CN107316040A - 一种光照不变的图像颜色空间变换方法 - Google Patents
一种光照不变的图像颜色空间变换方法 Download PDFInfo
- Publication number
- CN107316040A CN107316040A CN201710418872.3A CN201710418872A CN107316040A CN 107316040 A CN107316040 A CN 107316040A CN 201710418872 A CN201710418872 A CN 201710418872A CN 107316040 A CN107316040 A CN 107316040A
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- mfrac
- gamma
- channel
- 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
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Abstract
本发明公开了一种光照不变的图像颜色空间变换方法。基于相机成像模型,将原始图像变换到不受光照强度影响而主要受到物体表面反光特性影响的颜色空间,光照不变颜色空间定义在红绿蓝三个通道,其中每个通道的值利用了原始图像中三个通道的非线性关系得到,其中的变换因子可以根据相机参数确定。本发明消除了复杂光照和阴影对图像的影响,得到只体现物体表面特性的图像,可以广泛地应用于各种视觉识别任务。
Description
技术领域
本发明属于计算机视觉的领域,涉及一种光照不变的图像颜色空间变换方 法。
背景技术
随着计算机技术的迅速发展,计算机视觉被广泛应用于机器人、智能车辆 的环境感知任务,如道路识别、障碍物识别等。但是,在室外环境下,视觉算 法的效果受到复杂的环境因素的影响,如光照条件、阴影等都直接影响物体在 图像中的外观形状,进而增加了识别任务的难度,也增加了视觉识别算法的复 杂度。
在以往的研究中,有一系列的图像处理算法应对复杂光照的情况,包括基 于统计学习的方法(R.Guo,Q.Dai,D.Hoiem.Paired regions for shadow detection andremoval.IEEE Transactions on Pattern Analysis and Machine Intelligence,2013,35(12),2956–2967)、基于图像分解的方法(J.Shen,X.Yang,Y.Jia,X.Li.Intrinsicimages using optimization.IEEE Conference on Computer Vision and PatternRecognition,2011,3481–3487)、基于阴影模型的方法(J.Tian,X.Qi,L.Qu,Y. Tang.Newspectrum ratio properties and features for shadow detection,PatternRecognition,2016,85-96)等。但是,在实际应用中,这些方法的复杂度太高, 难以满足实时性的要求。另一类方法是直接基于图像变换的方法,通过构造颜 色空间的变换降低复杂光照和阴影的影响。如论文(J.M.Alvarez,A.M.Lopez. Road detection based onilluminant invariance.IEEE Transactions on Intelligent TransportationSystems,2011,12(1),184–193)中提出了一种单通道的颜色变换方 法应用于道路识别任务,论文(Y.S Heo,K.M.Lee,S.U.Lee.Joint depth map and color consistencyestimation for stereo images with different illuminations and cameras.IEEETransactions on Pattern Analysis and Machine Intelligence,2013, 35(5),1094–1106)中提出了基于对数变换的三通道颜色空间应用于光照变化的 立体匹配任务,论文(P.Corke,R.Paul,W.Churchill,P.Newman.Dealing with shadows:Capturing intrinsicscene appearance for image-based outdoor localization. IEEE/RSJ InternationalConference on Intelligent Robots and Systems,2013,2085– 2092)利用色度坐标构造单通道图像降低光照变换的影响,并应用于道路识别 任务。相比之下,基于图像变换的方法运算复杂度较低,便于实时计算,但是 对阴影的处理效果不够好,而且在变换的过程中丢失了很多原始图像中的颜色 和纹理信息。
发明内容
为了克服以往技术的不足,针对室外复杂光照的场景,本发明提出了一种 光照不变的图像颜色空间变换方法。
本发明采用的技术方案是:
本发明构造三通道的光照不变空间:对于每一个通道的光照不变空间,用 该通道的图像值与其他两个通道的图像值指数积的比值作为该通道的颜色不变 空间。
本发明基于相机成像模型,构造了三通道的光照不变颜色空间,每个通道 的像素值与光照强度无关,从而应用于复杂光照条件下的视觉识别任务。
对于每个通道的颜色空间变换,选取两个因子作为其他两个通道的指数。
所述的三通道是指RGB通道。
所述的方法采用以下方式进行光照不变的图像颜色空间变换:对于常规的 数字相机,其拍摄的原始RGB图像为Iw,原始RGB图像Iw中包含三个颜色通 道{Iwr,Iwg,Iwb},Iwr,Iwg,Iwb分别表示原始RGB图像Iw的红色通道、绿色通道 和蓝色通道的图像值,则变换后图像中三个颜色通道{Hr,Hg,Hb}采用以下公式 计算得到:
其中,γgr表示红色通道相对于绿色通道的变换参数,γbr表示红色通道相对 于蓝色通道的变换参数,γrg表示绿色通道相对于红色通道的变换参数,γbg表示 绿色通道相对于蓝色通道的变换参数,γrb表示蓝色通道相对于红色通道的变换 参数,γgb表示蓝色通道相对于绿色通道的变换参数,γgr,γbr,γrg,γbg,γrb,γgb∈ [0,1];Hr,Hg,Hb分别表示变换后图像的红色通道、绿色通道和蓝色通道的图像 值。
本发明颜色空间变换中所需的六个变换参数为γgr,γbr,γrg,γbg,γrb,γgr,基于数字相机的成像原理进行选择。
具体的,所述的六个变换参数采用以下方式计算获得:
在数字相机参数确定的情况下,六个变换参数γgr,γbr,γrg,γbg,γrb,γgr通过求解以下方程组得到:
γr-γgγgr-γbγbr=0
γg-γrγrg-γbγbg=0
γb-γrγrb-γgγgb=0
其中,λn和γn为通道n的中心波长和对应的伽马常数,n∈{r,g,b}。
针对常规的数字相机,本发明基于相机成像模型设计了图像颜色空间变换, 从而根据原始的RGB三通道彩色图像得到与光照强度无关的三通道彩色图像。 每个通道的颜色空间变换由两个变换因子控制,这两个变换因子的值可以由相 机参数确定,在实际中可以通过相机标定或者试差法方便地确定。
本发明涉及的光照不变的图像颜色空间变换模型具体采用以下过程构建:
对于常规的数字相机,其成像过程如下:
其中,L为相机响应值,λ为光波长,[λmin,λmax]为波长的区间,g为环境的 几何因子,l为光照强度,Q(λ)为光波长λ的反射特性,S(λ)为光波长λ光源的光 谱分布,W(λ)为光波长λ的光谱辐射强度。
光谱辐射强度W(λ)采用以下公式计算如下所示:
其中,w1,w2均为常数因子,T为颜色温度。
接着使用伽马函数对相机响应值进行映射,以生成输出图像,从而强调在 明处和暗处的细节信息,计算得到图像的图像值如下:
Iw=Lγ
其中,γ为伽马常数,为一个正常数。
对于每个图像通道n∈{r,g,b},假设对应的图像传感器的光谱敏感度分布 足够的窄(即S(λ)为Dirac delta函数),采用以下公式计算得到各个通道对应的 图像值Iwn为:
其中,Qn=Q(λn),λn和γn为通道n的中心波长和对应的伽马常数,受到相 机特性的影响,通常可以通过标定获得。
相机成像模型代入成像过程的计算公式中进行颜色空间变换,得到光照不 变的图像颜色空间变换模型:
其中,er1,er2,eg1,eg2,eb1,eb2分别为误差因子,定义如下:
当上述误差因子er1,er2,eg1,eg2,eb1,eb2都为0时,得到的颜色空间 {Hr,Hg,Hb}与光照无关,只与物体表面反射特性有关。
对于图像像素值由8bit表示的灰度图像情况,像素值的区间为0~255。如 果环境中的一点是过度曝光的,即有一个或多个通道的像素值为255,则其真实 颜色将无法重建。针对这一技术问题,本发明引入伽马常数γ通过伽马变换解决 了上述技术问题,能够不失一般性。
本发明因为变换因子γgr,γbr,γrg,γbg,γrb,γgr只与相机参数有关,而且各颜色通道之间变换因子的选取是无关的,因此在相机标定不精确的情况下可以方 便地使用试差法确定最佳的变换因子。
对于图像中的每一个点,颜色空间变换只需要进行有限次数的数学运算, 即该算法的复杂度为O(N),可以满足实时性的要求,变换后的光照不变颜色空 间与光照强度无关。对于物体的反光特性相关方面,本发明可以去除环境中光 照变化和阴影对像素点颜色和亮度的影响,从而有利于在复杂光照环境下更加 鲁棒的进行物体识别。
本发明的有益效果是:
本发明方法能够去除环境中光照变化和阴影对图像中像素点颜色和亮度的 影响,得到只体现物体表面特性的图像,从而有利于后续在复杂光照环境下更 加鲁棒地进行图像中的物体识别,能尤其适用于室外复杂光照的场景,还能够 适用于灰度图像的颜色空间变换情况,可以广泛地应用于各种视觉识别任务。
附图说明
图1是本发明实施例的变换前后的效果对比图。
图2是实施例后续对道路区域采用本发明的识别结果图。
图3是实施例后续对道路区域未采用本发明的识别结果图。
具体实施方式
以下结合具体实施方式对本发明加以详细说明。
本发明的实施例如下:
在实施例数字相机参数确定的情况下,六个变换参数 γgr,γbr,γrg,γbg,γrb,γgr通过求解方程组获得。
求解得到的变换因子γgr,γbr,γrg,γbg,γrb,γgr分别为:
γgr=0.6,γbr=0.6,γrg=0.48,γbg=0.57,γrb=0.4,γgb=0.4。
由此采用以下公式进行光照不变的图像颜色空间变换:
如图1为实施例具有强阴影的场景的重构结果,对于一个受到阴影强烈影 响的道路场景,通过光照不变颜色变换后得到的图像中,阴影造成的效果被基 本消除,能够有利于对道路区域的识别。
实施例后续对道路区域的识别,采用本发明的识别结果如图2,未采用本发 明的识别结果如图3。从结果可以看出,光照不变的颜色空间变换恢复了阴影中 的纹理信息,从而可以进行更加精确的道路识别。
Claims (4)
1.一种光照不变的图像颜色空间变换方法,其特征在于:构造三通道的光照不变空间:对于每一个通道的光照不变空间,用该通道的图像值与其他两个通道的图像值指数积的比值作为该通道的颜色不变空间。
2.根据权利要求1所述的一种光照不变的图像颜色空间变换方法,其特征在于:所述的三通道是指RGB通道。
3.根据权利要求1所述的一种光照不变的图像颜色空间变换方法,其特征在于:所述的方法采用以下方式进行光照不变的图像颜色空间变换:
对于常规的数字相机,其拍摄的原始RGB图像为Iw,原始RGB图像Iw中包含三个颜色通道{Iwr,Iwg,Iwb},Iwr,Iwg,Iwb分别表示原始RGB图像Iw的红色通道、绿色通道和蓝色通道的图像值,则变换后图像中三个颜色通道{Hr,Hg,Hb}采用以下公式计算得到:
<mrow>
<msub>
<mi>H</mi>
<mi>r</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>I</mi>
<mrow>
<mi>w</mi>
<mi>r</mi>
</mrow>
</msub>
<mrow>
<msubsup>
<mi>I</mi>
<mrow>
<mi>w</mi>
<mi>g</mi>
</mrow>
<msub>
<mi>&gamma;</mi>
<mrow>
<mi>g</mi>
<mi>r</mi>
</mrow>
</msub>
</msubsup>
<msubsup>
<mi>I</mi>
<mrow>
<mi>w</mi>
<mi>b</mi>
</mrow>
<msub>
<mi>&gamma;</mi>
<mrow>
<mi>b</mi>
<mi>r</mi>
</mrow>
</msub>
</msubsup>
</mrow>
</mfrac>
<mo>,</mo>
<msub>
<mi>H</mi>
<mi>g</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>I</mi>
<mrow>
<mi>w</mi>
<mi>g</mi>
</mrow>
</msub>
<mrow>
<msubsup>
<mi>I</mi>
<mrow>
<mi>w</mi>
<mi>r</mi>
</mrow>
<msub>
<mi>&gamma;</mi>
<mrow>
<mi>r</mi>
<mi>g</mi>
</mrow>
</msub>
</msubsup>
<msubsup>
<mi>I</mi>
<mrow>
<mi>w</mi>
<mi>b</mi>
</mrow>
<msub>
<mi>&gamma;</mi>
<mrow>
<mi>b</mi>
<mi>g</mi>
</mrow>
</msub>
</msubsup>
</mrow>
</mfrac>
<mo>,</mo>
<msub>
<mi>H</mi>
<mi>b</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>I</mi>
<mrow>
<mi>w</mi>
<mi>b</mi>
</mrow>
</msub>
<mrow>
<msubsup>
<mi>I</mi>
<mrow>
<mi>w</mi>
<mi>r</mi>
</mrow>
<msub>
<mi>&gamma;</mi>
<mrow>
<mi>r</mi>
<mi>b</mi>
</mrow>
</msub>
</msubsup>
<msubsup>
<mi>I</mi>
<mrow>
<mi>w</mi>
<mi>g</mi>
</mrow>
<msub>
<mi>&gamma;</mi>
<mrow>
<mi>g</mi>
<mi>b</mi>
</mrow>
</msub>
</msubsup>
</mrow>
</mfrac>
</mrow>
其中,γgr表示红色通道相对于绿色通道的变换参数,γbr表示红色通道相对于蓝色通道的变换参数,γrg表示绿色通道相对于红色通道的变换参数,γbg表示绿色通道相对于蓝色通道的变换参数,γrb表示蓝色通道相对于红色通道的变换参数,γgb表示蓝色通道相对于绿色通道的变换参数,γgr,γbr,γrg,γbg,γrb,γgb∈[0,1];Hr,Hg,Hb分别表示变换后图像的红色通道、绿色通道和蓝色通道的图像值。
4.根据权利要求3所述的一种光照不变的图像颜色空间变换方法,其特征在于:所述的六个变换参数采用以下方式计算获得:
在数字相机参数确定的情况下,六个变换参数γgr,γbr,γrg,γbg,γrb,γgr通过求解以下方程组得到:
γr-γgγgr-γbγbr=0
<mrow>
<mfrac>
<msub>
<mi>&gamma;</mi>
<mi>r</mi>
</msub>
<msub>
<mi>&lambda;</mi>
<mi>r</mi>
</msub>
</mfrac>
<mo>-</mo>
<mfrac>
<msub>
<mi>&gamma;</mi>
<mi>g</mi>
</msub>
<msub>
<mi>&lambda;</mi>
<mi>g</mi>
</msub>
</mfrac>
<msub>
<mi>&gamma;</mi>
<mrow>
<mi>g</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>-</mo>
<mfrac>
<msub>
<mi>&gamma;</mi>
<mi>b</mi>
</msub>
<msub>
<mi>&lambda;</mi>
<mi>b</mi>
</msub>
</mfrac>
<msub>
<mi>&gamma;</mi>
<mrow>
<mi>b</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>0</mn>
</mrow>
γg-γrγrg-γbγbg=0
<mrow>
<mfrac>
<msub>
<mi>&gamma;</mi>
<mi>g</mi>
</msub>
<msub>
<mi>&lambda;</mi>
<mi>g</mi>
</msub>
</mfrac>
<mo>-</mo>
<mfrac>
<msub>
<mi>&gamma;</mi>
<mi>r</mi>
</msub>
<msub>
<mi>&lambda;</mi>
<mi>r</mi>
</msub>
</mfrac>
<msub>
<mi>&gamma;</mi>
<mrow>
<mi>r</mi>
<mi>g</mi>
</mrow>
</msub>
<mo>-</mo>
<mfrac>
<msub>
<mi>&gamma;</mi>
<mi>b</mi>
</msub>
<msub>
<mi>&lambda;</mi>
<mi>b</mi>
</msub>
</mfrac>
<msub>
<mi>&gamma;</mi>
<mrow>
<mi>b</mi>
<mi>g</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>0</mn>
</mrow>
γb-γrγrb-λgγgb=0
<mrow>
<mfrac>
<msub>
<mi>&gamma;</mi>
<mi>b</mi>
</msub>
<msub>
<mi>&lambda;</mi>
<mi>b</mi>
</msub>
</mfrac>
<mo>-</mo>
<mfrac>
<msub>
<mi>&gamma;</mi>
<mi>r</mi>
</msub>
<msub>
<mi>&lambda;</mi>
<mi>r</mi>
</msub>
</mfrac>
<msub>
<mi>&gamma;</mi>
<mrow>
<mi>b</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>-</mo>
<mfrac>
<msub>
<mi>&gamma;</mi>
<mi>g</mi>
</msub>
<msub>
<mi>&lambda;</mi>
<mi>g</mi>
</msub>
</mfrac>
<msub>
<mi>&gamma;</mi>
<mrow>
<mi>g</mi>
<mi>b</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>0</mn>
</mrow>
其中,λn和γn为通道n的中心波长和对应的伽马常数,n∈{r,g,b}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710418872.3A CN107316040B (zh) | 2017-06-06 | 2017-06-06 | 一种光照不变的图像颜色空间变换方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710418872.3A CN107316040B (zh) | 2017-06-06 | 2017-06-06 | 一种光照不变的图像颜色空间变换方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107316040A true CN107316040A (zh) | 2017-11-03 |
CN107316040B CN107316040B (zh) | 2020-07-24 |
Family
ID=60184008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710418872.3A Active CN107316040B (zh) | 2017-06-06 | 2017-06-06 | 一种光照不变的图像颜色空间变换方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107316040B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113658055A (zh) * | 2021-07-08 | 2021-11-16 | 浙江一山智慧医疗研究有限公司 | 数字图像的颜色映射方法、装置、电子装置和存储介质 |
GB2623638A (en) * | 2022-09-01 | 2024-04-24 | Reincubate Ltd | Devices, systems and methods for image adjustment |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101222573A (zh) * | 2007-01-12 | 2008-07-16 | 联詠科技股份有限公司 | 色彩转换的方法与装置 |
KR20100078932A (ko) * | 2008-12-30 | 2010-07-08 | 포항공과대학교 산학협력단 | 이미지의 컬러 변환 방법 및 이미지의 컬러 변환 방법이 기록된 기록 매체 |
CN103218833A (zh) * | 2013-04-15 | 2013-07-24 | 浙江大学 | 边缘加强型的彩色空间最稳极值区域检测方法 |
CN103295010A (zh) * | 2013-05-30 | 2013-09-11 | 西安理工大学 | 一种处理人脸图像的光照归一化方法 |
CN104670085A (zh) * | 2013-11-29 | 2015-06-03 | 现代摩比斯株式会社 | 车道脱离警报系统 |
CN105493489A (zh) * | 2013-08-22 | 2016-04-13 | 杜比实验室特许公司 | 色域映射系统及方法 |
US20160140416A1 (en) * | 2014-11-17 | 2016-05-19 | Tandent Vision Science, Inc. | Method and system for classifying painted road markings in an automotive driver-vehicle-asistance device |
-
2017
- 2017-06-06 CN CN201710418872.3A patent/CN107316040B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101222573A (zh) * | 2007-01-12 | 2008-07-16 | 联詠科技股份有限公司 | 色彩转换的方法与装置 |
KR20100078932A (ko) * | 2008-12-30 | 2010-07-08 | 포항공과대학교 산학협력단 | 이미지의 컬러 변환 방법 및 이미지의 컬러 변환 방법이 기록된 기록 매체 |
CN103218833A (zh) * | 2013-04-15 | 2013-07-24 | 浙江大学 | 边缘加强型的彩色空间最稳极值区域检测方法 |
CN103295010A (zh) * | 2013-05-30 | 2013-09-11 | 西安理工大学 | 一种处理人脸图像的光照归一化方法 |
CN105493489A (zh) * | 2013-08-22 | 2016-04-13 | 杜比实验室特许公司 | 色域映射系统及方法 |
CN104670085A (zh) * | 2013-11-29 | 2015-06-03 | 现代摩比斯株式会社 | 车道脱离警报系统 |
US20160140416A1 (en) * | 2014-11-17 | 2016-05-19 | Tandent Vision Science, Inc. | Method and system for classifying painted road markings in an automotive driver-vehicle-asistance device |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113658055A (zh) * | 2021-07-08 | 2021-11-16 | 浙江一山智慧医疗研究有限公司 | 数字图像的颜色映射方法、装置、电子装置和存储介质 |
CN113658055B (zh) * | 2021-07-08 | 2022-03-08 | 浙江一山智慧医疗研究有限公司 | 数字图像的颜色映射方法、装置、电子装置和存储介质 |
GB2623638A (en) * | 2022-09-01 | 2024-04-24 | Reincubate Ltd | Devices, systems and methods for image adjustment |
Also Published As
Publication number | Publication date |
---|---|
CN107316040B (zh) | 2020-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110660088B (zh) | 一种图像处理的方法和设备 | |
CN109559310B (zh) | 基于显著性检测的输变电巡检图像质量评价方法及系统 | |
CN111738970A (zh) | 图像融合方法、装置及计算机可读存储介质 | |
CN108230407B (zh) | 一种图像的处理方法和装置 | |
CN102867295B (zh) | 一种彩色图像颜色校正方法 | |
CN102314602A (zh) | 使用最优定向线性轴线去除由基于车辆的相机捕获的图像中的阴影 | |
Cepeda-Negrete et al. | Dark image enhancement using perceptual color transfer | |
CN103854261A (zh) | 色偏图像的校正方法 | |
CN101383912B (zh) | 电视摄像色彩智能化自动调节方法 | |
CN103258334B (zh) | 彩色图像的场景光源颜色估计方法 | |
CN109274948A (zh) | 图像色彩校正方法、装置、存储介质和计算机设备 | |
CN103268596A (zh) | 一种降低图像噪声和使颜色接近标准的方法 | |
CN103839245B (zh) | 基于统计规律的Retinex夜间彩色图像增强方法 | |
CN101324955A (zh) | 基于颜色特征的植物根系图像分割方法 | |
Reddy et al. | Grey level to RGB using YCbCr color space Technique | |
CN107316040A (zh) | 一种光照不变的图像颜色空间变换方法 | |
CN114881899A (zh) | 一种用于可见光与红外图像对的快速保色融合方法及装置 | |
Wang et al. | Crop disease leaf image segmentation method based on color features | |
CN108174183A (zh) | 一种基于物联网的vr影像数据控制系统 | |
CN111985436A (zh) | 一种基于lsd的车间地标线识别拟合方法 | |
CN111541886A (zh) | 一种应用于浑浊水下的视觉增强系统 | |
Bojie et al. | Research on tea bud identification technology based on HSI/HSV color transformation | |
CN112560706B (zh) | 一种多源卫星图像水体目标识别方法及装置 | |
CN115100240A (zh) | 视频中的物体追踪方法及装置、电子设备、存储介质 | |
Gu et al. | Colorizing single-band thermal night vision images |
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 |