CN108765347A - 一种适合遥感影像的色彩增强方法 - Google Patents
一种适合遥感影像的色彩增强方法 Download PDFInfo
- Publication number
- CN108765347A CN108765347A CN201810540877.8A CN201810540877A CN108765347A CN 108765347 A CN108765347 A CN 108765347A CN 201810540877 A CN201810540877 A CN 201810540877A CN 108765347 A CN108765347 A CN 108765347A
- Authority
- CN
- China
- Prior art keywords
- image
- tgt
- src
- remote sensing
- clr
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000012546 transfer Methods 0.000 claims abstract description 19
- 230000003595 spectral effect Effects 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 45
- 238000003708 edge detection Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000013508 migration Methods 0.000 claims description 3
- 230000005012 migration Effects 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 2
- 238000012935 Averaging Methods 0.000 claims 1
- 239000000284 extract Substances 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000000007 visual effect Effects 0.000 abstract description 3
- 238000001914 filtration Methods 0.000 abstract 1
- 230000002708 enhancing effect Effects 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012795 verification Methods 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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
一种适合遥感影像的色彩增强方法，涉及遥感影像处理技术领域。解决现有遥感影像的色彩增强方法存在局限性、鲁棒性关，图像增强效果差以及存在噪声增强等问题，本发明包括下列步骤：传入待处理遥感影像和颜色图像；对待处理遥感影像进行颜色迁移处理；对颜色迁移后影像进行去块处理；计算去块处理后影像的模糊核；对去块处理后的影像使用维纳滤波进行去模糊处理；对去模糊都得影像进行拉普拉斯锐化处理，得到最终结果图像。本发明可明显提高遥感影像色彩丰富度，增强影像对比度，强化边缘信息，增强后的图像具有良好的视觉效果。
Description
技术领域
本发明涉及遥感影像处理技术领域，具体涉及一种适合遥感影像的色彩增强方法。
背景技术
遥感影像是利用空间传感器探测的地面目标电磁波辐射信息，其包含了十分丰富的地理信息，是获取地面信息的重要来源，为我们认知国土、开发资源、研究环境、分析全球变化找到了新的途径。
在影像获取的过程中，受光照条件、大气流动、大气扰动等因素影响，遥感影像具有整体亮度偏暗、色彩不丰富、对比度较低和目标与背景区分不明显的特点，遥感影像增强技术对于改善影像的对比度、突出某些局部细节等起着积极的作用，有利于减少遥感图像在成像过程中受传感器性能下降、大气扰动等因素造成的影响，对展开后续工作具有重要作用。
遥感影像增强是数字遥感影像分析技术中最基础、也是最重要的一项处理手段，增强效果的好坏直接决定了遥感影像后续处理的效率和精度。遥感影像增强一方面可以改善人眼对原始遥感影像的视觉效果，提高遥感影像清晰度，便于从经过增强处理的遥感影像上获取所感兴趣的又用信息，快速实现从遥感影像信息向有用信息的转化；另一方面在计算机自动识别中，可以使原始遥感影像信息转化成便于机器感知、立即和分析的形式，提高处理和分析的质量、速度。
现有的遥感影像增强技术主要包括基于空间域和基于变换域的两大类方法。其中空间域算法为目前的研究热点。基于空间域的方法主要包括直方图均衡化，拉普拉斯锐化、线性拉伸等。
在对这些增强方法的研究和时间过程中发现：这些方法都具有一定的局限性，不具有鲁棒性。直方图均衡化方法对整体偏暗或偏亮的图像增强效果不好，且容易放大噪声；拉普拉斯锐化只能对边缘进行增强而不能增强图像的亮度、色彩以及对比度；线性拉伸方法能够提高图像对比度，但是容易使噪声增强。针对以上方法的局限性，本发明提出一种适合遥感影像的色彩增强方法。
发明内容
本发明为解决现有遥感影像的色彩增强方法存在局限性、鲁棒性关，图像增强效果差以及存在噪声增强等问题，提供一种适合遥感影像的色彩增强方法。
一种适合遥感影像的色彩增强方法，该方法由以下步骤实现：
步骤一、对遥感彩色影像进行颜色迁移处理，获得颜色迁移后的图像clr，具体过程为：
步骤一一、输入待处理遥感影像src和颜色图像tgt，将所述待处理遥感影像src分解为RGB三通道图像Rsrc，Gsrc，Bsrc并计算每个通道图像的均值 将颜色图像tgt分解为RGB三通道图像Rtgt，Gtgt，Btgt并计算每个通道颜色图像的均值
步骤一二、计算步骤一中待处理遥感影像src的RGB三通道图像之间的协方差矩阵Covsrc和颜色图像tgt图像的RGB三通道图像之间的协方差矩阵Covtgt；并分别对协方差矩阵Covsrc和Covtgt进行奇异值分解，分别用下式表示为：
式中，Usrc、Utgt、Vsrc、Vtgt为正交矩阵，由协方差矩阵的特征向量组成，Λsrc、Λtgt为对角矩阵，由协方差矩阵的特征值组成，用公式表示为：
步骤一三、计算步骤一中待处理遥感影像src的变换矩阵Tsrc、旋转矩阵Msrc和尺度矩阵Ssrc，颜色图像tgt的变换矩阵Ttgt、旋转矩阵Mtgt和尺度矩阵Stgt，分别用公式表示为：
步骤一四、通过计算中间矩阵I，获得颜色迁移后的图像clr的三个通道图像Rclr，Gclr，Bclr，计算公式为：I＝Tsrc×Msrc×Ssrc×Stgt×Mtgt×Ttgt×Itgt，其中，Itgt＝(Rtgt,Gtgt,Btgt,1)T，中间矩阵I＝(Rclr,Gclr,Bclr,1)T，并将得到的三通道图像Rclr，Gclr，Bclr合并得到最终颜色迁移后图像clr；
步骤二、对步骤一获得的图像clr进行颜色去块处理，获得去块后图像J，具体过程为：
步骤二一、对步骤一获得颜色迁移后的图像clr的RGB三个通道的图像在x,y方向上做sobel边缘检测，获得边缘检测后的图像；
步骤二二、分别计算边缘检测后的RGB三个通道图像的加权参数矩阵ψ、加权参数φ以及迭代参数矩阵；根据设置的迭代次数进行迭代修正，获得修正后的RGB三个通道图像；
步骤二三、对步骤二二获得修正后的RGB三个通道图像进行合并，获得去块后影像J；
步骤三、计算步骤二获得的图像J的模糊核K；采用维纳滤波器对图像J进行去模糊处理，获得去模糊后影像D；对去模糊后影像D进行拉普拉斯锐化处理，得到最终影像dst，用公式表示为：
本发明的有益效果：本发明所述的遥感影像的色彩增强方法，对遥感影像经过颜色迁移处理、去块处理、去模糊处理以及锐化处理等一系列操作实现对遥感影像的增强处理，适用于对遥感影像质量要求高的遥感影像处理系统。本方法能够广泛应用于遥感影像分类、变换检测、国土认知、资源开发等领域。
本发明所述的遥感影像的色彩增强方法，明显丰富了待处理遥感影像的色彩信息，使色彩更加丰富。提高遥感图像对比度，增强图像细节，又没有引入过多的噪声。特别是那些对于那些整体图像色彩特别暗的图像，本发明可以很好的对其色彩进行丰富，同时提高其对比度与细节信息。这对于后期的遥感图像应用以及目视解释都具有良好的作用。
附图说明
图1为本发明所述的一种适合遥感影像图像增强方法的流程图；
图2为原始遥感影像效果图；
图3位输入颜色图像效果图；
图4为经过步骤一颜色迁移处理后得到的影像效果图；
图5为经过步骤二去块处理后得到的影像效果图；
图6位步骤三中得到的刃边区域灰度图像效果图；
图7为经过步骤三四得到的去模糊后影像效果图；
图8为经过步骤五得到的经过拉普拉斯锐化的最终图像效果图；
图9为对图2使用直方图均衡化得到的图像增强结果效果图；
图10为对图2使用2％线性拉伸得到的图像增强结果效果图；
图11为对图2使用锐化得到的图像增强结果效果图。
具体实施方式
具体实施方式一、结合图1至图11说明本实施方式，一种适合遥感影像色彩增强方法，针对待处理遥感影像色彩不丰富、对比度低的特点，对遥感影像进行增强处理，其过程包括颜色迁移处理、去块处理、去模糊处理以及锐化处理。处理后遥感影像的色彩得到明显丰富，亮度得到提升，对比度得到提高，边缘细节得到强化。
本实施方式的具体过程为：
1.对遥感彩色影像进行颜色迁移处理，包括下列步骤：
1.1输入待处理遥感图像src，颜色图像tgt，其中tgt为在谷歌地图等高清图库中得到的与src大致地理位置相同的图像，要求tgt图像具有色彩丰富、对比度高的特点；
1.2将src影像分解为RGB三通道图像,表示为Rsrc，Gsrc，Bsrc，并计算每个通道的均值，表示为将颜色图像tgt分解为RGB通道图像，表示为Rtgt，Gtgt，Btgt，并计算每个通道的均值，表示为
1.3计算src影像三通道之间的协方差矩阵Covsrc，计算tgt图像三通道之间的协方差矩阵Covtgt；
1.4对协方差矩阵Covsrc、Covtgt进行奇异值分解，将Covsrc、Covtgt分解为下列形式：
其中，Usrc、Utgt、Vsrc、Vtgt为正交矩阵，由协方差矩阵的特征向量组成，Λsrc、Λtgt为对角矩阵，由协方差矩阵的特征值组成，其形式为
1.5计算原src图像以及tgt图像的变换矩阵T，公式为：
1.6计算原src图像以及tgt图像的旋转矩阵M，公式为：
1.7计算原src图像以及tgt图像的尺度矩阵S，公式为：
1.8通过计算中间矩阵I，获得颜色迁移后的图像clr的三个通道图像Rclr，Gclr，Bclr，计算公式为：I＝Tsrc×Msrc×Ssrc×Stgt×Mtgt×Ttgt×Itgt，其中，Itgt＝(Rtgt,Gtgt,Btgt,1)T，中间矩阵I＝(Rclr,Gclr,Bclr,1)T，并将得到的三通道图像Rclr，Gclr，Bclr合并得到最终颜色迁移后图像clr；
1.9将步骤1.8得到的三个通道Rclr，Gclr，Bclr合并成最终颜色迁移后图像clr；
2、对颜色迁移后的图像clr进行颜色去块处理，得到去块后图像J，包括以下步骤：
2.1将步骤1中得到的clr图像分解为三个通道图像,表示为Rclr，Gclr，Bclr；
2.2对Rclr在x,y方向上做sobel边缘检测，得到边缘检测后的图像Rsbl，计算公式如下；
其中，为Rclr在x方向上的sobel边缘检测图，为Rclr在y方向上的sobel边缘检测图，*表示卷积。
2.3计算R通道加权参数矩阵，表示为ψR，公式为：
其中(x,y)表示像素点坐标，取值范围为整个图像；Rsbl(x,y)表示为在Rsbl影像中像素坐标点在(x,y)位置像素值，ψR(x,y)表示为参数矩阵ψR在像素点坐标为(x,y)位置的取值。
2.4计算R通道加权参数，表示为φR，公式为：
2.5计算R通道迭代参数矩阵公式为：
其中Rsrc(x,y)表示在步骤1.2中原图像src在像素点坐标为(x,y)位置的像素值。
2.6设置迭代次数为m次，对下面公式进行m次迭代修正，m取值通常大于64；
其中k＝0,1,2,…,m，迭代初始值为第一步颜色迁移后的R通道影像Rclr，得到m次迭代后修正的结果JR；
2.7重复步骤2.2到2.6，分别对G通道和B通道做相同处理，得到m次迭代后修正的结果JG、JB；
2.8将修正后的RGB影像JR、JG、JB合并，得到去块后影像J。
3.计算去块后影像J的模糊核K，包括下列步骤。但对于同一卫星影像的模糊核计算，只需要每隔三个月求一次即可。若该卫星影像的模糊核K已知，则直接进行步骤4.
3.1在影像J中，手动选取合适的刃边区域R，要求刃边区域左右对比度较大且噪声较小，刃边区域长或宽都大于30；
3.2将刃边区域图像转为灰度图像G；
3.3提取刃边灰度图像G的每一行的灰度数据，使用Canny算法确定每行数据刃边边缘中心位置；
3.4利用步骤3.3探测到的每一行的刃边边缘中心位置，对刃边灰度图像G的各行数据进行配准，配准方式为每行刃边边缘中心位置互相配准，每行距离该行刃边边缘中心位置相同的像素点进行配准：若像素点行坐标小于该行刃边边缘中心位置坐标，则距离为负；若像素点行坐标大于该行刃边边缘中心位置行坐标，则距离为正；若像素点行坐标等于该行坐标边缘中心位置行坐标，则距离为0；
3.5将3.4步骤配准的位置进行叠加后求均值，得到边缘扩散函数曲线(ESF)；
3.6对ESF曲线进行离散微分处理得到线扩散函数(LSF)，并对其进行归一化处理；
3.7找到归一化LSF曲线灰度值最高点，以灰度值最高点为中心，左右各六个点为半径截断，得到1行13列的行向量A；
3.8计算得到模糊核K，计算公式如下：
K＝AT×A
其中AT表示行向量A的转置，得模糊核为13*13矩阵。
4.使用维纳滤波器对颜色去块后影像J进行去模糊处理，得到去模糊后影像D，使用的模糊核为步骤3中得到的K。
5.对去模糊后影像D进行拉普拉斯锐化处理，得到最终影像dst，计算公式如下：
具体实施方式二、结合图2至图11说明本实施方式，本实施方式为具体实施方式一所述的适合遥感影像色彩增强方法的验证实例：依次给出遥感图像每步处理后图像，并在最后与现有的直方图均衡化方法、拉普拉斯锐化方法以及线性拉伸方法进行结果对比。测试样本来自吉林一号视频03星数据。
如图2所示为吉林一号视频03星数据拍摄的西班牙维哥地区的影像，观察可知影像整体偏暗，对比度不明显；图3位传入的颜色图像，该图像是来自谷歌地球的高清图像，与图2地理位置大致相同；图4为经过步骤1颜色迁移处理后得到的影像，整体影像得到色彩得到丰富，对比度明显提高，但观察图4中红框部分可知，颜色迁移放大了噪声，带来了块效应；图5为经过步骤2去块处理后得到的影像，影像中块效应得到减弱，但是影像整体变得模糊；图6为步骤3中，在图像中获取刃边区域的灰度图；图7为经过步骤3和4得到的去模糊后影像，相对于图5来说，整体图像变得清晰；图8为经过步骤5得到的经过拉普拉斯锐化的最终图像，相对于图7来说，图像边缘得到加强。图9为对原图2使用直方图均衡化得到的图像增强结果；图10为对原图2使用2％线性拉伸得到的图像增强结果；图11为对原图2使用锐化得到的图像增强结果。对比图8、图9、图10、图11可知，本实施方式所述的影像增强方法在色彩丰富，亮度，对比度等方面上均优于其他方法。
Claims (2)
1.一种适合遥感影像的色彩增强方法，其特征是；该方法由以下步骤实现：
步骤一、对遥感彩色影像进行颜色迁移处理，获得颜色迁移后的图像clr，具体过程为：
步骤一一、输入待处理遥感影像src和颜色图像tgt，将所述待处理遥感影像src分解为RGB三通道图像Rsrc，Gsrc，Bsrc并计算每个通道图像的均值 将颜色图像tgt分解为RGB三通道图像Rtgt，Gtgt，Btgt并计算每个通道颜色图像的均值
步骤一二、计算步骤一一中待处理遥感影像src的RGB三通道图像之间的协方差矩阵Covsrc和颜色图像tgt图像的RGB三通道图像之间的协方差矩阵Covtgt；并分别对协方差矩阵Covsrc和Covtgt进行奇异值分解，分别用下式表示为：
式中，Usrc、Utgt、Vsrc、Vtgt为正交矩阵，由协方差矩阵的特征向量组成，Λsrc、Λtgt为对角矩阵，由协方差矩阵的特征值组成，用公式表示为：
步骤一三、计算步骤一一中待处理遥感影像src的变换矩阵Tsrc、旋转矩阵Msrc和尺度矩阵Ssrc，颜色图像tgt的变换矩阵Ttgt、旋转矩阵Mtgt和尺度矩阵Stgt，分别用公式表示为：
Msrc＝Usrc，
步骤一四、通过计算中间矩阵I，获得颜色迁移后的图像clr的三个通道图像Rclr，Gclr，Bclr，计算公式为：I＝Tsrc×Msrc×Ssrc×Stgt×Mtgt×Ttgt×Itgt，其中，Itgt＝(Rtgt,Gtgt,Btgt,1)T，中间矩阵I＝(Rclr,Gclr,Bclr,1)T，并将得到的三通道图像Rclr，Gclr，Bclr合并得到最终颜色迁移后图像clr；
步骤二、对步骤一获得的图像clr进行颜色去块处理，获得去块后图像J，具体过程为：
步骤二一、对步骤一获得颜色迁移后的图像clr的RGB三个通道的图像在x,y方向上做sobel边缘检测，获得边缘检测后的图像；
步骤二二、分别计算边缘检测后的RGB三个通道图像的加权参数矩阵ψ、加权参数φ以及迭代参数矩阵；根据设置的迭代次数进行迭代修正，获得修正后的RGB三个通道图像；
步骤二三、对步骤二二获得修正后的RGB三个通道图像进行合并，获得去块后影像J；
步骤三、计算步骤二获得的图像J的模糊核K；采用维纳滤波器对图像J进行去模糊处理，获得去模糊后影像D；对去模糊后影像D进行拉普拉斯锐化处理，得到最终影像dst，用公式表示为：
2.根据权利要求1所述的一种适合遥感影像的色彩增强方法，其特征在于，所述步骤三的具体过程为：
步骤三一、手动选取刃边区域R，将刃边区域图像转为刃边灰度图像G，提取所述刃边灰度图像G的每一行的灰度数据，采用Canny算法确定每行数据刃边边缘的中心位置；
步骤三二、采用步骤三一获得的每行数据刃边边缘的中心位置，对刃边灰度图像G的各行数据进行配准叠加，配准叠加方式为：各行刃边边缘中心位置互相配准叠加，各行距离该行刃边边缘中心位置相同的像素点进行配准叠加：若像素点行坐标小于该行刃边边缘中心位置行坐标，则距离为负；若像素点行坐标大于该行刃边边缘中心位置行坐标，则距离为正；若像素点行坐标等于该行坐标边缘中心位置行坐标，则距离为0；
步骤三三、将步骤三二进行配准叠加后的数据进行求均值处理，获得边缘扩散函数曲线，对所述边缘扩散函数曲线进行离散微分处理得到线扩散函数，并对其进行归一化处理；
步骤三四、以归一化处理的线扩散函数曲线的灰度值最高点为中心，左右各N个点为半径截断，获得1行(2*N+1)列的行向量A；计算模糊核K，用公式表示为：
K＝AT×A
其中，N的取值范围为4≤N≤10，AT表示行向量A的转置，得到的模糊核为(2*N+1)*(2*N+1)矩阵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810540877.8A CN108765347B (zh) | 2018-05-30 | 2018-05-30 | 一种适合遥感影像的色彩增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810540877.8A CN108765347B (zh) | 2018-05-30 | 2018-05-30 | 一种适合遥感影像的色彩增强方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108765347A true CN108765347A (zh) | 2018-11-06 |
| CN108765347B CN108765347B (zh) | 2020-09-01 |
Family
ID=64004507
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810540877.8A Active CN108765347B (zh) | 2018-05-30 | 2018-05-30 | 一种适合遥感影像的色彩增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108765347B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109872331A (zh) * | 2019-01-30 | 2019-06-11 | 天津大学 | 一种基于深度学习的遥感图像数据自动识别分类方法 |
| CN109886207A (zh) * | 2019-02-25 | 2019-06-14 | 上海交通大学 | 基于图像风格迁移的广域监测系统及方法 |
| CN110579486A (zh) * | 2019-10-18 | 2019-12-17 | 东莞市庆颖智能自动化科技有限公司 | 半导体硅晶柱内部瑕疵影像检测设备及方法 |
| CN112241744A (zh) * | 2020-10-20 | 2021-01-19 | 北京字跳网络技术有限公司 | 图像颜色迁移方法、装置、设备和计算机可读介质 |
| CN113128433A (zh) * | 2021-04-26 | 2021-07-16 | 刘秀萍 | 颜色迁移匹配特征的视频监控影像增强方法 |
| CN113223098A (zh) * | 2021-06-07 | 2021-08-06 | 江南大学 | 图像颜色分类的预处理优化方法 |
| CN113343883A (zh) * | 2021-06-22 | 2021-09-03 | 长光卫星技术有限公司 | 基于改进HRNetV2网络的港口矿堆分割方法 |
| WO2021189770A1 (zh) * | 2020-07-31 | 2021-09-30 | 平安科技（深圳）有限公司 | 基于人工智能的图像增强处理方法、装置、设备及介质 |
| CN115797798A (zh) * | 2023-02-10 | 2023-03-14 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 基于废弃矿山遥感图像的生态修复效果评估方法 |
| CN116503790A (zh) * | 2023-06-27 | 2023-07-28 | 深圳市遐拓科技有限公司 | 基于图像描边增强算法模型的用于火场救援图像处理方法 |
| CN116612048A (zh) * | 2023-07-17 | 2023-08-18 | 山东产研卫星信息技术产业研究院有限公司 | 一种光学卫星遥感影像去模糊处理方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103136733A (zh) * | 2013-02-25 | 2013-06-05 | 中国人民解放军总参谋部第六十一研究所 | 基于多尺度图像分割和颜色传递的遥感图像彩色增强方法 |
| 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 |
| CN103761714A (zh) * | 2014-01-23 | 2014-04-30 | 武汉大学 | 一种基于ihs色彩空间的彩色图像增强方法 |
| US8750611B1 (en) * | 2012-02-29 | 2014-06-10 | Exelis Inc. | In-scene balancing of remotely sensed and aerial multiband imagery |
-
2018
- 2018-05-30 CN CN201810540877.8A patent/CN108765347B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8750611B1 (en) * | 2012-02-29 | 2014-06-10 | Exelis Inc. | In-scene balancing of remotely sensed and aerial multiband imagery |
| CN103136733A (zh) * | 2013-02-25 | 2013-06-05 | 中国人民解放军总参谋部第六十一研究所 | 基于多尺度图像分割和颜色传递的遥感图像彩色增强方法 |
| 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 |
| CN103761714A (zh) * | 2014-01-23 | 2014-04-30 | 武汉大学 | 一种基于ihs色彩空间的彩色图像增强方法 |
Non-Patent Citations (2)
| Title |
|---|
| 卫亚星等: "遥感图像增强方法分析", 《测绘与空间地理信息》 * |
| 陈博洋: "彩色遥感图像的亮度直方图局部线性化增强", 《光学精密工程》 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109872331A (zh) * | 2019-01-30 | 2019-06-11 | 天津大学 | 一种基于深度学习的遥感图像数据自动识别分类方法 |
| CN109886207B (zh) * | 2019-02-25 | 2023-01-06 | 上海交通大学 | 基于图像风格迁移的广域监测系统及方法 |
| CN109886207A (zh) * | 2019-02-25 | 2019-06-14 | 上海交通大学 | 基于图像风格迁移的广域监测系统及方法 |
| CN110579486A (zh) * | 2019-10-18 | 2019-12-17 | 东莞市庆颖智能自动化科技有限公司 | 半导体硅晶柱内部瑕疵影像检测设备及方法 |
| WO2021189770A1 (zh) * | 2020-07-31 | 2021-09-30 | 平安科技（深圳）有限公司 | 基于人工智能的图像增强处理方法、装置、设备及介质 |
| CN112241744A (zh) * | 2020-10-20 | 2021-01-19 | 北京字跳网络技术有限公司 | 图像颜色迁移方法、装置、设备和计算机可读介质 |
| CN113128433A (zh) * | 2021-04-26 | 2021-07-16 | 刘秀萍 | 颜色迁移匹配特征的视频监控影像增强方法 |
| CN113223098A (zh) * | 2021-06-07 | 2021-08-06 | 江南大学 | 图像颜色分类的预处理优化方法 |
| CN113223098B (zh) * | 2021-06-07 | 2023-04-07 | 江南大学 | 图像颜色分类的预处理优化方法 |
| CN113343883B (zh) * | 2021-06-22 | 2022-06-07 | 长光卫星技术股份有限公司 | 基于改进HRNetV2网络的港口矿堆分割方法 |
| CN113343883A (zh) * | 2021-06-22 | 2021-09-03 | 长光卫星技术有限公司 | 基于改进HRNetV2网络的港口矿堆分割方法 |
| CN115797798A (zh) * | 2023-02-10 | 2023-03-14 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 基于废弃矿山遥感图像的生态修复效果评估方法 |
| CN115797798B (zh) * | 2023-02-10 | 2023-04-25 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 基于废弃矿山遥感图像的生态修复效果评估方法 |
| CN116503790A (zh) * | 2023-06-27 | 2023-07-28 | 深圳市遐拓科技有限公司 | 基于图像描边增强算法模型的用于火场救援图像处理方法 |
| CN116612048A (zh) * | 2023-07-17 | 2023-08-18 | 山东产研卫星信息技术产业研究院有限公司 | 一种光学卫星遥感影像去模糊处理方法及系统 |
| CN116612048B (zh) * | 2023-07-17 | 2023-09-26 | 山东产研卫星信息技术产业研究院有限公司 | 一种光学卫星遥感影像去模糊处理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108765347B (zh) | 2020-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108765347A (zh) | 一种适合遥感影像的色彩增强方法 | |
| CN107680054B (zh) | 雾霾环境下多源图像融合方法 | |
| CN108765336A (zh) | 基于暗亮原色先验与自适应参数优化的图像去雾方法 | |
| CN111915704A (zh) | 一种基于深度学习的苹果分级识别方法 | |
| Shi et al. | Single image dehazing in inhomogeneous atmosphere | |
| CN104966285B (zh) | 一种显著性区域的检测方法 | |
| Wang et al. | Variational single nighttime image haze removal with a gray haze-line prior | |
| CN107358585A (zh) | 基于分数阶微分及暗原色先验的雾天图像增强方法 | |
| CN109447917B (zh) | 基于内容和特征及多尺度模型的遥感图像雾霾消除方法 | |
| CN111275652B (zh) | 一种去除城市遥感图像中雾霾的方法 | |
| CN110335280A (zh) | 一种基于移动端的金融单据图像分割与矫正方法 | |
| CN109977834B (zh) | 从深度图像中分割人手与交互物体的方法和装置 | |
| CN109359604B (zh) | 面向巡检机器人的阴影干扰下仪表识别方法 | |
| CN105678245A (zh) | 一种基于哈尔特征的靶位识别方法 | |
| CN116468640B (zh) | 一种用于互联网教学的视频图像增强方法 | |
| CN111539957A (zh) | 一种用于目标检测的图像样本生成方法、系统及检测方法 | |
| CN112200746A (zh) | 一种雾天交通场景图像的去雾方法和设备 | |
| CN101739667A (zh) | 基于非下采样轮廓波变换的遥感图像道路增强方法 | |
| CN113657335A (zh) | 基于hsv颜色空间的矿相识别方法 | |
| CN108931825A (zh) | 一种基于地物清晰度的遥感图像云厚度检测方法 | |
| CN113129300A (zh) | 一种降低误检率的排水管道缺陷检测方法、装置、设备及介质 | |
| CN112184696A (zh) | 一种细胞核和细胞器计数及其面积计算方法与系统 | |
| CN101231693A (zh) | 由视频重建复原的面部图像的系统和方法 | |
| CN116206156A (zh) | 一种阴影干扰下的路面裂缝分类识别方法 | |
| CN110163874B (zh) | 基于同质区域分割的双边滤波算法 |
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 | ||
| CP03 | Change of name, title or address |
Address after: No. 1299, Mingxi Road, Beihu science and Technology Development Zone, Changchun City, Jilin Province Patentee after: Changguang Satellite Technology Co.,Ltd. Address before: No.1759 Mingxi Road, Gaoxin North District, Changchun City, Jilin Province Patentee before: CHANG GUANG SATELLITE TECHNOLOGY Co.,Ltd. |
|
| CP03 | Change of name, title or address | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Color Enhancement Method Suitable for Remote Sensing Images Granted publication date: 20200901 Pledgee: Jilin credit financing guarantee Investment Group Co.,Ltd. Pledgor: Changguang Satellite Technology Co.,Ltd. Registration number: Y2024220000032 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |