CN109165569B - 基于ba算法的被动毫米波图像极化信息显示方法 - Google Patents
基于ba算法的被动毫米波图像极化信息显示方法 Download PDFInfo
- Publication number
- CN109165569B CN109165569B CN201810874746.3A CN201810874746A CN109165569B CN 109165569 B CN109165569 B CN 109165569B CN 201810874746 A CN201810874746 A CN 201810874746A CN 109165569 B CN109165569 B CN 109165569B
- Authority
- CN
- China
- Prior art keywords
- image
- algorithm
- value
- millimeter wave
- polarization information
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
Abstract
本发明公开了一种基于BA算法的被动毫米波图像极化信息显示方法。本发明以根据斯托克斯参数S0,S1得到的极化被动毫米波图像I、Q作为处理对象,依据最大类间方差法、融合相应的图像技术指标,确定目标函数,基于BA算法求取目标函数最大值,实现对图像Q的多阈值分割,然后将到极化信息映射到HSV颜色空间中,最后将HSV颜色空间转化到RGB颜色空间,生成伪彩色图像,让极化信息在伪彩色图像中显示。本发明能够实现图像的多阈值分割,赋予极化信息显示更多的色调;同时,伪彩色图像比灰度毫米波图像具有更好的视觉效果;而且本发明中提出的新目标函数具有更优的量化指标,使极化信息层次更加丰富。
Description
技术领域
本发明属于图像信息显示技术,特别是一种基于BA算法的被动毫米波图像极化信息显示。
背景技术
光学成像系统具有分辨率高、成像直观、技术成熟等特点,在军用与民用场合都得到广泛应用,但由于在光线较弱的场景下(如夜晚等)拍摄的视频影像质量较差,不能满足全天候工作的要求。随着人类在电磁波研究领域的突破,成像系统已不再局限于光学,而是扩展到整个电磁波谱,例如被动毫米波成像技术等。毫米波波段被动成像技术依靠相应辐射计,对目标场景的辐射能量进行接收,并对接收到的信号进行处理,最后以灰度图像或伪彩色图像的形式表现出来。
极化作为电磁波的一个重要特性,受物体表面形状、材料、局部曲率等影响,极化辐射测量是获取物体信息的重要手段之一。极化辐射测量首先应用于遥感领域,通过斯托克斯参数等对辐射能量中的极化信息进行描述,成功应用在海洋风向遥感以及农田作物的健康监测中。同时结合毫米波具有准光学特性,可穿透各种常见物质,如云、雾、衣服等,越来越多的科研团队投入了极化毫米波被动成像的研究中。
尽管极化信息在辐射计成像系统中得到成功应用,但是对于极化被动毫米波图像后处理技术却少有研究。传统的被动毫米波图像为灰度图像,物体之间区分度不高,无法准确还原被测场景。
发明内容
本发明的目的在于提出了一种基于BA算法的被动毫米波图像极化信息显示,克服了传统被动毫米波图像区分度不高,无法准确还原被测场景的缺点。
实现本发明的技术解决方案为:基于BA算法的被动毫米波图像极化信息显示方法,具体步骤为:
步骤1、从辐射计中提取物体辐射极化特征,所述极化特征由斯托克斯参数S0,S1,S2,S3表示,其中S0为所有极化方向的总辐射强度,S1为水平极化辐射与垂直极化辐射强度之差,S2为45°与-45°线极化辐射强度之差,S3为右旋圆极化与左旋圆极化辐射强度之差,根据斯托克斯参数S1获取图像Q,根据斯托克斯参数S0获取图像I;
步骤2、基于最大类间方差法确定目标函数,利用BA算法对目标函数进行求解,利用目标函数对图像Q进行阈值分割,得到图像Q的色调H;
步骤3、建立HSV颜色空间模型,该模型由色调H、饱和度S、亮度V三个颜色参数构成,其中色调根据图像Q的阈值分割结果得到;饱和度S根据图像Q的最大对比度得到,亮度V通过对图像I进行线性缩放得到;
步骤4、将HSV颜色空间转化为RGB空间进行显示。
优选地,步骤1中根据物体辐射极化特征获取图像Q和图像I的具体方法为:根据斯托克斯参数S1获取图像Q,根据斯托克斯参数S0获取图像I。
优选地,步骤2中基于BA算法对图像Q进行阈值分割的具体步骤为:
步骤2-1、根据最大类间方差法确定图像阈值分割基本函数;
步骤2-2、对图像指标峰值信噪比和结构相似性以及基本函数进行加权求和,确定最终的目标函数;
步骤2-3、利用BA算法对目标函数进行迭代求解,将目标函数最大值对应的阈值作为最优解,确定图像Q的最佳阈值分割。
优选地,步骤2-1中确定的阈值分割基本函数为:
J(s)=ω0(μ0-μ)2+ω1(μ1-μ)2+…+ωm(μm-μ)2
式中,ω0、ω1、ωm表示对应的像素值集出现的概率,μ0、μ1、μm表示对应的像素值集的像素值的平均值,μ表示整个图像的像素值的平均值。
优选地,步骤2-2中确定的最终的目标函数为:
J=β1×[ω0(μ0-μ)2+…+ωm(μm-μ)2]+β2×PSNR+β3×SSIM
式中,β1,β2,β3为权重,β1+β2+β3=1,PSNR为峰值信噪比,SSIM为结构相似性。
优选地,峰值信噪比PSNR、结构相似性SSIM的计算公式分别为:
其中,o、s分别表示原始图像和处理后的图像的像素值,图像大小为M×N,o(i,j)表示原始图像像素点(i,j)的像素值;s(i,j)表示分割后的图像像素点(i,j的像素值;μo、μs为原始图像o和分割后的图像s的像素值的均值,σo 2、σs 2为原始图像o和处理后图像s的像素值的方差,σos为原始图像o和处理后图像s的像素值的协方差,B1=(k1L)2和B2=(k2L)2是用来维持稳定的常数,L是像素值的动态范围,k1=0.01,k2=0.03。
优选地,步骤3中饱和度S以及亮度V的获取方法为:
饱和度S设置为图像Q的最大对比度,根据下式计算;
S=Smin+(1-Smin)*(PQ(x,y)-PQ,min)(PQ,max-PQ,min)
式中,Smin为设定的系数,0<Smin<1,PQ(x,y)为图像Q的像素值,PQ,min为图像Q像素值的最小值,PQ,max是图像Q像素值的最大值;
亮度将根据图像I进行线性缩放缩放得到,具体为:
式中,PI(x,y)表示图像I的像素值,PI,min为图像I像素值的最小值,PI,max为图像I的像素值的最大值。
优选地,步骤4将HSV颜色空间转化为RGB空间进行显示的具体转换公式为:
式中,(h,s,v)为HSV空间分量,(r,g,b)为RGB空间分量;
对于每个颜色向量(r,g,b):
本发明与现有技术相比,其显著优点为:(1)本发明具有更好的视觉效果;(2)基于BA算法的图像分割算法可实现图像的多阈值分割,赋予极化信息显示更多的色调;(3)本发明提出的目标函数具有更优的量化指标,使极化信息层次更加丰富。
下面结合附图对本发明做进一步详细的描述。
附图说明
图1本发明的流程图。
图2是实施例1的实景图以及I、Q图像。
图3是m=4时的图像Q灰度直方图。
图4是m=4时的极化信息显示结果图。
具体实施方式
本发明基于BA算法的被动毫米波图像极化信息显示方法,步骤如下:
步骤1、获取斯托克斯参数(S0,S1,S2,S3)。
斯托克斯参数(S0,S1,S2,S3)在辐射测量时被用来描述电磁波的极化特征。
S0=TH+TV
S1=TH-TV=2TH-S0
S2=T45-T-45=2T45-S0
S3=TRHC-TLHC=2TRHC-S0
其中,S0为所有极化方向的总辐射强度,S1为水平极化辐射与垂直极化辐射强度之差,S2为45°与-45°线极化辐射强度之差,S3为右旋圆极化与左旋圆极化辐射强度之差,T为毫米波辐射温度,下标H、V、45、-45分别表示水平、垂直、45°、-45°四种状态的线极化分量,RHC、LHC分别表示右旋极化分量、左旋极化分量。由斯托克斯参数S0,S1可以分别得到目标图像I和图像Q。
步骤2、基于最大类间方差法确定目标函数,利用BA算法对目标函数进行求解,利用目标函数对图像Q进行阈值分割,得到图像Q的色调H。
本步骤中,根据最大类间方差法确定图像阈值分割基本函数,最大类间方差法是一种对图像进行二值化的高效算法,大小为N×M的图像像素值集是L(0,1,…i,…,L-1),i是像素值,ri是图像中像素值为i的像素点个数,则图像像素值概率密度的分布直方图为:
通过阈值s将图像按像素值分为两部分,分别为图像像素值属于C0=0,1,...,s-1和C1=s,s+1,...,L-1的两个点的集合,则像素值集C0和C1出现的几率为:
C0和C1的像素值集的均值为:
整个图像的像素值均值为:
μ=ω0μ0+ω1μ1
整个图像的类间方差为:
J(s)=ω0(μ0-μ)2+ω1(μ1-μ)2
当阈值为s时,图像类间方差是J(s),s按顺序进行遍历,当s满足J(s)最大值时,此时最佳阈值s*满足:
J(s*)=maxJ(s),0≤s≤L-1
上式同样适用于多阈值问题,设多个阈值分别为s1,s2,...,sm,将图像分割为m+1像素值属于C0=0,1,...,s1-1,C1=s1,...,s2-1,…,Cm=sm,...,L-1的集合。
那么多级阈值分割为题的目标函数表示为:
J(s)=ω0(μ0-μ)2+ω1(μ1-μ)2+…+ωm(μm-μ)2
式中,ωm表示像素值集Cm出现的几率,μm表示像素值集Cm的像素值的均值。
在图像处理领域中,图像经过分割后的质量会使用一些通用的图像指标进行评价,如峰值信噪比(PSNR)、均方根误差(RMSE)、结构相似性(SSIM)以及结构相异性(SDIM)等。除了这些指标,基于启发式的参数优化过程中也会考虑一些辅助参数,如迭代次数和CPU处理时间等。
本发明中使用PSNR、SSIM进行确认最终的目标函数。Jmax是从最终结果中得到,而无需进行辅助处理,因此只对PSNR和SSIM进行介绍。
其中o、s分别表示原始图像和处理后的图像的像素值,图像大小为M×N,o(i,j)表示原始图像像素点(i,j)的像素值;s(i,j)表示分割后的图像像素点(i,j)的像素值。
在本发明中,原始图像为图像Q,o(i,j)就表示原始图像Q像素点(i,j)的像素值;处理后的图像为进行阈值分割后的图像Q,s(i,j)就表示分割后的图像Q在像素点(i,j)的像素值,分割后的图像Q在同一阈值区间内的像素值相同,为阈值区间两个端点的像素值的平均值。因此,PSNR也是随着阈值的变化而变化的,是阈值的一个函数。
SSIM通常用来估计原始图像和处理后的图像之间的优越性和依赖关系
其中μo、μs为原始图像o和分割后的图像s的像素值的均值,σo 2、σs 2为原始图像o和处理后图像s的像素值的方差,σos为原始图像o和处理后图像s的像素值的协方差,B1=(k1L)2和B2=(k2L)2是用来维持稳定的常数,L是像素值的动态范围,k1=0.01,k2=0.03。
在本发明中,原始图像就是图像Q,处理后的图像为阈值分割后的图像Q,SSIM也是随着阈值变化而变化的,是阈值的一个函数。
设对图像Q阈值分割的阈值个数m,则可以将图像Q分割为m+1个像素值集,基本函数、PSNR以及SSIM的值都是随着阈值的变化而变化的,按照不同的权重比对它们进行加权求和,确定最终的目标函数:
J=β1×[ω0(μ0-μ)2+…+ωm(μm-μ)2]+β2×PSNR+β3×SSIM
其中β1,β2,β3为权重,β1+β2+β3=1,具体数值由人为设定。
利用BA算法对目标函数求取最优解的过程可以表示为:设定图像Q的像素值范围为[0,L],阈值的个数为m,首先需要给出一组初始解阈值和初始变化值。然后可以求出一个目标函数值,之后根据自适应函数,阈值会进行不断的迭代更新,不断地计算新的目标函数值;等到达迭代次数以后,对所有的目标函数值进行比较,最大的目标函数值对应的阈值即为图像Q的最佳阈值分割的阈值,具体过程为:
(1)初始化。初始化阈值的变化范围,即像素值范围L;阈值分割的个数m以及一个初始阈值(T1,T2...,Tm);初始化初始变化速度A0,以及初始话变化速度范围(Amin,Amax)。
(2)根据初始值求解目标函数的值,得到一组解。
(3)根据自适应函数更新阈值。自适应函数为:
Ti=Ti *+α,,Amax
其中Ti为更新后的阈值,Ti *为现在的阈值,α为(-1,1)间的随机数。
(4)根据更新后的阈值求出新的目标函数值。
(5)重复进行(3)和(4),直到到达设置的迭代次数。
(6)比较所有的目标函数值,选择其中的最大值对应的阈值作为图像Q的最佳阈值分割的阈值。
步骤3、将极化信息映射到HSV空间。
色调H、饱和度S、亮度V三个颜色参数构成了HSV颜色空间模型。其中色调H和饱和度S包含了颜色信息,这种颜色的表现方式与人眼视觉效果相关联,故将此参数用于实现目标区分的图像分割。色调H表示不同的颜色,即对应光谱中相应的颜色,通常的度量单位为角度,从红色开始逆时针方向计算,0°示红色,120°表示绿色,360°表示蓝色,;饱和度S取值范围为[0,1],饱和度最高为纯光谱色,最低时则对应灰度值;亮度V表示色彩的明亮程度,与图像的彩色信息相关性较小,范围为[0,1],两端分别对应白色和黑色。
色调H由步骤2的阈值分割得到,设阈值个数为m,则有m+1个区间,将[0°,360°]等分为m级,分别为{i,2*i…m*I,0°},其中i=360°/m,图像Q像素在同一阈值区间的对应相同的等级值。
饱和度S将设置为图像Q的最大对比度,根据下式计算:
S=Smin+(1-Smin)*(PQ(x,y)-PQ,min)(PQ,max-PQ,min)
式中,Smin是一个固定值,人为设定(0<Smin<1),PQ(x,y)为图像Q的像素值,PQ,min为图像Q像素的最小值,PQ,max是图像Q像素的最大值。
而亮度将根据图像I进行线性缩放得到,如下式所示
式中,PI(x,y)表示图像I的像素值,PI,min为图像I像素的最小值,PI,max为图像I的像素的最大值。
步骤4、将HSV空间转换到RGB颜色空间,显示极化信息。
将HSV颜色空间转化为RGB空间进行显示的具体转换公式为:
式中,(h,s,v)为HSV空间分量,(r,g,b)为RGB空间分量;
对于每个颜色向量(r,g,b):
下面结合实施例对本发明做进一步说明。
实施例1
本发明基于BA算法的被动毫米波图像极化信息显示方法,包括数据获取、算法处理以及图像显示。
图2中a、b、c所示的是目标实景图以及图像I和图像Q,图像I和图像Q是由毫米波辐射计输出的斯托克斯参数(S0,S1,S2,S3)中的S0,S1得到的。设置像素的取值范围为(0,255),且都为整数,阈值个数为m=4,则目标函数为:
J=β1×[ω0(μ0-μ)2+…+ω4(μ4-μ)2]+β2×PSNR+β3×SSIM
其中β1,β2,β3是权重比,由人为设置,本实施例中β1=0.8,β2=0.1,β3=0.1。
设置初始阈值为(51,102,153,204),初始变化速度为A0=20,变化速度最小值Amin=1,变化速度最大值Amax=20,迭代次数为200次,利用BA算法求出最优解。该实施例中求出的目的函数最大值为1546.41,对应的最优阈值为(82,129,153,181),PSNR为23.0392,SSIM为0.6907。图3为图像Q的阈值分割灰度直方图。
由于m=4,所以H被分为72°、144°、216°、288°、0°五个等级,图像Q像素在区间(0,82),(82,129),(129,153),(153,181),(181,255)对应的色度H为分别对应的72°、144°、216°、288°、0°。饱和度S将设置为图像Q的最大对比度,根据下式计算;
S=Smin+(1-Smin)*(PQ(x,y)-PQ,min)(PQ,max-PQ,min)
本实施例中Smin=0.5;
而亮度将根据图像I进行线性缩放缩放得到,如下式所示:
图4为根据HSV空间模型转化而来的RGB颜色空间图像。
Claims (6)
1.基于BA算法的被动毫米波图像极化信息显示方法,其特征在于,具体步骤为:
步骤1、从辐射计中提取物体辐射极化特征,所述极化特征由斯托克斯参数S0,S1,S2,S3表示,其中S0为所有极化方向的总辐射强度,S1为水平极化辐射与垂直极化辐射强度之差,S2为45°与-45°线极化辐射强度之差,S3为右旋圆极化与左旋圆极化辐射强度之差,根据斯托克斯参数S1获取图像Q,根据斯托克斯参数S0获取图像I;
步骤2、基于最大类间方差法确定目标函数,利用BA算法对目标函数进行求解,利用目标函数对图像Q进行阈值分割,得到图像Q的色调H,具体步骤为:
步骤2-1、根据最大类间方差法确定图像阈值分割基本函数;
步骤2-2、对图像指标峰值信噪比和结构相似性以及基本函数进行加权求和,确定最终的目标函数;
步骤2-3、利用BA算法对目标函数进行迭代求解,将目标函数最大值对应的阈值作为最优解,确定图像Q的最佳阈值分割;
步骤3、建立HSV颜色空间模型,该模型由色调H、饱和度S、亮度V三个颜色参数构成,其中色调根据图像Q的阈值分割结果得到;饱和度S根据图像Q的最大对比度得到,亮度V通过对图像I进行线性缩放得到;
步骤4、将HSV颜色空间转化为RGB空间进行显示。
2.根据权利要求1所述的基于BA算法的被动毫米波图像极化信息显示方法,其特征在于,步骤2-1中确定的阈值分割基本函数为:
J(s)=ω0(μ0-μ)2+ω1(μ1-μ)2+…+ωm(μm-μ)2
式中,ω0、ω1、ωm表示对应的像素值集出现的概率,μ0、μ1、μm表示对应的像素值集的像素值的平均值,μ表示整个图像的像素值的平均值。
3.根据权利要求1所述的基于BA算法的被动毫米波图像极化信息显示方法,其特征在于,步骤2-2中确定的最终的目标函数为:
J=β1×[ω0(μ0-μ)2+…+ωm(μm-μ)2]+β2×PSNR+β3×SSIM
式中,β1,β2,β3为权重,β1+β2+β3=1,PSNR为峰值信噪比,SSIM为结构相似性,μ0、μm分别表示对应的像素值集的像素值的平均值,μ表示整个图像的像素值的平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810874746.3A CN109165569B (zh) | 2018-08-03 | 2018-08-03 | 基于ba算法的被动毫米波图像极化信息显示方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810874746.3A CN109165569B (zh) | 2018-08-03 | 2018-08-03 | 基于ba算法的被动毫米波图像极化信息显示方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109165569A CN109165569A (zh) | 2019-01-08 |
CN109165569B true CN109165569B (zh) | 2022-05-13 |
Family
ID=64898788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810874746.3A Active CN109165569B (zh) | 2018-08-03 | 2018-08-03 | 基于ba算法的被动毫米波图像极化信息显示方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109165569B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111323780B (zh) * | 2020-03-16 | 2024-04-16 | 泰州市气象局 | 一种基于连续色标微波辐射计产品复显方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104157002A (zh) * | 2014-08-14 | 2014-11-19 | 东南大学 | 一种基于色彩空间变换的彩色图像纹理力触觉再现方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2395906A4 (en) * | 2009-02-12 | 2017-06-28 | Novartis Ag | Method and apparatus for ocular surface imaging |
CN106384341B (zh) * | 2016-09-12 | 2019-11-15 | 南京理工大学 | 一种基于目标极化辐射特性的毫米波被动图像增强方法 |
-
2018
- 2018-08-03 CN CN201810874746.3A patent/CN109165569B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104157002A (zh) * | 2014-08-14 | 2014-11-19 | 东南大学 | 一种基于色彩空间变换的彩色图像纹理力触觉再现方法 |
Non-Patent Citations (1)
Title |
---|
Post-processing Techniques for Polarimetric Passive Millimeter Wave Imagery;L. Wu 等;《ACES JOURNAL》;20180531;第33卷(第5期);第512-518页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109165569A (zh) | 2019-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111709902B (zh) | 基于自注意力机制的红外和可见光图像融合方法 | |
Ancuti et al. | D-hazy: A dataset to evaluate quantitatively dehazing algorithms | |
Liu et al. | Automatic cloud detection for all-sky images using superpixel segmentation | |
CN105354865B (zh) | 多光谱遥感卫星影像自动云检测方法及系统 | |
CN105894520B (zh) | 一种基于高斯混合模型的卫星影像自动云检测方法 | |
CN105447833A (zh) | 基于偏振的雾天图像重构方法 | |
JP7152131B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
Bi et al. | Haze removal for a single remote sensing image using low-rank and sparse prior | |
CN115578660B (zh) | 基于遥感图像的土地地块分割方法 | |
Zhang et al. | Preprocessing and fusion analysis of GF-2 satellite Remote-sensed spatial data | |
Junwu et al. | An infrared and visible image fusion algorithm based on LSWT-NSST | |
Mathur et al. | Enhancement algorithm for high visibility of underwater images | |
CN112070717A (zh) | 基于图像处理的输电线路覆冰厚度检测方法 | |
CN109165569B (zh) | 基于ba算法的被动毫米波图像极化信息显示方法 | |
CN109946670A (zh) | 一种光学影像驱动的雷达极化信息提取方法 | |
CN112784747B (zh) | 高光谱遥感图像多尺度本征分解方法 | |
CN112561829A (zh) | 基于L通道Gamma变换的多区域非均匀亮度失真校正算法 | |
CN106355625B (zh) | 一种单极化sar假彩色影像生成方法 | |
Ajith et al. | Dark Channel Prior based Single Image Dehazing of Daylight Captures | |
CN111968032A (zh) | 一种自适应采样的单像素成像方法 | |
CN102750680A (zh) | 基于经验模式分解和颜色空间的茶叶图像增强方法 | |
CN112465736B (zh) | 一种用于港口船舶监控的红外视频图像增强方法 | |
Lee et al. | Design of CycleGAN model for SAR image colorization | |
Bhavana et al. | Implementation of plateau histogram equalization technique on thermal images | |
Khalaf et al. | Hazy Image Enhancement Using DCP and AHE Algorithms with YIQ Color Space |
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 |