CN107918937A - 一种基于光谱辐射的目标与背景的物理叠合方法 - Google Patents
一种基于光谱辐射的目标与背景的物理叠合方法 Download PDFInfo
- Publication number
- CN107918937A CN107918937A CN201711278786.3A CN201711278786A CN107918937A CN 107918937 A CN107918937 A CN 107918937A CN 201711278786 A CN201711278786 A CN 201711278786A CN 107918937 A CN107918937 A CN 107918937A
- Authority
- CN
- China
- Prior art keywords
- target
- background
- flux density
- spectral
- radiation
- 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
- 230000003595 spectral effect Effects 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000005855 radiation Effects 0.000 claims abstract description 73
- 238000002834 transmittance Methods 0.000 claims abstract description 14
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 230000004907 flux Effects 0.000 claims description 88
- 238000012512 characterization method Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000009191 jumping Effects 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 abstract description 2
- 230000003044 adaptive effect Effects 0.000 abstract 1
- 230000000052 comparative effect Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于光谱辐射的目标与背景的物理叠合方法,涉及红外图像处理及目标检测领域;其包括:1)将原始的目标辐射亮度值进行投影尺度缩放后通过计算得到目标辐射亮度值;2)将计算得到的大气光谱透过率结合目标辐射亮度值和测得的背景辐射亮度值代入转换模型得到目标和背景的光谱辐射通量密度;3)基于步骤2比较目标与背景的区域能量,基于比较结果改变目标的光谱辐射通量密度后,利用自适应能量匹配法得到物理叠合后的光谱辐射通量密度;4)将步骤3结果转化为图像完成目标与背景的物理叠合;本发明解决了现有图像叠合未考虑背景和目标的光谱辐射特性问题而导致叠合成果不符实际,实现基于光谱辐射特性的目标与背景的物理叠合。
Description
技术领域
本发明涉及红外图像处理及目标检测领域,尤其是一种基于光谱辐射的目标与背景的物理叠合方法。
背景技术
辐射通量密度,指通过单位面积的辐射通量;光谱辐射亮度简称光谱辐亮度,是指单位波长范围内的辐射亮度。叠合是以两个或多个完全不同的场景的图像进行叠合;一般的图像叠合,尤其是在红外图像叠合方面,一方面并没有考虑到背景和目标的每个图像单元所包含的实际距离信息不同而导致叠合的时候两者的分辨率并没有达到一致,另一方面在叠合的时候通常是直接由图像所携带的RGB值或灰度值进行图像处理,并没有考虑到光谱辐射特性而导致叠合出来红外图像不符实际;所以在红外图像领域,需要一种叠合方法考虑目标和背景的分辨率以及光谱辐射特性问题,实现真正的目标与背景的物理叠合。
发明内容
本发明的目的在于:本发明提供了一种基于光谱辐射的目标与背景的物理叠合方法,解决了现有图像叠合未考虑目标和背景的分辨率以及光谱辐射特性问题导致叠合效果差的问题。
本发明采用的技术方案如下:
一种基于光谱辐射的目标与背景的物理叠合方法,包括如下步骤:
步骤1:将原始的目标辐射亮度值投影尺度缩放后通过计算得到目标辐射亮度值;
步骤2:将计算得到的大气光谱透过率结合目标辐射亮度值和测得的背景辐射亮度值代入转换模型得到目标和背景的光谱辐射通量密度;
步骤3:根据步骤2的光谱辐射通量密度比较目标与背景的区域能量,基于比较结果改变受物理叠合的背景区域作用的目标的光谱辐射通量密度后,利用自适应能量匹配法将目标与背景进行叠合得到物理叠合后的光谱辐射通量密度;
步骤4:将物理叠合后的光谱辐射通量密度经过灰度拉伸转化为图像,完成目标与背景的物理叠合。
优选地,所述步骤1包括如下步骤:
步骤1.1:将原始的目标辐射亮度值数据在探测方向投影的M*N小网格进行缩放得到W*H大网格(W=M/m,H=N/n,m表示组成一个大网格的横向小网格的个数,n表示组成一个大网格纵向小网格的个数);
步骤1.2:将缩放后的W*H每个大网格里的所有小网格的目标辐射亮度值累加得到W*H大网格中每个大网格的目标辐射亮度值。
优选地,所述步骤2包括如下步骤:
步骤2.1:通过MODTRAN软件计算得到某波段的大气光谱透过率;
步骤2.2:将步骤1所得的目标辐射亮度值、步骤2.1所得的大气光谱透过率和已知的目标或背景与探测器的距离代入转换模型通过公式1转化为到达探测器上的目标和背景的光谱辐射通量密度E;
其中,s表示背景或尾焰目标的辐射亮度值,τ表示大气光谱透过率,h表示所求背景或目标与探测器之间的距离。
优选地,所述步骤3包括如下步骤:
步骤3.1:将目标和背景的辐射通量密度代入公式2得到背景表征的能量值BRE(i,j)和目标表征的能量值TRE(i,j);
其中,为拉普拉斯系数,表示为LTN(i+p,j+q)表示目标在坐标(i+p,j+q)处的辐射通量密度值,LBN(i+p,j+q)表示背景在坐标(i+p,j+q)处的辐射通量密度值;
步骤3.2:将步骤3.1所得的背景表征的能量值BRE(i,j)和目标表征的能量值TRE(i,j)进行比较,若目标表征的能量值TRE(i,j)大于背景表征的能量值BRE(i,j),则表示能将目标叠合进背景,跳至步骤3.3;否则表示保持原背景的辐射通量密度;
步骤3.3:根据步骤3.2将目标当中大于背景能量的部分保留,而小于背景能量的部分去除后得到新的光谱辐射通量密度f′(i,j),表示为:
其中,f(i,j)为比较前的目标光谱辐射通量密度;
步骤3.4:利用目标新的光谱辐射通量密度f′(i,j)和背景的光谱辐射通量密度通过自适应能量匹配法进行叠合,得到叠合后的光谱辐射通量密度,具体运算如公式4所示,公式4表示如下:
其中,表示叠合后的光谱辐射通量密度梯度,是目标的光谱辐射通量密度梯度,公式4表示和在叠合区域Ω的各个区域内应尽可能相等,即相差要达到最小,而叠合后的辐射通量密度f和叠合背景f*在叠合区域Ω的边界上是相等的。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1.本发明基于光谱辐射完成目标与背景的物理叠合,通过比较目标与背景的叠合区域的能量之后得到了目标的新光谱辐射通量密度,再通过自适应能量匹配法得到最终的光谱辐射通量密度,最后进行灰度拉伸生成叠合图像;解决了现有图像叠合未考虑目标和背景的分辨率以及光谱辐射特性问题导致叠合效果差的问题,达到了真正实现基于光谱辐射的目标与背景的物理叠合的效果;
2.本发明采用投影尺度缩放计算的背景或目标的辐射通量密度,提高目标的分辨率,将其和背景的分辨率的达到了一致性,进一步有利于实现基于光谱辐射的目标与背景的物理叠合;
3.本发明以辐射通量密度表征的区域能量比较背景与目标的红外辐射表征的能量值,基于探测器探测目标的基本原理,剔除不满足条件的辐射通量密度,得到符合要求的图像来表征探测器所能够探测到的部分区域,有利于实现基于光谱辐射的目标与背景的物理叠合前准备;
4.本发明使用自适应能量匹配法进行物理叠合,并进行灰度成像拉伸,得到一幅叠合边界光滑且叠合区域内保持目标本身信息的图像,能够保持目标的纹理信息并且使叠合后的图像能够无缝衔接,防止在叠合的过程中出现明显的叠合痕迹,保证基于光谱辐射的目标与背景的物理叠合的吻合性。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1本发明的流程图;
图2为本发明的结构示意图;
图3为本发明的原始数据在探测方向投影网格示意图;
图4为本发明的尺度缩放后网格示意图;
图5为本发明的目标红外图像;
图6为本发明的要叠合的背景红外图像;
图7为本发明的比较能量后的目标图像;
图8为本发明的物理叠合图像。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
下面结合图1-8对本发明作详细说明。
实施例1
步骤1:将原始的目标辐射亮度值投影尺度缩放后通过计算得到目标辐射亮度值;
步骤2:将计算得到的大气光谱透过率结合目标辐射亮度值和测得的背景辐射亮度值代入转换模型得到目标和背景的光谱辐射通量密度;
步骤3:根据步骤2的光谱辐射通量密度比较目标与背景的区域能量,基于比较结果改变受物理叠合的背景区域作用的目标的光谱辐射通量密度后,利用自适应能量匹配法将目标与背景进行叠合得到物理叠合后的光谱辐射通量密度;
步骤4:将物理叠合后的光谱辐射通量密度经过灰度拉伸转化为图像,完成目标与背景的物理叠合。
实施例2
步骤1:将原始的目标辐射亮度值进行投影尺度缩放后通过计算得到目标辐射亮度值;
步骤1包括如下步骤:
步骤1.1:将原始的目标辐射亮度值数据在探测方向投影的M*N小网格划分得到W*H大网格(W=M/m,H=N/n,m表示组成一个大网格的横向小网格的个数,n表示组成一个大网格纵向小网格的个数);如图3-图4,原始M*N小网格为500*100,以原始的5个网格为一个大网格,W*H大网格为100*20;
步骤1.2:将缩放后的W*H每个大网格里的所有小网格的目标辐射亮度值累加得到W*H大网格中每个大网格的目标辐射亮度值。
步骤2:将计算得到的大气光谱透过率结合目标辐射亮度值和测得的背景辐射亮度值代入光谱辐射通量密度转换模型得到目标和背景的光谱辐射通量密度;
步骤2包括如下步骤:
步骤2.1:通过MODTRAN软件计算得到某波段的大气光谱透过率;
步骤2.2:将步骤1所得的目标辐射亮度值、步骤2.1所得的大气光谱透过率和已知的目标或背景与探测器的距离代入光谱辐射通量密度转换模型通过公式1转化为到达探测器上的目标和背景的光谱辐射通量密度E;
其中,s表示背景或目标的辐射亮度值,τ表示大气透过率,h表示所求背景或目标与探测器的距离。
步骤3:根据步骤2的光谱辐射通量密度比较目标与背景的区域能量,基于比较结果改变受物理叠合的背景区域作用的目标的光谱辐射通量密度后,利用自适应能量匹配法将目标与背景进行叠合得到物理叠合后的光谱辐射通量密度;
步骤3包括如下步骤:
步骤3.1:将目标和背景的辐射通量密度代入公式2得到背景表征的能量值BRE(i,j)和目标表征的能量值TRE(i,j);
其中,为拉普拉斯系数,表示为LTN(i+p,j+q)表示目标在坐标(i+p,j+q)处的辐射通量密度值,LBN(i+p,j+q)表示背景在坐标(i+p,j+q)处的辐射通量密度值;
步骤3.2:将步骤3.1所得的背景表征的能量值BRE(i,j)和目标表征的能量值TRE(i,j)进行比较,若目标表征的能量值TRE(i,j)大于背景表征的能量值BRE(i,j),则表示能将目标叠合进背景,跳至步骤3.3;否则表示保持原背景的辐射通量密度;
步骤3.3:根据步骤3.2将目标当中大于背景能量的部分保留,而小于背景能量的部分去除后得到新的光谱辐射通量密度f′(i,j),表达式为:
其中,f(i,j)为比较前目标的光谱辐射通量密度。
步骤3.4:基于公式3得到的符合条件的目标新的光谱辐射通量密度f′(i,j),将其和背景的光谱辐射通量密度通过自适应能量匹配法进行叠合,得到叠合后的光谱辐射通量密度,具体运算如公式4所示,公式4表示如下:
其中,表示叠合后的光谱辐射通量密度梯度,是目标的光谱辐射通量密度梯度,公式4表示和在叠合区域Ω的各个区域内应尽可能相等,即相差要达到最小,而叠合后的辐射通量密度f和叠合背景f*在叠合区域Ω的边界上是相等的。
求公式4的解即求-公式3的极值,极值求解如下:将公式4代入欧拉-拉格朗日方程,对x和y求偏导得到公式6和公式7,具体过程为:
通过公式4和公式5推出fx和ux,fy和uy均不相等,则(fxx-uxx)和(fyy-uyy)为0,将公式6和公式7相加得:
fxx+fyy=uxx+uyy 公式8
因此公式4满足带边界约束条件的下列解,表示为:
其中,表示拉普拉斯算子,div表示u的散度,△f=fxx+fyy表示对f求拉普拉斯算子,表示对u求散度。
然后由已知的目标的辐射通量密度的散度求光谱辐射通量密度f的过程如下:假设一个矩阵上的散度值标记如下表所示:散度记为div(i);
1 | 2 | 3 | 4 |
5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 |
其中,假设6、7、10、11的散度值div(6)、div(7)、div(10)、div(11)已知,则根据散度公式并通过拉普拉斯卷积建立如下方程组:
其中f*()为满足边界条件的背景辐射通量密度,f()为叠合后叠合区域内的辐射通量密度,方程组有4个未知数f(6)、f(7)、f(10)、f(11),可以通过矩阵公式求解,就可以求出矩阵所有图像单元的光谱辐射通量密度。
其中附图说明:图5为本发明的目标红外图像,此图像是叠合之前目标的辐射通量密度经过图像线性拉伸转化所形成的图像;图6为本发明的要叠合的背景红外图像,此图像是叠合之前背景的辐射通量密度经过图像线性拉伸转化所形成的图像,圆圈标识的范围就是要进行叠合的区域;图7为本发明比较能量后的目标图像,此图像是叠合前经过目标的辐射通量密度与背景叠合区域的辐射通量密度进行能量比较校正后所得目标辐射通量密度,进行灰度拉伸后形成的图像,可以发现不满足能量比较条件的部分已经剔去;图8为本发明将目标经过与能量比较之后所得辐射通量密度与背景叠合区域经过叠合趋近算法处理后,所得的叠合之后的辐射通量密度进行的图像线性拉伸所得的叠合图像;
步骤4:将物理叠合后的光谱辐射通量密度转化为图像,完成目标与背景的物理叠合。
步骤4.1、运用灰度成像公式将物理叠合后的光谱辐射通量密度转化为图像,灰度成像采用了线性拉伸的方法,利用线性拉伸公式将辐射照度转化为0—255的灰度值完成叠合图像,线性拉伸的公式如公式11所示:
其中,成像的分辨率为W*H;则Ei,j表示对应的辐射通量密度,Emin为辐射通量密度最小值,Emax表示为辐射通量密度最大值。
整个方法思路是先将图5的目标的光谱辐射通量密度表征的能量与图6圆圈区域内的要叠合的背景区域进行比较,剔除目标上不满足条件的区域得到图7,然后再与图6的背景区域进行叠合进而得到图8;本发明基于光谱辐射完成目标与背景的物理叠合,通过比较目标与背景的叠合区域的能量之后得到了目标的新光谱辐射通量密度,再通过自适应能量匹配法得到最终的光谱辐射通量密度,最后进行灰度拉伸生成叠合图像;解决了现有图像叠合未考虑目标和背景的分辨率以及光谱辐射特性问题导致叠合效果差的问题,达到了真正实现基于光谱辐射的目标与背景的物理叠合的效果。
Claims (4)
1.一种基于光谱辐射的目标与背景的物理叠合方法,其特征在于:包括如下步骤:
步骤1:将原始的目标辐射亮度值投影尺度缩放后通过计算得到目标辐射亮度值;
步骤2:将计算得到的大气光谱透过率结合目标辐射亮度值和测得的背景辐射亮度值代入转换模型得到目标和背景的光谱辐射通量密度;
步骤3:根据步骤2的光谱辐射通量密度比较目标与背景的区域能量后,改变受物理叠合的背景区域作用的目标的光谱辐射通量密度,再利用自适应能量匹配法将目标与背景进行叠合得到物理叠合后的光谱辐射通量密度;
步骤4:将物理叠合后的光谱辐射通量密度经过灰度拉伸转化为图像,完成目标与背景的物理叠合。
2.根据权利要求1所述的一种基于光谱辐射的目标与背景的物理叠合方法,其特征在于:所述步骤1包括如下步骤:
步骤1.1:将原始的目标辐射亮度值数据在探测方向投影的M*N小网格进行缩放得到W*H大网格(W=M/m,H=N/n,m表示组成一个大网格的横向小网格的个数,n表示组成一个大网格纵向小网格的个数);
步骤1.2:将缩放后的W*H每个大网格里的所有小网格的目标辐射亮度值累加得到W*H大网格中每个大网格的目标辐射亮度值。
3.根据权利要求2所述的一种基于光谱辐射的目标与背景的物理叠合方法,其特征在于:所述步骤2包括如下步骤:
步骤2.1:通过MODTRAN软件计算得到某波段的大气光谱透过率;
步骤2.2:将步骤1所得的目标辐射亮度值、步骤2.1所得的大气光谱透过率和已知的目标或背景与探测器的距离代入转换模型通过公式1转化为到达探测器上的目标和背景的光谱辐射通量密度E;
其中,s表示背景或目标的辐射亮度值,τ表示大气光谱透过率,h表示所求背景或目标与探测器之间的距离。
4.根据权利要求3所述的一种基于光谱辐射的目标与背景的物理叠合方法,其特征在于:所述步骤3包括如下步骤:
步骤3.1:将目标和背景的辐射通量密度代入公式2得到背景表征的能量值BRE(i,j)和目标表征的能量值TRE(i,j);
其中,为拉普拉斯系数,表示为LTN(i+p,j+q)表示目标在坐标(i+p,j+q)处的辐射通量密度值,LBN(i+p,j+q)表示背景在坐标(i+p,j+q)处的辐射通量密度值;
步骤3.2:将步骤3.1所得的背景表征的能量值BRE(i,j)和目标表征的能量值TRE(i,j)进行比较,若目标表征的能量值TRE(i,j)大于背景表征的能量值BRE(i,j),则表示能将目标叠合进背景,跳至步骤3.3;否则表示保持原背景的辐射通量密度;
步骤3.3:根据步骤3.2将目标当中大于背景能量的部分保留,而小于背景能量的部分去除后得到目标新的光谱辐射通量密度f′(i,j),表示为:
其中,f(i,j)为比较前的目标光谱辐射通量密度;
步骤3.4:利用目标新的光谱辐射通量密度f′(i,j)和背景的光谱辐射通量密度,通过自适应能量匹配法进行叠合,得到叠合后的光谱辐射通量密度,具体运算过程如公式4所示,公式4表示如下:
其中,表示叠合后的光谱辐射通量密度梯度,是目标的光谱辐射通量密度梯度,公式4表示和在叠合区域Ω的各个区域内应尽可能相等,即相差要达到最小,而叠合后的辐射通量密度f和叠合背景f*在叠合区域Ω的边界上是相等的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711278786.3A CN107918937B (zh) | 2017-12-06 | 2017-12-06 | 一种基于光谱辐射的目标与背景的物理叠合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711278786.3A CN107918937B (zh) | 2017-12-06 | 2017-12-06 | 一种基于光谱辐射的目标与背景的物理叠合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107918937A true CN107918937A (zh) | 2018-04-17 |
CN107918937B CN107918937B (zh) | 2021-07-30 |
Family
ID=61898353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711278786.3A Active CN107918937B (zh) | 2017-12-06 | 2017-12-06 | 一种基于光谱辐射的目标与背景的物理叠合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107918937B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108961280A (zh) * | 2018-06-29 | 2018-12-07 | 电子科技大学 | 一种基于slic超像素分割的眼底视盘精细分割方法 |
CN109584370A (zh) * | 2018-11-22 | 2019-04-05 | 北京未尔锐创科技有限公司 | 一种目标与背景红外场景仿真的方法 |
CN116049641A (zh) * | 2023-04-03 | 2023-05-02 | 中国科学院光电技术研究所 | 一种基于红外光谱的点目标特征提取方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101320475A (zh) * | 2008-06-10 | 2008-12-10 | 北京航空航天大学 | 复杂背景条件下红外成像系统作用距离估算方法 |
CN101876700A (zh) * | 2009-12-29 | 2010-11-03 | 北京航空航天大学 | 一种基于辐射度的复杂地形区域辐射传输模拟方法 |
US20130129255A1 (en) * | 2010-07-14 | 2013-05-23 | Tohoku University | Signal-processing device and computer-readable recording medium with signal-processing program recorded thereon |
CN104360040A (zh) * | 2014-11-07 | 2015-02-18 | 河海大学 | 一种基于starfm融合技术的遥感墒情监测方法 |
CN105243289A (zh) * | 2015-11-17 | 2016-01-13 | 上海无线电设备研究所 | 复杂目标红外辐射特性一体化建模方法 |
-
2017
- 2017-12-06 CN CN201711278786.3A patent/CN107918937B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101320475A (zh) * | 2008-06-10 | 2008-12-10 | 北京航空航天大学 | 复杂背景条件下红外成像系统作用距离估算方法 |
CN101876700A (zh) * | 2009-12-29 | 2010-11-03 | 北京航空航天大学 | 一种基于辐射度的复杂地形区域辐射传输模拟方法 |
US20130129255A1 (en) * | 2010-07-14 | 2013-05-23 | Tohoku University | Signal-processing device and computer-readable recording medium with signal-processing program recorded thereon |
CN104360040A (zh) * | 2014-11-07 | 2015-02-18 | 河海大学 | 一种基于starfm融合技术的遥感墒情监测方法 |
CN105243289A (zh) * | 2015-11-17 | 2016-01-13 | 上海无线电设备研究所 | 复杂目标红外辐射特性一体化建模方法 |
Non-Patent Citations (3)
Title |
---|
L. MITNIK 等: ""Superposition of surface imprints of oceanic and atmospheric phenomena on RAR and SAR images of the ocean"", 《IEEE 1999 INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM》 * |
杨春平 等: ""基于大地坐标系的球面大气辐射传输模型"", 《电子科技大学学报 》 * |
高婷 等: ""基于预处理的金字塔图像融合算法"", 《空军预警学院学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108961280A (zh) * | 2018-06-29 | 2018-12-07 | 电子科技大学 | 一种基于slic超像素分割的眼底视盘精细分割方法 |
CN108961280B (zh) * | 2018-06-29 | 2021-11-02 | 电子科技大学 | 一种基于slic超像素分割的眼底视盘精细分割方法 |
CN109584370A (zh) * | 2018-11-22 | 2019-04-05 | 北京未尔锐创科技有限公司 | 一种目标与背景红外场景仿真的方法 |
CN109584370B (zh) * | 2018-11-22 | 2023-03-21 | 北京未尔锐创科技有限公司 | 一种目标与背景红外场景仿真的方法 |
CN116049641A (zh) * | 2023-04-03 | 2023-05-02 | 中国科学院光电技术研究所 | 一种基于红外光谱的点目标特征提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107918937B (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Adaptive image enhancement method for correcting low-illumination images | |
US10109053B2 (en) | Apparatus and method for detecting error in lesion contour, apparatus and method for correcting error in lesion contour, and apparatus for inspecting error in lesion contour | |
CN105513064B (zh) | 一种基于图像分割和自适应权重的立体匹配方法 | |
CN110443885B (zh) | 基于随机人脸图像的三维人头脸模型重建方法 | |
CN107918937B (zh) | 一种基于光谱辐射的目标与背景的物理叠合方法 | |
CN106355570B (zh) | 一种结合深度特征的双目立体视觉匹配方法 | |
CN112686935B (zh) | 基于特征融合的机载测深雷达与多光谱卫星影像配准方法 | |
CN108564549B (zh) | 一种基于多尺度稠密连接网络的图像去雾方法 | |
CN106506899B (zh) | 一种基于机器视觉的图像采集与重建方法及装置 | |
CN110298447B (zh) | 用于处理机器学习方法的参数的方法以及重建方法 | |
JP6798860B2 (ja) | 境界線推定装置 | |
CN108338802B (zh) | 用于减少图像伪影的方法 | |
CN105976330A (zh) | 一种嵌入式雾天实时视频稳像方法 | |
CN108230274A (zh) | 一种混合噪声模型下的多分辨率快速去噪方法及装置 | |
CN107680140A (zh) | 一种基于Kinect相机的深度图像高分辨率重构方法 | |
CN112163458A (zh) | 基于CASI高光谱与机载LiDAR融合的地物分类方法 | |
CN108629742B (zh) | 真正射影像阴影检测与补偿方法、装置及存储介质 | |
CN110956700B (zh) | 一种基于运动恢复结构生成点云的密度调控方法 | |
CN104361571A (zh) | 基于边缘信息和支持度变换的红外与微光图像融合方法 | |
CN110060226B (zh) | 基于人类视觉梯度转化和全变差参数自适应图像融合方法 | |
CN108171651B (zh) | 基于多模型几何拟合和分层单应变换的图像对齐方法 | |
Wang et al. | A variational histogram equalization method for image contrast enhancement | |
CN108010124B (zh) | 基于辐射传递的大视场红外探测图像仿真方法 | |
Kazemimoghadam et al. | A deep learning approach for automatic delineation of clinical target volume in stereotactic partial breast irradiation (S-PBI) | |
CN117314786A (zh) | 一种基于深度学习的三维网格修补方法 |
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 |