CN110827225A - 一种基于双重曝光框架的非均匀光照水下图像增强方法 - Google Patents
一种基于双重曝光框架的非均匀光照水下图像增强方法 Download PDFInfo
- Publication number
- CN110827225A CN110827225A CN201911104272.5A CN201911104272A CN110827225A CN 110827225 A CN110827225 A CN 110827225A CN 201911104272 A CN201911104272 A CN 201911104272A CN 110827225 A CN110827225 A CN 110827225A
- Authority
- CN
- China
- Prior art keywords
- image
- underwater
- color correction
- optimal exposure
- color
- 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
- 238000005286 illumination Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012937 correction Methods 0.000 claims abstract description 40
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 230000002708 enhancing effect Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 abstract description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 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
-
- G06T5/80—
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Abstract
本发明公开了一种基于双重曝光框架的非均匀光照水下图像增强方法,所述水下图像增强方法的步骤如下:计算原始非均匀光照水下图像中RGB颜色空间各通道的均值和均方差,通过线性拉伸对原图像进行颜色校正;基于信息熵理论计算颜色校正后图像的最优曝光率;基于亮度转换模型和得到的最优曝光率生成颜色校正后图像的最优曝光图,解决光照不均匀的问题,提高图像亮度;将生成的最优曝光图与颜色校正后的图像进行融合,得到最终的水下增强图像。本发明主要解决了水下图像颜色失真、对比度低、光照不均以及细节信息模糊等问题,改善了水下图像的整体视觉效果。
Description
技术领域
本发明主要涉及图像处理领域中的水下图像增强方法,具体是一种基于双重曝光框架的非均匀光照水下图像增强方法。
背景技术
水下图像作为海洋信息的重要载体,为海洋资源的开发和保护提供了有力的支持。但是在水下成像过程中,由于光在水中的特殊传输特性,造成水下图像的质量差,其主要原因在于光的吸收和散射效应。其中,由于不同波长的光谱在水中传播距离的差异以及水体对光的选择性吸收,造成图像颜色失真;水体中悬浮颗粒对光的散射,导致图像产生模糊、可见度低和光照不均。这些降质特性极大限制了水下图像的实际应用。
现有技术中,如一种基于Retinex理论的水下图像增强方法,该方法首先采用线性拉伸来进行颜色校正,然后通过变分Retinex框架来分解反射率和光照强度,并对两者进行增强,以解决曝光不足和模糊的问题;一种基于暗通道先验的水下图像增强方法,该方法首先建立了三个颜色通道之间传输速率的关系,然后利用暗通道先验对图像进行去雾,最后对无雾图像进行颜色校正;一种基于仿射变换模型的水下图像增强方法,该方法通过原始图像和参考图像之间的局部颜色映射和颜色协方差映射将局部和全局信息相结合。
现有技术中的图像增强方法,虽然能够一定程度上对水下图像进行颜色校正,增强图像清晰度,但是对于提高水下图像的对比度,解决光照不均以及细节信息模糊等问题并不能进行有效的解决。因此,有必要寻找新的图像增强方法来解决水下图像存在的颜色失真、模糊、对比度低和光照不均等问题。
发明内容
为解决目前技术的不足,本发明结合现有技术,从实际应用出发,提供一种基于双重曝光框架的非均匀光照水下图像增强方法,能够解决水下图像颜色失真、对比度低、光照不均以及细节信息模糊等问题,改善水下图像的整体视觉效果。
本发明的技术方案如下:
一种基于双重曝光框架的非均匀光照水下图像增强方法,所述方法包括:
计算原始非均匀光照水下图像中RGB颜色空间各通道的均值和均方差,通过线性拉伸对原图像进行颜色校正;
基于信息熵理论计算颜色校正后图像的最优曝光率;
基于亮度转换模型和得到的最优曝光率生成颜色校正后图像的最优曝光图,解决光照不均匀的问题,提高图像亮度的同时对过曝光区域进行降曝;
将生成的最优曝光图与颜色校正后的图像进行融合,得到最终的水下增强图像。
进一步的,所述计算原始非均匀光照水下图像中RGB颜色空间各通道的均值和均方差,通过线性拉伸对原图像进行颜色校正,包括:
原始非均匀光照水下图像中RGB颜色空间各通道的均值和均方差计算公式如下:
原始图像颜色校正公式如下:
进一步的,所述基于信息熵理论计算颜色校正后图像的最优曝光率,包括:
将颜色校正后图像的像素值进行归一化,并提取过曝光区域的像素,将其定义为:
Q={I(x)|T(x)>0.9} (3)
其中,Q只包含过曝光区域的像素;I为颜色校正后的水下图像;T为颜色校正后水下图像的场景照度图;x为图像中某一像素点;不同曝光率下的图像亮度变化很大,但是颜色基本相同,因此,估计最佳曝光率时,只考虑亮度分量,亮度分量Y可由三通道得到:
其中,QR,QG和QB分别为低照度区域的红、绿、蓝颜色通道,符号·表示矩阵相乘;
曝光良好区域比曝光不足和曝光过度的区域具有更高的可见度且提供更多信息,因此,最佳曝光率应使图像具有最大的信息量,可采用图像信息熵进行定义:
H(Y)=-∑pi·logpi (5)
其中,H(Y)表示亮度分量Y的信息熵;pi表示图像中灰度值为i的像素所占的比例;
最大化图像信息熵,公式如下:
其中kopt为最优曝光率。
进一步的,所述基于亮度转换模型和得到的最优曝光率生成颜色校正后图像的最优曝光图包括:
生成最优曝光图,公式如下:
其中,a,b为亮度转换参数。
进一步的,所述将生成的最优曝光图与颜色校正后的图像进行融合,得到最终的水下增强图像,包括:
水下增强图像计算,公式如下:
R=W·I+(1-W)·g(I,kopt) (8)
其中R表示最终的水下增强图像,W为权重矩阵。
本发明的有益效果:
1、本发明不需要昂贵的图像采集设备以及大量输入图像,能够很好地降低了成本和操作复杂度,实用性较高;
2、与现有的水下图像增强算法如基于Retinex理论、基于暗通道先验相比,本发明不仅能够对非均匀光照条件下的水下图像进行颜色校正,增强图像清晰度,而且可以提高水下图像的对比度,解决光照不均以及细节信息模糊等问题,最终的实验结果表明该方法适用于非均匀光照水下图像增强且有效改善了图像的整体视觉效果。
附图说明
附图1为本发明图像增强方法流程图。
具体实施方式
结合附图和具体实施例,对本发明作进一步说明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所限定的范围。
针对光的吸收所导致的颜色失真,本实施例对水下图像的RGB各颜色通道进行线性拉伸来实现颜色校正;针对光的散射所导致的模糊和光照不均,本实施例采用双重曝光框架来均衡图像的光照,从而提高水下图像的亮度以及对比度,使图像更加清晰。
本实施例提出的一种基于双重曝光框架的非均匀光照水下图像增强方法,其方法流程图如图1所示。首先,计算原始非均匀光照水下图像中RGB颜色空间各通道的均值和均方差,通过线性拉伸对原图像进行颜色校正。如果原图像存在较为严重的光照不均,图像中曝光良好的区域在经过颜色校正后往往会出现过曝光现象,因此通过最优曝光率生成一幅最优曝光图,并融合最优曝光图与颜色校正后的图像,可解决水下图像光照不均的问题且不会产生过曝光现象。
本实施例中,颜色校正、计算最优曝光率、生成最优曝光图、融合计算具体方法如下。
1.颜色校正
计算原始非均匀光照水下图像中RGB颜色空间各通道的均值和均方差,然后进行线性拉伸,采用公式如下:
2.计算最优曝光率
为了解决不均匀光照水下图像经过颜色校正后产生的过曝光现象。本实施例将颜色校正后图像的像素值进行归一化,并提取过曝光区域的像素,将其定义为:
Q={I(x)|T(x)>0.9} (3)
其中Q只包含过曝光区域的像素;I为颜色校正后的水下图像;T为颜色校正后水下图像的场景照度图;x为图像中某一像素点。不同曝光率下的图像亮度变化很大,但是颜色基本相同,因此,在估计最佳曝光率时,只考虑亮度分量。亮度分量Y可由三通道得到:
其中QR,QG和QB分别为低照度区域的红、绿、蓝颜色通道。
曝光良好区域比曝光不足和曝光过度的区域具有更高的可见度且提供更多信息。因此,最佳曝光率应使图像具有最大的信息量,可采用图像信息熵进行定义:
H(Y)=-∑pi·logpi (5)
其中pi表示图像中灰度值为i的像素所占的比例。
最大化图像信息熵:
其中kopt为最优曝光率。
3.生成最优曝光图
利用亮度转换模型和得到的最优曝光率生成颜色校正后图像的最优曝光图,如公式(7)所示:
其中a,b为亮度转换参数,具体实施方式中,将a设置为-0.3293,b设置为1.1258。
4.融合计算
将生成的最优曝光图与颜色校正后的图像按照公式(8)进行融合:
R=W·I+(1-W)·g(I,kopt) (8)
其中R表示最终的水下增强图像,W为权重矩阵。
权重矩阵W设计的优劣是决定算法是否可以降低过曝光区域同时保持良好曝光区域对比度的关键。因此,曝光良好的像素应分配较大的权重,过曝光的像素应分配较小的权重。由于W与颜色校正后的场景照度图T正相关,因此W可表示为:
W=Tμ (6)
其中μ是控制降曝程度的参数,当μ=0时,图像没有降曝;当μ=1时,过曝光区域和良好曝光区域均得到降曝;当μ>1时,图像因过度降爆造成图像亮度过低;为了在降低过曝光区域的同时保持良好曝光区域的细节,本实施例取μ=0.7。
为了验证本方法的有效性,本实施例采用多幅水下图像构造测试数据集。实验证明,对比原始图像,本实施例的增强图像解决了颜色失真和光照不均问题,图像的对比度与细节清晰度均得到了明显的改善;对比颜色校正后的图像,增强图像有效降低了过曝光区域的亮度,且细节信息更加明显。同时,本实施例与基于Retinex理论和基于暗通道先验两种方法的增强结果对比,实验证明本实施例的图像增强方法在颜色校正、提高图像对比度、恢复细节信息和解决光照不均方面均优于其余两种算法。
Claims (5)
1.一种基于双重曝光框架的非均匀光照水下图像增强方法,其特征在于,所述方法包括:
计算原始非均匀光照水下图像中RGB颜色空间各通道的均值和均方差,通过线性拉伸对原图像进行颜色校正;
基于信息熵理论计算颜色校正后图像的最优曝光率;
基于亮度转换模型和得到的最优曝光率生成颜色校正后图像的最优曝光图;
将生成的最优曝光图与颜色校正后的图像进行融合,得到最终的水下增强图像。
3.如权利要求2所述的一种基于双重曝光框架的非均匀光照水下图像增强方法,其特征在于,所述基于信息熵理论计算颜色校正后图像的最优曝光率,包括:
将颜色校正后图像的像素值进行归一化,并提取过曝光区域的像素,将其定义为:
Q={I(x)|T(x)>0.9} (3)
其中,Q只包含过曝光区域的像素;I为颜色校正后的水下图像;T为颜色校正后水下图像的场景照度图;x为图像中某一像素点;
基于亮度分量,估计最佳曝光率,亮度分量Y基于三通道计算,其计算公式如下:
其中,QR,QG和QB分别为低照度区域的红、绿、蓝颜色通道,符号·表示矩阵相乘;
基于图像信息熵定义最优曝光率,公式如下:
H(Y)=-∑pi·log pi (5)
其中,H(Y)表示亮度分量Y的信息熵;pi表示图像中灰度值为i的像素所占的比例;
最大化图像信息熵,公式如下:
其中kopt为最优曝光率。
5.如权利要求4所述的一种基于双重曝光框架的非均匀光照水下图像增强方法,其特征在于,所述将生成的最优曝光图与颜色校正后的图像进行融合,得到最终的水下增强图像,包括:
水下增强图像计算,公式如下:
R=W·I+(1-W)·g(I,kopt) (8)
其中R表示最终的水下增强图像,W为权重矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911104272.5A CN110827225A (zh) | 2019-11-13 | 2019-11-13 | 一种基于双重曝光框架的非均匀光照水下图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911104272.5A CN110827225A (zh) | 2019-11-13 | 2019-11-13 | 一种基于双重曝光框架的非均匀光照水下图像增强方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110827225A true CN110827225A (zh) | 2020-02-21 |
Family
ID=69554494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911104272.5A Pending CN110827225A (zh) | 2019-11-13 | 2019-11-13 | 一种基于双重曝光框架的非均匀光照水下图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110827225A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340732A (zh) * | 2020-02-28 | 2020-06-26 | 新疆大学 | 一种低照度视频图像增强方法及装置 |
CN111724332A (zh) * | 2020-06-09 | 2020-09-29 | 四川大学 | 一种适用于密闭腔体检测的图像增强方法及系统 |
CN112381724A (zh) * | 2020-10-16 | 2021-02-19 | 中国科学院西安光学精密机械研究所 | 一种基于多曝光融合框架的图像宽动态增强方法 |
CN112419181A (zh) * | 2020-11-19 | 2021-02-26 | 中国科学院西安光学精密机械研究所 | 一种宽动态红外图像细节增强方法 |
CN112581392A (zh) * | 2020-12-15 | 2021-03-30 | 中山大学 | 基于双向光照估计与融合修复的图像曝光校正方法、系统及存储介质 |
CN113079323A (zh) * | 2021-03-31 | 2021-07-06 | 中国科学院长春光学精密机械与物理研究所 | 一种基于二维熵的航天遥感载荷自动曝光方法 |
CN113554565A (zh) * | 2021-07-27 | 2021-10-26 | 南京信息工程大学滨江学院 | 一种基于朗伯比尔定律的水下图像增强方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050123211A1 (en) * | 2003-12-09 | 2005-06-09 | Wong Kam F. | Digital image processing system and method for processing digital images |
CN101052100A (zh) * | 2007-03-29 | 2007-10-10 | 上海交通大学 | 多曝光图像增强方法 |
CN107292804A (zh) * | 2017-06-01 | 2017-10-24 | 西安电子科技大学 | 基于OpenCL的直接多曝光融合并行加速方法 |
CN107705258A (zh) * | 2017-09-19 | 2018-02-16 | 东华大学 | 一种三基色联合预均衡和去模糊的水下图像增强方法 |
CN107886486A (zh) * | 2017-12-01 | 2018-04-06 | 天津大学 | 基于暗通道先验与变分Retinex水下图像增强方法 |
CN109658343A (zh) * | 2018-11-05 | 2019-04-19 | 天津大学 | 结合颜色转换和自适应曝光的水下图像增强方法 |
CN110035239A (zh) * | 2019-05-21 | 2019-07-19 | 北京理工大学 | 一种基于灰度—梯度优化的多积分时间红外图像融合方法 |
-
2019
- 2019-11-13 CN CN201911104272.5A patent/CN110827225A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050123211A1 (en) * | 2003-12-09 | 2005-06-09 | Wong Kam F. | Digital image processing system and method for processing digital images |
CN101052100A (zh) * | 2007-03-29 | 2007-10-10 | 上海交通大学 | 多曝光图像增强方法 |
CN107292804A (zh) * | 2017-06-01 | 2017-10-24 | 西安电子科技大学 | 基于OpenCL的直接多曝光融合并行加速方法 |
CN107705258A (zh) * | 2017-09-19 | 2018-02-16 | 东华大学 | 一种三基色联合预均衡和去模糊的水下图像增强方法 |
CN107886486A (zh) * | 2017-12-01 | 2018-04-06 | 天津大学 | 基于暗通道先验与变分Retinex水下图像增强方法 |
CN109658343A (zh) * | 2018-11-05 | 2019-04-19 | 天津大学 | 结合颜色转换和自适应曝光的水下图像增强方法 |
CN110035239A (zh) * | 2019-05-21 | 2019-07-19 | 北京理工大学 | 一种基于灰度—梯度优化的多积分时间红外图像融合方法 |
Non-Patent Citations (4)
Title |
---|
WENHAO ZHANG等: "Underwater Image Enhancement By the Combination of Dehazing and Color Correction", pages 1 - 10 * |
ZHENQIANG YING 等: "A Bio-Inspired Multi-Exposure Fusion Framework for Low-light Image Enhancement", 《ARXIV:1711.00591V1 [CS.CV]》, pages 1 - 10 * |
司马紫菱,胡峰: "基于模拟多曝光融合的低照度图像增强方法", vol. 39, no. 6, pages 1804 - 1809 * |
徐岩;马硕;王权威;: "一种利用前景模型的水下图像增强算法", vol. 38, no. 12, pages 2802 - 2806 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340732A (zh) * | 2020-02-28 | 2020-06-26 | 新疆大学 | 一种低照度视频图像增强方法及装置 |
CN111724332A (zh) * | 2020-06-09 | 2020-09-29 | 四川大学 | 一种适用于密闭腔体检测的图像增强方法及系统 |
CN111724332B (zh) * | 2020-06-09 | 2023-10-31 | 四川大学 | 一种适用于密闭腔体检测的图像增强方法及系统 |
CN112381724A (zh) * | 2020-10-16 | 2021-02-19 | 中国科学院西安光学精密机械研究所 | 一种基于多曝光融合框架的图像宽动态增强方法 |
CN112419181A (zh) * | 2020-11-19 | 2021-02-26 | 中国科学院西安光学精密机械研究所 | 一种宽动态红外图像细节增强方法 |
CN112419181B (zh) * | 2020-11-19 | 2023-12-08 | 中国科学院西安光学精密机械研究所 | 一种宽动态红外图像细节增强方法 |
CN112581392A (zh) * | 2020-12-15 | 2021-03-30 | 中山大学 | 基于双向光照估计与融合修复的图像曝光校正方法、系统及存储介质 |
CN113079323A (zh) * | 2021-03-31 | 2021-07-06 | 中国科学院长春光学精密机械与物理研究所 | 一种基于二维熵的航天遥感载荷自动曝光方法 |
CN113554565A (zh) * | 2021-07-27 | 2021-10-26 | 南京信息工程大学滨江学院 | 一种基于朗伯比尔定律的水下图像增强方法 |
CN113554565B (zh) * | 2021-07-27 | 2023-12-12 | 南京信息工程大学滨江学院 | 一种基于朗伯比尔定律的水下图像增强方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110827225A (zh) | 一种基于双重曝光框架的非均匀光照水下图像增强方法 | |
CN106780368B (zh) | 一种基于前景模型的水下图像增强方法 | |
Zhou et al. | Auto color correction of underwater images utilizing depth information | |
US8391598B2 (en) | Methods for performing local tone mapping | |
US20090317017A1 (en) | Image characteristic oriented tone mapping for high dynamic range images | |
US20100278423A1 (en) | Methods and systems for contrast enhancement | |
CN112734650B (zh) | 一种基于虚拟多曝光融合的不均匀光照图像增强方法 | |
KR20130079728A (ko) | 색상 채널을 이용한 영상 개선 장치 및 방법 | |
Pei et al. | Effective image haze removal using dark channel prior and post-processing | |
KR102144577B1 (ko) | 최적의 감마보정 기반 저조도 영상 보정방법 | |
CN109118437B (zh) | 一种可实时处理浑水图像的方法、存储介质 | |
Hou et al. | Underwater image dehazing and denoising via curvature variation regularization | |
CN111970432A (zh) | 一种图像处理方法及图像处理装置 | |
KR101113483B1 (ko) | 컬러 영상의 가시성 향상 장치 및 방법 | |
CN116188339A (zh) | 一种基于Retinex及图像融合的暗视觉图像增强方法 | |
CN110009574B (zh) | 一种低动态范围图像逆向生成高动态范围图像的方法 | |
JP2003076985A (ja) | 画像処理方法及び装置 | |
CN110766622A (zh) | 基于亮度区分和Gamma平滑的水下图像增强方法 | |
CN111028181B (zh) | 一种图像增强处理方法、装置、设备及存储介质 | |
CN108898566B (zh) | 一种利用时空照度图的低照度彩色视频增强方法 | |
CN107277369B (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
CN113222869B (zh) | 一种图像处理方法 | |
CN114240767A (zh) | 一种基于曝光融合的图像宽动态范围处理方法及装置 | |
CN114283101A (zh) | 一种多曝光图像融合的无监督学习方法、装置及电子设备 | |
Sethi et al. | Local enhancement of SLIC segmented underwater images using gray world based algorithm |
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 |
Application publication date: 20200221 |