CN110675345A - 一种遥感图像待修复区域的模糊补全处理方法及装置 - Google Patents
一种遥感图像待修复区域的模糊补全处理方法及装置 Download PDFInfo
- Publication number
- CN110675345A CN110675345A CN201910913972.2A CN201910913972A CN110675345A CN 110675345 A CN110675345 A CN 110675345A CN 201910913972 A CN201910913972 A CN 201910913972A CN 110675345 A CN110675345 A CN 110675345A
- Authority
- CN
- China
- Prior art keywords
- repaired
- point
- boundary
- area
- remote sensing
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 26
- 230000006870 function Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 101100289792 Squirrel monkey polyomavirus large T gene Proteins 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种遥感图像待修复区域的模糊补全处理方法及装置,方法包括:获取当前遥感图像中的待修复区域和待修复边界;根据待修复边界上任意的目标点的邻近点的像素值确定目标点的像素值;将待修复边界更新为新的待修复边界,并确定新的待修复边界上所有点的像素值;其中,邻近点为距离目标点预设范围内且在待修复区域之外的所有点。通过待修复边界上任意的目标点的邻近点的像素值确定目标点的像素值,并不断更新待修复边界实现整个待修复区域的模糊补全,无需人工干预,能够对遥感图像中待修复区域进行自动补全,具有很好的隐蔽性,肉眼无法分辨补全后的图像已经过隐藏处理,提高了信息的安全性,同时达到了预期的区域补全效果。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种遥感图像待修复区域的模糊补全处理方法及装置。
背景技术
为了提高卫星的使用效益,可利用信息隐藏技术来实现分级授权使用,即根据用户的不同权限进行信息的不同程度的隐藏,藉此来提高卫星的使用效能。信息隐藏技术是利用人类的感觉器官对数字信号的感觉冗余,将秘密信息隐藏于另外一个或者分解隐藏于多个表面普通的信息之中。它与传统密码系统的区别在于不但隐藏了信息的内容而且隐藏了信息的存在,在实际应用中二者可以相互配合,即将信息加密后再隐藏,是一种更为有效的保证信息安全的方法。
遥感图像中的信息隐藏属于信息隐藏学的“隐写术”范畴。隐写术是信息隐藏学的一个重要分支,研究如何隐藏机密信息。鉴于遥感影像与一般图像存在着较大的区别和差异,又具有广泛的应用前景,因此遥感图像的信息隐藏技术具有重要的实用价值和研究意义。在信息隐藏之前,首先需要提取目标区域,然后对目标区域进行补全,恢复图像中缺失的信息。
现有技术通常采用简单模糊、添加马赛克或图像自乱的方式进行区域补全,需要借助大量的人工干预,同时造成了“此地无银三百两”的不良效果,隐蔽性较差,使得遥感图像的区域补全效果与理想效果相差甚远。
发明内容
由于现有方法存在上述问题,本发明实施例提出一种遥感图像待修复区域的模糊补全处理方法及装置。
第一方面,本发明实施例提出一种遥感图像待修复区域的模糊补全处理方法,包括:
获取当前遥感图像中的待修复区域和所述待修复区域的待修复边界;
根据待修复边界上任意的目标点的邻近点的像素值确定所述目标点的像素值;
将所述待修复边界更新为所述待修复区域内的新的待修复边界,并确定所述新的待修复边界上所有点的像素值;
其中,所述邻近点为距离所述目标点预设范围内且在所述待修复区域之外的所有点。
可选地,所述根据待修复边界上任意的目标点的邻近点的像素值确定所述目标点的像素值,具体包括:
其中,w(p,q)为权值函数,I(q)为q点的像素值,▽I(q)为q点预设的梯度值,p-q为p点和q点之间的距离。
可选地,所述权值函数w(p,q)为:
w(p,q)=dir(p,q)dst(p,q)lev(p,q)
其中:
d0和T0分别为距离参数与水平集参数,||p-q||为p点和q点之间的距离,N(p)为p点的法线方向,T(p)为p点到待修复边界的距离,T(q)为q点到待修复边界的距离。
可选地,所述将所述待修复边界更新为所述待修复区域内的新的待修复边界,具体包括:
根据所述待修复区域内的点到所述待修复边界的距离,将所述待修复边界更新为所述待修复区域内的新的待修复边界。
可选地,所述遥感图像待修复区域的模糊补全处理方法,还包括:
若判断所述待修复区域内存在遗漏点的像素值未确定,则根据所述遗漏点的邻近点的像素值确定所述遗漏点的像素值。
第二方面,本发明实施例还提出一种遥感图像待修复区域的模糊补全处理装置,包括:
边界获取模块,用于获取当前遥感图像中的待修复区域和所述待修复区域的待修复边界;
像素值确定模块,用于根据待修复边界上任意的目标点的邻近点的像素值确定所述目标点的像素值;
边界更新模块,用于将所述待修复边界更新为所述待修复区域内的新的待修复边界,并确定所述新的待修复边界上所有点的像素值;
其中,所述邻近点为距离所述目标点预设范围内且在所述待修复区域之外的所有点。
可选地,所述像素值确定模块具体用于:
其中,w(p,q)为权值函数,I(q)为q点的像素值,▽I(q)为q点预设的梯度值,p-q为p点和q点之间的距离。
可选地,所述权值函数w(p,q)为:
w(p,q)=dir(p,q)dst(p,q)lev(p,q)
其中:
d0和T0分别为距离参数与水平集参数,||p-q||为p点和q点之间的距离,N(p)为p点的法线方向,T(p)为p点到待修复边界的距离,T(q)为q点到待修复边界的距离。
可选地,所述边界更新模块具体用于:
根据所述待修复区域内的点到所述待修复边界的距离,将所述待修复边界更新为所述待修复区域内的新的待修复边界。
可选地,所述遥感图像待修复区域的模糊补全处理装置,还包括:
遗漏点确定模块,用于若判断所述待修复区域内存在遗漏点的像素值未确定,则根据所述遗漏点的邻近点的像素值确定所述遗漏点的像素值。
第三方面,本发明实施例还提出一种电子设备,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行上述方法。
第四方面,本发明实施例还提出一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机程序,所述计算机程序使所述计算机执行上述方法。
由上述技术方案可知,本发明实施例通过待修复边界上任意的目标点的邻近点的像素值确定目标点的像素值,并不断更新待修复边界实现整个待修复区域的模糊补全,无需人工干预,能够对遥感图像中待修复区域进行自动补全,具有很好的隐蔽性,肉眼无法分辨补全后的图像已经过隐藏处理,提高了信息的安全性,同时达到了预期的区域补全效果。
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的前提下,还可以根据这些图获得其他的附图。
图1为本发明一实施例提供的一种遥感图像待修复区域的模糊补全处理方法的流程示意图;
图2为本发明一实施例提供的一种遥感图像待修复区域的模糊补全计算示意图;
图3为本发明一实施例提供的一种遥感图像待修复区域的模糊补全处理装置的结构示意图;
图4为本发明一实施例提供的电子设备的逻辑框图。
具体实施方式
下面结合附图,对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
图1示出了本实施例提供的一种遥感图像待修复区域的模糊补全处理方法的流程示意图,包括:
S101、获取当前遥感图像中的待修复区域和所述待修复区域的待修复边界。
其中,所述待修复区域为对遥感图像中的敏感内容进行提取之后留下的区域。
所述待修复边界为待修复区域最外层的边界。
S102、根据待修复边界上任意的目标点的邻近点的像素值确定所述目标点的像素值。
其中,所述邻近点为距离所述目标点预设范围内且在所述待修复区域之外的所有点。
以图2为例,其中目标点p为所述待修复边界上的任意一点,所述预设范围为以图2中点p为中心ε为半径的邻域Bε(p),Bε(p)在Ω之外,邻近点即为邻域Bε(p)内的所有点。
S103、将所述待修复边界更新为所述待修复区域内的新的待修复边界,并确定所述新的待修复边界上所有点的像素值。
具体地,将所述待修复边界的所有点的像素值确定后,更新待修复边界,将其进行缩小为新的待修复边界,并通过S102的方法重新确定新的待修复边界上所有点的像素值。
本实施例提供的遥感图像待修复区域的模糊补全方法可以实现对“关键区域”的补全,使用的inpainting算法为FMM(Forward Maximum Matching,正向最大匹配)算法,通过简单的边界像素计算,并不断缩小边界,最终得到待修复区域内部所有点的像素值,与其他修复算法相比,FMM算法速度快实现简单,在800MHz的PC上处理一张800×600的图像用时少于3秒。本实施例提供的模糊补全方法支持重复迭代多次,若对模糊补全结果不满意,可以重新修正敏感区域的选择,直至模糊补全效果达到要求为止。
本实施例通过待修复边界上任意的目标点的邻近点的像素值确定目标点的像素值,并不断更新待修复边界实现整个待修复区域的模糊补全,无需人工干预,能够对遥感图像中待修复区域进行自动补全,具有很好的隐蔽性,肉眼无法分辨补全后的图像已经过隐藏处理,提高了信息的安全性,同时达到了预期的区域补全效果。
进一步地,在上述方法实施例的基础上,S103具体包括:
其中,w(p,q)为权值函数,I(q)为q点的像素值,▽I(q)为q点预设的梯度值,p-q为p点和q点之间的距离。
所述权值函数w(p,q)为:
w(p,q)=dir(p,q)dst(p,q)lev(p,q)
其中:
d0和T0分别为距离参数与水平集参数,||p-q||为p点和q点之间的距离,N(p)为p点的法线方向,T(p)为p点到待修复边界的距离,T(q)为q点到待修复边界的距离。
具体地,以灰色图像为例,彩色图像计算类似,如图2所示,首先补全单个像素点p的像素值。
在图2中,椭圆形Ω区域为待修复区域,是待修复区域的待修复边界,p是该待修复边界上待补全的任意一点。在以p为中心的图像已知区域内部,选择以ε为半径的邻域Bε(p),则p点的像素值可由邻域Bε(p)内部的像素值近似计算得到。当ε足够小时,给定q点像素值I(q)以及q点的梯度值▽I(q),则p点的像素值近似为:Iq(p)=I(q)+▽I(q)(p-q),用邻域Bε(p)中的所有像素点q来求p点的像素值,则p点的像素值为:
其中w(p,q)为权值函数,决定了邻域中不同像素点的贡献大小,w(p,q)对生成光滑自然的待修复区域非常重要。方向函数dir(p,q)保证了靠近法向方向N的像素点对p点的贡献更大;几何距离函数dst(p,q)保证了离像素点p越近的像素点对p点的贡献更大;水平集距离保证了离经过点p的边缘的像素点越近的像素点对p的贡献越大。其中d0与T0分别为距离参数与水平集参数,通常设置为1。
进一步地,在上述方法实施例的基础上,S103中所述将所述待修复边界更新为所述待修复区域内的新的待修复边界,具体包括:
根据所述待修复区域内的点到所述待修复边界的距离,将所述待修复边界更新为所述待修复区域内的新的待修复边界。
具体地,对每个像素点都保存两个float值,分别为T与I,T为该像素点到边缘的距离,I为该像素点的灰度值。将所有像素分为三类并用flag标记,分别为:BAND:边缘上的像素;KNOWN:边缘外侧已知的像素;INSIDE:边缘内侧待补全的像素。
处理待修复区域Ω时,首先确定narrow band并标记为BAND,将narrow band内部的待修复标记为INSIDE,将narrow band外部的已知像素标记为KNOWN,将BAND和KNOWN中像素的T值初始化为0,INSIDE初始化为一个比较大的值,如106。
定义数据结构NarrowBand,将narrow band中的像素按照T值从小到大排序依次加入NarrowBand中,先处理T值小的像素再处理T值大的像素。找到T值最小的像素点p,将其标记为KNOWN,然后依次处理p点的四个邻域点,若邻域点类型为INSIDE,则修复该点并更新其T值,修改改点的类型为BAND并加入NarrowBand。对narrowband中的像素依次处理,直到NarrowBand为空,重新确定narrow band进行处理,直至整个区域Ω所有像素点均被补全为止。
本实施例通过对待修复区域进行快速的模糊补全,让用户判断所选敏感区域大小是否合适,以便于进一步调整敏感区域的选择。
进一步地,在上述方法实施例的基础上,所述遥感图像待修复区域的模糊补全处理方法,还包括:
S104、若判断所述待修复区域内存在遗漏点的像素值未确定,则根据所述遗漏点的邻近点的像素值确定所述遗漏点的像素值。
具体地,当新的待修复边界的周长小于预设值时,说明待修复边界无法再缩小,第一轮补全工作已经完成。此时,需要判断所述待修复区域内是否存在未确定像素值的遗漏点,若存在,则需要按照S102的方法确定所述遗漏点的像素值。
本实施例在去除遥感图像的敏感区域后,需要对图像产生的空洞区域进行补全,并尽可能使得补全后的图像真实自然。数字图像补全的目的是恢复图像中缺失的信息,现有的图像补全技术有两种:基于图像几何模型的修复方法(inpainting)与基于纹理的图像补全技术(completion)。其中inpainting方法主要用于修复划痕等小区域,速度快,completion方法主要用于修复大面积确实的图像,补全效果自然,而本实施例提供的模糊补全方法结合了两者的优点,速度快且补全效果自然。
图3示出了本实施例提供的一种遥感图像待修复区域的模糊补全处理装置的结构示意图,所述装置包括:边界获取模块301、像素值确定模块302和边界更新模块303,其中:
所述边界获取模块301用于获取当前遥感图像中的待修复区域和所述待修复区域的待修复边界;
所述像素值确定模块302用于根据待修复边界上任意的目标点的邻近点的像素值确定所述目标点的像素值;
所述边界更新模块303用于将所述待修复边界更新为所述待修复区域内的新的待修复边界,并确定所述新的待修复边界上所有点的像素值;
其中,所述邻近点为距离所述目标点预设范围内且在所述待修复区域之外的所有点。
具体地,所述边界获取模块301获取当前遥感图像中的待修复区域和所述待修复区域的待修复边界;所述像素值确定模块302根据待修复边界上任意的目标点的邻近点的像素值确定所述目标点的像素值;所述边界更新模块303将所述待修复边界更新为所述待修复区域内的新的待修复边界,并确定所述新的待修复边界上所有点的像素值。
本实施例通过待修复边界上任意的目标点的邻近点的像素值确定目标点的像素值,并不断更新待修复边界实现整个待修复区域的模糊补全,无需人工干预,能够对遥感图像中待修复区域进行自动补全,具有很好的隐蔽性,肉眼无法分辨补全后的图像已经过隐藏处理,提高了信息的安全性,同时达到了预期的区域补全效果。
进一步地,在上述装置实施例的基础上,所述像素值确定模块302具体用于:
其中,w(p,q)为权值函数,I(q)为q点的像素值,▽I(q)为q点预设的梯度值,p-q为p点和q点之间的距离。
进一步地,在上述装置实施例的基础上,所述权值函数w(p,q)为:
w(p,q)=dir(p,q)dst(p,q)lev(p,q)
其中:
d0和T0分别为距离参数与水平集参数,||p-q||为p点和q点之间的距离,N(p)为p点的法线方向,T(p)为p点到待修复边界的距离,T(q)为q点到待修复边界的距离。
进一步地,在上述装置实施例的基础上,所述边界更新模块303具体用于:
根据所述待修复区域内的点到所述待修复边界的距离,将所述待修复边界更新为所述待修复区域内的新的待修复边界。
进一步地,在上述装置实施例的基础上,所述遥感图像待修复区域的模糊补全处理装置,还包括:
遗漏点确定模块,用于若判断所述待修复区域内存在遗漏点的像素值未确定,则根据所述遗漏点的邻近点的像素值确定所述遗漏点的像素值。
本实施例所述的遥感图像待修复区域的模糊补全处理装置可以用于执行上述方法实施例,其原理和技术效果类似,此处不再赘述。
参照图4,所述电子设备,包括:处理器(processor)401、存储器(memory)402和总线403;
其中,
所述处理器401和存储器402通过所述总线403完成相互间的通信;
所述处理器401用于调用所述存储器402中的程序指令,以执行上述各方法实施例所提供的方法。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法。
本实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种遥感图像待修复区域的模糊补全处理方法,其特征在于,包括:
获取当前遥感图像中的待修复区域和所述待修复区域的待修复边界;
根据待修复边界上任意的目标点的邻近点的像素值确定所述目标点的像素值;
将所述待修复边界更新为所述待修复区域内的新的待修复边界,并确定所述新的待修复边界上所有点的像素值;
其中,所述邻近点为距离所述目标点预设范围内且在所述待修复区域之外的所有点。
4.根据权利要求1所述的遥感图像待修复区域的模糊补全处理方法,其特征在于,所述将所述待修复边界更新为所述待修复区域内的新的待修复边界,具体包括:
根据所述待修复区域内的点到所述待修复边界的距离,将所述待修复边界更新为所述待修复区域内的新的待修复边界。
5.根据权利要求1所述的遥感图像待修复区域的模糊补全处理方法,其特征在于,所述遥感图像待修复区域的模糊补全处理方法,还包括:
若判断所述待修复区域内存在遗漏点的像素值未确定,则根据所述遗漏点的邻近点的像素值确定所述遗漏点的像素值。
6.一种遥感图像待修复区域的模糊补全处理装置,其特征在于,包括:
边界获取模块,用于获取当前遥感图像中的待修复区域和所述待修复区域的待修复边界;
像素值确定模块,用于根据待修复边界上任意的目标点的邻近点的像素值确定所述目标点的像素值;
边界更新模块,用于将所述待修复边界更新为所述待修复区域内的新的待修复边界,并确定所述新的待修复边界上所有点的像素值;
其中,所述邻近点为距离所述目标点预设范围内且在所述待修复区域之外的所有点。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至5任一所述的遥感图像待修复区域的模糊补全处理方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至5任一所述的遥感图像待修复区域的模糊补全处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910913972.2A CN110675345A (zh) | 2019-09-25 | 2019-09-25 | 一种遥感图像待修复区域的模糊补全处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910913972.2A CN110675345A (zh) | 2019-09-25 | 2019-09-25 | 一种遥感图像待修复区域的模糊补全处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110675345A true CN110675345A (zh) | 2020-01-10 |
Family
ID=69079041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910913972.2A Pending CN110675345A (zh) | 2019-09-25 | 2019-09-25 | 一种遥感图像待修复区域的模糊补全处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110675345A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242871A (zh) * | 2020-01-20 | 2020-06-05 | 上海微盟企业发展有限公司 | 一种图像补全方法、装置、设备及计算机可读存储介质 |
CN114898210A (zh) * | 2022-05-10 | 2022-08-12 | 清研灵智信息咨询(北京)有限公司 | 一种基于神经网络的遥感图像目标识别方法 |
CN115526809A (zh) * | 2022-11-04 | 2022-12-27 | 山东捷瑞数字科技股份有限公司 | 一种图像处理方法、装置及电子设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107358581A (zh) * | 2017-06-19 | 2017-11-17 | 东南大学 | 快速图像修复方法 |
CN109242791A (zh) * | 2018-08-22 | 2019-01-18 | 东北农业大学 | 一种针对破损植物叶片的批量修复方法 |
-
2019
- 2019-09-25 CN CN201910913972.2A patent/CN110675345A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107358581A (zh) * | 2017-06-19 | 2017-11-17 | 东南大学 | 快速图像修复方法 |
CN109242791A (zh) * | 2018-08-22 | 2019-01-18 | 东北农业大学 | 一种针对破损植物叶片的批量修复方法 |
Non-Patent Citations (1)
Title |
---|
彭艺等: "气象卫星云图缺失区域的自动修复方法", 《小型微型计算机系统》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242871A (zh) * | 2020-01-20 | 2020-06-05 | 上海微盟企业发展有限公司 | 一种图像补全方法、装置、设备及计算机可读存储介质 |
CN111242871B (zh) * | 2020-01-20 | 2023-03-10 | 上海微盟企业发展有限公司 | 一种图像补全方法、装置、设备及计算机可读存储介质 |
CN114898210A (zh) * | 2022-05-10 | 2022-08-12 | 清研灵智信息咨询(北京)有限公司 | 一种基于神经网络的遥感图像目标识别方法 |
CN115526809A (zh) * | 2022-11-04 | 2022-12-27 | 山东捷瑞数字科技股份有限公司 | 一种图像处理方法、装置及电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shi et al. | Normalised gamma transformation‐based contrast‐limited adaptive histogram equalisation with colour correction for sand–dust image enhancement | |
Wang et al. | Robust object removal with an exemplar-based image inpainting approach | |
Cheng et al. | Robust algorithm for exemplar-based image inpainting | |
CN110675345A (zh) | 一种遥感图像待修复区域的模糊补全处理方法及装置 | |
CN109462747B (zh) | 基于生成对抗网络的dibr系统空洞填充方法 | |
CN109753971B (zh) | 扭曲文字行的矫正方法及装置、字符识别方法及装置 | |
Hung et al. | Exemplar-based Image Inpainting base on Structure Construction. | |
Sun | A new single-image fog removal algorithm based on physical model | |
US11080833B2 (en) | Image manipulation using deep learning techniques in a patch matching operation | |
WO2008067363A2 (en) | Soft edge smoothness prior and application on alpha channel super resolution | |
WO2009142333A1 (ja) | 画像処理方法、画像処理装置及び画像処理プログラム並びに記憶媒体 | |
JPH07302336A (ja) | 画像の特徴を曖昧化する方法および装置 | |
CN111179196B (zh) | 一种基于分而治之的多分辨率深度网络图像去高光方法 | |
WO2017096814A1 (zh) | 一种图像处理方法及装置 | |
CN103049891A (zh) | 基于自适应窗口选择的视频图像去模糊方法 | |
Li et al. | An image inpainting method | |
CN111179159A (zh) | 消除视频中目标影像的方法、装置、电子设备及存储介质 | |
Mahajan et al. | Image in painting techniques: A survey | |
WO2018039936A1 (en) | Fast uv atlas generation and texture mapping | |
CN110827209A (zh) | 一种联合颜色与深度信息的自适应深度图像修复方法 | |
CN113487512A (zh) | 一种基于边缘信息指导的数字图像修复方法及装置 | |
CN110473281A (zh) | 三维模型的描边处理方法、装置、处理器及终端 | |
CN110706167B (zh) | 一种遥感图像待修复区域的精细补全处理方法及装置 | |
Afrose et al. | Mesh color sharpening | |
CN110378852A (zh) | 图像增强方法、装置、计算机设备和存储介质 |
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: 20200110 |