CN110378856A - 一种隧道表面二维激光图像增强处理方法 - Google Patents
一种隧道表面二维激光图像增强处理方法 Download PDFInfo
- Publication number
- CN110378856A CN110378856A CN201910658981.1A CN201910658981A CN110378856A CN 110378856 A CN110378856 A CN 110378856A CN 201910658981 A CN201910658981 A CN 201910658981A CN 110378856 A CN110378856 A CN 110378856A
- Authority
- CN
- China
- Prior art keywords
- image
- dimensional laser
- gray value
- laser image
- tunnel surface
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 23
- 230000008030 elimination Effects 0.000 claims abstract description 7
- 238000003379 elimination reaction Methods 0.000 claims abstract description 7
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 238000001514 detection method Methods 0.000 claims description 10
- 239000006185 dispersion Substances 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 7
- 230000002708 enhancing effect Effects 0.000 abstract 1
- 238000000034 method Methods 0.000 description 8
- 230000009466 transformation Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000012360 testing method 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
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种隧道表面二维激光图像增强处理方法，包括以下步骤：步骤S1:采集待测隧道表面二维激光图像；步骤S2:根据待测隧道表面二维激光图像像素值特征，确定曝光消除算法阈值；步骤S3:采用直方图均衡化处理待测隧道表面二维激光图像，得到均衡化后的二维激光图像；步骤S4:根据拉普拉斯增强算法强化均衡化后的二维激光图像目标特征,并利用高斯滤波消除图像噪音,得到处理后的二维激光图像；步骤S5:根据处理后的二维激光图像，识别图像拼接缝位置信息；步骤S6:根据图像拼接缝位置信息，采用灰度值处理算法消除拼接缝，得到增强后的二维激光图像。本发明能够有效改善图像高像素域与低像素的协调性，并增强隧道图像的细节信息效果。
Description
技术领域
本发明涉及图像处理领域，具体涉及一种隧道表面二维激光图像 增强处理方法。
背景技术
目前，图像增强算法分为空域法和频域法两大类，空域法通过分 析局部像素对中心像素的影响，对中心像素进行调整。代表算法有直 方图均衡化，直方图均衡化的优点是对曝光过度或者曝光不足照片中 可以进行更好的细节展示，缺点是它对处理的数据不加选择，可能会 增加背景杂讯的对比度从而降低有用信号的对比度，使变换后的灰度 级减少，某些信息消失。频域法是通过一定的规则修正图像的变换系 数，再进行逆变换实现图像增强，代表算法有傅里叶变换和拉普拉斯 变换。拉普拉斯变换可以得到图像的轮廓，从而进行图像增强，缺点 是在变化过程中会产生噪音，影响图像的质量。目前关于隧道图片的 研究主要集中在隧道病害的检测与识别，而针对隧道图像进行增强的 研究相对较少。
发明内容
有鉴于此，本发明的目的在于提供一种隧道表面二维激光图像增 强处理方法，能够有效改善图像高像素域与低像素的协调性，并增强 隧道图像的细节信息效果。
为实现上述目的，本发明采用如下技术方案：
一种隧道表面二维激光图像增强处理方法，包括以下步骤：
步骤S1:采集待测隧道表面二维激光图像；
步骤S2:根据待测隧道表面二维激光图像像素值特征，确定曝光 消除算法阈值，并根据曝光消除算法消除图像局部曝光；
步骤S3:采用直方图均衡化处理待测隧道表面二维激光图像，得 到均衡化后的二维激光图像；
步骤S4:根据拉普拉斯增强算法强化均衡化后的二维激光图像目 标特征,并利用高斯滤波消除图像噪音,得到处理后的二维激光图像；
步骤S5:根据处理后的二维激光图像，识别图像拼接缝位置信息；
步骤S6:根据图像拼接缝位置信息，采用灰度值处理算法消除拼 接缝，得到增强后的二维激光图像。
进一步的，所述步骤S2具体为：
步骤S21:将待测隧道表面二维激光图像灰度值从小到大排序；
步骤S22:像素在第5百分位数之下的不作调整，超过第5百分位数 的像素点按照公式(1)，(2)调整灰度值:
式中，图像灰度的标准差；图像的灰度平均值；图 像灰度标准差离散系数；Pf(i,j)：图像坐标位置(i,j)处调整后的灰度 值；p5：为第5百分位数的灰度值。
进一步的，所述步骤S4具体为：
步骤S41:在均衡化后的二维激光图像上分别对x方向和y方向求 二阶偏导；
步骤S42:将两个方向上的二阶偏导相加，得到拉普拉斯图像，对 拉普拉斯处理后的图片进行高斯滤波去除噪音。
进一步的，所述步骤S5具体为：
步骤S51:根据处理后的二维激光图像，利用垂直方向直线检测算 法得出图像上的竖向直线；
步骤S52:利用霍夫直线检测算法设置直线长度过滤掉非拼接缝 的竖向直线，得到最终的图像拼接缝位置信息。
进一步的，所述步骤S6具体为：
步骤S61:根据图像拼接缝位置信息，预设拼接缝两边范围为30 个像素点；
步骤S62：根据公式(3)为拼接缝左边灰度值处理算法和公式(4) 为拼接缝右边灰度值处理算法，消除接缝左右的灰度值跳跃；
p'L(i,j)＝pL(i,j)+[p(z+30,j)-p(z-30,j)]/2×[i-(z-30)]/30 (3)
p'R(i,j)＝pR(i,j)-[p(z+30,j)-p(z-30,j)]/2×[z+30-i]/30 (4)
式中，P'L(i,j)：拼接缝左边图像坐标位置(i,j)处调整后的灰度值； P'R(i,j)：拼接缝右边图像坐标位置(i,j)处调整后的灰度值；PL(i,j)：拼 接缝左边图像坐标位置(i,j)处调整前的灰度值；PR(i,j)：拼接缝右边图 像坐标位置(i,j)处调整前的灰度值；z：图像拼接缝横坐标位置。
步骤S63:根据式(5)计算拼接缝新的灰度值，得到增强后的二维 激光图像
pf(i,j)＝[p(i+w,j)+p(i-w,j)]/2 (5)
式中，Pf(i,j)：图像坐标位置(i,j)处调整后的灰度值；w：图像拼 接缝宽度。
本发明与现有技术相比具有以下有益效果：
本发明能够有效改善图像高像素域与低像素的协调性，并增强隧 道图像的细节信息效果。
附图说明
图1是本发明
图2是本发明一实施例中的隧道表面原始图像；
图3是本发明一实施例中的隧道局部曝光消除效果图；
图4是本发明一实施例中的隧道细节增强效果图；
图5是本发明一实施例中的拼接缝消除效果图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1，本发明提供一种隧道表面二维激光图像增强处理方 法，包括以下步骤：
步骤S1:采集待测隧道表面二维激光图像；
步骤S2:根据待测隧道表面二维激光图像像素值特征，确定曝光 消除算法阈值，并根据曝光消除算法消除图像局部曝光；
步骤S3:采用直方图均衡化处理待测隧道表面二维激光图像，得 到均衡化后的二维激光图像；
步骤S4:根据拉普拉斯增强算法强化均衡化后的二维激光图像目 标特征,并利用高斯滤波消除图像噪音,得到处理后的二维激光图像；
步骤S5:根据处理后的二维激光图像，识别图像拼接缝位置信息；
步骤S6:根据图像拼接缝位置信息，采用灰度值处理算法消除拼 接缝，得到增强后的二维激光图像。
参照图2，在本实施例中，所述步骤S2具体为：
步骤S21:将待测隧道表面二维激光图像灰度值从小到大排序；
步骤S22:像素在第5百分位数之下的不作调整，超过第5百分位数 的像素点按照公式(1)，(2)调整灰度值:
式中，图像灰度的标准差；图像的灰度平均值；图 像灰度标准差离散系数；Pf(i,j)：图像坐标位置(i,j)处调整后的灰度 值；p5：为第5百分位数的灰度值。
参照图3，在本实施例中，所述步骤S4具体为：
步骤S41:在均衡化后的二维激光图像上分别对x方向和y方向求
二阶偏导；
步骤S42:将两个方向上的二阶偏导相加，得到拉普拉斯图像，对 拉普拉斯处理后的图片进行高斯滤波去除噪音。
进一步的，所述步骤S5具体为：
步骤S51:根据处理后的二维激光图像，利用垂直方向直线检测算 法得出图像上的竖向直线；
步骤S52:利用霍夫直线检测算法设置直线长度过滤掉非拼接缝 的竖向直线，得到最终的图像拼接缝位置信息。
在本实施例中，所述步骤S6具体为：
步骤S61:根据图像拼接缝位置信息，预设拼接缝两边范围；取左 右两边距离拼接缝20-40个像素点得到的效果较好，本实施中取30 个像素点。
步骤S62：根据公式(3)为拼接缝左边灰度值处理算法和公式(4) 为拼接缝右边灰度值处理算法，消除接缝左右的灰度值跳跃；
p'L(i,j)＝pL(i,j)+[p(z+30,j)-p(z-30,j)]/2×[i-(z-30)]/30 (3)
p'R(i,j)＝pR(i,j)-[p(z+30,j)-p(z-30,j)]/2×[z+30-i]/30 (4)
式中，P'L(i,j)：拼接缝左边图像坐标位置(i,j)处调整后的灰度值； P'R(i,j)：拼接缝右边图像坐标位置(i,j)处调整后的灰度值；PL(i,j)：拼 接缝左边图像坐标位置(i,j)处调整前的灰度值；PR(i,j)：拼接缝右边图 像坐标位置(i,j)处调整前的灰度值；z：图像拼接缝横坐标位置。
步骤S63:根据式(5)计算拼接缝新的灰度值，得到增强后的二维 激光图像
pf(i,j)＝[p(i+w,j)+p(i-w,j)]/2 (5)
式中，Pf(i,j)：图像坐标位置(i,j)处调整后的灰度值；w：图像拼 接缝宽度。
实施例1：
本实施例中道路检测车采用高性能的车载计算机配合各种传感器 采集数据与储存数据，采用自动化的数据采集；检测车采集速度可达80km/h；每次采集跨度1/2隧道壁，检测车安装有16个相机，在采 集完毕后将相机采集图像按位置拼接；
隧道中的照明灯光会影响图像采集的质量，造成图像出现曝光 现象，根据步骤S2进行消除局部曝光的处理：
步骤S21:将待测隧道表面二维激光图像灰度值从小到大排序；
步骤S22:像素在第5百分位数之下的不作调整，超过第5百分位数 的像素点按照公式(1)，(2)调整灰度值:
式中，图像灰度的标准差；图像的灰度平均值；图 像灰度标准差离散系数；Pf(i,j)：图像坐标位置(i,j)处调整后的灰度 值；p5：为第5百分位数的灰度值。
本实施例中，一张隧道表面图像由多个子图像拼接而成，由于 车载相机所处位置不一样，所得子图像的灰度值有差别，在拼接时会 出现拼接处灰度值跳跃问题。为解决拼接缝问题，首先是在图像上找 到拼接缝的位置信息。以之前处理过程中得到的拉普拉斯图像为基础， 利用垂直方向直线检测算法得出图像上的竖向直线，然后利用霍夫直 线检测算法设置直线长度过滤掉非拼接缝的竖向直线，最终得出拼接 缝在图像上的位置信息。
由于要调节接缝左右的灰度值，首先需要确定所处理的拼接缝两 边范围。范围太小，会造成灰度变化率大，范围太大，在某些图像上 会造成图像信息被覆盖。经过多次试验，取左右两边距离拼接缝20-40 个像素点得到的效果较好，本实施例中中取30个像素点。然后通过 像素点与拼接缝的距离设置权重，并将处理过程分为左右两部分处理， 公式(3)为拼接缝左边灰度值处理算法，公式(4)为拼接缝右边灰 度值处理算法。采用公式(3)和公式(4)处理的优点有二；第一， 把距离设置为权重可以让灰度值调整区域与未调整区域完美的衔接； 第二，左右两边分别计算能够消除接缝左右的灰度值跳跃问题。最后， 进行拼接缝消除，令拼接缝的灰度值为处理后的接缝两边像素的平均 值，如公式(5)所示，效果图如附图5所示。
p'L(i,j)＝pL(i,j)+[p(z+30,j)-p(z-30,j)]/2×[i-(z-30)]/30 (3)
p'R(i,j)＝pR(i,j)-[p(z+30,j)-p(z-30,j)]/2×[z+30-i]/30 (4)
式中，P'L(i,j)：拼接缝左边图像坐标位置(i,j)处调整后的灰度值； P'R(i,j)：拼接缝右边图像坐标位置(i,j)处调整后的灰度值；PL(i,j)：拼 接缝左边图像坐标位置(i,j)处调整前的灰度值；PR(i,j)：拼接缝右边图 像坐标位置(i,j)处调整前的灰度值；z：图像拼接缝横坐标位置。
pf(i,j)＝[p(i+w,j)+p(i-w,j)]/2 (5)
式中，Pf(i,j)：图像坐标位置(i,j)处调整后的灰度值；w：图像拼 接缝宽度。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所 做的均等变化与修饰，皆应属本发明的涵盖范围。
Claims (5)
1.一种隧道表面二维激光图像增强处理方法，其特征在于，包括以下步骤：
步骤S1:采集待测隧道表面二维激光图像；
步骤S2:根据待测隧道表面二维激光图像像素值特征，确定曝光消除算法阈值，并根据曝光消除算法消除图像局部曝光；
步骤S3:采用直方图均衡化处理待测隧道表面二维激光图像，得到均衡化后的二维激光图像；
步骤S4:根据拉普拉斯增强算法强化均衡化后的二维激光图像目标特征,并利用高斯滤波消除图像噪音,得到处理后的二维激光图像；
步骤S5:根据处理后的二维激光图像，识别图像拼接缝位置信息；
步骤S6:根据图像拼接缝位置信息，采用灰度值处理算法消除拼接缝，得到增强后的二维激光图像。
2.根据权利要求1所述的一种隧道表面二维激光图像增强处理方法，其特征在于，所述步骤S2具体为：
步骤S21:将待测隧道表面二维激光图像灰度值从小到大排序；
步骤S22:像素在第5百分位数之下的不作调整，超过第5百分位数的像素点按照公式(1)，(2)调整灰度值:
式中，图像灰度的标准差；图像的灰度平均值；图像灰度标准差离散系数；Pf(i,j)：图像坐标位置(i,j)处调整后的灰度值；p5：为第5百分位数的灰度值。
3.根据权利要求1所述的一种隧道表面二维激光图像增强处理方法，其特征在于，所述步骤S4具体为：
步骤S41:在均衡化后的二维激光图像上分别对x方向和y方向求二阶偏导；
步骤S42:将两个方向上的二阶偏导相加，得到拉普拉斯图像，对拉普拉斯处理后的图片进行高斯滤波去除噪音。
4.根据权利要求1所述的一种隧道表面二维激光图像增强处理方法，其特征在于，所述步骤S5具体为：
步骤S51:根据处理后的二维激光图像，利用垂直方向直线检测算法得出图像上的竖向直线；
步骤S52:利用霍夫直线检测算法设置直线长度过滤掉非拼接缝的竖向直线，得到最终的图像拼接缝位置信息。
5.根据权利要求2所述的一种隧道表面二维激光图像增强处理方法，其特征在于，所述步骤S6具体为：
步骤S61:根据图像拼接缝位置信息，预设拼接缝两边范围为30个像素点；
步骤S62：根据公式(3)为拼接缝左边灰度值处理算法和公式(4)为拼接缝右边灰度值处理算法，消除接缝左右的灰度值跳跃；
p'L(i,j)＝pL(i,j)+[p(z+30,j)-p(z-30,j)]/2×[i-(z-30)]/30 (3)
p'R(i,j)＝pR(i,j)-[p(z+30,j)-p(z-30,j)]/2×[z+30-i]/30 (4)
式中，P'L(i,j)：拼接缝左边图像坐标位置(i,j)处调整后的灰度值；P'R(i,j)：拼接缝右边图像坐标位置(i,j)处调整后的灰度值；PL(i,j)：拼接缝左边图像坐标位置(i,j)处调整前的灰度值；PR(i,j)：拼接缝右边图像坐标位置(i,j)处调整前的灰度值；z：图像拼接缝横坐标位置。
步骤S63:令拼接缝的灰度值为处理后的接缝两边像素的平均值，得到增强后的二维激光图像
pf(i,j)＝[p(i+w,j)+p(i-w,j)]/2 (5)
式中，Pf(i,j)：图像坐标位置(i,j)处调整后的灰度值；w：图像拼接缝宽度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910658981.1A CN110378856B (zh) | 2019-07-22 | 2019-07-22 | 一种隧道表面二维激光图像增强处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910658981.1A CN110378856B (zh) | 2019-07-22 | 2019-07-22 | 一种隧道表面二维激光图像增强处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110378856A true CN110378856A (zh) | 2019-10-25 |
| CN110378856B CN110378856B (zh) | 2023-03-14 |
Family
ID=68254621
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910658981.1A Active CN110378856B (zh) | 2019-07-22 | 2019-07-22 | 一种隧道表面二维激光图像增强处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110378856B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111507922A (zh) * | 2020-04-21 | 2020-08-07 | 南京航空航天大学 | 一种基于直方图的隧道表面图像自适应增强方法 |
| CN112580556A (zh) * | 2020-12-25 | 2021-03-30 | 北京集创北方科技股份有限公司 | 一种光学指纹采集方法、装置、电子设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060034003A (ko) * | 2004-10-18 | 2006-04-21 | 한국과학기술원 | 후처리를 통한 2차원 초음파 영상의 화질 개선 방법 |
| CN109272461A (zh) * | 2018-09-04 | 2019-01-25 | 张家港江苏科技大学产业技术研究院 | 基于中值滤波和全局直方图的红外图像增强方法 |
| CN109801216A (zh) * | 2018-12-20 | 2019-05-24 | 武汉武大卓越科技有限责任公司 | 隧道检测图像的快速拼接方法 |
-
2019
- 2019-07-22 CN CN201910658981.1A patent/CN110378856B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060034003A (ko) * | 2004-10-18 | 2006-04-21 | 한국과학기술원 | 후처리를 통한 2차원 초음파 영상의 화질 개선 방법 |
| CN109272461A (zh) * | 2018-09-04 | 2019-01-25 | 张家港江苏科技大学产业技术研究院 | 基于中值滤波和全局直方图的红外图像增强方法 |
| CN109801216A (zh) * | 2018-12-20 | 2019-05-24 | 武汉武大卓越科技有限责任公司 | 隧道检测图像的快速拼接方法 |
Non-Patent Citations (1)
| Title |
|---|
| 周丽军: "基于图像增强与分水岭分割的隧道低对比度裂缝提取方法", 《计算机科学》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111507922A (zh) * | 2020-04-21 | 2020-08-07 | 南京航空航天大学 | 一种基于直方图的隧道表面图像自适应增强方法 |
| CN112580556A (zh) * | 2020-12-25 | 2021-03-30 | 北京集创北方科技股份有限公司 | 一种光学指纹采集方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110378856B (zh) | 2023-03-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ahmed | Comparative study among Sobel, Prewitt and Canny edge detection operators used in image processing | |
| CN111583157B (zh) | 图像处理方法、系统及计算机可读存储介质 | |
| CN109785291B (zh) | 一种车道线自适应检测方法 | |
| CN111080661B (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
| JP3472596B2 (ja) | ノイズ低減フィルター | |
| JP3156817B2 (ja) | 車両周辺監視装置 | |
| CN107945111B (zh) | 一种基于surf特征提取结合cs-lbp描述符的图像拼接方法 | |
| DE112014006439B4 (de) | Kantenerkennungsvorrichtung, Kantenerkennungsverfahren und Programm | |
| CN110378902B (zh) | 一种高噪声背景下的划痕检测方法 | |
| CN113988112B (zh) | 车道线的检测方法、装置、设备及存储介质 | |
| CN112017249A (zh) | 车载摄像头滚转角获取、安装角度校正方法及设备 | |
| CN106934806A (zh) | 一种基于结构清晰度的无参考图失焦模糊区域分割方法 | |
| CN110378856A (zh) | 一种隧道表面二维激光图像增强处理方法 | |
| CN103679672A (zh) | 基于边缘垂直距离匹配的全景图像拼接方法 | |
| CN110414385A (zh) | 一种基于单应性变换和特征窗口的车道线检测方法及系统 | |
| CN111222417A (zh) | 一种用于提高基于车载图像车道线提取精度的方法及装置 | |
| CN113379609B (zh) | 一种图像处理方法、存储介质及终端设备 | |
| CN113592776A (zh) | 图像处理方法及装置、电子设备、存储介质 | |
| WO2019085929A1 (zh) | 图像处理方法及其装置、安全驾驶方法 | |
| CN113673515A (zh) | 一种计算机视觉目标检测算法 | |
| JP2013251005A (ja) | 画像補正方法 | |
| CN111626180B (zh) | 基于偏振成像的车道线检测方法及其装置 | |
| Potocnik et al. | Image enhancement by using directional wavelet transform | |
| CN107330877B (zh) | 光纤显示区偏移量调整方法及系统 | |
| Akcay et al. | The effect of image enhancement methods during feature detection and matching of thermal images |
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 |