CN107806929A - 一种三光通道光学成分检测方法 - Google Patents
一种三光通道光学成分检测方法 Download PDFInfo
- Publication number
- CN107806929A CN107806929A CN201710934847.0A CN201710934847A CN107806929A CN 107806929 A CN107806929 A CN 107806929A CN 201710934847 A CN201710934847 A CN 201710934847A CN 107806929 A CN107806929 A CN 107806929A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- optical
- composition
- luminous intensity
- 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
- 230000003287 optical effect Effects 0.000 title claims abstract description 92
- 239000000203 mixture Substances 0.000 title claims abstract description 81
- 238000001514 detection method Methods 0.000 title claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000007613 environmental effect Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 2
- 238000011524 similarity measure Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 2
- 239000000470 constituent Substances 0.000 abstract 1
- 238000000034 method Methods 0.000 description 9
- 238000009826 distribution Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 2
- 238000009828 non-uniform distribution Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J1/00—Photometry, e.g. photographic exposure meter
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明公开了一种通过三光通道(红、绿、蓝光学通道)光学成分检测方法,实现对较为复杂光学环境中(例如,气‑水界面、水下环境,等)光线组成成分进行检测,判断环境中光学成分的种类并度量每种光学成分在不同空间中的强度。该发明对环境中所获取的红、绿、蓝三光通道光学信息首先提取绿、蓝信道方差,光强度‑位置关系,全局光强度对比度,红色信道全局对比度,红色信道强度‑位置关系这五种光学特征;在此基础上,根据判断模型对不同光学特征进行融合,形成了对天空光成分、自然背景光成分及人工光成分的判断依据;基于这种判断依据并进而根据先验的判断准则判断光学环境中所包含光学成分的种类及每种光学成分在不同空间中的强度。
Description
技术领域
本发明涉及一种三光通道光学信息处理方法,具体是通过三光通道光学特征提取,光学特征处理以检测复杂光学环境中光学成分,判断环境中所包含光学成分的种类及每种光学成分在不同空间中的强度。
背景技术
在复杂光学环境中,光学信息获取与计算受到环境中光学成分叠加的影响。例如,在水面场景及水下场景中,所获取的光学信息不仅包含有自然背景平行光线,还有可能叠加了人工光及天空光。在此情况下,环境光线的强度和色彩常出现非均匀分布或畸变。这为复杂环境中的场景分析带来严重的困难。一方面,非均匀分布的光强度会形成严重的非均匀背景噪声。另一方面,畸变的光学信息会使得兴趣目标信息发生畸变,形成虚假的目标信息。对于这些问题的解决,目前主要采用数据驱动建模的方式,以光学信息的数据分布模型抑制噪声并突出目标信息。该类策略被广泛的用于目标检测、识别及跟踪研究中,能够在背景较为稳定的情况下抑制大部分的背景噪声。然而,该方法缺少相关光学理论及先验模型的支撑,无法辨识环境中光学成分的组成和强度,无法有针对性的对冗余的光学成分进行抑制,仅能通过繁琐的参数学习和训练过程部分的适用于有限的光学环境,稳定性和鲁棒性均存在明显的不足。因此,建立一种有效的环境光学成分检测方法十分必要。鉴于此,本发明采用三光通道光学信息处理技术以实现对环境中光学成分的检测。
发明内容
发明目的:针对光学信息获取与计算受到环境中光学成分叠加的影响,而现有方法无法稳定有效抑制光学噪声成分的问题,考虑到不同光学成分对环境光学信息获取与处理的不同影响。本发明提供了一种三光通道光学成分检测方法,通过环境光学特征提取,光学特征融合及处理并结合先验统计对环境中光学成分进行检测,判断光学环境中所包含光学成分的种类及每种光学成分在不同空间中的强度。
技术方案:一种三光通道光学成分检测方法,包括如下步骤:
(1)提取红、绿、蓝三光通道五种光学特征,包括:绿、蓝信道方差,光强度-位置关系,全局光强度对比度,红色信道全局对比度,红色信道强度-位置关系。
绿、蓝信道方差特征计算为:
其中,Vgb(x)为x点处光学信息中绿、蓝信道的方差,Ir(x)为x点处红色信道光强度,Ig(x)为x点处绿色信道光强度,Ib(x)为x点处蓝色信道光强度。
光强度-位置关系特征计算为:
其中,D(x)为x点处灰度强度-位置关系特征,(x1,x2)为x点处坐标,(X1,X2)为光强度最大的点的坐标:
全局光强度对比度特征计算为:
其中,C(x)为全局光强度对比度特征,
I(x)为x点处光强度:
I(y)为环境中任意一点处光强度:I为环境光学信息。
红色信道全局对比度特征计算为:
其中,Cr(x)为红色信道全局对比度特征,Ir(x)为x点处红色信道光强度,Ir(y)为环境中任意一点处红色信道光强度,Ir为环境光学信息红色信道分量。
红色信道强度-位置关系特征计算为:
其中,Dr(x)为红色信道强度-位置关系特征,(x1,x2)为x点处坐标,为红色信道强度最大点的坐标:
(2)对提取的光学特征进行融合,形成了对天空光成分、自然背景光成分及人工光成分的判据。
对天空光的判断依据为:
Lairlight=cor(1-C,Vgb)×cor(1-C,D)×cor(Vgb,D) (6)
其中,cor()为两矩阵间相似性计算,C、Vgb、D分别为全局光强度对比度特征矩阵、绿、蓝信道方差特征矩阵及灰度强度-位置关系特征矩阵。
对人工光的判断依据为:
Laritificaillight=cor(Cr,1-Vgb) (7)
其中,Cr为红色信道全局对比度特征矩阵。
(3)基于判据并进而根据先验的判断准则检测光学环境中所包含光学成分的种类及每种光学成分在不同空间中的强度。
对天空光的判断准则为:
如果Lairlight>T1(T1典型值T1=0.1),环境中存在天空光成分,空间位置x点处天空光强度计算为w(x)=exp(C(x)-D(x)-Vgb(x));否则环境中不存在天空光成分。
对人工光的判断准则为:
如果Laritificaillight<T2(T2典型值T2=0.5),环境中存在人工光成分,空间位置x点处人工光强度计算为wa(x)=exp(Cr(x)-Dr(x));否则环境中不存在人工光成分。
附图说明
图1为本发明方法总体的流程图;
图2为本发明方法运行的实例,(a)为原始场景光学信息,(b)为光强全局对比度,(c)为光强度-位置关系,(d)为绿、蓝信道方差,(e)为红色信道全局对比度,(f)为红色信道强度-位置关系,(g)为本发明方法仿真结果(对环境中光学成分的判断:含有天空光成分,无人工光成分),(h)为天空光强度分布,(i)为原始场景光学信息,(j)为光强全局对比度,(k)为光强度-位置关系,(l)为绿、蓝信道方差,(m)为红色信道全局对比度,(n)为红色信道强度-位置关系,(o)为本发明方法仿真结果(对环境中光学成分的判断:含有人工光成分,无天空光成分),(p)为人工光强度分布。
具体实施方式
下面结合具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
一、基于先验统计的判断依据及判断准则
本发明通过大数据量数据统计发现在复杂光学环境中多种光学成分间相互累积,并且不同的光学成分在不同的光学特征上会显示出不同的特性。
对于天空光成分,其特性为
(1)对于天空光成分,由于其来自与太阳的直射光线没有经过反射,三光通道的强度分布较为均匀,因此在绿、蓝信道方差的值较低。
(2)对于天空光成分,由于天空光强度没有经过目标物的反射,光强度较高,在光强度全局对比度上的值较高。
(3)对于天空光成分,考虑到天空光强度的衰减,不同空间位置处点的光强度分布应同其距强度最高点距离成反比关系,形成了明显的光强度-位置关系,距离强度最高点越近光强度越大。
天空光成分应同时满足于这三种特性。
对于人工光成分,其特性为:
(1)对于人工光成分,由于人工光中红色信道强度明显高于自然光中相应的红色信道强度,因此在红色信道的全局对比度上,人工光成分的值较高。
(2)对于人工光成分,由于人工光强度较高,信道选择性衰减率较低,经过反射后在绿、蓝信道方差值较小。
人工光成分应同时足于这三种特性。
检测为非上述两种光学成分的光学成分为自然背景光成分。
二、根据先验统计结果的光学特征设计
如图1所示,根据上述先验统计结果提取红、绿、蓝三光通道五种光学特征,包括:绿、蓝信道方差,光强度-位置关系,全局光强度对比度,红色信道全局对比度,红色信道强度-位置关系。
绿、蓝信道方差特征计算为:
其中,Vgb(x)为x点处光学信息中绿、蓝信道的方差,Ir(x)为x点处红色信道光强度,Ig(x)为x点处绿色信道光强度,Ib(x)为x点处蓝色信道光强度,所计算得到的结果如图2(d),(l)示意。
光强度-位置关系特征计算为:
其中,D(x)为x点处灰度强度-位置关系特征,(x1,x2)为x点处坐标,(X1,X2)为光强度最大的点的坐标:所计算得到的结果如图2(c),(k)示意。
全局光强度对比度特征计算为:
其中,C(x)为全局光强度对比度特征,
I(x)为x点处光强度:
I(y)为环境中任意一点处光强度:I为环境光学信息,所计算得到的结果如图2(b),(j)示意。
红色信道全局对比度特征计算为:
其中,Cr(x)为红色信道全局对比度特征,Ir(x)为x点处红色信道光强度,Ir(y)为环境中任意一点处红色信道光强度,Ir为环境光学信息红色信道分量,所计算得到的结果如图2(e),(m)示意。
红色信道强度-位置关系特征计算为:
其中,Dr(x)为红色信道强度-位置关系特征,(x1,x2)为x点处坐标,
为红色信道强度最大点的坐标:所计算得到的结果如图2(f),(n)示意。
三、根据先验统计结果的判断依据设计
考虑到若采用单点位置处的特征分析方法会由于点噪声导致大量的计算误差,所以本发明采用了一种对特征所组成矩阵的分析方法,该矩阵元素由单点的特征组成,整个矩阵包含有环境中某一光学特征的全局信息。该方法能够显著降低由于噪声点所导致的计算误差。
因此建立全局光强度对比度特征所组成矩阵
其中,m,n为环境光照区域的大小,C(x)x=[x1,x2],x1=1,2,…,m,x2=1,2,…,n。同理可建立绿、蓝信道方差特征矩阵Vgb,光强度-位置关系特征矩阵D,红色信道全局对比度Cr,红色信道强度-位置关系Dr为:。
对于天空光首先考虑全局光强度对比度特征矩阵同绿、蓝信道方差特征矩阵的反相关性cor(1-C,Vgb)该值越大天空光成分存在的可能性越高。其次考虑全局光强度特征矩阵对比度同光强度-位置关系特征矩阵的反相关性cor(1-C,D),该值越大天空光成分存在的可能性越高。最后考虑绿、蓝信道方差特征矩阵同光强度-位置关系特征矩阵的正相关性cor(Vgb,D),该值越大天空光成分存在的可能性越高。
综合考虑上述相关性建立对天空光的判断依据为:
Lairlight=cor(1-C,Vgb)×cor(1-C,D)×cor(Vgb,D) (6)
该值越大,天空光存在的可能性越高。
对于人工光考虑红色信道全局对比度特征矩阵同绿、蓝信道方差特征矩阵的反相关性cor(Cr,1-Vgb),该值越小人工光成分存在的可能性越高。
因此对人工光的判断依据为:
Laritificaillight=cor(Cr,1-Vgb) (7)
该值越小,人工光存在的可能性越高。
四、根据先验统计结果的判断准则设计
根据先验统计对天空光的判断准则为:若Lairlight>T1,阈值T1典型值T1=0.1。环境中存在天空光成分,此时空间位置x点处天空光强度计算为w(x)=exp(C(x)-D(x)-Vgb(x));否则环境中不存在天空光成分,w(x)=0。
根据先验统计对人工光的判断准则为:若Laritificaillight<T2,阈值T2典型值T2=0.5。环境中存在人工光成分,此时空间位置x点处人工光强度计算为wa(x)=exp(Cr(x)-Dr(x));否则环境中不存在人工光成分,wa(x)=0。
对天空光及人工光的判断结果如图2(g),(o)示意,对人工光及天空光强度的计算结果如图2(h),(p)示意。
Claims (5)
1.一种三光通道光学成分检测方法,其特征在于:首先,对光学环境中红、绿、蓝三光通道光学信息提取绿、蓝信道方差,光强度-位置关系,全局光强度对比度,红色信道全局对比度,红色信道强度-位置关系五种光学特征;其次,根据先验统计所得到的判断模型对五种光学特征进行融合,形成了对天空光成分、自然背景光成分及人工光成分的判断依据;最后,基于这种判断依据并进而根据先验的判断准则对光学成分进行检测,判断环境中所包含光学成分的种类及每种光学成分在不同空间中的强度。
2.如权利要求1所述的三光通道光学成分检测方法,其特征在于:五种光学特征包括绿、蓝信道方差,光强度-位置关系,全局光强度对比度,红色信道全局对比度,红色信道强度-位置关系;
绿、蓝信道方差特征计算为:
<mrow>
<msub>
<mi>V</mi>
<mrow>
<mi>g</mi>
<mi>b</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<mo>&times;</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>I</mi>
<mi>b</mi>
</msub>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>I</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>I</mi>
<mi>g</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>I</mi>
<mi>b</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
<mn>3</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>I</mi>
<mi>g</mi>
</msub>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>I</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>I</mi>
<mi>g</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>I</mi>
<mi>b</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
<mn>3</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,Vgb(x)为x点处光学信息中绿、蓝信道的方差,Ir(x)为x点处红色信道光强度,Ig(x)为x点处绿色信道光强度,Ib(x)为x点处蓝色信道光强度。
光强度-位置关系特征计算为:
<mrow>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msub>
<mi>X</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<msub>
<mi>X</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,D(x)为x点处灰度强度-位置关系特征,(x1,x2)为x点处坐标,(X1,X2)为光强度最大的点的坐标:
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>X</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
<mo>=</mo>
<mi>arg</mi>
<munder>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mi>x</mi>
</munder>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>I</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>I</mi>
<mi>g</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>I</mi>
<mi>b</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
<mn>3</mn>
</mfrac>
<mo>)</mo>
<mo>;</mo>
</mrow>
全局光强度对比度特征计算为:
<mrow>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mo>&ForAll;</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>&Element;</mo>
<mi>I</mi>
</mrow>
</munder>
<mo>|</mo>
<mo>|</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>|</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,C(x)为全局光强度对比度特征,
I(x)为x点处光强度:
I(y)为环境中任意一点处光强度:I为环境光学信息;
红色信道全局对比度特征计算为:
<mrow>
<msub>
<mi>C</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mo>&ForAll;</mo>
<msub>
<mi>I</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>&Element;</mo>
<msub>
<mi>I</mi>
<mi>r</mi>
</msub>
</mrow>
</munder>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>I</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>I</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>|</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,Cr(x)为红色信道全局对比度特征,Ir(x)为x点处红色信道光强度,Ir(y)为环境中任意一点处红色信道光强度,Ir为环境光学信息红色信道分量;
红色信道强度-位置关系特征计算为:
<mrow>
<msup>
<mi>D</mi>
<mi>r</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msubsup>
<mi>X</mi>
<mn>1</mn>
<mi>r</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<msubsup>
<mi>X</mi>
<mn>2</mn>
<mi>r</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,Dr(x)为红色信道强度-位置关系特征,(x1,x2)为x点处坐标,为红色信道强度最大点的坐标:
3.如权利要求1所述的三光通道光学成分检测方法,其特征在于:对提取的光学特征进行融合,形成了对天空光成分、自然背景光成分及人工光成分的判据;
对天空光的判断依据为:
Lairlight=cor(1-C,Vgb)×cor(1-C,D)×cor(Vgb,D) (6)
其中,cor()为两矩阵间相似性计算,C、Vgb、D分别为全局光强度对比度特征矩阵、绿、蓝信道方差特征矩阵及灰度强度-位置关系特征矩阵;
对人工光的判断依据为:
Laritificaillight=cor(Cr,1-Vgb) (7)
其中,Cr为红色信道全局对比度特征矩阵。
4.如权利要求1所述的三光通道光学成分检测方法,其特征在于:
对天空光的判断准则为:
如果Lairlight>T1,环境中存在天空光成分,空间位置x点处天空光强度计算为w(x)=exp(C(x)-D(x)-Vgb(x));否则环境中不存在天空光成分。
5.如权利要求1所述的三光通道光学成分检测方法,其特征在于:
对人工光的判断准则为:
如果Laritificaillight<T2,环境中存在人工光成分,空间位置x点处人工光强度计算为wa(x)=exp(Cr(x)-Dr(x));否则环境中不存在人工光成分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710934847.0A CN107806929B (zh) | 2017-10-10 | 2017-10-10 | 一种三光通道光学成分检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710934847.0A CN107806929B (zh) | 2017-10-10 | 2017-10-10 | 一种三光通道光学成分检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107806929A true CN107806929A (zh) | 2018-03-16 |
CN107806929B CN107806929B (zh) | 2018-09-28 |
Family
ID=61584826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710934847.0A Active CN107806929B (zh) | 2017-10-10 | 2017-10-10 | 一种三光通道光学成分检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107806929B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115205224A (zh) * | 2022-06-22 | 2022-10-18 | 锋睿领创(珠海)科技有限公司 | 自适应特征增强的多源融合视觉检测方法、装置及介质 |
CN117808712A (zh) * | 2024-02-28 | 2024-04-02 | 山东科技大学 | 一种基于水下相机的图像校正方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793885B (zh) * | 2014-01-14 | 2016-07-06 | 河海大学 | 强散射光学成像环境中非均匀光照下区域化图像恢复方法 |
CN106909925A (zh) * | 2017-03-03 | 2017-06-30 | 河海大学 | 一种水下图像目标检测方法 |
-
2017
- 2017-10-10 CN CN201710934847.0A patent/CN107806929B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793885B (zh) * | 2014-01-14 | 2016-07-06 | 河海大学 | 强散射光学成像环境中非均匀光照下区域化图像恢复方法 |
CN106909925A (zh) * | 2017-03-03 | 2017-06-30 | 河海大学 | 一种水下图像目标检测方法 |
Non-Patent Citations (1)
Title |
---|
ZHE CHEN等: "Underwater Object Segmentation Based on", 《SENSORS》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115205224A (zh) * | 2022-06-22 | 2022-10-18 | 锋睿领创(珠海)科技有限公司 | 自适应特征增强的多源融合视觉检测方法、装置及介质 |
CN117808712A (zh) * | 2024-02-28 | 2024-04-02 | 山东科技大学 | 一种基于水下相机的图像校正方法 |
CN117808712B (zh) * | 2024-02-28 | 2024-05-07 | 山东科技大学 | 一种基于水下相机的图像校正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107806929B (zh) | 2018-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110163187B (zh) | 基于f-rcnn的远距离交通标志检测识别方法 | |
US11151403B2 (en) | Method and apparatus for segmenting sky area, and convolutional neural network | |
US11763485B1 (en) | Deep learning based robot target recognition and motion detection method, storage medium and apparatus | |
CN109902677A (zh) | 一种基于深度学习的车辆检测方法 | |
CN107644415A (zh) | 一种文本图像质量评估方法及设备 | |
CN106127204A (zh) | 一种全卷积神经网络的多方向水表读数区域检测算法 | |
CN105139395A (zh) | 基于小波池化卷积神经网络的sar图像分割方法 | |
CN106595702B (zh) | 一种基于天文标定的多传感器空间配准方法 | |
CN106023148B (zh) | 一种序列聚焦观测模式下恒星像点位置提取方法 | |
CN106599994A (zh) | 一种基于深度回归网络的视线估计方法 | |
CN104504675B (zh) | 一种主动视觉定位方法 | |
CN107806929B (zh) | 一种三光通道光学成分检测方法 | |
CN103954934A (zh) | 基于低秩字典学习及稀疏表示的极化sar舰船检测方法 | |
CN112686276A (zh) | 一种基于改进RetinaNet网络的火焰检测方法 | |
CN108537826A (zh) | 一种基于人工干预的舰船目标跟踪方法 | |
CN110110793A (zh) | 基于双流卷积神经网络的双目图像快速目标检测方法 | |
CN115240069A (zh) | 一种全雾天场景下的实时性障碍物检测方法 | |
US20220222785A1 (en) | Image defogging method based on simulated polarization foggy scene data set | |
CN105954292A (zh) | 基于复眼仿生视觉的水下构筑物表面裂缝检测装置及方法 | |
CN111914596B (zh) | 车道线检测方法、装置、系统及存储介质 | |
CN107451975A (zh) | 一种基于视觉加权相似的图像质量清晰化方法 | |
CN114581307A (zh) | 用于目标追踪识别的多图像拼接方法、系统、设备及介质 | |
CN103886289B (zh) | 方向自适应的水上桥梁目标识别方法及系统 | |
CN103366368B (zh) | 消除阴影和高亮噪声的双梯柱体码本前景检测方法 | |
CN107818586A (zh) | 一种基于多特征耦合模型的目标探测方法 |
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 |