CN111210384B - 一种适用于机场跑道场景的图像拼接方法 - Google Patents
一种适用于机场跑道场景的图像拼接方法 Download PDFInfo
- Publication number
- CN111210384B CN111210384B CN202010324391.8A CN202010324391A CN111210384B CN 111210384 B CN111210384 B CN 111210384B CN 202010324391 A CN202010324391 A CN 202010324391A CN 111210384 B CN111210384 B CN 111210384B
- Authority
- CN
- China
- Prior art keywords
- image
- airport runway
- matching
- airport
- matched
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000003086 colorant Substances 0.000 claims abstract description 7
- 230000003287 optical effect Effects 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000004927 fusion Effects 0.000 claims description 9
- 238000005192 partition Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000007526 fusion splicing Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009466 transformation Effects 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
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G06T3/14—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种适用于机场跑道场景的图像拼接方法，包括：S1.利用云台摄像机相对机场跑道的角度对机场跑道图像进行形变校正，使机场跑道图像投影到与光轴垂直的平面上；S2.分别对相邻两帧机场跑道图像的白色进行提取、拟合，白色为机场跑道上的白色分割线；S3.在前一帧机场跑道图像上取待匹配区域，在后一帧机场跑道图像上选取相同大小的匹配区域，并在匹区域内获取连续的匹配模板；S4.将每个匹配模板和待匹配区域进行匹配，计算相邻两帧机场跑道图像之间的水平偏移量和竖直偏移量；S5.根据水平偏移量和竖直偏移量确定相邻两帧机场跑道图像的重合区域，并进行融合拼接。本发明的方法可用于特征匹配失效的机场跑道场景的图像拼接。
Description
技术领域
本发明属于图像处理技术领域，特别是涉及一种适用于机场跑道场景的图像拼接方法。
背景技术
现有图像拼接算法中，通常都是通过提取两幅图像的特征点，然后对两幅图像的特征点进行匹配，构造仿射变换矩阵，从而实现两幅图的拼接融合等。然而在机场跑道的场景中，特征相对单一，相邻帧间的特征匹配失效，从而导致整个跑道的拼接融合不成功。
发明内容
本发明的目的在于克服现有技术的不足，提供一种适用于机场跑道场景的图像拼接方法，用于特征匹配失效的机场跑道场景的图像拼接。
本发明的目的是通过以下技术方案来实现的：一种适用于机场跑道场景的图像拼接方法，包括：
S1.利用云台摄像机相对机场跑道的角度对用于图像拼接的机场跑道图像进行形变校正，使机场跑道图像投影到与光轴垂直的平面上；
S2.分别对形变校正后的相邻两帧机场跑道图像的白色进行提取、拟合，所述白色为机场跑道上的白色分割线；
S3.在前一帧机场跑道图像上取待匹配区域，在后一帧机场跑道图像上选取与待匹配区域相同大小的匹配区域，并在匹区域内获取连续的匹配模板；
S4.分别将每个匹配模板和待匹配区域进行匹配，计算相邻两帧机场跑道图像之间的水平偏移量和竖直偏移量；
S5.根据水平偏移量和竖直偏移量确定相邻两帧机场跑道图像的重合区域，并通过图像融合算法对相邻两帧机场跑道图像进行融合拼接。
优选的，所述步骤S1包括：
S11.计算机场跑道图像梯形形变的变化因子
，变化因子
的计算公式为：
其中，α为云台摄像机的俯仰角，θy为云台摄像机俯仰方向的视场角；
S12.计算校正后的机场跑道图像中各点的坐标：对于校正后的机场跑道图像中任意一点
，其与校正前机场跑道图像中的坐标点
存在以下关系：
其中，M为机场跑道图像x方向的分辨率，N为机场跑道图像y方向的分辨率。
优选的，所述步骤S2中白色分割线的计算方法包括：
S21.对机场跑道图像进行阈值化，阈值化的公式为：
式中，I为灰度图，I（x,y）为灰度图I中（x,y）处的灰度值，x∈（0,M）,y∈（0,N）, M为机场跑道图像x方向的分辨率，N为机场跑道图像y方向的分辨率，Ithresh为阈值化的二值图，thresh1为阈值。
S22.对机场跑道图像进行旋转，旋转的公式为：
式中，M为旋转前机场跑道图像x方向的分辨率，N为旋转前机场跑道图像y方向的分辨率，W为旋转后机场跑道图像x方向的分辨率，H为旋转后机场跑道图像y方向的分辨率，θ为相机偏航角，x0为旋转前的横坐标，y0为旋转前的纵坐标，cx为旋转前中心点的横坐标，cy为旋转前中心点的纵坐标，x为旋转后的横坐标，y为旋转后的纵坐标，x´为x0旋转后对应的坐标，y´为y0旋转后对应的坐标。
S23.对机场跑道图像进行水平投影，水平投影的计算公式为：
式中，I（x,y）为坐标（x,y）处的灰度值，P（y）为机场跑道图像第y行的水平投影均值，W为旋转后机场跑道图像x方向的分辨率，H为旋转后机场跑道图像y方向的分辨率。
S24.对机场跑道图像进行峰值定位，峰值定位的计算公式为：
式中，P（ymax）为
中最大的水平投影均值，ymax为最大投影均值所在行数。
S25.选取有效点，有效点的选取公式为：
式中，（x,y）为满足y所在的阈值范围内的位置信息，Points为有效点集，scale为设置的固定值。
S26.通过最小二乘法拟合白色分割线，计算公式为：
式中，n为Points中点的个数，i为Points中的序列，xi为序列i在机场跑道图像中的横坐标，yi为序列i在机场跑道图像中的纵坐标，a和b为白色分割线拟合的直线参数信息。
优选的，所述步骤S3中，待匹配区域的选取方式为：在前一帧机场跑道图像上根据预设的白色分割线邻域范围选取待匹配区域；匹配区域的选取方式为：在后一帧机场跑道图像上白色分割线相同的领域范围选取相同大小的区域。
优选的，所述步骤S3中，所有匹配模板大小相同，且相邻匹配模板之间在水平方向上间隔相同像素。
优选的，所述步骤S4中将匹配模板和待匹配区域进行匹配的方式为：
S41.分别对各匹配模板在待匹配区域进行模板匹配：计算待匹配区域中与匹配模板匹配度最高的区域，记为匹配位置；
S42.分别计算各匹配模板相较于对应的匹配位置的水平偏移量；
S43.统计各匹配模板的水平偏移量，并选取连续性最大的水平偏移量作为最终的水平偏移量。
优选的，所述步骤S4中模板匹配的方法为：
式中，T为模板块数据，I´为待匹配数据，x为待匹配数据I´中横坐标位置,y为待匹配数据I´中纵坐标位置,x´为模板块数据中对应的横坐标位置,y´为模板块数据中对应的纵坐标位置，R（x,y）为匹配度。
优选的，所述步骤S4中，
水平偏移量的计算公式为：
式中，x0为匹配成功的前一帧机场跑道图像的横坐标,x1分别为匹配成功的后一帧机场跑道图像的横坐标；
竖直偏移量的计算公式 为：
式中，y0为x0对应的纵坐标,y1为x1对应的纵坐标。
优选的，所述步骤S5中融合拼接的公式为：
式中，F为融合结果数据，F0为前一帧机场跑道图像的重合区域，F1分别为后一帧机场跑道图像的重合区域。
本发明的有益效果是：
（1）本发明的方法在特征点匹配不成功时也能完成机场跑道图像的拼接；
（2）本发明利用云台摄像机的方位角对摄像头采集的机场跑道图像进行映射，使图像数据最终呈现为正射图形式，使水平投影方法更有效；
（3）本发明基于投影水平投影拟合分割线方法，使前后帧机场跑道图像进行拼接时在垂直方向具有更好的适应性和稳定性；
（4）本发明通过白色分割线附近的连续的模板匹配统计方法获取相邻帧机场跑道图像的水平偏移量和竖直偏移量，提高拼接时的精度。
附图说明
图1为本发明一种实施方式的流程图；
图2为本发明中图像形变校正公式推导的一个示意图；
图3为模板匹配时的一个示意图；
图4为图像拼接时的一个示意图。
具体实施方式
下面将结合实施例，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
参阅图1-4，本发明提供一种适用于机场跑道场景的图像拼接方法：
如图1所示，一种适用于机场跑道场景的图像拼接方法，包括：
S1.利用云台摄像机相对机场跑道的角度对用于图像拼接的机场跑道图像进行形变校正，使机场跑道图像投影到与光轴垂直的平面上。
所述步骤S1包括：
S11.计算机场跑道图像梯形形变的变化因子
，变化因子
的计算公式为：
其中，α为云台摄像机的俯仰角，θy为云台摄像机俯仰方向的视场角；
S12.计算校正后的机场跑道图像中各点的坐标：对于校正后的机场跑道图像中任意一点
，其与校正前机场跑道图像中的坐标点
存在以下关系：
其中，M为机场跑道图像x方向的分辨率，N为机场跑道图像y方向的分辨率。
如图2所示，具体推导过程为：
校正前图像中，
；校正后的图像中，
，其中，γ>0。
从图2中可以看出，校正前后，j的位置不会发生变化，因此j=j＇。
根据相似变换关系：
因此得到公式：
其中
计算如下：
根据相似三角形定理，
当计算得到的原图像坐标点为非正整数时，可以采用双线性差值计算得到𝐼＇(𝑖＇,𝑗＇)的值。
S2. 分别对形变校正后的相邻两帧机场跑道图像的白色进行提取、拟合，所述白色为机场跑道上的白色分割线。
所述步骤S2中白色分割线的计算方法包括：
S21.对机场跑道图像进行阈值化，阈值化的公式为：
式中，I为灰度图，I（x,y）为灰度图I中（x,y）处的灰度值，x∈（0,M）,y∈（0,N）, M为机场跑道图像x方向的分辨率，N为机场跑道图像y方向的分辨率，Ithresh为阈值化的二值图，thresh1为阈值；
S22.对机场跑道图像进行旋转，旋转的公式为：
式中，M为旋转前机场跑道图像x方向的分辨率，N为旋转前机场跑道图像y方向的分辨率，W为旋转后机场跑道图像x方向的分辨率，H为旋转后机场跑道图像y方向的分辨率，θ为相机偏航角，x0为旋转前的横坐标，y0为旋转前的纵坐标，cx为旋转前中心点的横坐标，cy为旋转前中心点的纵坐标，x为旋转后的横坐标，y为旋转后的纵坐标，x´为x0旋转后对应的坐标，y´为y0旋转后对应的坐标；
S23.对机场跑道图像进行水平投影，水平投影的计算公式为：
式中，I（x,y）为坐标（x,y）处的灰度值，P（y）为机场跑道图像第y行的水平投影均值，W为机场跑道图像x方向的分辨率，H为机场跑道图像y方向的分辨率；
S24.对机场跑道图像进行峰值定位，峰值定位的计算公式为：
式中，P（ymax）为
中最大的水平投影均值，ymax为最大投影均值所在行数；
S25.选取有效点，有效点的选取公式为：
式中，（x,y）为满足y所在的阈值范围内的位置信息，Points为有效点集，scale为设置的固定值；
S26.通过最小二乘法拟合白色分割线，计算公式为：
式中，n为Points中点的个数，i为Points中的序列，xi为序列i在机场跑道图像中的横坐标，yi为序列i在机场跑道图像中的纵坐标，a和b为白色分割线拟合的直线参数信息。
S3. 在前一帧机场跑道图像上取待匹配区域，在后一帧机场跑道图像上选取与待匹配区域相同大小的匹配区域，并在匹区域内获取连续的匹配模板。
所述步骤S3中，待匹配区域的选取方式为：在前一帧机场跑道图像上根据预设的白色分割线邻域范围选取待匹配区域；匹配区域的选取方式为：在后一帧机场跑道图像上白色分割线相同的领域范围选取相同大小的区域。
所述步骤S3中，所有匹配模板大小相同，且相邻匹配模板之间在水平方向上间隔相同像素。
S4. 分别将每个匹配模板和待匹配区域进行匹配，计算相邻两帧机场跑道图像之间的水平偏移量和竖直偏移量。
如图3所示，所述步骤S4中将匹配模板和待匹配区域进行匹配的方式为：
S41.分别对各匹配模板在待匹配区域进行模板匹配：计算待匹配区域中与匹配模板匹配度最高的区域，记为匹配位置；
S42.分别计算各匹配模板相较于对应的匹配位置的水平偏移量；
S43.统计各匹配模板的水平偏移量，并选取连续性最大的水平偏移量作为最终的水平偏移量。例如，计算得到的各匹配块的水平偏移量为2、2、3、3、3、1，则选取3作为最终的水平偏移量。
所述步骤S4中模板匹配的方法为：
式中，T为模板块数据，I´为待匹配数据，x为待匹配数据I´中横坐标位置,y为待匹配数据I´中纵坐标位置,x´为模板块数据中对应的横坐标位置,y´为模板块数据中对应的纵坐标位置，R（x,y）为匹配度。
所述步骤S4中，
水平偏移量的计算公式为：
式中，x0为匹配成功的前一帧机场跑道图像的横坐标,x1分别为匹配成功的后一帧机场跑道图像的横坐标；
竖直偏移量的计算公式 为：
式中，y0为x0对应的纵坐标,y1为x1对应的纵坐标。
S5.根据水平偏移量和竖直偏移量确定相邻两帧机场跑道图像的重合区域，并通过图像融合算法对相邻两帧机场跑道图像进行融合拼接，如图4所示。
所述步骤S5中融合拼接的公式为：
式中，F为融合结果数据，F0为前一帧机场跑道图像的重合区域，F1分别为后一帧机场跑道图像的重合区域。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (8)
1.一种适用于机场跑道场景的图像拼接方法，其特征在于，包括：
S1.利用云台摄像机相对机场跑道的角度对用于图像拼接的机场跑道图像进行形变校正，使机场跑道图像投影到与光轴垂直的平面上；
S2.分别对形变校正后的相邻两帧机场跑道图像的白色进行提取、拟合，所述白色为机场跑道上的白色分割线；
所述步骤S2中白色分割线的计算方法包括：
S21.对机场跑道图像进行阈值化，阈值化的公式为：
式中，I为灰度图，I（x,y）为灰度图I中（x,y）处的灰度值，x∈（0,M）,y∈（0,N）, M为机场跑道图像x方向的分辨率，N为机场跑道图像y方向的分辨率，Ithresh为阈值化的二值图，thresh1为阈值；
S22.对机场跑道图像进行旋转，旋转的公式为：
式中，M为机场跑道图像x方向的分辨率，N为机场跑道图像y方向的分辨率，W为旋转后机场跑道图像x方向的分辨率，H为旋转后机场跑道图像y方向的分辨率，θ为相机偏航角，x0为旋转前的横坐标，y0为旋转前的纵坐标，cx为旋转前中心点的横坐标，cy为旋转前中心点的纵坐标，x为旋转后的横坐标，y为旋转后的纵坐标，x´为x0旋转后对应的坐标，y´为y0旋转后对应的坐标；
S23.对机场跑道图像进行水平投影，水平投影的计算公式为：
式中，I（x,y）为坐标（x,y）处的灰度值，P（y）为机场跑道图像第y行的水平投影均值，W为旋转后机场跑道图像x方向的分辨率，H为旋转后机场跑道图像y方向的分辨率；
S24.对机场跑道图像进行峰值定位，峰值定位的计算公式为：
式中，P（ymax）为
中最大的水平投影均值，ymax为最大投影均值所在行数；
S25.选取有效点，有效点的选取公式为：
式中，（x,y）为满足y所在的阈值范围内的位置信息，Points为有效点集，scale为设置的固定值；
S26.通过最小二乘法拟合白色分割线，计算公式为：
式中，n为Points中点的个数，i为Points中的序列，xi为序列i在机场跑道图像中的横坐标，yi为序列i在机场跑道图像中的纵坐标，a和b为白色分割线拟合的直线参数信息；
S3.在前一帧机场跑道图像上取待匹配区域，在后一帧机场跑道图像上选取与待匹配区域相同大小的匹配区域，并在匹区域内获取连续的匹配模板；
S4.分别将每个匹配模板和待匹配区域进行匹配，计算相邻两帧机场跑道图像之间的水平偏移量和竖直偏移量；
S5.根据水平偏移量和竖直偏移量确定相邻两帧机场跑道图像的重合区域，并通过图像融合算法对相邻两帧机场跑道图像进行融合拼接。
2.根据权利要求1所述的一种适用于机场跑道场景的图像拼接方法，其特征在于，所述步骤S1包括：
S11.计算机场跑道图像梯形形变的变化因子
，变化因子
的计算公式为：
其中，α为云台摄像机的俯仰角，θy为云台摄像机俯仰方向的视场角；
S12.计算校正后的机场跑道图像中各点的坐标：对于校正后的机场跑道图像中任意一点
，其与校正前机场跑道图像中的坐标点
存在以下关系：
其中，M为机场跑道图像x方向的分辨率，N为机场跑道图像y方向的分辨率。
3.根据权利要求1所述的一种适用于机场跑道场景的图像拼接方法，其特征在于，所述步骤S3中，待匹配区域的选取方式为：在前一帧机场跑道图像上根据预设的白色分割线邻域范围选取待匹配区域；匹配区域的选取方式为：在后一帧机场跑道图像上白色分割线相同的领域范围选取相同大小的区域。
4.根据权利要求1所述的一种适用于机场跑道场景的图像拼接方法，其特征在于，所述步骤S3中，所有匹配模板大小相同，且相邻匹配模板之间在水平方向上间隔相同像素。
5.根据权利要求4所述的一种适用于机场跑道场景的图像拼接方法，其特征在于，所述步骤S4中将匹配模板和待匹配区域进行匹配的方式为：
S41.分别对各匹配模板在待匹配区域进行模板匹配：计算待匹配区域中与匹配模板匹配度最高的区域，记为匹配位置；
S42.分别计算各匹配模板相较于对应的匹配位置的水平偏移量；
S43.统计各匹配模板的水平偏移量，并选取连续性最大的水平偏移量作为最终的水平偏移量。
6.根据权利要求5所述的一种适用于机场跑道场景的图像拼接方法，其特征在于，所述步骤S4中模板匹配的方法为：
式中，T为模板块数据，I´为待匹配数据，x为待匹配数据I´中横坐标位置,y为待匹配数据I´中纵坐标位置,x´为模板块数据中对应的横坐标位置,y´为模板块数据中对应的纵坐标位置，R（x,y）为匹配度。
7.根据权利要求6所述的一种适用于机场跑道场景的图像拼接方法，其特征在于，所述步骤S4中，
水平偏移量的计算公式为：
式中，x0为匹配成功的前一帧机场跑道图像的横坐标,x1分别为匹配成功的后一帧机场跑道图像的横坐标；
竖直偏移量的计算公式 为：
式中，y0为x0对应的纵坐标,y1为x1对应的纵坐标。
8.根据权利要求1所述的一种适用于机场跑道场景的图像拼接方法，其特征在于，所述步骤S5中融合拼接的公式为：
式中，F为融合结果数据，F0为前一帧机场跑道图像的重合区域，F1分别为后一帧机场跑道图像的重合区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010324391.8A CN111210384B (zh) | 2020-04-23 | 2020-04-23 | 一种适用于机场跑道场景的图像拼接方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010324391.8A CN111210384B (zh) | 2020-04-23 | 2020-04-23 | 一种适用于机场跑道场景的图像拼接方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111210384A CN111210384A (zh) | 2020-05-29 |
| CN111210384B true CN111210384B (zh) | 2020-07-14 |
Family
ID=70787300
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010324391.8A Active CN111210384B (zh) | 2020-04-23 | 2020-04-23 | 一种适用于机场跑道场景的图像拼接方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111210384B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111967661B (zh) * | 2020-08-11 | 2024-03-15 | 易天气(北京)科技有限公司 | 机场跑道运行方向的决策方法、系统、存储介质和设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012015732A1 (en) * | 2010-07-26 | 2012-02-02 | Siemens Corporation | Global error minimization in image mosaicking using graph laplacians and its applications in microscopy |
| CN106029501A (zh) * | 2014-12-23 | 2016-10-12 | 深圳市大疆创新科技有限公司 | Uav全景成像 |
| CN108038822A (zh) * | 2017-11-23 | 2018-05-15 | 极翼机器人(上海)有限公司 | 一种手机云台全景照片拼接方法 |
| CN109785233A (zh) * | 2018-12-25 | 2019-05-21 | 合肥埃科光电科技有限公司 | 一种图像超分辨率重建方法 |
| CN110796660A (zh) * | 2020-01-04 | 2020-02-14 | 成都科睿埃科技有限公司 | 用于机场跑道的图像清晰度评价方法 |
-
2020
- 2020-04-23 CN CN202010324391.8A patent/CN111210384B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012015732A1 (en) * | 2010-07-26 | 2012-02-02 | Siemens Corporation | Global error minimization in image mosaicking using graph laplacians and its applications in microscopy |
| CN106029501A (zh) * | 2014-12-23 | 2016-10-12 | 深圳市大疆创新科技有限公司 | Uav全景成像 |
| CN108038822A (zh) * | 2017-11-23 | 2018-05-15 | 极翼机器人(上海)有限公司 | 一种手机云台全景照片拼接方法 |
| CN109785233A (zh) * | 2018-12-25 | 2019-05-21 | 合肥埃科光电科技有限公司 | 一种图像超分辨率重建方法 |
| CN110796660A (zh) * | 2020-01-04 | 2020-02-14 | 成都科睿埃科技有限公司 | 用于机场跑道的图像清晰度评价方法 |
Non-Patent Citations (3)
| Title |
|---|
| Fusion spliceable and highly efficient Bi/sub 2/O/sub 3/-based EDF for short-length and broadband application pumped at 1480 nm;Yutaka KUROIWA 等;《OFC 2001. Optical Fiber Communication Conference and Exhibit. Technical Digest Postconference Edition (IEEE Cat. 01CH37171)》;20030507;第TuI5-1-TuI5-3页 * |
| 基于多视域广角相机视频图像拼接技术研究;张敏;《中国博士学位论文全文数据库 信息科技辑》;20160815(第08期);第I138-47页 * |
| 基于差分图像的机场跑道异物检测算法的应用研究;邹单红;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160315(第03期);第I138-6460页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111210384A (zh) | 2020-05-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111145238B (zh) | 单目内窥镜图像的三维重建方法、装置及终端设备 | |
| CN110211043B (zh) | 一种用于全景图像拼接的基于网格优化的配准方法 | |
| CN108447022B (zh) | 基于单个固定摄像头图像序列的运动目标拼接方法 | |
| CN105957015B (zh) | 一种螺纹桶内壁图像360度全景拼接方法及系统 | |
| CN104732482B (zh) | 一种基于控制点的多分辨率图像拼接方法 | |
| EP0848886B1 (en) | Method and apparatus for determining the position of a tv camera for use in a virtual studio | |
| CN109903227B (zh) | 基于相机几何位置关系的全景影像拼接方法 | |
| CN106650682B (zh) | 一种人脸追踪的方法及装置 | |
| CN110838086B (zh) | 一种基于相关性模板匹配的室外图像拼接方法 | |
| CN111680699B (zh) | 一种基于背景抑制的空地红外时敏弱小目标检测方法 | |
| CN111723801A (zh) | 鱼眼相机图片中目标检测矫正的方法与系统 | |
| CN111243034A (zh) | 一种全景辅助泊车标定方法、装置、设备及存储介质 | |
| CN111210384B (zh) | 一种适用于机场跑道场景的图像拼接方法 | |
| JP6797046B2 (ja) | 画像処理装置及び画像処理プログラム | |
| CN114898353A (zh) | 一种基于视频序列图像特征与信息的车牌识别方法 | |
| CN108961182B (zh) | 针对视频图像的竖直方向灭点检测方法及视频扭正方法 | |
| CN107492080B (zh) | 免定标便捷的单目镜头图像径向畸变矫正方法 | |
| CN111080523B (zh) | 红外周视搜索系统及基于角度信息的红外周视图像拼接方法 | |
| CN115393196B (zh) | 一种无人机面阵摆扫的红外多序列影像无缝拼接方法 | |
| CN116109681A (zh) | 图像融合方法、装置、电子设备及可读存储介质 | |
| CN112184533B (zh) | 一种基于sift特征点匹配的水印同步方法 | |
| CN110910418B (zh) | 基于旋转不变性图像特征描述子的目标跟踪算法 | |
| CN108830781B (zh) | 一种透视变换模型下的宽基线影像直线匹配方法 | |
| Zhang et al. | Fisheye image correction based on straight-line detection and preservation | |
| CN113344788A (zh) | 一种基于图像拼接参数提取的全景相机及其实时性参数优化方法 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220120 Address after: 610000 floor 5, building 4, No. 2, Xingsheng West Road, Jinniu high tech Industrial Park, Chengdu, Sichuan Patentee after: Sichuan Desheng Xinda brain intelligence technology Co.,Ltd. Address before: No. 888, South Tianfu Avenue, Huayang street, Tianfu New District, Chengdu, Sichuan 610000 Patentee before: Chengdu Kerui Ai Technology Co.,Ltd. |