CN110781737B - 水声数据体绘制中基于梳状波变换的传递函数设计方法 - Google Patents
水声数据体绘制中基于梳状波变换的传递函数设计方法 Download PDFInfo
- Publication number
- CN110781737B CN110781737B CN201910886449.5A CN201910886449A CN110781737B CN 110781737 B CN110781737 B CN 110781737B CN 201910886449 A CN201910886449 A CN 201910886449A CN 110781737 B CN110781737 B CN 110781737B
- Authority
- CN
- China
- Prior art keywords
- data
- brushlet
- dimensional
- volume
- 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
- 238000009877 rendering Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000012546 transfer Methods 0.000 title claims abstract description 15
- 230000009466 transformation Effects 0.000 title claims abstract description 14
- 238000013461 design Methods 0.000 title claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims abstract description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 16
- 230000003287 optical effect Effects 0.000 claims abstract description 14
- 238000013507 mapping Methods 0.000 claims description 16
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000013139 quantization Methods 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 2
- 238000002156 mixing Methods 0.000 claims description 2
- 230000010355 oscillation Effects 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000013506 data mapping Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种水声数据体绘制中基于梳状波变换的传递函数设计方法。本发明步骤：1、通过水下声纳采集原始三维标量数据，并以三维矩阵形式保存后进行三维非下采样Brushlet变换，得到各个变换后的子体积；2、对各个子体积进行Brushlet阈值去噪处理；3、用灰度共生矩阵提取前半象限的各个子体积中数据点的能量、对比度、熵、惯性等多个纹理特征；4、将步骤3中提取的多个纹理特征级联成一个高维特征向量，作为原始数据的特性向量，并用模糊C均值聚类算法进行数据分类；5、对分类结果分别设置相应的光学属性，并用光线投射算法进行体绘制。本发明在处理水下声纳收集到的具有复杂环境情况的三维水声数据时，能对其中水体数据和地底数据有着良好的绘制效果。
Description
技术领域
本发明属于科学计算可视化技术领域，特别涉及数据体绘制中基于梳状波(Brushlet)变换的传递函数设计方法。
背景技术
水声数据可视化技术作为人们探索海洋湖泊的一项关键技术，近年来越来越受到重视，该技术也一直是水声工程及海洋工程的研究热点。
在数据可视化方法中，直接体绘制是直接对三维数据进行处理，能有效表现物体的内部和外部特征，因此直接体绘制方法得到了广泛的应用。直接体绘制中至关重要的一环是传输函数的设计，因为传输函数将三维数据场的数据值映射为光学属性值，如不透明度，颜色值，光照强度等等，直接决定了投影图像的绘制质量。传递函数一般包含以下几个步骤：特征提取，数据分类和光学属性映射。
Brushlet是一种具有丰富方向纹理的特征提取工具，它具有正交基，在傅里叶平面仅仅局部化在一个峰值周围，它的系数是复数，具有唯一相位，从理论上讲，它可以实现对傅里叶域的任意划分，可以获得任意方向的子带分解，且分解系数是非冗余的。在三维Brushlet变换中，通过插值法沿着每个维度用零填充折叠信号得到三维非下采样Brushlet变换，使得分解后的象限体积大小等于原始体积，每个复系数在扩展处的位置与相应的体素位置匹配，有利于对每个数据点提取统计特征。
发明内容
本发明的目的就是针对复杂多变的三维水声数据，提出了一种水声数据体绘制中基于梳状波变换的传递函数设计方法，来增强水声数据的绘制效果。本发明方法利用三维非下采样Brushlet变换结合灰度共生矩阵来提取水声数据的高维纹理特征，并利用模糊C均值聚类算法对数据进行分类，最后对分类结果赋予相应的光学属性，可视化效果用软件VTK显示。
本发明具体包括如下步骤：
步骤1、通过水下声纳采集到原始三维标量数据，将数据以三维矩阵的形式保存，并将数据进行三维非下采样Brushlet变换，得到各个变换后的子体积；
步骤2、对各个子体积进行Brushlet阈值去噪处理；
步骤3、用灰度共生矩阵提取前半象限的各个子体积中数据点的能量，对比度，熵，惯性等多个纹理特征；
步骤4、将步骤三中提取的每个子体积对应数据点的多个纹理特征级联成一个高维特征向量，作为原始体数据的特性向量，并用模糊C均值聚类算法进行数据分类；
步骤5、对分类结果分别设置相应的光学属性，并用光线投射算法进行体绘制。
本发明有益效果如下：
本发明基于三维非下采样Brushlet变换来提取高维纹理特征，提高了对数据的分类能力，从而增强了对水声数据的绘制效果；本发明对Brushlet系数进行阈值去噪，提高了原始数据的表现形式。
本发明在处理水下声纳收集到的具有复杂环境情况的三维水声数据时，能对其中水体数据和地底数据有着良好的绘制效果，在水下目标检测和水面高度测量等实际应用中具有很高的价值。
附图说明
图1是水声数据体绘制中传递函数的设计流程图。
图2是三维非下采样Brushlet变换示意图，是原始三维数据(左图)经过3×4×2非下采样Brushlet变换后得到24个分解后的Brushlet系数块(右图)，其中每个子块的大小与原始数据相同。
具体实施方式
下面结合附图对本发明进一步说明。
如图1和2所示，水声数据体绘制中基于梳状波变换的传递函数设计方法，具体包括如下步骤：
步骤1、通过水下声纳采集到原始三维标量数据，将原始三维标量数据以三维矩阵的形式保存，并将原始三维标量数据进行三维非下采样Brushlet变换，即二层(4×4×4)Brushlet变换，得到各个变换后的子体积，将得到的64个变换后的子体积，用编号1～64表示；
步骤2、对各个子体积进行Brushlet阈值去噪处理；在各个子体积中，将模值小于该子体积中最大系数值的15％的Brushlet系数置为0，并反变换重构为去噪后的水声数据。
步骤3、为减少特征维度，将二层分解后的数据重构为一层(2×2×2)分解数据，并重新编号；用灰度共生矩阵提取前半象限(编号1～4)的各个子体积中数据点的能量、对比度、熵和惯性等多个纹理特征；
步骤4、将步骤三中提取的每个子体积对应数据点的多个纹理特征级联成一个高维特征向量，作为原始体数据的特性向量，并用模糊C均值聚类算法将数据分为三类：水体数据、地底和目标物体数据以及水体非目标物体数据。
步骤5、去除水体非目标物体数据，对水体和地底数据赋予相应的不透明度及颜色(RGB)等光学属性，即对分类结果分别设置相应的光学属性，并用光线投射算法进行体绘制。
步骤1中三维Brushlet基的构造如下：
①一维Brushlet基的构造
设集合
其中第i个区间的长度为pi＝xi+1-xi，在xi附近定义了一个长度为ε的领域。定义一个斜坡函数r(t)：
冲激函数b(t)的定义为：
wn是一个支撑区间为
的窗口函数，它的定义为：
则能够构造出定义在
上的一组标准正交基，形式如下：
um,i(x)＝wn(x-pi/2)em,i(x)+b(x-xi)em,i(2xi-x)-b(x-xi+1)em,i(2xi+1-x)
其中，um,i的支撑区间为[xi-ε,xi+1+ε]，
m和i为正整数。
令
傅里叶变换为
将
在标准正交基um,i上展开，得到：
对上式求傅里叶逆变换，得到：
其中，vm,i是um,i的傅里叶逆变换，{vm,i}即为标准正交Brushlet基，令σ＝ε/pi，则vm,i的表达式为：
其中，
和
分别为窗口函数w和冲激函数b(t)的傅里叶变换，pi为Brushlet的尺度因子，m为Brushlet的平移参数，Brushlet基为复值函数，它的相位参数表示了其分解的方向。
②三维Brushlet基的构造
再定义y轴上的区间集合
以及z轴上的区间集合
则y轴和z轴上的Brushlet基分别为vn，j，vl，k：
其中，qj＝yj+1-yj，ηk＝ηk+1-ηk分别为y轴和z轴上的尺度因子，n和1分别为y轴和z轴上的平移参数。
考虑定义在L2(R3)上瓦片分割
三维Brushlet基函数定义为瓦片分割上的一维Brushlet基的张量积：
它局部化在
区间内，震荡频率为
步骤3中利用灰度共生矩阵提取纹理特征，具体如下：
灰度共生矩阵(GLCM)定义为：P(i，j)＝P(i，j|δ，θ，G，N)，它描述了给定两个参数(像素间距离δ和方向θ)的固定大小空间窗口(N)中量化数量级(G)的所有成对灰度级组合(i，j)出现的联合概率，并储存在矩阵上。本发明中，像素间距离为1，方向为0°水平方向，量化数量级为64或128，窗口大小取(9×9×5)，(7×7×3)等窗口中分类效果比较好的一个。
可以在共生矩阵基础上提取二次统计量：能量：Asm＝∑i∑jP(i，j)2，对比度Con＝∑i∑j(i，j)2P(i，j)，熵Ent＝P(i，j)log P(i，j)，惯性IDM＝sum(P(i，j)/(1+(i-j)2))。
用滑动固定窗法对每个子体积块提取上述四个统计量：能量Aijkn，对比度Cijkn，熵Eijkn，惯性Iijkn。其中，(i，j，k)表示体数据点，n表示子体积的标号，由于Brushlet变换后的数据是关于原点共轭对称的，因此我们只取前半部分数据，得到每个体数据点的16维纹理特征向量，Fb16＝[Aijk1，Cijk1，Eijk1，Iijk1，...，Aijk4，Cijk4，Eijk4，Iijk4]，并将每个特征进行归一化处理。
步骤5中赋予水体数据和地底数据光学属性，具体如下：
5-1、水体数据的光学属性映射
水体数据的不透明度设为0.01，颜色为RGB值为(0.1，0.2，1)的海蓝色。
5-2、地底数据的光学属性映射
①地底数据不透明度的映射：
采用基于标量和梯度的混合映射函数：A＝ρF+(1-ρ)G，其中，F为基于标量的不透明度映射函数，G为基于梯度的不透明度映射函数，A为混合不透明度映射函数，ρ(0≤ρ≤1)为混合因子。F的表达式如下：
其中，f(x，y，z)为某数据点的标量值，fmin，fmax分别表示最小和最大的标量值。G的表达式如下：
其中，g(x，y，z)为某数据点的标量值，gmin，gmax分别表示最小和最大的梯度值。
②地底数据颜色值的映射：
本发明对地底数据设置了分段线性颜色查找表，对地底数据中标量值较低的数据赋予褐色，RGB值为(0.55，0.28，0.15)，颜色值较高的数据赋予黄褐色和橙橘色，RGB值分别为(0.8，0.75，0.44)，(0.8，0.4，0.11)，地底目标物体的颜色黄色(1，1，0)。
Claims (5)
1.水声数据体绘制中基于梳状波变换的传递函数设计方法，其特征在于具体包括如下步骤：
步骤1、通过水下声纳采集到原始三维标量数据，将原始三维标量数据以三维矩阵的形式保存，并将原始三维标量数据进行三维非下采样Brushlet变换，具体为二层Brushlet变换，得到各个变换后的子体积，将得到的64个变换后的子体积，用编号1～64表示；
步骤2、对各个子体积进行Brushlet阈值去噪处理；在各个子体积中，将模值小于该子体积中最大系数值的15％的Brushlet系数置为0，并反变换重构为去噪后的水声数据；
步骤3、将二层分解后的数据重构为一层分解数据，并重新编号；用灰度共生矩阵提取前半象限的各个子体积中数据点的能量、对比度、熵和惯性的多个纹理特征；前半象限的编号是1～4；
步骤4、将步骤3中提取的每个子体积对应数据点的多个纹理特征级联成一个高维特征向量，作为原始体数据的特性向量，并用模糊C均值聚类算法将数据分为三类：水体数据、地底和目标物体数据以及水体非目标物体数据；
步骤5、去除水体非目标物体数据，对水体数据、地底和目标物体数据赋予相应的不透明度及颜色的光学属性，即对分类结果分别设置相应的光学属性，并用光线投射算法进行体绘制。
2.根据权利要求1所述的水声数据体绘制中基于梳状波变换的传递函数设计方法，其特征在于步骤1具体实现如下：
步骤1中三维Brushlet基的构造如下：
①一维Brushlet基的构造
设集合
其中第i个区间的长度为pi＝xi+1-xi，在xi附近定义一个长度为ε的领域；定义斜坡函数r(t)：
冲激函数b(t)的定义为：
wn是一个支撑区间为
的窗口函数，定义为：
则能够构造出定义在
上的一组标准正交基，形式如下：
其中，um，i的支撑区间为[xi-ε，xi+1+ε]，
m，i为正整数；
令
傅里叶变换为
将
在标准正交基um，i上展开，得到
对上式求傅里叶逆变换，得到：
其中，vm，i是um，i的傅里叶逆变换，{vm，i}即为标准正交Brushlet基，令σ＝ε/pi，则vm，i的表达式为：
其中，
和
分别为窗口函数w和bump函数b的傅里叶变换，pi为Brushlet的尺度因子，m为Brushlet的平移参数，Brushlet基为复值函数，它的相位参数表示了其分解的方向；
②三维Brushlet基的构造
再定义y轴上的区间集合
以及z轴上的区间集合
则y轴和z轴上的Brushlet基分别为vn，j，vl，k：
其中，qj＝yj+1-yj，ηk＝ηk+1-ηk分别为y轴和z轴上的尺度因子，n和1分别为y轴和z轴上的平移参数；
考虑定义在L2(R3)上瓦片分割
三维Brushlet基函数定义为瓦片分割上的一维Brushlet基的张量积：
它局部化在
区间内，震荡频率为
3.根据权利要求2所述的水声数据体绘制中基于梳状波变换的传递函数设计方法，其特征在于步骤3具体实现如下：
灰度共生矩阵定义为：P(i，j)＝P(i，j|δ，θ，G，N)，描述了给定两个参数的固定大小空间窗口(N)中量化数量级(G)的所有成对灰度级组合(i，j)出现的联合概率，并储存在矩阵上；所述给定两个参数是像素间距离δ和方向θ；
在共生矩阵基础上提取二次统计量：
能量：Asm＝∑i∑jP(i，j)2，对比度Con＝∑i∑j(i，j)2P(i，j)，熵Ent＝P(i，j)log P(i，j)，惯性IDM＝sum(P(i，j)/(1+(i-j)2))；
用滑动固定窗法对每个子体积块提取上述四个统计量：能量Aijkn，对比度Cijkn，熵Eijkn，惯性Iijkn；其中，(i，j，k)表示体数据点，n表示子体积的标号，由于Brushlet变换后的数据是关于原点共轭对称的，因此我们只取前半部分数据，得到每个体数据点的16维纹理特征向量，Fb16＝[Aijk1，Cijk1，Eijk1，Iijk1，...，Aijk4，Cijk4，Eijk4，Iijk4]，并将每个特征进行归一化处理。
4.根据权利要求3所述的水声数据体绘制中基于梳状波变换的传递函数设计方法，其特征在于步骤3具体实现如下：
给定两个参数的像素间距离δ为1，方向θ为0°；水平方向，量化数量级为64或128，窗口大小取9×9×5或7×7×3。
5.根据权利要求3或4所述的水声数据体绘制中基于梳状波变换的传递函数设计方法，其特征在于步骤5具体实现如下：
5-1、水体数据的光学属性映射
水体数据的不透明度设为0.01，颜色为RGB值为(0.1，0.2，1)的海蓝色；
5-2、地底和目标物体数据的光学属性映射
①地底和目标物体数据不透明度的映射：
采用基于标量和梯度的混合映射函数：A＝ρF+(1-ρ)G，其中，F为基于标量的不透明度映射函数，G为基于梯度的不透明度映射函数，A为混合不透明度映射函数，ρ为混合因子，且0≤ρ≤1；F的表达式如下：
其中，f(x，y，z)为某数据点的标量值，fmin，fmax分别表示最小和最大的标量值；G的表达式如下：
其中，g(x，y，z)为某数据点的标量值，gmin，gmax分别表示最小和最大的梯度值；
②地底和目标物体数据颜色值的映射：
对地底和目标物体数据设置分段线性颜色查找表，对地底和目标物体数据中标量值较低的数据赋予褐色，RGB值为(0.55，0.28，0.15)，颜色值较高的数据赋予黄褐色和橙橘色，RGB值分别为(0.8，0.75，0.44)，(0.8，0.4，0.11)，地底目标物体的颜色黄色(1，1，0)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910886449.5A CN110781737B (zh) | 2019-09-19 | 2019-09-19 | 水声数据体绘制中基于梳状波变换的传递函数设计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910886449.5A CN110781737B (zh) | 2019-09-19 | 2019-09-19 | 水声数据体绘制中基于梳状波变换的传递函数设计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110781737A CN110781737A (zh) | 2020-02-11 |
| CN110781737B true CN110781737B (zh) | 2022-04-12 |
Family
ID=69383583
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910886449.5A Active CN110781737B (zh) | 2019-09-19 | 2019-09-19 | 水声数据体绘制中基于梳状波变换的传递函数设计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110781737B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112907485B (zh) * | 2021-03-18 | 2023-04-25 | 国家海洋信息中心 | 一种基于lαβ空间色彩映射的遥感影像批量调色方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7542622B1 (en) * | 2003-06-02 | 2009-06-02 | The Trustees Of Columbia University In The City Of New York | Spatio-temporal treatment of noisy images using brushlets |
| CN103559496A (zh) * | 2013-11-15 | 2014-02-05 | 中南大学 | 泡沫图像多尺度多方向纹理特征的提取方法 |
-
2019
- 2019-09-19 CN CN201910886449.5A patent/CN110781737B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7542622B1 (en) * | 2003-06-02 | 2009-06-02 | The Trustees Of Columbia University In The City Of New York | Spatio-temporal treatment of noisy images using brushlets |
| CN103559496A (zh) * | 2013-11-15 | 2014-02-05 | 中南大学 | 泡沫图像多尺度多方向纹理特征的提取方法 |
Non-Patent Citations (8)
| Title |
|---|
| 《Exploring Brushlet Based 3D Textures in Transfer Function Specification for Direct Volume Rendering of Abdominal Organs》;M. Alper Selver;《IEEE TRANSACTIONS ON VISUALIZATION AND COMPUTER GRAPHICS》;20150201;第21卷(第2期);全文 * |
| 《Orientation Visualizing Transfer Function for Volume Rendering》;Lou Shengzhou;《International Conference on Bioscience, Biochemistry and Bioinformatics (ICBBB 2011)》;20110228;全文 * |
| 《Space-frequency weighting of Brushlet transform for texture representation in 3D medical imaging》;M. Alper Selver Oguz Dicle;《2017 10th International Congress on Image and Signal Processing, BioMedical Engineering and Informatics》;20180227;全文 * |
| 《三维成像声纳图像后处理技术研究》;洪一帆;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20110715(第07期);全文 * |
| 《三维水声数据的可视技术研究》;宦天枢;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20180215(第2期);全文 * |
| 《水声数据可视化技术研究》;周天琪;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20170615(第6期);全文 * |
| 《水声数据的可视化算法研究》;高真;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20170615(第6期);全文 * |
| 《海洋水声场三维可视化技术研究与实现》;程海涛;《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》;20190115(第10期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110781737A (zh) | 2020-02-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108510532B (zh) | 基于深度卷积gan的光学和sar图像配准方法 | |
| CN108573276B (zh) | 一种基于高分辨率遥感影像的变化检测方法 | |
| CN108399625B (zh) | 一种基于深度卷积生成对抗网络的sar图像定向生成方法 | |
| CN107341837B (zh) | 基于影像金字塔的栅格-矢量数据转换及连续尺度表达方法 | |
| CN110458192B (zh) | 基于视觉显著性的高光谱遥感图像分类方法及系统 | |
| CN111008664B (zh) | 一种基于空谱联合特征的高光谱海冰检测方法 | |
| CN111027497B (zh) | 基于高分辨率光学遥感影像的弱小目标快速检测方法 | |
| CN108710862B (zh) | 一种高分辨率遥感影像水体提取方法 | |
| CN113297988B (zh) | 一种基于域迁移和深度补全的物体姿态估计方法 | |
| CN115797813B (zh) | 基于航拍图像的水环境污染检测方法 | |
| CN111815550A (zh) | 一种基于灰度共生矩阵的红外与可见光图像融合方法 | |
| CN111563577B (zh) | 基于Unet的跳跃层分频和多尺度鉴别的本征图像分解方法 | |
| CN117689579A (zh) | 一种渐进式双解耦的sar辅助遥感影像厚云去除方法 | |
| CN110781737B (zh) | 水声数据体绘制中基于梳状波变换的传递函数设计方法 | |
| CN110148083B (zh) | 基于快速bemd和深度学习的图像融合方法 | |
| CN102496144A (zh) | 基于hsv色彩空间的nsct水声图像增强方法 | |
| Ghircoias et al. | Contour lines extraction and reconstruction from topographic maps | |
| CN103903228A (zh) | 一种基于hwd变换的非局部图像去噪方法 | |
| CN116703744B (zh) | 一种基于卷积神经网络的遥感影像匀光匀色方法和装置 | |
| CN113421198A (zh) | 一种基于子空间的非局部低秩张量分解的高光谱图像去噪方法 | |
| CN108090914A (zh) | 基于统计建模与像素分类的彩色图像分割方法 | |
| Liu et al. | Identification method of sunflower leaf disease based on sift point | |
| CN116958547A (zh) | 基于生成对抗网络的遥感影像云去除方法 | |
| CN107818579B (zh) | 基于四元数Gabor滤波的彩色纹理特征提取方法 | |
| CN113378924B (zh) | 一种基于空-谱特征联合的遥感影像监督分类方法 |
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 |