CN111161183A - 一种口腔ct中平板探测器坏像素点校正方法 - Google Patents
一种口腔ct中平板探测器坏像素点校正方法 Download PDFInfo
- Publication number
- CN111161183A CN111161183A CN201911377753.3A CN201911377753A CN111161183A CN 111161183 A CN111161183 A CN 111161183A CN 201911377753 A CN201911377753 A CN 201911377753A CN 111161183 A CN111161183 A CN 111161183A
- Authority
- CN
- China
- Prior art keywords
- pixel
- value
- bad
- image
- point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000012937 correction Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 2
- 210000000214 mouth Anatomy 0.000 claims 2
- 230000002159 abnormal effect Effects 0.000 abstract 1
- 241000220225 Malus Species 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 235000021016 apples Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research 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
- G06T5/70—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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及一种口腔CT中平板探测器坏像素点校正办法。本发明通过采集的与待处理的物体图像的相同曝光条件下空气图像数据为基础,通过对空气图像进行求平均值和方差计算,得到相应条件下的坏点判定阈值,然后对于一副空气图像中的每个像素点的响应值进行阈值判断,如果不再阈值范围内,则将坏点定位图像的对应位置进行标记,然后根据得到的定位图像来对每个像素点进行分类,根据不同的类别对其进行不同的响应值补偿处理,替代坏点位置的响应异常值。本发明不仅很好地解决了在补偿时由于好像素点数量过少而导致的补偿结果存在很大误差的现象,而且补偿方法计算量小,易于实现,有效降低了校正过程耗时的同时,进一步提高了重建图像的质量。
Description
技术领域
本发明涉及影像处理技术领域,特别涉及一种口腔CT中平板探测器坏像素点校正办法。
背景技术
从1995年RSNA上推出第一台平板探测器(Flat-Panel Detector,FPD)以来,随着平板探测器技术的飞速发展,出现了越来越多类型的平板探测器,其应用领域也越来越广泛。与现有的成像技术相比,FPD具有空间分辨率高、几何畸变小,动态范围大,输出图像线性度高以及很小的图像滞后影响等优点,目前被广泛的应用到各种CT设备中作为其成像部件使用。
FPD是一种高度集成的、复杂的数字化成像设备,由于其结构特点和现有的制作工艺的缺陷,FPD所得到的图像也不可避免的伴有光子噪声、电子噪声、响应不一致和瑕疵像元等多种瑕疵,致使会在重建图像中引入大量的环状伪影,造成重建图像质量的显著下降。
其中文献《平板探测器坏像素点校正技术研究》里面对坏像素点进行了补偿说明,其中对于孤立像素点的补偿方法也是通过基于其周围的正常像素点的像素值对坏像素点进行补偿,但是其是运用的5*5模版法,即基于孤立坏点周围的24个像素点的像素值对其进行的差值处理。但是文中对于非孤立像素点是通过其周围的8个或者24个像素点中的好像素的响应值,对其进行的双线性差值来获得需要的结果。而其文中的方法还要根据坏像素点之间的空间位置关系进行分类差值。
这样处理虽然可以很好的包括所有类型的坏像素分布的补偿方法,但是其判定条件复杂多样,实现起来相当复杂,而且校正过程虽然简单,但是其判别分类过程耗时巨大,大大降低了方法的使用性。
文献《平板探测器坏像素点校正方法研究》里面将坏像素分为3*3模版类型坏像素、坏线、坏像素区域三大类。其中对于孤立坏像素的校正方法也是通过计算孤立像素周围的8个像素点的像素值的平均值来替代对应位置的坏像素点的响应值。而对于坏像素区域的校正则是通过区域补偿的方法来实现校正的。
这样做虽然可以有效的对坏像素点进行补偿,但是当坏像素区域出现在物体边缘或者有明显分界线的地方时,其校正过程所获得的补偿只就难免会出现误差;对于其3*3模版类型坏像素补偿时,如果其周围的像素点的正常像素个数非常少时,我们通过3*3模版所获得的校正值就会出现很大的偏差,对重建的切片图像质量造成很严重影像。
文献《Scene-based Bad Pixel Dynamic Correction and Evaluation forIRFPA Device》中对于坏像素的补偿方法都是通过3*3模版差值的方法进行补偿的,但是其根据坏点所在的位置的不同将模版变换成了方形模版、三角模版和长方形模版三类,并根据坏像素点所在的不同位置来选择不同的模版进行差值计算。这样虽然可以很好的解决在图像边界上面的坏像素点的补偿值,但是其判断分类方法较为复杂,程序实现起来也不是很方便。
发明内容
本发明的目的在于:针对现有技术中存在的上述技术问题,提供一种适用范围更广且耗时较短的基于3*3模版的坏像素判别与补偿方法,对平板探测器进行失效像元响应值的判定与补偿。
本发明是通过以下技术方案实现的:
一种口腔CT中平板探测器坏像素点校正方法,包括如下步骤:步骤S1,首先,读入一组空气图像数据,并求取每个像素点响应值的平均值;步骤S2,根据平均空气图像计算出相应的校正阈值;步骤S3,根据计算出来的阈值遍历各个空气图像的像素点的像素值,对其每个像素点进行判断,根据其像素值是否在上述阈值范围内;步骤S4,若其像素值在阈值范围内,则将此对应像素点位置的定位矩阵值置1,若其像素值不在阈值范围内,则将此对应像素点位置的定位矩阵值置0;步骤S5,然后,以文件的形式输出定位矩阵;步骤S6,根据定位矩阵判定对应点的好坏,若该像素点位置的定位矩阵值置1,则该像素点为坏像素点,若该像素点位置的定位矩阵值置0,则该像素点为好像素点;步骤S7,对坏像素点进行校正处理;步骤S8,结束。
一种口腔CT中平板探测器坏像素点校正方法,坏点校正阈值的计算步骤如下:
(A)首先,在较高千伏毫安值的放射条件下,采集N副空气图像数据,为了消除采集过程中的所造成的各种噪声的影响,我们对所采集的数据的每个像素点进行求和取平均计算,得到平均光场图像
(B)我们用式(1)计算得到的光场平均图像,计算每个像素点的像素值的平均值,即
其中,n、m分别表示光场图像的像素点的行数和列数;
(C)最后,我们通过由式(2)计算出来的均值sum与平均光场图像计算出各个像素点的方差值var,即:
其中,n、m分别表示光场图像的像素点的行数和列数,sum表示通过公式(2)计算出来的空气图像每个像素点的均值。
一种口腔CT中平板探测器坏像素点校正方法,对坏像素点的响应值的补偿步骤如下:
(1)首先,读入坏点定位图像,对坏像素点的上下左右各三个点,一共八个点进行判断,找到其中好像素点的个数,即c_num,然后通过c_num的不同取值将坏像素分别进行处理;
(2)若c_num的值等于8,就可以对其周围的八个好像素点进行对应模版的求和计算,将计算得到的值来替代对应位置坏像素点的响应值;
(3)若c_num的值在4到8之间(可以等于4),就只提取其周围8个点中好像素点对应位置的像素值进行对应的模版计算,将计算获得的值来替代对应位置上的坏像素点的响应值;
(4)若如果c_num的值小于4,由于做差值处理时是按照顺序从图像的左上方一直遍历到图像左下方所有的像素点,因此将该坏像素点的上方三个点和左方的一个点不管其是好像素点还是坏像素点,都认为是好像素点,然后在将其余四个点中的好像素点的值和上述四个点的对应值带入模版进行计算,将计算获得的值来替代对应位置上的坏像素点的响应值;
(5)坏点校正完毕之后,利用校正好的内部图像,对整个图像区域的边界的一圈像素点进行一次填充。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本发明不仅很好地解决了在补偿时由于好像素点数量过少而导致的补偿结果存在很大误差的现象,而且补偿方法计算量小,易于实现,有效降低了校正过程耗时的同时,进一步提高了重建图像的质量。
2、本发明通过规定坏像素点补偿时的顺序是从左上到右下依次进行,不仅使插值过程变简单,而且使整个范围内的补偿过程单一化,这样就避免了不必要的计算误差的引入,保证了差值的精确性。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1为本发明的坏点校正流程图;
图2为在进行坏点校正前的苹果重建图像的第254层图像;
图3为通过本发明校正过之后的相同的苹果数据的第254层图像。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
如图1所示,一种口腔CT中平板探测器坏像素点校正方法,包括如下步骤:步骤S1,首先,读入一组空气图像数据,并求取每个像素点响应值的平均值;步骤S2,根据平均空气图像计算出相应的校正阈值;步骤S3,根据计算出来的阈值遍历各个空气图像的像素点的像素值,对其每个像素点进行判断,根据其像素值是否在上述阈值范围内;步骤S4,若其像素值在阈值范围内,则将此对应像素点位置的定位矩阵值置1,若其像素值不在阈值范围内,则将此对应像素点位置的定位矩阵值置0;步骤S5,然后,以文件的形式输出定位矩阵;步骤S6,根据定位矩阵判定对应点的好坏,若该像素点位置的定位矩阵值置1,则该像素点为坏像素点,若该像素点位置的定位矩阵值置0,则该像素点为好像素点;步骤S7,对坏像素点进行校正处理;步骤S8,结束。
如图2和图3所示,是通过matlab软件运行处理的一组苹果的投影数据,图2为在进行坏点校正前的苹果重建图像的第254层图像,在图2中可以很明显的看到由于坏像素点所造成的在重建图像中产生的环状伪影;图3为通过本发明校正过之后的相同的苹果数据的第254层图像。将两幅图进行对比,从结果中可以清晰的看到本发明对于坏点所造成的重建图像中的环状伪影有很好的消除作用,而且效果明显。
表1是平板探测器坏像素点判定与补偿技术优缺点分析:
表1平板探测器坏像素点判定与补偿技术优缺点分析
由表1可以看出,普通的模版插值方法虽然具有较高的准确性且耗时时间短、对硬件的要求比较低等优点,但是其分类过程十分复杂,只有将坏点的类别能够按照其特定的分类,准确区分之后才可以针对不同的模版进行插值处理。由于其分类比较复杂,这就牵扯到实现过程比较麻烦,这样必然会增加在分类过程所消耗的时间。而且如果其判定过程出现误判现象,很有可能导致整个校正系统出现崩溃现象,造成不必要的错误信息,不利于工程上的应用。对于区域生长法来说,其插值的准确度没有模版法高,在插值过程中如果遇到边界或者明显的分界线时往往很难得到其原有的真实值。区域生长法使用时也有一定的局限性,如果使用的原始值超出了其补偿范围,就会在图像的补偿位置产生很严重的误差。但是其分类相对于普通模版方法更加简单,只用确定好坏像素区域部分的半径值就可以很好的对相应区域进行插值处理。
鉴于现有技术存在的问题,本发明改用一种改进的模版插值方法,不管其坏点的分类是什么,都是通过一个固有的模版对整个图像区域进行插值,避免了针对不同模版进行分类而造成的不必要麻烦,而且插值过程计算量小,分类过程相对简单,耗时短。在校正结束之后通过对于整个图像边缘进行一次填充,将校正好的结果填充到未进行校正的图像边缘部分,这样不仅可以很好的解决普通模版插值方法中的对于坏点区域的分类补偿过于复杂的问题,而且可以解决区域生长法在边界部分的差值精度问题。通过这一方法,可以只应用一套固定的校正模版来达到对整幅图像不同位置的坏像素点进行校正的目的,保证了补偿过程的精度,不会因为其他原因而使校正过程产生不必要的误差,又可以提高整个过程的速度,消耗不必要的时间。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明。本发明扩展到任何在本说明书中披露的新特征或任何新的组合,以及披露的任一新的方法或过程的步骤或任何新的组合。
Claims (3)
1.一种口腔CT中平板探测器坏像素点校正方法,其特征在于,包括如下步骤:
步骤S1,首先,读入一组空气图像数据,并求取每个像素点响应值的平均值;
步骤S2,根据平均空气图像计算出相应的校正阈值;
步骤S3,根据计算出来的阈值遍历各个空气图像的像素点的像素值,对其每个像素点进行判断,根据其像素值是否在上述阈值范围内;
步骤S4,若其像素值在阈值范围内,则将此对应像素点位置的定位矩阵值置1,若其像素值不在阈值范围内,则将此对应像素点位置的定位矩阵值置0;
步骤S5,然后,以文件的形式输出定位矩阵;
步骤S6,根据定位矩阵判定对应点的好坏,若该像素点位置的定位矩阵值置1,则该像素点为坏像素点,若该像素点位置的定位矩阵值置0,则该像素点为好像素点;
步骤S7,对坏像素点进行校正处理;
步骤S8,结束。
2.根据权利要求1所述的一种口腔CT中平板探测器坏像素点校正方法,其特征在于,坏点校正阈值的计算步骤如下:
(A)首先,在较高千伏毫安值的放射条件下,采集N副空气图像数据,为了消除采集过程中的所造成的各种噪声的影响,我们对所采集的投影数据在每个像素点上取平均值,计算公式(1)所示,:
其中Ri(x,y)为第i幅图像在点(x,y)处的灰度值。
(B)我们用式(1)计算得到的光场平均图像,计算每个像素点的像素值的平均值,即行求和取平均计算,得到平均光场图
其中,n、m分别表示光场图像的像素点的行数和列数;
(C)最后,我们通过由式(2)计算出来的均值sum与平均光场图像计算出各个像素点的方差值var,即:
其中,n、m分别表示光场图像的像素点的行数和列数,sum表示通过公式(2)计算出来的空气图像每个像素点的均值。
根据统计学理论,我们规定,处于区间[sum-3var,sum+3var]的值为正常范围阈值,则坏点阈值区间为(-∞,sum-3var)和(sum+3var,+∞)。
3.根据权利要求1所述的一种口腔CT中平板探测器坏像素点校正方法,其特征在于,对坏像素点的响应值的补偿步骤如下:
(1)首先,读入坏点定位图像,对坏像素点的上下左右各三个点,一共八个点进行判断,找到其中好像素点的个数,即c_num,然后通过c_num的不同取值将坏像素分别进行处理;
(2)若c_num的值等于8,就可以对其周围的八个好像素点进行对应模版的求和计算,将计算得到的值来替代对应位置坏像素点的响应值;
(3)若c_num的值在4到8之间(可以等于4),就只提取其周围8个点中好像素点对应位置的像素值进行对应的模版计算,将计算获得的值来替代对应位置上的坏像素点的响应值;
(4)若如果c_num的值小于4,由于做差值处理时是按照顺序从图像的左上方一直遍历到图像左下方所有的像素点,因此将该坏像素点的上方三个点和左方的一个点不管其是好像素点还是坏像素点,都认为是好像素点,然后在将其余四个点中的好像素点的值和上述四个点的对应值带入模版进行计算,将计算获得的值来替代对应位置上的坏像素点的响应值;
(5)坏点校正完毕之后,利用校正好的内部图像,对整个图像区域的边界的一圈像素点进行一次填充。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911377753.3A CN111161183B (zh) | 2019-12-27 | 2019-12-27 | 一种口腔ct中平板探测器坏像素点校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911377753.3A CN111161183B (zh) | 2019-12-27 | 2019-12-27 | 一种口腔ct中平板探测器坏像素点校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111161183A true CN111161183A (zh) | 2020-05-15 |
CN111161183B CN111161183B (zh) | 2023-07-18 |
Family
ID=70558544
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911377753.3A Active CN111161183B (zh) | 2019-12-27 | 2019-12-27 | 一种口腔ct中平板探测器坏像素点校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111161183B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112656435A (zh) * | 2020-12-21 | 2021-04-16 | 明峰医疗系统股份有限公司 | 一种自动检测探测器坏点的方法 |
CN113223109A (zh) * | 2021-05-27 | 2021-08-06 | 明峰医疗系统股份有限公司 | 一种基于ct轴扫描的坏点校正方法 |
CN113538289A (zh) * | 2021-07-30 | 2021-10-22 | 浙江天铂云科光电股份有限公司 | 一种利用区域连通动态去除伪坏点的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400361A (zh) * | 2013-06-28 | 2013-11-20 | 常州博恩中鼎医疗科技有限公司 | 一种口腔ct中基于阈值的增益校正算法 |
US20150371123A1 (en) * | 2014-06-18 | 2015-12-24 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method and program |
TW201601536A (zh) * | 2014-06-23 | 2016-01-01 | Guang Qian Prec Co Ltd | 紅外線焦平面陣列模組的性能參數量測方法及壞點偵測方法 |
CN107800980A (zh) * | 2017-10-19 | 2018-03-13 | 浙江大华技术股份有限公司 | 一种图像坏点校正方法及装置 |
-
2019
- 2019-12-27 CN CN201911377753.3A patent/CN111161183B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400361A (zh) * | 2013-06-28 | 2013-11-20 | 常州博恩中鼎医疗科技有限公司 | 一种口腔ct中基于阈值的增益校正算法 |
US20150371123A1 (en) * | 2014-06-18 | 2015-12-24 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method and program |
TW201601536A (zh) * | 2014-06-23 | 2016-01-01 | Guang Qian Prec Co Ltd | 紅外線焦平面陣列模組的性能參數量測方法及壞點偵測方法 |
CN107800980A (zh) * | 2017-10-19 | 2018-03-13 | 浙江大华技术股份有限公司 | 一种图像坏点校正方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112656435A (zh) * | 2020-12-21 | 2021-04-16 | 明峰医疗系统股份有限公司 | 一种自动检测探测器坏点的方法 |
CN113223109A (zh) * | 2021-05-27 | 2021-08-06 | 明峰医疗系统股份有限公司 | 一种基于ct轴扫描的坏点校正方法 |
CN113223109B (zh) * | 2021-05-27 | 2022-08-12 | 明峰医疗系统股份有限公司 | 一种基于ct轴扫描的坏点校正方法 |
CN113538289A (zh) * | 2021-07-30 | 2021-10-22 | 浙江天铂云科光电股份有限公司 | 一种利用区域连通动态去除伪坏点的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111161183B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111161183A (zh) | 一种口腔ct中平板探测器坏像素点校正方法 | |
WO2022170706A1 (zh) | 用于模具监视的缺陷检测方法、装置、设备及介质 | |
US9883178B2 (en) | Method for measuring performance parameters and detecting bad pixels of an infrared focal plane array module | |
CN101126724B (zh) | 锥束ct系统中平板探测器图像的抗干扰校正方法 | |
CN110211056B (zh) | 基于局部中值直方图的自适应红外图像去条纹算法 | |
CN109801343B (zh) | 基于重建前后图像的环形伪影校正方法、ct控制系统 | |
CN112529807B (zh) | 卫星影像的相对辐射校正方法和装置 | |
US8660335B2 (en) | Transient pixel defect detection and correction | |
JP4035320B2 (ja) | パネル検出器のピクセル置換の方法及び装置 | |
CN111553849B (zh) | 基于局部特征匹配的锥束ct几何伪影去除方法及装置 | |
CN109709597B (zh) | 平板探测器的增益校正方法 | |
CN112393807B (zh) | 红外图像处理方法、装置、系统以及计算机可读存储介质 | |
JP6830712B1 (ja) | ランダムサンプリング一貫性に基づく魚眼画像の有効領域抽出方法 | |
CN105989588A (zh) | 一种异形材料切割图像校正方法及系统 | |
US10127642B2 (en) | Method for correcting defective pixel artifacts in a direct radiography image | |
CN111553960A (zh) | 一种基于投影均值图像的环状伪影快速校正方法 | |
CN112634375B (zh) | 一种ai智能检测中的平面标定和三维重建方法 | |
CN115266779A (zh) | 一种ct扫描用平板探测器像元响应非线性校正方法 | |
WO2021135339A1 (zh) | Ct图像中环形伪影的校正方法、装置及计算机程序介质 | |
CN112435178B (zh) | 一种基于fpga的线阵红外盲元的工程化处理方法及系统 | |
US7417232B2 (en) | Systems and methods for camera calibration | |
CN114359126A (zh) | 三维图像的几何校正方法、装置、电子设备及存储介质 | |
CN106645220B (zh) | 一种x射线线阵探测器校正与滤波方法 | |
CN111076815B (zh) | 一种高光谱图像非均匀性校正方法 | |
CN110738613B (zh) | 线阵探测器图像拼接实时校正方法、装置、设备和介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |