, building 26, 2016 rooms Applicant after: Guangzhou Hui Ting Ting Trading Co., Ltd. Address before: 200000, 556, 5, 1, 2266 Willow Road, Shanghai, Putuo District Applicant before: Shanghai Boli Machinery Technology Co. Ltd. |
|
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20170818 |