CN109255774B - 一种图像融合方法、装置及其设备 - Google Patents
一种图像融合方法、装置及其设备 Download PDFInfo
- Publication number
- CN109255774B CN109255774B CN201811139037.7A CN201811139037A CN109255774B CN 109255774 B CN109255774 B CN 109255774B CN 201811139037 A CN201811139037 A CN 201811139037A CN 109255774 B CN109255774 B CN 109255774B
- Authority
- CN
- China
- Prior art keywords
- image
- color
- fusion
- pseudo
- frequency sub
- 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
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 42
- 230000004927 fusion Effects 0.000 claims abstract description 204
- 238000013507 mapping Methods 0.000 claims abstract description 43
- 230000005540 biological transmission Effects 0.000 claims abstract description 25
- 238000012546 transfer Methods 0.000 claims description 87
- 238000000034 method Methods 0.000 claims description 64
- 238000004422 calculation algorithm Methods 0.000 claims description 25
- 230000011218 segmentation Effects 0.000 claims description 24
- 238000000354 decomposition reaction Methods 0.000 claims description 23
- 238000005516 engineering process Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 230000003287 optical effect Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 23
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000011430 maximum method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/10024—Color 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
- G06T2207/10—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
- G06T2207/10—Image acquisition modality
- G06T2207/10052—Images from lightfield camera
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像融合方法、装置及设备,包括:利用不同的预设融合规则对待融合的红外图像和可见光图像进行融合,生成灰度融合图像,并利用灰度融合图像的数据替换由红外图像和可见光图像映射生成的伪彩色融合图像在YUV空间中Y通道的数据,进一步检测红外图像中的运动目标,为运动目标区域和背景区域分别设置不同的传递权重,并根据预设参考图像和传递权重对伪彩色融合图像进行色彩传递,生成目标增强的真彩色融合图像。也即,本发明将利用不同的预设融合规则融合得到的灰度融合图像替换伪彩色融合图像在Y通道的数据,并利用不同的传递权重对运动目标区域和背景区域进行色彩传递,能够有效增强融合图像中细节信息,提升了图像目标的显著性。
Description
技术领域
本发明涉及图像融合技术领域,特别涉及一种图像融合方法、装置及其设备。
背景技术
近年来,随着传感器技术的迅速发展,协调使用多类传感器的成像系统已经被广泛的研究与应用。在此情况下,图像融合技术由于可以结合来自多个传感器的互补信息,生成信息量更大、可靠性更高、针对性更强的融合图像,已经引起了广大学者的强烈注意。当前,图像融合技术已经被广泛地应用在生物医学、安全监控及军事侦察等诸多领域,开展图像融合技术研究具有重要的理论意义和应用价值。
目前,常用的图像融合方法大致可分为灰度融合方法与彩色融合方法两类。实际上,人眼能够识别上千种不同的颜色,但是却仅可以判别几十个灰度等级,因此颜色信息具有更强的表述能力,研究彩色融合方法具有更重要的意义。彩色融合方法主要包含伪彩色融合法及真彩色融合方法。其中,伪彩色融合方法一般直接或者间接的将待融合图像映射到不同的颜色通道中,进而生成为彩色融合图像。这种方法原理简单、计算量小,但是融合图像的颜色不够丰富与自然,不符合人眼感官,因此具有很强的局限性。真彩色融合算法包含MIT法、色彩传递算法及颜色查找表法等。其中,色彩传递算法原理简单、易于实现,且融合图像具有良好的色彩自然性,融合结果符合人眼的感官,因此得到了广泛的应用。色彩传递算法首先采用直接映射法构建一幅伪彩色图像,并挑选一幅色彩自然舒适的彩色参考图像。此后,在颜色空间转换后对两幅图像进行色彩传递,得到真彩色融合图像。
传统的色彩传递算法主要存在以下问题:
一、待融合图像间的灰度差异可能会严重降低融合图像细节信息的对比度,使融合结果的纹理信息不够丰富;
二、色彩传递算法整体考虑待融合图像的所有信息,融合后目标与背景的颜色外观十分相近,使目标的显著性较差。
发明内容
有鉴于此,本发明的目的在于提供一种图像融合方法、装置及设备,能够有效增强图像的细节信息,并提升了最终生成的融合图像中运动目标的显著性。其具体方案如下:
第一方面,本发明公开了一种图像融合方法,包括:
分别对待融合的红外图像和可见光图像进行多分辨率分解,并利用不同的预设融合规则对分解后的高频子图像、低频子图像进行融合,以生成灰度融合图像;
根据预设映射规则,分别将所述红外图像和所述可见光图像映射到指定颜色空间的预设颜色通道内,生成第一伪彩色融合图像,并利用所述灰度融合图像的数据替换所述第一伪彩色融合图像在YUV颜色空间中Y通道的数据,生成细节增强的第二伪彩色融合图像;
检测所述红外图像中的运动目标,以完成所述运动目标与背景的分割,并将目标-背景分割结果映射到所述第二伪彩色融合图像中,然后将所述第二伪彩色融合图像分割成运动目标区域和背景区域;
为所述运动目标区域和所述背景区域分别设置不同的传递权重,并根据预设参考图像和所述传递权重对所述第二伪彩色融合图像进行色彩传递,生成目标增强的真彩色融合图像。
可选的,所述分别对待融合的红外图像和可见光图像进行多分辨率分解,并利用不同的预设融合规则对分解后的高频子图像、低频子图像进行融合,以生成灰度融合图像,包括:
利用小波变换技术分别对待融合的红外图像和可见光图像进行多分辨率分解,得到所述红外图像的高频子图像、低频子图像及所述可见光图像的高频子图像、低频子图像;
利用灰度最大值法将所述红外图像的高频子图像和所述可见光图像的高频子图像进行融合处理,得到融合后的高频子图像;
利用加权平均法将所述红外图像的低频子图像和所述可见光图像的低频子图像进行融合处理,得到融合后的低频子图像;
对所述融合后的高频子图像和所述融合后的低频子图像进行多分辨率重构,生成灰度融合图像。
可选的,所述根据预设映射规则,分别将所述红外图像和所述可见光图像映射到指定颜色空间的预设颜色通道内,包括:
将所述红外图像映射到RGB颜色空间中的R通道,将所述可见光图像映射到所述RGB颜色空间中的G通道和B通道中。
可选的,所述利用所述灰度融合图像的数据替换所述第一伪彩色融合图像在YUV颜色空间中Y通道的数据之前,还包括:
将所述第一伪彩色融合图像从所述RGB颜色空间转换到YUV颜色空间。
可选的,所述检测所述红外图像中的运动目标,包括:
利用PAWCS算法检测所述红外图像中的运动目标。
可选的,所述检测所述红外图像中的运动目标,包括:
利用帧间差分法、背景差分法、光流法及ViBe等典型运动目标检测算法检测所述红外图像中的运动目标。
可选的,所述根据预设参考图像和所述传递权重对所述第二伪彩色融合图像进行色彩传递,包括:
根据预设参考图像和所述传递权重在YUV颜色空间中对所述第二伪彩色融合图像进行色彩传递。
可选的,所述为所述运动目标区域和所述背景区域分别设置不同的传递权重,并根据预设参考图像和所述传递权重对所述第二伪彩色融合图像进行色彩传递,生成目标增强的真彩色融合图像,包括:
利用预设色彩传递算法,根据预设参考图像和所述传递权重在YUV颜色空间中对所述第二伪彩色融合图像进行色彩传递;其中,所述预设色彩传递算法的公式为:
其中,Y、U、V表示所述第二伪彩色融合图像在YUV空间中三个颜色分量的值,分别表示所述第二伪彩色融合图像在YUV空间中Y、U、V三个通道的均值,分别表示所述预设参考图像在YUV空间中Y、U、V三个通道的均值,σR,Y、σR,U、σR,V分别表示所述预设参考图像在YUV空间中Y、U、V三个通道的方差,σS,Y、σS,U、σS,V分别表示所述第二伪彩色融合图像在YUV空间中Y、U、V三个通道的方差,β为V通道分量的传递权重,Y*、U*、V*表示在YUV颜色空间中对所述第二伪彩色融合图像进行色彩传递时Y、U、V三个通道的传递值;
并且,对所述运动目标区域进行颜色传递时,β=3;对所述背景区域进行颜色传递时,β=1,以实现目标增强的效果。
第二方面,本发明公开了一种图像融合装置,包括:
灰度融合模块,用于分别对待融合的红外图像和可见光图像进行多分辨率分解,并利用不同的预设融合规则对分解后的高频子图像、低频子图像进行融合,以生成灰度融合图像;
伪彩色融合模块,用于根据预设映射规则,分别将所述红外图像和所述可见光图像映射到指定颜色空间的预设颜色通道内,生成第一伪彩色融合图像,并利用所述灰度融合图像的数据替换所述第一伪彩色融合图像在YUV颜色空间中Y通道的数据,生成细节增强的第二伪彩色融合图像;
运动目标检测模块,用于检测所述红外图像中的运动目标,以完成所述运动目标与背景的分割,并将目标-背景分割结果映射到所述第二伪彩色融合图像中,然后将所述第二伪彩色融合图像分割成运动目标区域和背景区域;
色彩传递模块,用于为所述运动目标区域和所述背景区域分别设置不同的传递权重,并根据预设参考图像和所述传递权重对所述第二伪彩色融合图像进行色彩传递,生成目标增强的真彩色融合图像。
第三方面,本发明公开了一种图像融合设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现前述公开的图像融合方法的步骤。
可见,本发明分别对待融合的红外图像和可见光图像进行多分辨率分解,并利用不同的预设融合规则对分解后的高频子图像、低频子图像进行融合,以生成灰度融合图像;根据预设映射规则,分别将红外图像和可见光图像映射到指定颜色空间的预设颜色通道内,生成第一伪彩色融合图像,并利用灰度融合图像的数据替换第一伪彩色融合图像在YUV颜色空间中Y通道的数据,生成细节增强的第二伪彩色融合图像;检测红外图像中的运动目标,以完成运动目标与背景的分割,并将目标-背景分割结果映射到第二伪彩色融合图像中,然后将所述第二伪彩色融合图像分割成运动目标区域和背景区域;为运动目标区域和背景区域分别设置不同的传递权重,并根据预设参考图像和传递权重对第二伪彩色融合图像进行色彩传递,生成目标增强的真彩色融合图像。由上可知,本发明通过利用不同的预设融合规则对分解后的高频子图像、低频子图像融合得到的灰度融合图像的数据替换第二伪彩色融合图像在YUV颜色空间中Y通道的数据,能够有效的增强融合图像中的细节信息,使轮廓纹理更加清晰;另外,利用不同的传递权重对运动目标区域和背景区域进行色彩传递,有效提升了真彩色融合图像中目标的显著性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明公开的一种图像融合方法的流程图;
图2为本发明公开的一种图像融合方法的流程图;
图3为本发明公开的一种图像融合方法中灰度融合图像生成过程的流程图;
图4为本发明公开的一种生成灰度融合图像过程中小波变换多分辨率分解的示意图;
图5为本发明公开的一种生成灰度融合图像过程中小波变换多分辨率重构的示意图;
图6为本发明公开的一种图像融合方法中伪彩色融合图像生成过程的流程图;
图7为本发明公开的一种图像融合方法中色彩传递过程的流程图;
图8为本发明公开的一种图像融合方法中色彩传递过程的流程图;
图9为本发明公开的一种图像融合装置的结构示意图;
图10为本发明公开的一种具体的图像融合设备的硬件结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
现有技术中,利用传统的图像融合技术进行图像融合,待融合图像间的灰度差异可能会严重降低融合后图像细节信息的对比度,使融合结果的纹理信息不够丰富;且传统的图像融合方法整体考虑待融合图像的所有信息,融合后目标与背景的颜色外观十分相近,目标的显著性较差。鉴于此,本发明通过利用不同的预设融合规则对分解后的高频子图像、低频子图像融合得到灰度融合图像,利用灰度融合图像的数据替换第二伪彩色融合图像在YUV颜色空间中Y通道的数据,有效的增强了融合图像中的细节信息,使轮廓纹理更加清晰;并且利用不同的传递权重对运动目标区域和背景区域进行色彩传递,有效提升了真彩色融合图像中目标的显著性。
本发明实施例公开了一种图像融合方法,参见图1所示,该方法包括:
步骤S101:分别对待融合的红外图像和可见光图像进行多分辨率分解,并利用不同的预设融合规则对分解后的高频子图像、低频子图像进行融合,以生成灰度融合图像;
本实施例中,首先对待融合的红外图像和可见光图像分别进行多分辨率分解,并利用不同的预设融合规则分别对分解得到的所述红外图像的高频子图像和所述可见光图像的高频子图像,以及所述红外图像的低频子图像和所述可见光图像的低频子图像进行融合,进一步地,将融合后的高低频部分进行融合,从而生成灰度融合图像。
需要指出的是,红外图像能够较好的反应图像的热目标特性,但对场景的细节特征不敏感,而可见光图像包含丰富的细节信息,若直接按照传统的融合方法将所述红外图像和所述可见光图像进行融合,可能会存在边缘失真、细节模糊,图像清晰度低的问题。本实施例通过分别对红外图像和可见光图像的高低频部分采用不同的融合规则,可以很大程度的保留图像细节信息。
步骤S102:根据预设映射规则,分别将所述红外图像和所述可见光图像映射到指定颜色空间的预设颜色通道内,生成第一伪彩色融合图像,并利用所述灰度融合图像的数据替换所述第一伪彩色融合图像在YUV颜色空间中Y通道的数据,生成细节增强的第二伪彩色融合图像;
需要说明的是,本实施例根据预设映射规则,利用所述红外图像和所述可见光图像生成第一伪彩色融合图像。具体地,所述利用所述红外图像和所述可见光图像生成第一伪彩色融合图像的过程可以在RGB颜色空间中实现,或在YUV颜色空间中实现。进一步地,将所述第一伪彩色融合图像在YUV颜色空间中Y通道的数据利用所述灰度融合图像的数据进行替换,生成第二伪彩色融合图像。
可以理解的是,步骤S101最终生成的所述灰度融合图像能够较好的保留图像细节信息,利用所述灰度融合图像的数据代替所述第一伪彩色融合图像的Y通道的数据,可以生成相对于所述第一伪彩色融合图像细节更为清晰鲜明的第二伪彩色融合图像,使轮廓纹理更为显著。
步骤S103:检测所述红外图像中的运动目标,以完成所述运动目标与背景的分割,并将目标-背景分割结果映射到所述第二伪彩色融合图像中,然后将所述第二伪彩色融合图像分割成运动目标区域和背景区域;
可以理解的是,由于红外图像中的运动目标更显著,且在红外图像中进行检测可以避免阴影和光线变化的影响,因此本实施例选择在红外图像中进行运动目标检测。
具体地,本实施例中采用运动目标检测技术检测所述红外图像中的运动目标,得到运动目标与背景的目标-背景分割结果。进一步将所述目标-背景分割结果映射到所述第二伪彩色融合图像中,从而将所述第二伪彩色融合图像分割成运动目标区域和背景区域,以为后续色彩传递提供基础。
步骤S104:为所述运动目标区域和所述背景区域分别设置不同的传递权重,并根据预设参考图像和所述传递权重对所述第二伪彩色融合图像进行色彩传递,生成目标增强的真彩色融合图像。
需要说明的是,本实施例首先为包含目标-背景分割结果的所述第二伪彩色融合图像中所述运动目标区域和所述背景区域分别设置不同的传递权重,并基于预设参考图像和所述传递权重得到传递值,对所述第二伪彩色融合图像进行色彩传递,以生成最终的目标增强式真彩色融合图像。其中,所述预设参考图像可以预先由用户选定一副与融合场景的类型相似、色调舒适自然的彩色参考图像。
可以理解的是,传统的色彩传递算法并未对待融合图像的信息进行区别考虑,而是基于对整体信息考虑的情况下对图像进行融合,导致融合后图像中运动目标与背景的颜色、外观十分相似,目标显著性较差。本实施例中,为所述运动目标区域和所述背景区域分别设置不同的传递权重,可以突出运动目标的颜色,进而使运动目标更为显著。具体地,可以根据具体实施场景的需求设置传递权重,例如,可以为所述运动目标区域设置一定的传递权重,所述背景区域不予设置,或为所述运动目标区域设置较大的传递权重,为所述背景区域设置较小的传递权重,从而达到提升运动目标颜色显著性的目的。
可见,本发明分别对待融合的红外图像和可见光图像进行多分辨率分解,并利用不同的预设融合规则对分解后的高频子图像、低频子图像进行融合,以生成灰度融合图像;根据预设映射规则,分别将红外图像和可见光图像映射到指定颜色空间的预设颜色通道内,生成第一伪彩色融合图像,并利用灰度融合图像的数据替换第一伪彩色融合图像在YUV颜色空间中Y通道的数据,生成细节增强的第二伪彩色融合图像;检测红外图像中的运动目标,以完成运动目标与背景的分割,并将目标-背景分割结果映射到第二伪彩色融合图像中,然后将所述第二伪彩色融合图像分割成运动目标区域和背景区域,为运动目标区域和背景区域分别设置不同的传递权重,并根据预设参考图像和传递权重对第二伪彩色融合图像进行色彩传递,生成目标增强的真彩色融合图像。由上可知,本发明通过利用不同的预设融合规则对分解后的高频子图像、低频子图像融合得到的灰度融合图像的数据替换第二伪彩色融合图像在YUV颜色空间中Y通道的数据,能够有效的增强融合图像中的细节信息,使轮廓纹理更加清晰;另外,利用不同的传递权重对运动目标区域和背景区域进行色彩传递,有效提升了真彩色融合图像中目标的显著性。
在本发明所提供的图像融合方法的另一具体实施方式中,针对步骤S101生成灰度融合图像的过程进行进一步阐述,参照图3,该过程包括:
步骤S1011:利用小波变换技术分别对待融合的红外图像和可见光图像进行多分辨率分解,得到所述红外图像的高频子图像、低频子图像及所述可见光图像的高频子图像、低频子图像;
具体地,利用小波变换技术分别对待融合的红外图像和可见光图像进行多分辨率分解的示意图参照图4所示。需要说明的是,本实施例中使用小波变换技术分别对待融合的红外图像和可见光图像进行多分辨率分解时,采用的小波基为D4小波基,分解层数为两层,每一层分解后能够得到4个子图像,包含三个低频子图像和一个高频子图像。具体地,对红外图像和可见光图像进行多分辨率分解之后,得到所述红外图像的高频子图像、低频子图像及所述可见光图像的高频子图像、低频子图像。
步骤S1012:利用灰度最大值法将所述红外图像的高频子图像和所述可见光图像的高频子图像进行融合处理,得到融合后的高频子图像;
步骤S1013:利用加权平均法将所述红外图像的低频子图像和所述可见光图像的低频子图像进行融合处理,得到融合后的低频子图像;
可以理解的是,在图像融合时,待融合图像间的灰度差异可能会严重降低融合后图像细节信息的对比度,使纹理和轮廓不够清晰丰富。由此,本实施例中对高频子图像和低频子图像的融合分别采用不同的融合规则。具体地,利用灰度最大值法将所述红外图像的高频子图像和所述可见光图像的高频子图像进行融合处理,以得到融合后的高频子图像;其中,所述灰度最大值法的公式为:
利用加权平均法将所述红外图像的低频子图像和所述可见光图像的低频子图像进行融合处理,以得到融合后的低频子图像;其中,所述加权平均法的公式为:
其中,和分别表示所述红外图像和所述可见光图像在第j层分解时得到的低频子图像,而k表示低频方向数。α和β分别表示红外与可见光低频分量的权重值。由于所述可见光图像中包含更多的细节场景信息,本实施例中α和β的取值分别为0.3与0.7。在此不限定α和β的取值,这均不影响本发明的实现。
需要指出的是,本发明实施例中步骤S102以及步骤S1013之间没有时间上的先后限制,可以在得到融合后的高频子图像后对红外图像和可见光图像的低频子图像进行融合,也可以在得到融合后的低频子图像后对红外图像和可见光图像的高频子图像进行融合,同样也可以在获取到分解后的红外图像的高频子图像、低频子图像以及可见光图像的高频子图像、低频子图像之后,同时开始对红外图像和可见光图像的高频和低频进行融合。
步骤S1014:对所述融合后的高频子图像和所述融合后的低频子图像进行多分辨率重构,生成灰度融合图像。
参照图5所示,本实施例中,利用多分辨率重构将融合后的高频子图像和融合后的低频子图像进行融合,生成灰度融合图像。
在本发明所提供的图像融合方法的另一具体实施方式中,针对步骤S102生成第二伪彩色融合图像的过程进行进一步阐述,参照图6,该过程包括:
步骤S1021:将所述红外图像映射到RGB颜色空间中的R通道,将所述可见光图像映射到所述RGB颜色空间中的G通道和B通道中,生成第一伪彩色融合图像;
具体地,本实施例根据预设映射规则,分别将所述红外图像和所述可见光图像映射到RGB颜色空间的预设颜色通道内,其中,所述预设映射规则如下:
其中,IR表示红外图像,VIS表示可见光图像,也即,将所述红外图像映射到所述RGB颜色空间中的R通道,将所述可见光图像映射到所述RGB颜色空间中的G通道和B通道中,从而生成第一伪彩色融合图像。
步骤S1022:将所述第一伪彩色融合图像从所述RGB颜色空间转换到YUV颜色空间;
步骤S1023:利用所述灰度融合图像的数据替换所述第一伪彩色融合图像在YUV颜色空间中Y通道的数据,生成细节增强的第二伪彩色融合图像。
可以理解的是,本实施例中利用所述灰度融合图像的数据代替所述第一伪彩色融合图像的Y通道的数据,可以生成相对于所述第一伪彩色融合图像细节信息更为鲜明的第二伪彩色融合图像,由此,在利用灰度融合图像的数据代替Y通道的数据之前,将所述第一伪彩色融合图像从RGB颜色空间转换到YUV颜色空间中,以使后续利用灰度融合图像的数据代替Y通道数据的过程顺利进行。
在本发明所提供的图像融合方法的另一具体实施方式中,针对步骤S103检测红外图像中的运动目标的过程进行进一步阐述,该过程包括:
利用PAWCS算法检测所述红外图像中的运动目标,以完成所述运动目标与背景的分割,并将目标-背景分割结果映射到所述第二伪彩色融合图像中,然后将所述第二伪彩色融合图像分割成运动目标区域和背景区域。
具体地,所述PAWCS算法采用颜色及二值化特征构建一个统计背景模型,并通过预设负反馈机制实时更新所述背景模型。最后,求取所述红外图像与所述背景模型的差值并进行二值化,从而实现运动目标的检测。
另外,还可以利用帧间差分法、背景差分法、光流法及ViBe等常用运动目标检测算法检测所述红外图像中的运动目标,以完成所述运动目标与背景的分割。关于该部分利用常用运动目标检测算法检测图像中运动目标的实现是现有技术,本发明中不再赘述。
在本发明所提供的图像融合方法的另一具体实施方式中,针对步骤S104通过色彩传递生成目标增强的真彩色融合图像的过程进行进一步阐述,参照图7所示,该过程包括:
步骤S1041:对预设参考图像与所述第二伪彩色融合图像进行颜色空间转换;
需要说明的是,由于YUV颜色空间进行了亮度-色差分离,可以独立地更改各个颜色分量,且RGB颜色空间与YUV颜色空间的转换过程也较为简单,因此本实施例选择在YUV颜色空间中进行色彩传递。具体地,将预设参考图像与所述第二伪彩色融合图像从RGB颜色空间转换到YUV颜色空间。
步骤S1042:为所述运动目标区域和背景区域设置不同的传递权重,利用预设色彩传递算法,根据所述预设参考图像和所述传递权重在YUV颜色空间中对所述第二伪彩色融合图像进行色彩传递;
具体地,所述预设色彩传递算法的公式为:
其中,Y、U、V表示所述第二伪彩色融合图像在YUV空间中三个颜色分量的值,分别表示所述第二伪彩色融合图像在YUV空间中Y、U、V三个通道的均值,分别表示所述预设参考图像在YUV空间中Y、U、V三个通道的均值,σR,Y、σR,U、σR,V分别表示所述预设参考图像在YUV空间中Y、U、V三个通道的方差,σS,Y、σS,U、σS,V分别表示所述第二伪彩色融合图像在YUV空间中Y、U、V三个通道的方差,β为V通道分量的传递权重,Y*、U*、V*表示在YUV颜色空间中对所述第二伪彩色融合图像进行色彩传递时Y、U、V三个通道的传递值。本实施例中,σR,Y、σR,U、σR,V与σS,Y、σS,U、σS,V的比值为偏移量系数。
另外,对所述运动目标区域进行颜色传递时,β=3;对所述背景区域进行颜色传递时,β=1,也即对运动目标进行颜色传递时在红色色差V通道设置取值为3的传递权重,从而使目标的颜色更趋近于红色,实现目标增强的效果。
步骤S1043:将色彩传递完成后的图像转换到RGB颜色空间,得到目标增强的真彩色融合图像。
可以理解的是,由于大多显示器均通过组合RGB三原色来重现图像,因此,在显示端需将YUV信号转换成RGB信号,也即本实施例中将色彩传递完成后的图像由YUV颜色空间转换到RGB颜色空间的过程。
图8为本发明公开的一种图像融合方法中色彩传递过程的流程图,关于上述步骤S1041至S1043的过程可以参照图8所示。
下面对本发明实施例提供的图像融合装置进行介绍,下文描述的图像融合装置与上文描述的图像融合方法可相互对应参照。
图9为本发明实施例所提供的图像融合装置的结构框图,参照图9所示,图像融合装置可以包括:
灰度融合模块100,用于分别对待融合的红外图像和可见光图像进行多分辨率分解,并利用不同的预设融合规则对分解后的高频子图像、低频子图像进行融合,以生成灰度融合图像;
伪彩色融合模块200,用于根据预设映射规则,分别将所述红外图像和所述可见光图像映射到指定颜色空间的预设颜色通道内,生成第一伪彩色融合图像,并利用所述灰度融合图像的数据替换所述第一伪彩色融合图像在YUV颜色空间中Y通道的数据,生成细节增强的第二伪彩色融合图像;
运动目标检测模块300,用于检测所述红外图像中的运动目标,以完成所述运动目标与背景的分割,并将目标-背景分割结果映射到所述第二伪彩色融合图像中,然后将所述第二伪彩色融合图像分割成运动目标区域和背景区域;
色彩传递模块400,用于为所述运动目标区域和所述背景区域分别设置不同的传递权重,并根据预设参考图像和所述传递权重对所述第二伪彩色融合图像进行色彩传递,生成目标增强的真彩色融合图像。
本实施例的图像融合装置用于实现前述的图像融合方法,因此图像融合装置中的具体实施方式可见前文中的图像融合方法的实施例部分,在此不再进行赘述。
进一步地,本发明实施例还公开了一种图像融合设备,该图像融合设备包括存储器11和处理器12,其中,所述处理器12执行所述存储器11中保存的计算机程序时实现以下步骤:
分别对待融合的红外图像和可见光图像进行多分辨率分解,并利用不同的预设融合规则对分解后的高频子图像、低频子图像进行融合,以生成灰度融合图像;根据预设映射规则,分别将所述红外图像和所述可见光图像映射到指定颜色空间的预设颜色通道内,生成第一伪彩色融合图像,并利用所述灰度融合图像的数据替换所述第一伪彩色融合图像在YUV颜色空间中Y通道的数据,生成细节增强的第二伪彩色融合图像;检测所述红外图像中的运动目标,以完成所述运动目标与背景的分割,并将目标-背景分割结果映射到所述第二伪彩色融合图像中,然后将所述第二伪彩色融合图像分割成运动目标区域和背景区域;为所述运动目标区域和所述背景区域分别设置不同的传递权重,并根据预设参考图像和所述传递权重对所述第二伪彩色融合图像进行色彩传递,生成目标增强的真彩色融合图像。
本实施例中,所述处理器12执行所述存储器11中保存的计算机子程序时,可以具体实现以下步骤:利用小波变换技术分别对待融合的红外图像和可见光图像进行多分辨率分解,得到所述红外图像的高频子图像、低频子图像及所述可见光图像的高频子图像、低频子图像;利用灰度最大值法将所述红外图像的高频子图像和所述可见光图像的高频子图像进行融合处理,得到融合后的高频子图像;利用加权平均法将所述红外图像的低频子图像和所述可见光图像的低频子图像进行融合处理,得到融合后的低频子图像;对所述融合后的高频子图像和所述融合后的低频子图像进行多分辨率重构,生成灰度融合图像。
本实施例中,所述处理器12执行所述存储器11中保存的计算机子程序时,可以具体实现以下步骤:将所述红外图像映射到RGB颜色空间中的R通道,将所述可见光图像映射到所述RGB颜色空间中的G通道和B通道中。
本实施例中,所述处理器12执行所述存储器11中保存的计算机子程序时,可以具体实现以下步骤:将所述第一伪彩色融合图像从所述RGB颜色空间转换到YUV颜色空间。
本实施例中,所述处理器12执行所述存储器11中保存的计算机子程序时,可以具体实现以下步骤:利用PAWCS算法检测所述红外图像中的运动目标。
本实施例中,所述处理器12执行所述存储器11中保存的计算机子程序时,可以具体实现以下步骤:利用帧间差分法、背景差分法、光流法及ViBe等典型运动目标检测算法检测所述红外图像中的运动目标。
本实施例中,所述处理器12执行所述存储器11中保存的计算机子程序时,可以具体实现以下步骤:根据预设参考图像和所述传递权重在YUV颜色空间中对所述第二伪彩色融合图像进行色彩传递。
本实施例中,所述处理器12执行所述存储器11中保存的计算机子程序时,可以具体实现以下步骤:利用预设色彩传递算法,根据预设参考图像和所述传递权重在YUV颜色空间中对所述第二伪彩色融合图像进行色彩传递。
进一步地,参见图10所示,本实施例中的图像融合设备,还可以包括:
输入接口13,用于获取外界导入的计算机程序,并将获取到的计算机程序保存至所述存储器11中,还可以用于获取外界终端设备传输的各种指令和参数,并传输至处理器12中,以便处理器12利用上述各种指令和参数展开相应的处理。本实施例中,所述输入接口13具体可以包括但不限于USB接口、串行接口、语音输入接口、指纹输入接口、硬盘读取接口等。
输出接口14,用于将处理器12产生的各种数据输出至与其相连的终端设备,以便于与输出接口14相连的其他终端设备能够获取到处理器12产生的各种数据。本实施例中,所述输出接口14具体可以包括但不限于USB接口、串行接口等。
显示单元15,用于对处理器12发送过来的数据进行显示。
通信单元16,用于和外部服务器之间建立远程通信连接,获取外界终端发送的数据,然后发送至处理器12进行处理分析,另外,处理器12还可以将处理后得到的各种结果通过通信单元16发送至预设的各种数据接收端。本实施例中,上述通信单元16所采用的通信技术可以是有线通信技术或无线通信技术,如通用串行总线(USB)、无线保真技术(WiFi)、蓝牙通信技术、低功耗蓝牙通信技术(BLE)等。另外,通信单元16具体可以根据宽带码分多址(W-CDMA)、长期演进(LTE)和类似标准操作的蜂窝无线收发器。
进一步的,本发明实施例还公开了一种计算机可读存储介质,用于存储计算机程序,其中,所述计算机程序被处理器执行时实现前述公开的图像融合方法,关于该方法的具体步骤可以参考前述实施例中公开的相应内容,在此不再进行赘述。
本发明通过利用不同的预设融合规则对分解后的高频子图像、低频子图像融合得到的灰度融合图像的数据替换第二伪彩色融合图像在YUV颜色空间中Y通道的数据,能够有效的增强融合图像中的细节信息,使轮廓纹理更加清晰;另外,利用不同的传递权重对运动目标区域和背景区域进行色彩传递,有效提升了真彩色融合图像中目标的显著性。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种图像融合方法、装置、设备及存储介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种图像融合方法,其特征在于,包括:
分别对待融合的红外图像和可见光图像进行多分辨率分解,并利用不同的预设融合规则对分解后的高频子图像、低频子图像进行融合,以生成灰度融合图像;
根据预设映射规则,分别将所述红外图像和所述可见光图像映射到指定颜色空间的预设颜色通道内,生成第一伪彩色融合图像,并利用所述灰度融合图像的数据替换所述第一伪彩色融合图像在YUV颜色空间中Y通道的数据,生成细节增强的第二伪彩色融合图像;
检测所述红外图像中的运动目标,以完成所述运动目标与背景的分割,并将目标-背景分割结果映射到所述第二伪彩色融合图像中,然后将所述第二伪彩色融合图像分割成运动目标区域和背景区域;
为所述运动目标区域和所述背景区域分别设置不同的传递权重,并根据预设参考图像和所述传递权重对所述第二伪彩色融合图像进行色彩传递,生成目标增强的真彩色融合图像;
所述根据预设映射规则,分别将所述红外图像和所述可见光图像映射到指定颜色空间的预设颜色通道内,包括:
将所述红外图像映射到RGB颜色空间中的R通道,将所述可见光图像映射到所述RGB颜色空间中的G通道和B通道中。
2.根据权利要求1所述的图像融合方法,其特征在于,所述分别对待融合的红外图像和可见光图像进行多分辨率分解,并利用不同的预设融合规则对分解后的高频子图像、低频子图像进行融合,以生成灰度融合图像,包括:
利用小波变换技术分别对待融合的红外图像和可见光图像进行多分辨率分解,得到所述红外图像的高频子图像、低频子图像及所述可见光图像的高频子图像、低频子图像;
利用灰度最大值法将所述红外图像的高频子图像和所述可见光图像的高频子图像进行融合处理,得到融合后的高频子图像;
利用加权平均法将所述红外图像的低频子图像和所述可见光图像的低频子图像进行融合处理,得到融合后的低频子图像;
对所述融合后的高频子图像和所述融合后的低频子图像进行多分辨率重构,生成灰度融合图像。
3.根据权利要求1所述的图像融合方 法,其特征在于,所述利用所述灰度融合图像的数据替换所述第一伪彩色融合图像在YUV颜色空间中Y通道的数据之前,还包括:
将所述第一伪彩色融合图像从所述RGB颜色空间转换到YUV颜色空间。
4.根据权利要求1所述的图像融合方法,其特征在于,所述检测所述红外图像中的运动目标,包括:
利用PAWCS算法检测所述红外图像中的运动目标。
5.根据权利要求1所述的图像融合方法,其特征在于,所述检测所述红外图像中的运动目标,包括:
利用帧间差分法、背景差分法、光流法及ViBe等典型运动目标检测算法检测所述红外图像中的运动目标。
6.根据权利要求1至5任一项所述的图像融合方法,其特征在于,所述根据预设参考图像和所述传递权重对所述第二伪彩色融合图像进行色彩传递,包括:
根据预设参考图像和所述传递权重在YUV颜色空间中对所述第二伪彩色融合图像进行色彩传递。
7.根据权利要求6所述的图像融合方法,其特征在于,所述为所述运动目标区域和所述背景区域分别设置不同的传递权重,并根据预设参考图像和所述传递权重对所述第二伪彩色融合图像进行色彩传递,生成目标增强的真彩色融合图像,包括:
利用预设色彩传递算法,根据预设参考图像和所述传递权重在YUV颜色空间中对所述第二伪彩色融合图像进行色彩传递;其中,所述预设色彩传递算法的公式为:
其中,γ、u、V表示所述第二伪彩色融合图像在YUV空间中三个颜色分量的值,分别表示所述第二伪彩色融合图像在YUV空间中Y、U、V三个通道的均值,分别表示所述预设参考图像在YUV空间中Y、U、V三个通道的均值,σR,Y、σR,U、σR,V分别表示所述预设参考图像在YUV空间中Y、U、V三个通道的方差,σS,γ、σS,u、σS,V分别表示所述第二伪彩色融合图像在YUV空间中Y、U、V三个通道的方差,β为V通道分量的传递权重,γ*、u*、V*表示在YUV颜色空间中对所述第二伪彩色融合图像进行色彩传递时Y、U、V三个通道的传递值;
并且,对所述运动目标区域进行颜色传递时,β=3;对所述背景区域进行颜色传递时,β=1,以实现目标增强的效果。
8.一种图像融合装置,其特征在于,包括:
灰度融合模块,用于分别对待融合的红外图像和可见光图像进行多分辨率分解,并利用不同的预设融合规则对分解后的高频子图像、低频子图像进行融合,以生成灰度融合图像;
伪彩色融合模块,用于根据预设映射规则,分别将所述红外图像和所述可见光图像映射到指定颜色空间的预设颜色通道内,生成第一伪彩色融合图像,并利用所述灰度融合图像的数据替换所述第一伪彩色融合图像在YUV颜色空间中Y通道的数据,生成细节增强的第二伪彩色融合图像;
运动目标检测模块,用于检测所述红外图像中的运动目标,以完成所述运动目标与背景的分割,并将目标-背景分割结果映射到所述第二伪彩色融合图像中,然后将所述第二伪彩色融合图像分割成运动目标区域和背景区域;
色彩传递模块,用于为所述运动目标区域和所述背景区域分别设置不同的传递权重,并根据预设参考图像和所述传递权重对所述第二伪彩色融合图像进行色彩传递,生成目标增强的真彩色融合图像;
所述伪彩色融合模块,用于将所述红外图像映射到RGB颜色空间中的R通道,将所述可见光图像映射到所述RGB颜色空间中的G通道和B通道中。
9.一种图像融合设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述图像融合方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811139037.7A CN109255774B (zh) | 2018-09-28 | 2018-09-28 | 一种图像融合方法、装置及其设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811139037.7A CN109255774B (zh) | 2018-09-28 | 2018-09-28 | 一种图像融合方法、装置及其设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109255774A CN109255774A (zh) | 2019-01-22 |
CN109255774B true CN109255774B (zh) | 2022-03-25 |
Family
ID=65048590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811139037.7A Active CN109255774B (zh) | 2018-09-28 | 2018-09-28 | 一种图像融合方法、装置及其设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109255774B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919861A (zh) * | 2019-01-29 | 2019-06-21 | 浙江数链科技有限公司 | 红外图像增强方法、装置、计算机设备和存储介质 |
CN113643186A (zh) * | 2020-04-27 | 2021-11-12 | 华为技术有限公司 | 一种图像增强方法及电子设备 |
CN111815548B (zh) * | 2020-07-07 | 2023-11-03 | 昆明物理研究所 | 一种中长波双波段红外图像融合方法 |
CN111881853B (zh) * | 2020-07-31 | 2022-09-16 | 中北大学 | 一种超大桥隧中异常行为识别方法和装置 |
CN112767291B (zh) * | 2021-01-04 | 2024-05-28 | 浙江华感科技有限公司 | 可见光图像和红外图像融合方法、设备及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339653A (zh) * | 2008-01-30 | 2009-01-07 | 西安电子科技大学 | 基于彩色传递及熵信息的红外与彩色可见光图像融合方法 |
CN101714251A (zh) * | 2009-12-22 | 2010-05-26 | 上海电力学院 | 一种红外与可见光伪彩色图像融合及增强方法 |
CN102789640A (zh) * | 2012-07-16 | 2012-11-21 | 中国科学院自动化研究所 | 一种将可见光全色图像与红外遥感图像进行融合的方法 |
CN105069768A (zh) * | 2015-08-05 | 2015-11-18 | 武汉高德红外股份有限公司 | 一种可见光图像与红外图像融合处理系统及融合方法 |
CN105701765A (zh) * | 2015-09-23 | 2016-06-22 | 河南科技学院 | 一种图像处理的方法及移动终端 |
CN108537764A (zh) * | 2018-03-06 | 2018-09-14 | 深圳明创自控技术有限公司 | 一种人机混合智能驾驶系统 |
-
2018
- 2018-09-28 CN CN201811139037.7A patent/CN109255774B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339653A (zh) * | 2008-01-30 | 2009-01-07 | 西安电子科技大学 | 基于彩色传递及熵信息的红外与彩色可见光图像融合方法 |
CN101714251A (zh) * | 2009-12-22 | 2010-05-26 | 上海电力学院 | 一种红外与可见光伪彩色图像融合及增强方法 |
CN102789640A (zh) * | 2012-07-16 | 2012-11-21 | 中国科学院自动化研究所 | 一种将可见光全色图像与红外遥感图像进行融合的方法 |
CN105069768A (zh) * | 2015-08-05 | 2015-11-18 | 武汉高德红外股份有限公司 | 一种可见光图像与红外图像融合处理系统及融合方法 |
CN105701765A (zh) * | 2015-09-23 | 2016-06-22 | 河南科技学院 | 一种图像处理的方法及移动终端 |
CN108537764A (zh) * | 2018-03-06 | 2018-09-14 | 深圳明创自控技术有限公司 | 一种人机混合智能驾驶系统 |
Non-Patent Citations (2)
Title |
---|
基于NSST变换域KFE与DUM-PCNN的伪彩色图像融合;王峰 等;《西北工业大学学报》;20170831;第35卷(第4期);第698-702页 * |
基于多尺度变换的红外与可见光图像融合算法研究;罗高鹏;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180715(第7期);第1、6章 * |
Also Published As
Publication number | Publication date |
---|---|
CN109255774A (zh) | 2019-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109255774B (zh) | 一种图像融合方法、装置及其设备 | |
CN109688351B (zh) | 一种图像信号处理方法、装置及设备 | |
CN110796595B (zh) | 一种色调映射方法、装置及电子设备 | |
CN110944160B (zh) | 一种图像处理方法及电子设备 | |
CN110069974B (zh) | 高光图像处理方法、装置和电子设备 | |
US11070705B2 (en) | System and method for image dynamic range adjusting | |
CN110706310A (zh) | 一种图文融合方法、装置及电子设备 | |
CN113538223A (zh) | 噪声图像生成方法、装置、电子设备及存储介质 | |
EP3180910A1 (en) | System and method for optimized chroma subsampling | |
CN112819691B (zh) | 图像处理方法、装置、设备及可读存储介质 | |
CN113989165A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
US11373060B2 (en) | Training method for video stabilization and image processing device using the same | |
CN115953597B (zh) | 图像处理方法、装置、设备及介质 | |
CN115272667B (zh) | 农田图像分割模型训练方法、装置、电子设备和介质 | |
CN111401453A (zh) | 一种马赛克图像分类识别方法及系统 | |
Huang et al. | Edge device-based real-time implementation of CycleGAN for the colorization of infrared video | |
CN111292251A (zh) | 图像偏色校正方法、装置以及计算机存储介质 | |
CN107221019B (zh) | 图表转换方法及装置 | |
US20230394727A1 (en) | Dynamic color adjustment in augmented reality | |
CN114782249A (zh) | 一种图像的超分辨率重建方法、装置、设备以及存储介质 | |
CN114219725A (zh) | 一种图像处理方法、终端设备及计算机可读存储介质 | |
CN111553961B (zh) | 线稿对应色图的获取方法和装置、存储介质和电子装置 | |
CN114119413A (zh) | 图像处理方法及装置、可读介质和移动终端 | |
CN113435515A (zh) | 图片识别方法和装置、存储介质及电子设备 | |
CN111800664B (zh) | 基于信号分析的内容选择机构、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 |