CN109472755A - 一种红外图像对数log域增强方法 - Google Patents
一种红外图像对数log域增强方法 Download PDFInfo
- Publication number
- CN109472755A CN109472755A CN201811313169.7A CN201811313169A CN109472755A CN 109472755 A CN109472755 A CN 109472755A CN 201811313169 A CN201811313169 A CN 201811313169A CN 109472755 A CN109472755 A CN 109472755A
- Authority
- CN
- China
- Prior art keywords
- logarithm log
- domain
- image
- low frequency
- data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000005286 illumination Methods 0.000 claims abstract description 23
- 230000009466 transformation Effects 0.000 claims abstract description 19
- 238000001914 filtration Methods 0.000 claims abstract description 10
- 238000011551 log transformation method Methods 0.000 claims abstract description 9
- 230000003321 amplification Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 238000001931 thermography Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
Classifications
-
- G06T5/92—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/42—Analysis of texture based on statistical description of texture using transform domain methods
-
- 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
Abstract
本发明属于红外热成像技术领域,具体提供了一种红外图像对数LOG域增强方法,先对原始数据进行低通滤波得到照度图像,然后分别对原始数据及照度图像进行对数LOG变换后分别对应得到对数LOG域原始数据及对数LOG域低频分量,再将所述对数LOG域原始数据与所述对数LOG域低频分量求差得到反射图像,最后将所述对数LOG域低频分量与所述反射图像在对数LOG域求和,并对求和后的数据进行对数LOG反变换输出。通过该方法不仅可以增强图像的细节信息,而且可以增强图像场景的层次感,提高红外图像的对比度,使得图像信息更加清晰明朗,利于人眼视觉的观察。
Description
技术领域
本发明属于红外热成像技术领域,具体涉及一种红外图像对数LOG域增强方法。
背景技术
红外成像技术是一项前途广阔的高新技术。比0.78微米长的电磁波位于可见光光谱红色以外,称为红外线,又称红外辐射。是指波长为0.78—1000微米的电磁波,其中波长为0.78—2.0微米的部分称为近红外,波长为2.0—1000微米的部分称为热红外线。自然界中,一切物体都可以辐射红外线,因此利用探测仪测量目标本身与背景间的红外线差可以得到不同的热红外线形成的红外图像。
红外图像是通过红外热像仪的光电转换模块将视觉不可见的红外光以图像形式在显示装置上成像的结果,由于红外波的波长较长,焦平面探测器的特性等因素导致红外图像具有对比度低,细节不清晰的特点,不利于人眼视觉的观察。
发明内容
本发明的目的是克服现有技术中红外成像不清晰的问题。
为此,本发明提供了一种红外图像对数LOG域增强方法,包括步骤:
S100:对原始数据进行低通滤波得到照度图像;
S200:对原始数据及照度图像均进行对数LOG变换,以分别对应得到对数LOG域原始数据及对数LOG域低频分量;
S300:将所述对数LOG域原始数据与所述对数LOG域低频分量求差得到反射图像;
S400:将所述对数LOG域低频分量与所述反射图像在对数LOG域求和,然后对求和后的数据进行对数LOG反变换输出。
优选地,在所述步骤S100之前还包括步骤:
将原始数据的数据动态范围线性压缩到浮点数范围[1.0,2.0]。
优选地,在所述S100步骤之后且在所述步骤S200之前还包括步骤:
对所述照度图像压缩采用改进Gamma函数校正,如式(1)所示,
y(i)=ia*i+a (1)
其中,i是原始数据像素值,y(i)表示输出值,a是第一控制参数,通过预设得到。
优选地,在所述S300步骤之后且在所述步骤S400之前还包括步骤:对所述反射图像采用Sigmoid函数进行增强,如式(2)所述
其中,b是第二控制参数,r是反射图像的灰度。
优选地,在所述步骤S400之后还包括步骤:
对求和后的数据进行对数LOG反变换后得到动态范围在[1.0,2.0]的结果数据平移到[0,1.0],然后对所述结果数据进行255倍放大,得到数据范围[0,255]的数据。
优选地,所述步骤将所述对数LOG域原始数据与所述对数LOG域低频分量求差得到反射图像具体包括:
将所述对数LOG域原始数据与所述对数LOG域低频分量求差得到对数LOG域高频分量,然后将所述对数LOG域高频分量经过高频细节处理得到高频分量。
优选地,在所述步骤S200之后及所述步骤S300之前还包括:
将所述对数LOG域低频分量经过低频处理得到低频分量。
优选地,将所述高频分量和所述低频分量进行图像合并,然后对求和后的数据进行对数LOG反变换输出。
本发明的有益效果:本发明提供了一种红外图像对数LOG域增强方法,先对原始数据进行低通滤波得到照度图像,然后分别对原始数据及照度图像进行对数LOG变换后分别对应得到对数LOG域原始数据及对数LOG域低频分量,再将所述对数LOG域原始数据与所述对数LOG域低频分量求差得到反射图像,最后将所述对数LOG域低频分量与所述反射图像在对数LOG域求和,并对求和后的数据进行对数LOG反变换输出。通过该方法不仅可以增强图像的细节信息,而且可以增强图像场景的层次感,提高红外图像的对比度,使得图像信息更加清晰明朗,利于人眼视觉的观察。
以下将结合附图对本发明做进一步详细说明。
附图说明
图1是本发明一种红外图像对数LOG域增强方法的流程示意图;
图2是本发明一种红外图像对数LOG域增强方法的又一实施例的流程示意图。
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它实施例,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征;在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
实施例一:
本发明实施例提供了一种红外图像对数LOG域增强方法,包括步骤:
S100:对原始数据进行低通滤波得到照度图像;
S200:对原始数据及照度图像均进行对数LOG变换,以分别对应得到对数LOG域原始数据及对数LOG域低频分量;
S300:将所述对数LOG域原始数据与所述对数LOG域低频分量求差得到反射图像;
S400:将所述对数LOG域低频分量与所述反射图像在对数LOG域求和,然后对求和后的数据进行对数LOG反变换输出。
优选地方案,在所述步骤S100之前还包括步骤:将原始数据的数据动态范围线性压缩到浮点数范围[1.0,2.0]。
优选地方案,在所述S100步骤之后且在所述步骤S200之前还包括步骤:
对所述照度图像压缩采用改进Gamma函数校正,如式(1)所示,
y(i)=ia*i+a (1)
其中,i是原始数据像素值,y(i)表示输出值,a是第一控制参数,通过预设得到。
优选地方案,在所述S300步骤之后且在所述步骤S400之前还包括步骤:对所述反射图像采用Sigmoid函数进行增强,如式(2)所述
其中,b是第二控制参数,通过预设得到。
优选地方案,在所述步骤S400之后还包括步骤:对求和后的数据进行对数LOG反变换后得到动态范围在[1.0,2.0]的结果数据平移到[0,1.0],然后对所述结果数据进行255倍放大,得到数据范围[0,255]的数据。
由此可知,如图1所示,对数域红外图像增强方法的原理是:先将原始数据动态范围线性压缩到浮点数[1.0,2.0],便于后续处理,提高运算效率,接着对数据进行空间低通滤波,滤除原始数据中的噪声,起到初步降噪的作用,降噪后便可得到低频图像作为照度图像,照度图像反映了图像的亮度;然后对原始数据即原始图像和照度图像分别进行对数LOG变换,即可分别得到对数LOG域原始数据及对数LOG域低频分量,将所述对数LOG域原始数据与所述对数LOG域低频分量求差得到反射图像,反射图像反映了图像的细节。在数字图像处理领域经常用到灰度变换,包括翻转、对数变换、伽马变换、灰度拉伸、灰度切割及位图切割等等,本发明实施例用到的是对数LOG变换,其用于将图像的低灰度值部分扩展,将其高灰度值部分压缩,以达到强调图像低灰度部分的目的,使得原始数据图像的灰度部分较为明显,便于后续进一步地对数据进行处理。
其中,得到照度图像后,对照度图像压缩采用改进Gamma校正方法进行校正,如式(1)所示:
y(i)=ia*i+a (1)
其中,i是原始数据像素值,y(i)表示输出值,a是第一控制参数,a取值越小,对整体亮度偏小的图像更为有效。
其中,得到反射图像后,对所述反射图像采用Sigmoid函数进行增强,如式(2)所述
其中,b是第二控制参数,b取值越大,细节越强;r是反射图像的灰度。
然后将所述对数LOG域低频分量与所述反射图像在对数LOG域求和,然后对求和后的数据进行对数LOG反变换得到动态范围在[1.0,2.0]的结果数据平移到[0,1.0],放大255倍后,是的数据范围恢复到[0,255]即可。
本发明的有益效果:本发明提供了一种红外图像对数LOG域增强方法,先对原始数据进行低通滤波得到照度图像,然后分别对原始数据及照度图像进行对数LOG变换后分别对应得到对数LOG域原始数据及对数LOG域低频分量,再将所述对数LOG域原始数据与所述对数LOG域低频分量求差得到反射图像,最后将所述对数LOG域低频分量与所述反射图像在对数LOG域求和,并对求和后的数据进行对数LOG反变换输出。通过该方法不仅可以增强图像的细节信息,而且可以增强图像场景的层次感,提高红外图像的对比度,使得图像信息更加清晰明朗,利于人眼视觉的观察。
实施例二:
本实施例与实施例一基本相同,不同之处在于,所述步骤将所述对数LOG域原始数据与所述对数LOG域低频分量求差得到反射图像具体包括:将所述对数LOG域原始数据与所述对数LOG域低频分量求差得到对数LOG域高频分量,然后将所述对数LOG域高频分量经过高频细节处理得到高频分量。在所述步骤S200之后及所述步骤S300之前还包括:将所述对数LOG域低频分量经过低频处理得到低频分量。最后将所述高频分量和所述低频分量进行图像合并,并对求和后的数据进行对数LOG反变换输出。
如图2所示,原始数据通过低通滤波得到低频分量,然后将原始数据和低频分量分别进行对数LOG变换后对应得到对数LOG域原始数据及对数LOG域低频分量,然后将对数LOG域原始数据和对数LOG域低频分量进行求差得到对数LOG域高频分量;将对数LOG域高频分量进行高频细节处理得到高频分量,图像的细节对应的是高频部分,图像的轮廓对应的是图像的低频部分,前面已经通过低通滤波后得到低频部分即照度图像,并对低频部分进行了相应的处理,这里只需对高频分量进行处理即可,因此需要通过高频细节处理得到图像的细节。并将对数LOG域低频分量进行低频处理得到低频分量,然后将高频分量和低频分量进行图像合并得到合并数据,然后将合并数据进行对数LOG反变换得到变换结果,然后对变换结果进行灰度映射并输出。
本发明的有益效果:本发明提供了一种红外图像对数LOG域增强方法,先对原始数据进行低通滤波得到照度图像,然后分别对原始数据及照度图像进行对数LOG变换后分别对应得到对数LOG域原始数据及对数LOG域低频分量,再将所述对数LOG域原始数据与所述对数LOG域低频分量求差得到反射图像,最后将所述对数LOG域低频分量与所述反射图像在对数LOG域求和,并对求和后的数据进行对数LOG反变换输出。通过该方法不仅可以增强图像的细节信息,而且可以增强图像场景的层次感,提高红外图像的对比度,使得图像信息更加清晰明朗,利于人眼视觉的观察。
以上例举仅仅是对本发明的举例说明,并不构成对本发明的保护范围的限制,凡是与本发明相同或相似的设计均属于本发明的保护范围之内。
Claims (8)
1.一种红外图像对数LOG域增强方法,其特征在于,包括步骤:
S100:对原始数据进行低通滤波得到照度图像;
S200:对原始数据及照度图像均进行对数LOG变换,以分别对应得到对数LOG域原始数据及对数LOG域低频分量;
S300:将所述对数LOG域原始数据与所述对数LOG域低频分量求差得到反射图像;
S400:将所述对数LOG域低频分量与所述反射图像在对数LOG域求和,然后对求和后的数据进行对数LOG反变换输出。
2.根据权利要求1所述的红外图像对数LOG域增强方法,其特征在于:在所述步骤S100之前还包括步骤:
将原始数据的数据动态范围线性压缩到浮点数范围[1.0,2.0]。
3.根据权利要求1所述的红外图像对数LOG域增强方法,其特征在于,在所述S100步骤之后且在所述步骤S200之前还包括步骤:
对所述照度图像压缩采用改进Gamma函数校正,如式(1)所示,
y(i)=ia*i+a (1)
其中,i是原始数据像素值,y(i)表示输出值,a是第一控制参数,通过预设得到。
4.根据权利要求1所述的红外图像对数LOG域增强方法,其特征在于,在所述S300步骤之后且在所述步骤S400之前还包括步骤:对所述反射图像采用Sigmoid函数进行增强,如式(2)所述
其中,b是第二控制参数,r是反射图像的灰度。
5.根据权利要求1所述的红外图像对数LOG域增强方法,其特征在于,在所述步骤S400之后还包括步骤:
对求和后的数据进行对数LOG反变换后得到动态范围在[1.0,2.0]的结果数据平移到[0,1.0],然后对所述结果数据进行255倍放大,得到数据范围[0,255]的数据。
6.根据权利要求1所述的红外图像对数LOG域增强方法,其特征在于,所述步骤将所述对数LOG域原始数据与所述对数LOG域低频分量求差得到反射图像具体包括:
将所述对数LOG域原始数据与所述对数LOG域低频分量求差得到对数LOG域高频分量,然后将所述对数LOG域高频分量经过高频细节处理得到高频分量。
7.根据权利要求1所述的红外图像对数LOG域增强方法,其特征在于,在所述步骤S200之后及所述步骤S300之前还包括:
将所述对数LOG域低频分量经过低频处理得到低频分量。
8.根据权利要求6至7任一项所述的红外图像对数LOG域增强方法,其特征在于:将所述高频分量和所述低频分量进行图像合并,然后对求和后的数据进行对数LOG反变换输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811313169.7A CN109472755A (zh) | 2018-11-06 | 2018-11-06 | 一种红外图像对数log域增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811313169.7A CN109472755A (zh) | 2018-11-06 | 2018-11-06 | 一种红外图像对数log域增强方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109472755A true CN109472755A (zh) | 2019-03-15 |
Family
ID=65672401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811313169.7A Pending CN109472755A (zh) | 2018-11-06 | 2018-11-06 | 一种红外图像对数log域增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109472755A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110246097A (zh) * | 2019-05-30 | 2019-09-17 | 电子科技大学 | 一种基于l0梯度最小化的彩色图像增强方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101448170A (zh) * | 2008-12-31 | 2009-06-03 | 合肥工业大学 | 基于小波照度估计的雾天图像清晰化方法 |
CN101488218A (zh) * | 2008-12-19 | 2009-07-22 | 四川虹微技术有限公司 | 一种图像自适应空域同态滤波方法 |
CN101783963A (zh) * | 2010-02-10 | 2010-07-21 | 西安理工大学 | 一种具有高光抑制的夜间图像增强方法 |
CN104822055A (zh) * | 2015-05-19 | 2015-08-05 | 重庆大学 | 一种针对雾天的红外热像监控系统及方法 |
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 |
KR20150137233A (ko) * | 2014-05-28 | 2015-12-09 | 주식회사 에프지아이 | 프로젝션 환경에서 영상객체인식을 위한 전처리 기술 및 그 방법 |
CN106846282A (zh) * | 2017-03-28 | 2017-06-13 | 华侨大学 | 一种采用自适应校正的低照度图像增强方法 |
CN106997584A (zh) * | 2017-04-12 | 2017-08-01 | 哈尔滨理工大学 | 一种雾霾天气图像增强方法 |
CN107274365A (zh) * | 2017-06-15 | 2017-10-20 | 中国矿业大学(北京) | 一种基于反锐化掩模和nsct算法的矿井图像增强方法 |
CN107507215A (zh) * | 2017-08-07 | 2017-12-22 | 广东电网有限责任公司珠海供电局 | 一种基于自适应量化增强的电力设备红外热图分割方法 |
US20180053287A1 (en) * | 2015-04-20 | 2018-02-22 | China University Of Mining And Technology | Video Image Denoising and Enhancing Method and Device Based On Random Spray Retinex |
CN107730477A (zh) * | 2017-10-13 | 2018-02-23 | 西安科技大学 | 变电站设备红外智能监测系统及监测图像特征提取方法 |
-
2018
- 2018-11-06 CN CN201811313169.7A patent/CN109472755A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101488218A (zh) * | 2008-12-19 | 2009-07-22 | 四川虹微技术有限公司 | 一种图像自适应空域同态滤波方法 |
CN101448170A (zh) * | 2008-12-31 | 2009-06-03 | 合肥工业大学 | 基于小波照度估计的雾天图像清晰化方法 |
CN101783963A (zh) * | 2010-02-10 | 2010-07-21 | 西安理工大学 | 一种具有高光抑制的夜间图像增强方法 |
KR20150137233A (ko) * | 2014-05-28 | 2015-12-09 | 주식회사 에프지아이 | 프로젝션 환경에서 영상객체인식을 위한 전처리 기술 및 그 방법 |
US20180053287A1 (en) * | 2015-04-20 | 2018-02-22 | China University Of Mining And Technology | Video Image Denoising and Enhancing Method and Device Based On Random Spray Retinex |
CN104822055A (zh) * | 2015-05-19 | 2015-08-05 | 重庆大学 | 一种针对雾天的红外热像监控系统及方法 |
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 |
CN106846282A (zh) * | 2017-03-28 | 2017-06-13 | 华侨大学 | 一种采用自适应校正的低照度图像增强方法 |
CN106997584A (zh) * | 2017-04-12 | 2017-08-01 | 哈尔滨理工大学 | 一种雾霾天气图像增强方法 |
CN107274365A (zh) * | 2017-06-15 | 2017-10-20 | 中国矿业大学(北京) | 一种基于反锐化掩模和nsct算法的矿井图像增强方法 |
CN107507215A (zh) * | 2017-08-07 | 2017-12-22 | 广东电网有限责任公司珠海供电局 | 一种基于自适应量化增强的电力设备红外热图分割方法 |
CN107730477A (zh) * | 2017-10-13 | 2018-02-23 | 西安科技大学 | 变电站设备红外智能监测系统及监测图像特征提取方法 |
Non-Patent Citations (4)
Title |
---|
HAONING LIN 等: "Multi-scale retinex improvement for nighttime image enhancement", 《OPTIK》 * |
李黎 等: "基于单尺度Retinex 算法的历史数字栅格图自动匀色", 《城市勘测》 * |
汪荣贵 等: "一种新型自适应Retinex 图像增强方法研究", 《电子学报》 * |
温海滨 等: "消除光晕和细节增强的多尺度Retinex 红外图像增强", 《红外技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110246097A (zh) * | 2019-05-30 | 2019-09-17 | 电子科技大学 | 一种基于l0梯度最小化的彩色图像增强方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111080724B (zh) | 一种红外和可见光的融合方法 | |
US10235744B1 (en) | System and method for digital image intensity correction | |
US8401258B2 (en) | Method to provide automated quality feedback to imaging devices to achieve standardized imaging data | |
Zuo et al. | Display and detail enhancement for high-dynamic-range infrared images | |
US8718363B2 (en) | Systems and methods for analyzing image data using adaptive neighborhooding | |
CN106683080B (zh) | 一种视网膜眼底图像预处理方法 | |
CN101779962B (zh) | 一种增强医学x射线影像显示效果的方法 | |
CN106960428A (zh) | 可见光和红外双波段图像融合增强方法 | |
Li et al. | Robust retinal image enhancement via dual-tree complex wavelet transform and morphology-based method | |
CN101930595A (zh) | 图像处理方法和图像处理设备 | |
CN104091309B (zh) | 一种平板x射线图像的均衡显示方法及系统 | |
CN109118463B (zh) | 一种基于hsl和图像熵的sar图像和光学图像融合方法 | |
CN104157003B (zh) | 一种基于正态分布调节的热图像细节增强方法 | |
Bhairannawar | Efficient medical image enhancement technique using transform HSV space and adaptive histogram equalization | |
US8693803B2 (en) | High linear dynamic range imaging | |
CN110507287A (zh) | 一种泌尿外科用智能数字影像处理系统及方法 | |
CN110458787A (zh) | 一种图像融合方法、装置及计算机存储介质 | |
Wang et al. | An adaptive correction algorithm for non-uniform illumination panoramic images based on the improved bilateral gamma function | |
CN109472755A (zh) | 一种红外图像对数log域增强方法 | |
US20090220141A1 (en) | Image processing apparatus, image processing method, and image processing program | |
CN106725612A (zh) | 四维超声图像优化方法及系统 | |
Ren et al. | Study on construction of a medical X-ray direct digital radiography system and hybrid preprocessing methods | |
Bavirisetti et al. | Multi-focus image fusion using maximum symmetric surround saliency detection | |
CN109785281A (zh) | 基于光谱映射的灰度调幅的pansharpening方法 | |
CN115511726A (zh) | 一种x射线图像反锐化双掩膜图像增强方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190315 |