CN110493584B - 一种高动态范围场景可视化方法、装置和存储介质 - Google Patents

一种高动态范围场景可视化方法、装置和存储介质 Download PDF

Info

Publication number
CN110493584B
CN110493584B CN201910602158.9A CN201910602158A CN110493584B CN 110493584 B CN110493584 B CN 110493584B CN 201910602158 A CN201910602158 A CN 201910602158A CN 110493584 B CN110493584 B CN 110493584B
Authority
CN
China
Prior art keywords
component
dynamic range
information
high dynamic
formula
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
Application number
CN201910602158.9A
Other languages
English (en)
Other versions
CN110493584A (zh
Inventor
李卫中
马洪华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hubei Engineering University
Original Assignee
Hubei Engineering University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hubei Engineering University filed Critical Hubei Engineering University
Priority to CN201910602158.9A priority Critical patent/CN110493584B/zh
Publication of CN110493584A publication Critical patent/CN110493584A/zh
Application granted granted Critical
Publication of CN110493584B publication Critical patent/CN110493584B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G06T5/92—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/186—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a colour or a chrominance component
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/77—Circuits for processing the brightness signal and the chrominance signal relative to each other, e.g. adjusting the phase of the brightness signal relative to the colour signal, correcting differential gain or differential phase
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/77—Circuits for processing the brightness signal and the chrominance signal relative to each other, e.g. adjusting the phase of the brightness signal relative to the colour signal, correcting differential gain or differential phase
    • H04N9/78—Circuits for processing the brightness signal and the chrominance signal relative to each other, e.g. adjusting the phase of the brightness signal relative to the colour signal, correcting differential gain or differential phase for separating the brightness signal or the chrominance signal from the colour television signal, e.g. using comb filter
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20208—High dynamic range [HDR] image processing

Abstract

本发明涉及一种高动态范围场景可视化方法、装置和存储介质。该方法包括：获取高动态范围场景图像；对所述高动态范围场景图像进行色彩空间转换，获得亮度分量和颜色分量；对所述亮度分量进行对数域归一化处理，利用Total Variation模型提取归一化亮度图像的结构分量和纹理分量，对所述结构分量进行自适应动态范围压缩，获得压缩输出，对所述纹理分量和所述压缩输出进行基于泰勒级数的纹理信息融合，获得重建的亮度信息，对所述颜色分量进行色彩信息处理；根据所述重建的亮度信息和经处理的颜色分量进行色彩信息恢复，获得可视化结果。本发明的技术方案可有效实现高动态范围场景可视化，并可用于实时的可视化图像处理系统。

Description

一种高动态范围场景可视化方法、装置和存储介质
技术领域
本发明涉及图像处理技术领域，具体涉及一种高动态范围场景可视化方法、装置和存储介质。
背景技术
现实场景具有很高的动态范围，其动态范围可达9个数量级，高动态范围场景可以呈现丰富的场景信息和绚丽的色彩，给人更加真实的现场感受。将高动态范围场景完整地显示在普通显示设备上的技术称为高动态范围场景可视化。
目前，高动态范围现实场景可视化技术广泛应用于3D电影、智能监控、卫星遥感以及便携式成像设备等领域。由于现有的成像设备和显示设备其动态范围仅有3个数量级，因此无法真实地反映现实场景的完整信息。高动态范围现实场景可视化技术主要包括色调压缩和多曝光图像融合这两种途径，色调压缩直接将场景的动态范围进行压缩然后输出在普通显示器上，多曝光图像融合利用图像融合的办法将场景的信息合成后再进行显示。但均存在场景信息不够丰富以及色彩失真的问题。
发明内容
针对现有技术的不足，本发明提供一种高动态范围场景可视化方法、装置和存储介质。
第一方面，本发明提供了一种高动态范围场景可视化方法，该方法包括如下步骤：
获取高动态范围场景图像。
对所述高动态范围场景图像进行色彩空间转换，获得亮度分量和颜色分量。
对所述亮度分量进行对数域归一化处理，利用Total Variation模型提取归一化亮度图像的结构分量和纹理分量，对所述结构分量进行自适应动态范围压缩，获得压缩输出，对所述纹理分量和所述压缩输出进行基于泰勒级数的纹理信息融合，获得重建的亮度信息，对所述颜色分量进行色彩信息处理。
根据所述重建的亮度信息和经处理的颜色分量进行色彩信息恢复，获得可视化结果。
第二方面，本发明提供了一种高动态范围场景可视化装置，该装置包括：
获取模块，用于获取高动态范围场景图像。
转换模块，用于对所述高动态范围场景图像进行色彩空间转换，获得亮度分量和颜色分量。
处理模块，用于对所述亮度分量进行对数域归一化处理，利用Total Variation模型提取归一化亮度图像的结构分量和纹理分量，对所述结构分量进行自适应动态范围压缩，获得压缩输出，对所述纹理分量和所述压缩输出进行基于泰勒级数的纹理信息融合，获得重建的亮度信息，对所述颜色分量进行色彩信息处理。
恢复模块，用于根据所述重建的亮度信息和经处理的颜色分量进行色彩信息恢复，获得可视化结果。
第三方面，本发明提供了一种高动态范围场景可视化装置，该装置包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现如上所述的高动态范围场景可视化方法。
第四方面，本发明提供了一种计算机可读存储介质，该存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的高动态范围场景可视化方法。
本发明提供的高动态范围场景可视化方法、装置和存储介质的有益效果是，不仅可完整地呈现场景的所有可视化信息，且计算效率较高，可获得生动、自然的可视化结果，有效地实现了高动态范围场景可视化，并可以用于实时的可视化图像处理系统，从而将高动态范围现实场景丰富的光影和色彩完整地呈现在普通的显示设备上。
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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的高动态范围场景可视化方法的流程示意图；
图2为本发明实施例的高动态范围场景可视化装置的结构框图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，本发明实施例提供的一种高动态范围场景可视化方法包括如下步骤：
获取高动态范围场景图像。
对所述高动态范围场景图像进行色彩空间转换，获得亮度分量和颜色分量。
对所述亮度分量进行对数域归一化处理，利用Total Variation模型提取归一化亮度图像的结构分量和纹理分量，对所述结构分量进行自适应动态范围压缩，获得压缩输出，对所述纹理分量和所述压缩输出进行基于泰勒级数的纹理信息融合，获得重建的亮度信息，对所述颜色分量进行色彩信息处理。
根据所述重建的亮度信息和经处理的颜色分量进行色彩信息恢复，获得可视化结果。
在本实施例中，不仅可完整地呈现场景的所有可视化信息，且计算效率较高，可获得生动、自然的可视化结果，有效地实现了高动态范围场景可视化，并可以用于实时的可视化图像处理系统，从而将高动态范围现实场景丰富的光影和色彩完整地呈现在普通的显示设备上。
优选地，所述对所述高动态范围场景图像进行色彩空间转换的具体实现包括：
将所述高动态范围场景图像从RGB色彩空间转换到HSV色彩空间，获得色调信息H、饱和度信息S和亮度信息V，其中，所述亮度分量包括所述亮度信息V，所述颜色分量包括所述色调信息H和所述饱和度信息S。
在本优选实施例中，将高动态范围场景图像从RGB色彩空间转换到HSV色彩空间，由于HSV色彩空间接近人类视觉系统对现实场景色彩的感知，并且HSV空间将场景的亮度分量和颜色分量独立地分开，能够在压缩动态范围的同时更好地保持场景的色彩信息，使画面更加生动自然。
优选地，所述对所述亮度分量进行对数域归一化处理的具体实现包括：
根据第一公式对所述亮度分量进行对数域归一化处理，所述第一公式为：
Figure BDA0002119568570000041
其中，Vlog表示对数域归一化的亮度值，Vmax表示所述亮度分量的最大值。
在本优选实施例中，由于人类的视觉系统对场景亮度的感知比较接近对数曲线，并且为了方便提取结构分量和纹理分量，将场景的亮度分量进行归一化处理，以符合人类的视觉系统对场景亮度的感知。
优选地，所述利用Total Variation模型提取归一化亮度图像的结构分量和纹理分量的具体实现包括：
根据第二公式和第三公式确定所述结构分量，所述第二公式为：
Figure BDA0002119568570000051
所述第三公式为：
Figure BDA0002119568570000052
其中，IS表示所述结构分量，包括了场景中较大的物体，其采用半二次方分裂的方法求得，i表示图像中像素的序号，即图像中的第i个像素，λ表示平滑系数。
根据第四公式确定所述纹理分量，所述第四公式为：
IT＝Vlog-Is。
其中，IT表示所述纹理分量，包括了场景的纹理信息，即高频分量。
在本优选实施例中，Total Variation模型广泛应用于图像去噪，由于其具有各向异性的特征，能在有效地减少图像噪声的同时，很好地保护图像的边缘和纹理特征。
优选地，所述对所述结构分量进行自适应动态范围压缩的具体实现包括：
根据第五公式和第六公式对所述结构分量进行自适应动态范围压缩，采用反正弦函数的所述第五公式为：
Figure BDA0002119568570000053
Fc为压缩因子，为了适应不同场景的动态范围压缩，其可由第六公式表达，所述第六公式为：
Figure BDA0002119568570000054
其中，Vg表示所述压缩输出，
Figure BDA0002119568570000061
表示所述结构分量的平均值。
在本优选实施例中，由于结构分量包括场景中较大的物体，具有很高的动态范围，纹理分量主要包括场景的纹理信息，其动态范围小，因此，只对结构分量进行动态范围压缩。反正弦函数可以有效地压缩动态范围，并能很好地保留场景亮区和暗区信息。
优选地，所述对所述纹理分量和所述压缩输出进行基于泰勒级数的纹理信息融合的具体实现包括：
根据第七公式对所述纹理分量和所述压缩输出进行基于泰勒级数的纹理信息融合，所述第七公式为：
VTdr＝f(Is)+f′(Is)IT。
其中，Vldr表示所述重建的亮度信息，f(Is)表示所述第五公式，即动态范围压缩过程，f’(Is)表示所述第五公式的一阶导数，f’(Is)IT表示纹理信息处理过程。
在本优选实施例中，由于压缩方程是非线性的，不能直接将纹理信息叠加到压缩输出Vg上，为了获得令人满意的场景图像，根据泰勒级数f(x)≈f(x0)+f′(x0)(x-x0)获得Vldr＝f(Is+IT)≈f(Is)+f′(Is)IT，进而获得第七公式。
优选地，所述对所述颜色分量进行色彩信息处理的具体实现包括：
根据第八公式调整所述饱和度信息S，采用sigmoid函数的所述第八公式为：
Figure BDA0002119568570000062
其中，Sldr表示经处理的饱和度信息。
最后将重建的亮度信息Vldr、经处理的饱和度信息Sldr以及场景的色调信息H从HSV色彩空间转换到RGB色彩空间，获得高动态范围场景可视化图像。
如图2所示，本发明实施例提供的一种高动态范围场景可视化装置包括：
获取模块，用于获取高动态范围场景图像。
转换模块，用于对所述高动态范围场景图像进行色彩空间转换，获得亮度分量和颜色分量。
处理模块，用于对所述亮度分量进行对数域归一化处理，利用Total Variation模型提取归一化亮度图像的结构分量和纹理分量，对所述结构分量进行自适应动态范围压缩，获得压缩输出，对所述纹理分量和所述压缩输出进行基于泰勒级数的纹理信息融合，获得重建的亮度信息，对所述颜色分量进行色彩信息处理。
恢复模块，用于根据所述重建的亮度信息和经处理的颜色分量进行色彩信息恢复，获得可视化结果。
在本发明另一实施例中，一种高动态范围场景可视化装置包括存储器和处理器。所述存储器，用于存储计算机程序。所述处理器，用于当执行所述计算机程序时，实现如上所述的高动态范围场景可视化方法。该装置可以为PC机、服务器等计算机装置。
在本发明另一实施例中，一种计算机可读存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的高动态范围场景可视化方法。
读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种高动态范围场景可视化方法，其特征在于，包括如下步骤：
获取高动态范围场景图像；
对所述高动态范围场景图像进行色彩空间转换，获得亮度分量和颜色分量；
所述对所述高动态范围场景图像进行色彩空间转换的具体实现包括：
将所述高动态范围场景图像从RGB色彩空间转换到HSV色彩空间，获得色调信息H、饱和度信息S和亮度信息V，其中，所述亮度分量包括所述亮度信息V，所述颜色分量包括所述色调信息H和所述饱和度信息S；
对所述亮度分量进行对数域归一化处理，利用Total Variation模型提取归一化亮度图像的结构分量和纹理分量，对所述结构分量进行自适应动态范围压缩，获得压缩输出，对所述纹理分量和所述压缩输出进行基于泰勒级数的纹理信息融合，获得重建的亮度信息，对所述颜色分量进行色彩信息处理；
根据所述重建的亮度信息和经处理的颜色分量进行色彩信息恢复，获得可视化结果；
所述对所述颜色分量进行色彩信息处理的具体实现包括：
根据第八公式调整所述饱和度信息S，所述第八公式为：
Figure FDA0003454307770000011
其中，Sldr表示经处理的饱和度信息。
2.根据权利要求1所述的高动态范围场景可视化方法，其特征在于，所述对所述亮度分量进行对数域归一化处理的具体实现包括：
根据第一公式对所述亮度分量进行对数域归一化处理，所述第一公式为：
Figure FDA0003454307770000021
其中，Vlog表示对数域归一化的亮度值，Vmax表示所述亮度分量的最大值。
3.根据权利要求2所述的高动态范围场景可视化方法，其特征在于，所述利用TotalVariation模型提取归一化亮度图像的结构分量和纹理分量的具体实现包括：
根据第二公式和第三公式确定所述结构分量，所述第二公式为：
Figure FDA0003454307770000022
所述第三公式为：
Figure FDA0003454307770000023
其中，IS表示所述结构分量，i表示图像中像素的序号，λ表示平滑系数；
根据第四公式确定所述纹理分量，所述第四公式为：
IT＝Vlog-Is；
其中，IT表示所述纹理分量。
4.根据权利要求3所述的高动态范围场景可视化方法，其特征在于，所述对所述结构分量进行自适应动态范围压缩的具体实现包括：
根据第五公式和第六公式对所述结构分量进行自适应动态范围压缩，所述第五公式为：
Figure FDA0003454307770000031
所述第六公式为：
Figure FDA0003454307770000032
其中，Vg表示所述压缩输出，
Figure FDA0003454307770000033
表示所述结构分量的平均值，Fc表示压缩因子。
5.根据权利要求4所述的高动态范围场景可视化方法，其特征在于，所述对所述纹理分量和所述压缩输出进行基于泰勒级数的纹理信息融合的具体实现包括：
根据第七公式对所述纹理分量和所述压缩输出进行基于泰勒级数的纹理信息融合，所述第七公式为：
Vldr＝f(Is)+f′(Is)IT；
其中，Vldr表示所述重建的亮度信息，f(Is)表示所述第五公式，f’(Is)表示所述第五公式的一阶导数。
6.一种高动态范围场景可视化装置，其特征在于，包括：
获取模块，用于获取高动态范围场景图像；
转换模块，用于对所述高动态范围场景图像进行色彩空间转换，获得亮度分量和颜色分量；
所述对所述高动态范围场景图像进行色彩空间转换的具体实现包括：
将所述高动态范围场景图像从RGB色彩空间转换到HSV色彩空间，获得色调信息H、饱和度信息S和亮度信息V，其中，所述亮度分量包括所述亮度信息V，所述颜色分量包括所述色调信息H和所述饱和度信息S；
处理模块，用于对所述亮度分量进行对数域归一化处理，利用Total Variation模型提取归一化亮度图像的结构分量和纹理分量，对所述结构分量进行自适应动态范围压缩，获得压缩输出，对所述纹理分量和所述压缩输出进行基于泰勒级数的纹理信息融合，获得重建的亮度信息，对所述颜色分量进行色彩信息处理；
恢复模块，用于根据所述重建的亮度信息和经处理的颜色分量进行色彩信息恢复，获得可视化结果；
所述对所述颜色分量进行色彩信息处理的具体实现包括：
根据第八公式调整所述饱和度信息S，所述第八公式为：
Figure FDA0003454307770000041
其中，Sldr表示经处理的饱和度信息。
7.一种高动态范围场景可视化装置，其特征在于，包括存储器和处理器；
所述存储器，用于存储计算机程序；
所述处理器，用于当执行所述计算机程序时，实现如权利要求1至5任一项所述的高动态范围场景可视化方法。
8.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1至5任一项所述的高动态范围场景可视化方法。
CN201910602158.9A 2019-07-05 2019-07-05 一种高动态范围场景可视化方法、装置和存储介质 Active CN110493584B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910602158.9A CN110493584B (zh) 2019-07-05 2019-07-05 一种高动态范围场景可视化方法、装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910602158.9A CN110493584B (zh) 2019-07-05 2019-07-05 一种高动态范围场景可视化方法、装置和存储介质

Publications (2)

Publication Number Publication Date
CN110493584A CN110493584A (zh) 2019-11-22
CN110493584B true CN110493584B (zh) 2022-04-29

Family

ID=68546719

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910602158.9A Active CN110493584B (zh) 2019-07-05 2019-07-05 一种高动态范围场景可视化方法、装置和存储介质

Country Status (1)

Country Link
CN (1) CN110493584B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113436167B (zh) * 2021-06-25 2022-04-26 湖南工商大学 基于深度学习和视觉感知的无参考彩色图像质量评价方法
CN116152369B (zh) * 2022-12-31 2023-09-22 廊坊奎达信息技术有限公司 一种基于大数据技术的图像动态可视化方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102938837B (zh) * 2012-09-19 2016-06-01 中山大学 一种基于边缘保持全分模型的色调映射方法
WO2016161446A1 (en) * 2015-04-03 2016-10-06 Dana-Farber Cancer Institute, Inc. Composition and methods of genome editing of b-cells
CN107657594A (zh) * 2017-09-22 2018-02-02 武汉大学 一种高质量的快速色调映射方法和系统
CN108898564A (zh) * 2018-07-06 2018-11-27 中国科学院光电技术研究所 一种基于人类视觉模型和wls滤波器的高动态范围图像色调映射方法

Also Published As

Publication number Publication date
CN110493584A (zh) 2019-11-22

Similar Documents

Publication Publication Date Title
CN105850114B (zh) 用于图像的逆色调映射的方法
Ahn et al. Adaptive local tone mapping based on retinex for high dynamic range images
KR101007101B1 (ko) 적응형 톤 매핑 장치 및 방법, 그리고 이를 이용한 영상 처리 시스템
US9002127B2 (en) Image dynamic range compression system, method and program
CN111105359B (zh) 一种高动态范围图像的色调映射方法
JP2018527675A (ja) 逆トーンマッピングの方法及び装置
CN113132696B (zh) 图像色调映射方法、装置、电子设备和存储介质
DE112017005207B4 (de) Verfahren zur Identifizierung von Lichtquellen, entsprechendes System und Computerprogrammprodukt
CN110493584B (zh) 一种高动态范围场景可视化方法、装置和存储介质
JP2016535485A (ja) デュアルバンドセンサからの画像の可視カラー画像への変換
CN102339461A (zh) 图像增强方法和设备
CN110599418A (zh) 一种变换域融合的全局色调映射方法
Yang et al. Low-light image enhancement based on Retinex theory and dual-tree complex wavelet transform
CN111292279B (zh) 一种基于彩色图像融合的偏振图像可视化方法
Tamburrino et al. Digital camera workflow for high dynamic range images using a model of retinal processing
Wen et al. A survey of image dehazing algorithm based on retinex theory
TW200833106A (en) Tone mapping method for dynamic range image
CN116468636A (zh) 低照度增强方法、装置、电子设备和可读存储介质
Jia et al. Efficient and adaptive tone mapping algorithm based on guided image filter
Wang et al. Color constancy enhancement for multi-spectral remote sensing images
CN110140150B (zh) 一种图像处理方法、装置以及终端设备
Liu et al. An adaptive tone mapping algorithm based on gaussian filter
Kumari et al. Image fusion techniques based on pyramid decomposition
WO2023272506A1 (zh) 图像处理方法及装置、可移动平台及存储介质
Li et al. Realistic Scenes Reproduction Based on Total Variation

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