CN108876723A - 一种灰度目标图像的彩色背景的构建方法 - Google Patents
一种灰度目标图像的彩色背景的构建方法 Download PDFInfo
- Publication number
- CN108876723A CN108876723A CN201810661892.8A CN201810661892A CN108876723A CN 108876723 A CN108876723 A CN 108876723A CN 201810661892 A CN201810661892 A CN 201810661892A CN 108876723 A CN108876723 A CN 108876723A
- Authority
- CN
- China
- Prior art keywords
- image
- scene
- scale
- key point
- gray scale
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 7
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 230000000694 effects Effects 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 4
- 230000010365 information processing Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 230000003019 stabilising effect Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims 2
- 230000004927 fusion Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 235000019557 luminance Nutrition 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 230000004304 visual acuity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- 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
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种灰度目标图像的彩色背景的构建方法,通过红外摄像仪拍摄多幅彩色场景图像;通过图像拼接技术获得固定区域的全景图;然后采用红外摄像仪获取该全景信息中某一部分的灰度场景图;接着对全景图和灰度场景图中某一相同物体的进行像素级比例缩放,使得灰度场景图的大小缩放到和全景图对应位置处相同大小。最后通过模板匹配从全景图中获得和灰度场景图相同位置的彩色背景图像。本发明避免了直接为彩色图像上色所带来的信息失真问题,并且可以高度还原场景信息。本发明利用先验知识中的SIFT特征所具有的尺度不变性,得到了好的检测效果。本发明通过运用图像处理的方法,巧妙的获得了彩色背景图像,耗时少,成本低,精确度高。
Description
技术领域
本发明涉及图像处理技术,特别是一种灰度目标图像的彩色背景的构建方法。
背景技术
随着信息技术的不断发展和基于葫芦岛项目的实验要求,需要能够在夜雾天等恶劣情况下自动获得某区域的彩色场景信息,以便在任何情况下都可以准确获得需要的场景信息,从而对视频监控安全等领域作出一定贡献。
彩色背景构建其实是将灰度图像进行上色,即伪彩色处理技术,原因是人的生理视觉系统特性对微小的灰度变化不敏感,而对彩色的微小差别极为敏感。人的眼睛一般只能够区分的灰度级大约二十几个,而对不同色调和亮度的彩色图像分辨能力却可达到灰度分辨能力的百倍以上。利用这个特性人们就可以把人眼不敏感的灰度信号映射为人眼灵敏的彩色信号,以增强人对图像中细微变化的分辨力,而在此实验中可以通过获得的彩色背景图像对整体情况和问题进行更为详细的分析。
伪彩色处理一般分为灰度分层法伪彩色处理和灰度变换法伪彩色处理两种。灰度分层法又叫做灰度分割或密度分层法两种,是伪彩色处理中很基本的方法,假设一幅灰度图像为f(x,y),将其作为坐标(x,y)的一个密度函数。将此图像的灰度分成若干等级,即相当于用一些和坐标平面平行的平面在相交的区域中切割此密度函数。灰度变换法是将f(x,y)灰度图像送入具有不同变换特性的红绿蓝三个变换器,然后再将三个变换器的不同输出分别送到彩色显像管的红、绿、蓝电子枪。
但是这些给图像上色的方法只是给图像进行着色,使其能够显示出不同的纹理差别,但是伪彩色处理技术只是通过给不同纹理的物体进行上色使其能够有层次感,却并不能满足对应物体获得对应颜色这一要求,而且其包含的颜色数量远远小于全部颜色空间,这样只能获得有对比度的彩色图像却没有该图像真正包含的彩色背景信息。
发明内容
为了解决现有技术无法获取所要的彩色背景的问题,本发明要提出一种能够获得红外灰度场景图在白天时的彩色背景图像的灰度目标图像的彩色背景的构建方法。
为了实现上述目的,本发明的技术方案如下:一种灰度图像的彩色背景的构建方法,包括以下步骤:
A、全景图像采集
通过红外摄像仪对固定区域拍摄多幅彩色场景图像,使其范围能够覆盖到所需要的全部场景信息;
B、图像拼接
在获得多幅彩色场景图像之后,通过采用尺度不变特征转换方法即SIFT方法,利用多幅彩色场景图像相同区域特征点匹配融合的算法,将所述的多幅彩色场景图像拼接到一幅全景图当中;图像拼接的具体步骤如下:
B1、构建尺度空间:在图像信息处理模型中引入一个被视为尺度的参数,通过连续变化尺度参数获得多尺度下的尺度空间表示序列,对这些序列进行尺度空间主轮廓的提取,并以所述的主轮廓作为一种特征向量,实现边缘、角点检测和不同分辨率上的特征提取,该图像信息处理模型如下:
L(x,y,σ)=G(x,y,σ)*I(x,y)
其中,G(x,y,σ)为一个变化尺度的高斯函数,I(x,y)为原图像即彩色场景图像,x和y分别代表图像的像素位置的纵横坐标,σ是尺度空间坐标,值越小表示图像被平滑的越少,相应的尺度也就越小。
B2、构建高斯金字塔模型:高斯金字塔模型是将原图像不断降阶采样,得到一系列大小不一的图像,由大到小、从上到下构成的塔状模型。原图像为金字塔的第一层,每次降采样所得到的新图像为金字塔的上一层,每层一张图像,每个金字塔共n层。金字塔的层数根据原图像的原始大小和塔顶图像的大小共同决定。为了让尺度体现其连续性,在高斯金字塔模型降采样的基础上加上高斯滤波;
B3、高斯差分:在实验中发现尺度归一化的高斯拉普拉斯函数的极大值和极小值,同梯度、Hessian或Harris角特征比较,产生最稳定的图像特征。而高斯差分函数即DOG与尺度归一化的高斯拉普拉斯函数非常近似,因此选用更高效的高斯差分算子代替拉普拉斯算子进行极值检测,基本公式如下;
其中:为尺度归一化的拉普拉斯函数,G(x,y,σ)为响应图像值。
B4、检测空间极值点:即关键点的初步探查,所述的关键点是由DOG空间的局部极值点组成的,关键点的初步探查是通过同一组内各DOG空间相邻两层图像之间比较完成的。为了寻找DOG的极值点,每个像素点要与它所有的相邻像素点比较,看其是否比所述的像素点图像域和尺度域的相邻像素点大或者小;
B5、构建尺度空间需确定的参数:所述的参数包括尺度空间坐标σ、组数和组内层数s,基本公式如下:
B6、定位关键点:以上方法检测到的极值点是离散空间的极值点,以下通过拟合三维二次函数来精确确定关键点的位置和尺度,同时去除降低对比度的关键点和不稳定的边缘响应点,以增强匹配稳定性,提高抗噪能力,其基本公式如下;
其中,代表相对插值中心的偏移量,当它在任意维度上的偏移量大于0.5时,意味着插值中心已经偏移到它的临近像素点上,所以必须改变当前关键点的位置。为高斯差分算子。
B7、有限差分法求导:有限差分法以变量离散取值后对应的函数值来近似微分方程中独立变量的连续取值。在有限差分方法中,放弃微分方程中独立变量取连续值的特征,而关注独立变量离散取值后对应的函数值,其二维混合偏导如下;
其中f(xi,yi)为二元函数,h为步长用来将区间离散化,xi和yi分别是节点的横纵坐标。
B8、关键点方向分配:为了使描述具有旋转不变性,需要利用图像的局部特征为每一个关键点分配一个基准方向,使用图像梯度的方法求取局部结构的稳定方向。对于在DOG空间中检测出的关键点,采集其所在高斯金字塔图像3σ邻域窗口内像素的梯度和方向分布特征,梯度的模值和方向如下;
θ(x,y)=tan-1(L(x,y+1)-L(x,y-1))/L(x+1,y)-L(x-1,y)
其中,L为关键点所在的尺度空间值,m(x,y)为梯度的模值,θ(x,y)为梯度方向角度值。
B9、关键点特征描述:通过以上步骤,对于每一个关键点,拥有三个信息:位置、尺度以及方向。接下来就是为每一个关键点建立一个描述符,用一组向量将这个关键点描述出来,使其不随各种变化而改变;这个描述符不但包括关键点,也包含关键点周围对其贡献的像素点,并且描述符有较高的独特性,以便于提高特征点正确匹配的概率。SIFT描述符是关键点邻域高斯图像梯度统计结果的一种表示。通过对关键点周围图像区域分块,计算图像区域各分块内梯度直方图,生成具有独特性的向量,这个向量是该图像区域信息的一种抽象,具有唯一性;所述的特征点是附带上特征向量的关键点。
C、获取红外灰度场景图
利用红外摄像仪在全景范围内变焦后进行拍摄,使得拍摄的灰度场景图能够完全存在于之前获得的全景图当中,效果相当于将全景图中的某一部分进行放大;
D、像素级比例缩放
通过采用获取图像任意点的像素点坐标的方法,分别计算全景图和灰度场景图相同物体的像素差,相同物体是不易在拼接的时候发生畸变的,而且全景图和灰度场景图都包含。因为在不同焦距拍摄同一物体的情况下,该物体宽高比是不变的,所以这里取物体高度的像素差。通过获得像素差进行灰度场景图的比例缩放,使得其大小和全景图相同位置的大小一致,其基本公式如下:
M*N=(M1*M2)*(h1/h2)
其中,模板图像的大小为M*N,灰度场景图的大小为M1*M2,全景图栏杆高的像素个数为h1,红外灰度场景图栏杆高的像素个数为h2;
E、模板匹配
通过对全景图和灰度场景图进行模板匹配,选择全景图为输入图像,灰度场景图为模板图像。其基本思路是,模板图像是一幅已知的小图像,模板匹配就是在一幅大图像中搜寻目标,已知该图像中有要找的目标,且该目标同模板有相同的尺寸、方向和内容,通过归一化的序贯相似性检测算法即SSAD法在图像中找到目标,确定其坐标位置。最后通过比较模板图像和被模板图像覆盖的搜索图的那块区域之间的相似性,完成模板匹配过程。
与现有技术相比,本发明的优点如下:
1、本发明是以图像拼接技术和模板匹配技术为理论基础,独创性地利用先验知识(即全景图)来间接地获取灰度图的彩色场景信息,避免直接为彩色图像上色所带来的信息失真问题,并且可以高度还原场景信息。并且先验知识中的SIFT特征不只具有尺度不变性,即使改变旋转角度,图像亮度或拍摄视角,仍然能够得到好的检测效果。
2、本发明采用图像像的素级比例缩放技术,可以将变焦的灰度图按比例缩放到与原图一样大的尺寸,这样可以满足模板的大小必须小于全景图的大小,相当于从全景图中抠出同样大小形状的模板图像一样。
3、本发明通过运用图像处理的方法,巧妙的获得了彩色背景图像,耗时少,成本低,精确度高。
附图说明
图1是本发明的流程图。
具体实施方式
下面结合附图对本发明进行进一步地说明。如图1所示,一种灰度目标图像的彩色背景的构建方法,通过红外摄像仪拍摄多幅彩色场景图像;通过图像拼接技术获得固定区域的全景图;然后采用红外摄像仪获取该全景信息中某一部分的灰度场景图;接着对全景图和灰度场景图中某一相同物体的进行像素级比例缩放,使得灰度场景图的大小缩放到和全景图对应位置处相同大小。最后通过模板匹配从全景图中获得和灰度场景图相同位置的彩色背景图像。
本发明不局限于本实施例,任何在本发明披露的技术范围内的等同构思或者改变,均列为本发明的保护范围。
Claims (1)
1.一种灰度图像的彩色背景的构建方法,其特征在于:包括以下步骤:
A、全景图像采集
通过红外摄像仪对固定区域拍摄多幅彩色场景图像,使其范围能够覆盖到所需要的全部场景信息;
B、图像拼接
在获得多幅彩色场景图像之后,通过采用尺度不变特征转换方法即SIFT方法,利用多幅彩色场景图像相同区域特征点匹配融合的算法,将所述的多幅彩色场景图像拼接到一幅全景图当中;图像拼接的具体步骤如下:
B1、构建尺度空间:在图像信息处理模型中引入一个被视为尺度的参数,通过连续变化尺度参数获得多尺度下的尺度空间表示序列,对这些序列进行尺度空间主轮廓的提取,并以所述的主轮廓作为一种特征向量,实现边缘、角点检测和不同分辨率上的特征提取,该图像信息处理模型如下:
L(x,y,σ)=G(x,y,σ)*I(x,y)
其中,G(x,y,σ)为一个变化尺度的高斯函数,I(x,y)为原图像即彩色场景图像,x和y分别代表图像的像素位置的纵横坐标,σ是尺度空间坐标,值越小表示图像被平滑的越少,相应的尺度也就越小;
B2、构建高斯金字塔模型:高斯金字塔模型是将原图像不断降阶采样,得到一系列大小不一的图像,由大到小、从上到下构成的塔状模型;原图像为金字塔的第一层,每次降采样所得到的新图像为金字塔的上一层,每层一张图像,每个金字塔共n层;金字塔的层数根据原图像的原始大小和塔顶图像的大小共同决定;为了让尺度体现其连续性,在高斯金字塔模型降采样的基础上加上高斯滤波;
B3、高斯差分:在实验中发现尺度归一化的高斯拉普拉斯函数的极大值和极小值,同梯度、Hessian或Harris角特征比较,产生最稳定的图像特征;而高斯差分函数即DOG与尺度归一化的高斯拉普拉斯函数非常近似,因此选用更高效的高斯差分算子代替拉普拉斯算子进行极值检测,基本公式如下;
其中:为尺度归一化的拉普拉斯函数,G(x,y,σ)为响应图像值;
B4、检测空间极值点:即关键点的初步探查,所述的关键点是由DOG空间的局部极值点组成的,关键点的初步探查是通过同一组内各DOG空间相邻两层图像之间比较完成的;为了寻找DOG的极值点,每个像素点要与它所有的相邻像素点比较,看其是否比所述的像素点图像域和尺度域的相邻像素点大或者小;
B5、构建尺度空间需确定的参数:所述的参数包括尺度空间坐标σ、组数和组内层数s,基本公式如下:
B6、定位关键点:以上方法检测到的极值点是离散空间的极值点,以下通过拟合三维二次函数来精确确定关键点的位置和尺度,同时去除降低对比度的关键点和不稳定的边缘响应点,以增强匹配稳定性,提高抗噪能力,其基本公式如下;
其中,代表相对插值中心的偏移量,当它在任意维度上的偏移量大于0.5时,意味着插值中心已经偏移到它的临近像素点上,所以必须改变当前关键点的位置;为高斯差分算子;
B7、有限差分法求导:有限差分法以变量离散取值后对应的函数值来近似微分方程中独立变量的连续取值;在有限差分方法中,放弃微分方程中独立变量取连续值的特征,而关注独立变量离散取值后对应的函数值,其二维混合偏导如下;
其中f(xi,yi)为二元函数,h为步长用来将区间离散化,xi和yi分别是节点的横纵坐标;
B8、关键点方向分配:为了使描述具有旋转不变性,需要利用图像的局部特征为每一个关键点分配一个基准方向,使用图像梯度的方法求取局部结构的稳定方向;对于在DOG空间中检测出的关键点,采集其所在高斯金字塔图像3σ邻域窗口内像素的梯度和方向分布特征,梯度的模值和方向如下;
θ(x,y)=tan-1(L(x,y+1)-L(x,y-1))/L(x+1,y)-L(x-1,y)
其中,L为关键点所在的尺度空间值,m(x,y)为梯度的模值,θ(x,y)为梯度方向角度值;
B9、关键点特征描述:通过以上步骤,对于每一个关键点,拥有三个信息:位置、尺度以及方向;接下来就是为每一个关键点建立一个描述符,用一组向量将这个关键点描述出来,使其不随各种变化而改变;这个描述符不但包括关键点,也包含关键点周围对其贡献的像素点,并且描述符有较高的独特性,以便于提高特征点正确匹配的概率;SIFT描述符是关键点邻域高斯图像梯度统计结果的一种表示;通过对关键点周围图像区域分块,计算图像区域各分块内梯度直方图,生成具有独特性的向量,这个向量是该图像区域信息的一种抽象,具有唯一性;所述的特征点是附带上特征向量的关键点;
C、获取红外灰度场景图
利用红外摄像仪在全景范围内变焦后进行拍摄,使得拍摄的灰度场景图能够完全存在于之前获得的全景图当中,效果相当于将全景图中的某一部分进行放大;
D、像素级比例缩放
通过采用获取图像任意点的像素点坐标的方法,分别计算全景图和灰度场景图相同物体的像素差,相同物体是不易在拼接的时候发生畸变的,而且全景图和灰度场景图都包含;因为在不同焦距拍摄同一物体的情况下,该物体宽高比是不变的,所以这里取物体高度的像素差;通过获得像素差进行灰度场景图的比例缩放,使得其大小和全景图相同位置的大小一致,其基本公式如下:
M*N=(M1*M2)*(h1/h2)
其中,模板图像的大小为M*N,灰度场景图的大小为M1*M2,全景图栏杆高的像素个数为h1,红外灰度场景图栏杆高的像素个数为h2;
E、模板匹配
通过对全景图和灰度场景图进行模板匹配,选择全景图为输入图像,灰度场景图为模板图像;其基本思路是,模板图像是一幅已知的小图像,模板匹配就是在一幅大图像中搜寻目标,已知该图像中有要找的目标,且该目标同模板有相同的尺寸、方向和内容,通过归一化的序贯相似性检测算法即SSAD法在图像中找到目标,确定其坐标位置;最后通过比较模板图像和被模板图像覆盖的搜索图的那块区域之间的相似性,完成模板匹配过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810661892.8A CN108876723B (zh) | 2018-06-25 | 2018-06-25 | 一种灰度目标图像的彩色背景的构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810661892.8A CN108876723B (zh) | 2018-06-25 | 2018-06-25 | 一种灰度目标图像的彩色背景的构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108876723A true CN108876723A (zh) | 2018-11-23 |
CN108876723B CN108876723B (zh) | 2020-04-24 |
Family
ID=64295598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810661892.8A Active CN108876723B (zh) | 2018-06-25 | 2018-06-25 | 一种灰度目标图像的彩色背景的构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108876723B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109618093A (zh) * | 2018-12-14 | 2019-04-12 | 深圳市云宙多媒体技术有限公司 | 一种全景视频直播方法及系统 |
CN110008818A (zh) * | 2019-01-29 | 2019-07-12 | 北京奇艺世纪科技有限公司 | 一种手势识别方法、装置及计算机可读存储介质 |
CN110058604A (zh) * | 2019-05-24 | 2019-07-26 | 中国科学院地理科学与资源研究所 | 一种基于计算机视觉的无人机精准降落系统 |
CN110309831A (zh) * | 2019-06-10 | 2019-10-08 | 北京工业大学 | 基于机器视觉的非智能水表识读方法 |
CN111815732A (zh) * | 2020-07-24 | 2020-10-23 | 西北工业大学 | 一种针对中红外图像上色的方法 |
CN113099064A (zh) * | 2021-04-08 | 2021-07-09 | 北京利联科技有限公司 | 用于图像参数确定的方法和设备 |
CN113470001A (zh) * | 2021-07-22 | 2021-10-01 | 西北工业大学 | 一种用于红外图像的目标搜索方法 |
CN113808053A (zh) * | 2021-09-29 | 2021-12-17 | 华北电力大学(保定) | 一种红外成像仪及其信号校正方法 |
CN115272142A (zh) * | 2022-09-30 | 2022-11-01 | 南通市通州区华凯机械有限公司 | 一种沉浸式驾驶模拟器的场景图像预处理方法 |
CN116883503A (zh) * | 2023-09-07 | 2023-10-13 | 山东千颐科技有限公司 | 一种立井提升机尾绳缠绕ai视觉识别检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7609291B2 (en) * | 2005-12-07 | 2009-10-27 | Avago Technologies Ecbu Ip (Singapore) Pte. Ltd. | Device and method for producing an enhanced color image using a flash of infrared light |
US20140099033A1 (en) * | 2012-10-05 | 2014-04-10 | Raytheon Bbn Technologies Corp. | Fast computation of kernel descriptors |
CN105279522A (zh) * | 2015-09-30 | 2016-01-27 | 华南理工大学 | 一种基于sift的场景物体实时配准方法 |
CN105550381A (zh) * | 2016-03-17 | 2016-05-04 | 北京工业大学 | 一种基于改进sift特征的高效图像检索方法 |
CN105631811A (zh) * | 2016-02-25 | 2016-06-01 | 科盾科技股份有限公司 | 一种用于图像拼接的方法及装置 |
CN106204429A (zh) * | 2016-07-18 | 2016-12-07 | 合肥赑歌数据科技有限公司 | 一种基于sift特征的图像配准方法 |
CN107147877A (zh) * | 2017-06-01 | 2017-09-08 | 大连海事大学 | 固定区域夜雾天况全天候彩色视频成像系统及其构建方法 |
CN107301620A (zh) * | 2017-06-02 | 2017-10-27 | 西安电子科技大学 | 基于相机阵列的全景成像方法 |
-
2018
- 2018-06-25 CN CN201810661892.8A patent/CN108876723B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7609291B2 (en) * | 2005-12-07 | 2009-10-27 | Avago Technologies Ecbu Ip (Singapore) Pte. Ltd. | Device and method for producing an enhanced color image using a flash of infrared light |
US20140099033A1 (en) * | 2012-10-05 | 2014-04-10 | Raytheon Bbn Technologies Corp. | Fast computation of kernel descriptors |
CN105279522A (zh) * | 2015-09-30 | 2016-01-27 | 华南理工大学 | 一种基于sift的场景物体实时配准方法 |
CN105631811A (zh) * | 2016-02-25 | 2016-06-01 | 科盾科技股份有限公司 | 一种用于图像拼接的方法及装置 |
CN105550381A (zh) * | 2016-03-17 | 2016-05-04 | 北京工业大学 | 一种基于改进sift特征的高效图像检索方法 |
CN106204429A (zh) * | 2016-07-18 | 2016-12-07 | 合肥赑歌数据科技有限公司 | 一种基于sift特征的图像配准方法 |
CN107147877A (zh) * | 2017-06-01 | 2017-09-08 | 大连海事大学 | 固定区域夜雾天况全天候彩色视频成像系统及其构建方法 |
CN107301620A (zh) * | 2017-06-02 | 2017-10-27 | 西安电子科技大学 | 基于相机阵列的全景成像方法 |
Non-Patent Citations (6)
Title |
---|
SURAYA ABU BAKAR ET AL.: "Content-Based Image Retrieval using SIFT for Binary and Greyscale Images", 《2013 IEEE INTERNATIONAL CONFERENCE ON SIGNAL AND IMAGE PROCESSING APPLICATIONS》 * |
YAN ZHAO ET AL.: "Image matching algorithm based on SIFT using color and exposure information", 《JOURNAL OF SYSTEMS ENGINEERING AND ELECTRONICS》 * |
戴维理: "基于SIFT的图像拼接和特征提取的研究", 《万方学位论文数据库》 * |
王旋: "固定区域夜雾天彩色视频监控关键技术研究", 《万方学位论文数据库》 * |
袁杰: "基于SIFT的图像配准与拼接技术研究", 《万方学位论文数据库》 * |
陆园园 等: "基于SIFT算法的红外图像拼接方法改进", 《计算机系统应用》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109618093A (zh) * | 2018-12-14 | 2019-04-12 | 深圳市云宙多媒体技术有限公司 | 一种全景视频直播方法及系统 |
CN110008818A (zh) * | 2019-01-29 | 2019-07-12 | 北京奇艺世纪科技有限公司 | 一种手势识别方法、装置及计算机可读存储介质 |
CN110058604A (zh) * | 2019-05-24 | 2019-07-26 | 中国科学院地理科学与资源研究所 | 一种基于计算机视觉的无人机精准降落系统 |
CN110309831B (zh) * | 2019-06-10 | 2022-01-07 | 北京工业大学 | 基于机器视觉的非智能水表识读方法 |
CN110309831A (zh) * | 2019-06-10 | 2019-10-08 | 北京工业大学 | 基于机器视觉的非智能水表识读方法 |
CN111815732A (zh) * | 2020-07-24 | 2020-10-23 | 西北工业大学 | 一种针对中红外图像上色的方法 |
CN113099064A (zh) * | 2021-04-08 | 2021-07-09 | 北京利联科技有限公司 | 用于图像参数确定的方法和设备 |
CN113470001A (zh) * | 2021-07-22 | 2021-10-01 | 西北工业大学 | 一种用于红外图像的目标搜索方法 |
CN113470001B (zh) * | 2021-07-22 | 2024-01-09 | 西北工业大学 | 一种用于红外图像的目标搜索方法 |
CN113808053A (zh) * | 2021-09-29 | 2021-12-17 | 华北电力大学(保定) | 一种红外成像仪及其信号校正方法 |
CN115272142A (zh) * | 2022-09-30 | 2022-11-01 | 南通市通州区华凯机械有限公司 | 一种沉浸式驾驶模拟器的场景图像预处理方法 |
CN115272142B (zh) * | 2022-09-30 | 2023-04-18 | 南通市通州区华凯机械有限公司 | 一种沉浸式驾驶模拟器的场景图像预处理方法 |
CN116883503A (zh) * | 2023-09-07 | 2023-10-13 | 山东千颐科技有限公司 | 一种立井提升机尾绳缠绕ai视觉识别检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108876723B (zh) | 2020-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108876723A (zh) | 一种灰度目标图像的彩色背景的构建方法 | |
CN111127318B (zh) | 一种机场环境下的全景图像拼接方法 | |
CN105631880B (zh) | 车道线分割方法和装置 | |
Song et al. | Road extraction using SVM and image segmentation | |
CN109859226B (zh) | 一种图形分割的棋盘格角点亚像素的检测方法 | |
CN107248159A (zh) | 一种基于双目视觉的金属工件缺陷检测方法 | |
CN108537782B (zh) | 一种基于轮廓提取的建筑物图像匹配与融合的方法 | |
CN107967482A (zh) | 图标识别方法及装置 | |
CN107818303B (zh) | 无人机油气管线影像自动对比分析方法、系统及软件存储器 | |
CN106529573A (zh) | 一种结合三维点云分割和局部特征匹配的实时物体检测方法 | |
JP2000293696A (ja) | 画像認識装置 | |
CN108320294B (zh) | 一种二代身份证照片的人像背景智能全自动替换方法 | |
KR100591608B1 (ko) | 영상 정합시 대응점 검색방법 | |
CN105678318B (zh) | 交通标牌的匹配方法及装置 | |
CN109711379B (zh) | 一种复杂环境交通信号灯候选区域提取及识别方法 | |
CN107945221A (zh) | 一种基于rgb‑d图像的三维场景特征表达与高精度匹配方法 | |
CN104732534B (zh) | 一种图像中显著目标的抠取方法及系统 | |
CN110569861A (zh) | 一种基于点特征和轮廓特征融合的图像匹配定位方法 | |
CN113744142B (zh) | 图像修复方法、电子设备及存储介质 | |
CN109754440A (zh) | 一种基于全卷积网络和均值漂移的阴影区域检测方法 | |
CN108960267A (zh) | 用于模型调整的系统和方法 | |
CN111881725B (zh) | 一种融合空频域特征的光学遥感图像船舶目标检测方法 | |
CN106780309A (zh) | 一种合成孔径雷达图像拼接方法 | |
CN116883588A (zh) | 一种大场景下的三维点云快速稠密重建方法及系统 | |
CN114359323A (zh) | 一种基于视觉注意机制的图像目标区域检测方法 |
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 |