CN111415357B - 一种基于彩色影像的便携式阴影提取方法 - Google Patents

一种基于彩色影像的便携式阴影提取方法 Download PDF

Info

Publication number
CN111415357B
CN111415357B CN202010193838.2A CN202010193838A CN111415357B CN 111415357 B CN111415357 B CN 111415357B CN 202010193838 A CN202010193838 A CN 202010193838A CN 111415357 B CN111415357 B CN 111415357B
Authority
CN
China
Prior art keywords
shadow
index
image
intensity
extraction
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
Application number
CN202010193838.2A
Other languages
English (en)
Other versions
CN111415357A (zh
Inventor
范泽琳
高放
张鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chang Guang Satellite Technology Co Ltd
Original Assignee
Chang Guang Satellite Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chang Guang Satellite Technology Co Ltd filed Critical Chang Guang Satellite Technology Co Ltd
Priority to CN202010193838.2A priority Critical patent/CN111415357B/zh
Publication of CN111415357A publication Critical patent/CN111415357A/zh
Application granted granted Critical
Publication of CN111415357B publication Critical patent/CN111415357B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T2207/10024—Color image
    • 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

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

一种基于彩色影像的便携式阴影提取方法，涉及影像处理技术领域，解决现有彩色影像的阴影提取方法存在提取精度不足、效率低、自动化程度低以及缺乏普适性等问题，本发明包括获取原始彩色影像，将影像的RGB色彩空间向HSI色彩空间的转换；多种影像指数构建；自动化提取阴影；对提取的阴影进行修正以及优化。本发明的阴影提取方法将强度、阴影指数、建筑指数和绿波段占比指数相结合，能够有效地抑制建筑物顶部、绿色植被及其他易混淆地物对阴影提取结果的影响，提高阴影识别的精度；并将自动化阴影识别和人工交互修正相结合，既保证了阴影提取的速度，又能够保证阴影识别的精度。本发明的阴影提取方法为快速、便携、精确以及普适性高的方法。

Description

一种基于彩色影像的便携式阴影提取方法
技术领域
本发明涉及影像处理技术领域，具体涉及一种基于彩色影像的便携式阴影提取方法。
背景技术
目前，基于RGB彩色影像的影像指数阈值掩膜处理是最为常用的阴影提取方法，该方法的关键是准确获取影像指数的阈值，阈值的获取方式通常包括人工阈值设定和自动化阈值获取两种。通常，采用单一的影像指数往往难以得到较高的阴影提取精度。与此同时，在阈值设定方面，人工阈值设定，需要针对每副影像的特点人为地设定阈值，效率低下，且受提取者技术水平影响较大，自动化程度低；自动化阈值提取法速度快，但缺乏普适性，且在不同影像上识别精度差异较大。
发明内容
本发明为解决现有彩色影像的阴影提取方法存在提取精度不足、效率低、自动化程度低以及缺乏普适性等问题，提供一种基于彩色影像的便携式阴影提取方法。
一种基于彩色影像的便携式阴影提取方法，该方法由以下步骤实现：
步骤一、获取原始彩色影像，将所述影像的RGB色彩空间向HSI色彩空间的转换，获得HSI色彩空间的影像；
步骤二、计算步骤一获得的HSI色彩空间的影像指数；包括设置HSI空间中影像的强度I，阴影指数NDI，建筑指数BI以及绿波段占比指数RadioG；
所述阴影指数NDI的表示形式为：
Figure BDA0002416862830000011
式中，normlized为经过归一化至[0,1]范围的值；Hnormlized和Inormlized分别表示HSI空间中经过归一化至[0,1]范围后的波长和强度；
建筑指数BI用公式表示为：
BI＝[Bnormlized-Inormlized]normlized
式中，Bnormlized表示经过归一化至[0,1]范围后的蓝光波段像元值；
绿波段占比指数RadioG用下式表示为：
Figure BDA0002416862830000021
式中，R、G、B分别表示红、绿、蓝光波段像元值；
步骤三、自动化提取阴影，具体为：
对步骤二所述的HSI空间中影像的强度I，阴影指数NDI，建筑指数BI以及绿波段占比指数RadioG分别设置阈值，将建筑指数BI的阈值设定在[0.28,0.36]范围内，将绿波段占比指数RadioG的阈值设定在[0.28,0.36]范围内，将强度I和阴影指数NDI归一化至[0,255]，再通过最大类间方差法自适应地计算用于阴影提取的最佳分割阈值；
并根据所述最佳分割阈值，对相应影像指数进行逻辑判断并联合掩膜，实现对阴影的提取；
步骤四、对步骤三提取的阴影进行修正；具体过程为：
构建人机交互界面，在步骤三获取的强度I和阴影指数NDI阈值的基础上，根据步骤一的原始彩色影像和阴影提取的结果，交互式的修正强度I和阴影指数NDI的阈值，直至阴影提取结果符合人眼观察情况时，获得修正后的阴影。
本发明的有益效果：本发明所述的提取方法解决以往在基于RGB彩色影像的阴影提取中，提取结果易受建筑物顶部和绿色植被等地物的干扰，及自动化和识别精度难以有效兼顾的问题，针对该问题，本发明提供了一种基于多影像指数联合阈值掩膜，自动化识别与人机交互修正相结合的便携式阴影识别方法，在保证阴影提取速度的同时，有效提高阴影提取的准确度和普适性。
本发明在基于RGB彩色影像的阴影提取过程中，将强度、阴影指数、建筑指数和绿波段占比指数相结合，能够有效地抑制建筑物顶部、绿色植被及其他易混淆地物对阴影提取结果的影响，提高阴影识别的精度。
本发明在基于RGB彩色影像的阴影提取过程中，将自动化阴影识别和人工交互修正相结合，即保证了阴影提取的速度，又能够保证阴影识别的精度。
本发明将计算机自动提取与人机交互修正相结合，为基于彩色影像的阴影提取提供了一种快速、便携、精确以及普适性高的方法。
附图说明
图1为本发明所述的一种基于彩色影像的便携式阴影提取方法的流程图；
图2为本发明所述的一种基于彩色影像的便携式阴影提取方法中的人机交互修正界面示意图；
图3为本发明所述的一种基于彩色影像的便携式阴影提取方法中原始彩色卫星影像示意图；
图4为采用本发明所述的一种基于彩色影像的便携式阴影提取方法提取阴影的效果图；
图5为阴影提取效果的局部示意图，图5a为彩色影像，图5b为对图5a提取阴影的效果图。
具体实施方式
具体实施方式一、结合图1至图5说明本实施方式，一种基于彩色影像的便携式阴影提取方法，主要包括影像色彩空间转换、影像指数求算、自动化阴影提取、人机交互下的阴影提取结果修正和阴影提取结果优化五个部分。
具体包括如下步骤：
一、影像RGB色彩空间向HSI色彩空间的转换：作为影像指数求算的基础，需要将RGB色彩空间的影像转换到HSI(Hue-Saturation-Intensity)色彩空间，其中H定义颜色的波长，称为色调；S表示颜色的深浅程度，称为饱和度；I表示强度或亮度。由RGB空间向HSI空间转换的方式如下式所示：
Figure BDA0002416862830000031
Figure BDA0002416862830000032
Figure BDA0002416862830000033
Figure BDA0002416862830000034
其中，θ为中间变量，R、G、B分别表示红、绿、蓝光波段像元值。
二、影像指数的求算：需要用到的指数有：
(1)强度I，该指数即为影像HSI空间中的I。由于阴影区域一般有着较低的强度，可借助该指数来辅助阴影的提取。
(2)阴影指数NDI
Figure BDA0002416862830000041
本实施方式中，normlized下标表示经过归一化至[0,1]范围，Hnormlized和Inormlized分别表示HSI空间中经过归一化至[0,1]范围后的波长和强度。阴影部分一般具有较高的饱和度及较低的强度，因此阴影部分对应的该指数一般较低，可借助该指数对阴影进行提取。
(3)建筑指数BI
BI＝[Bnormlized-Inormlized]normlized
式中，Bnormlized表示经过归一化至[0,1]范围后的蓝光波段像元值。色调单一的建筑顶部往往也有着较高的NDI值。本实施方式中使用该指数剔除阴影提取结果中混杂的建筑。
(4)绿波段占比指数RadioG
Figure BDA0002416862830000042
式中，R、G、B分别表示红、绿、蓝光波段像元值。绿色植被往往也有着较高的NDI值。本发明中使用该指数剔除阴影提取结果中混杂的绿色植被。
三、自动化阴影提取；需要对上述四个指数设置阈值，通过阈值判断联合掩膜即可得到阴影区域。因此，上述四个指数阈值的选取是阴影提取的关键。通过针对大量影像的阴影提取实验发现，不同影像在阴影提取过程中BI、RadioG的阈值设置都较为接近，而I、NDI的阈值设置在不同影像间差异较大。因此在本实施方式中，将BI的阈值设为固定经验值0.32，将RadioG的阈值设为固定经验值0.32。而对于指数I、NDI，则先将其归一化至[0,255]，然后通过最大类间方差法(OTSU)自适应地计算用于阴影提取的最佳分割阈值。至此，根据上述四个指数的阈值，对相应影像指数进行逻辑判断并联合掩膜即可得到阴影提取结果。
四、人机交互下的阴影提取结果修正，对不同影像而言，通过最大类间方差法(OTSU)自动获取的I、NDI阈值不一定最优，导致在使用上述自动化阴影提取对不同影像进行阴影提取时，提取结果不一定精确。在此通过构建人机交互界面，在I、NDI阈值自动获取的基础上，结合原始彩色影像和阴影提取结果，交互式的修正I、NDI的阈值，直至阴影提取结果符合人眼观察情况为止。如图1，该人机交互界面包含两个显示窗口，上窗口用于展示原始影像，下窗口用于展示实时的阴影提取结果，两个窗口支持用户对影像进行拖拽以显示不同区域，且两窗口显示区域位置联动。界面最下端提供了I、NDI的阈值设置滑块，初始值为基于最大类间方差法自动获取的阈值。
五、阴影提取结果优化；为了获取更优的结果，需要对上一步得到的阴影提取结果进行进一步优化。本发明中采用公开的二值影像处理算法，对提取结果进行椒盐噪声的去除、孔洞填充，以及边缘平滑处理，以此对阴影提取过程中出现的随机误差进行修正。
本实施方式中使用的影像为吉林省长春市北湖科技开发区某区域的卫星影像，覆盖范围为东经125.377～125.432度，北纬43.972～43.992度，影像大小为3584像素*10240像素。目标区域内包含阴影，建筑，植被，裸地等多种要素。图3为该卫星影像的原始彩色展示图，图4为依照本发明获取的阴影区域，图5的5a和图5b为局部阴影提取效果展示。通过观察可知，采用本实施方式所述的方法提取的阴影部分与实际情况基本相符，有着较高的精度。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。

Claims (5)

1.一种基于彩色影像的便携式阴影提取方法，其特征是：该方法由以下步骤实现：
步骤一、获取原始彩色影像，将所述影像的RGB色彩空间向HSI色彩空间的转换，获得HSI色彩空间的影像；
步骤二、计算步骤一获得的HSI色彩空间的影像指数；包括设置HSI空间中影像的强度I，阴影指数NDI，建筑指数BI以及绿波段占比指数RadioG；
所述阴影指数NDI的表示形式为：
Figure FDA0004057035780000011
式中，normlized为经过归一化至[0,1]范围的值；Hnormlized和Inormlized分别表示HSI空间中经过归一化至[0,1]范围后的波长和强度；
建筑指数BI用公式表示为：
BI＝[Bnormlized-Inormlized]normlized
式中，Bnormlized表示经过归一化至[0,1]范围后的蓝光波段像元值；
绿波段占比指数RadioG用下式表示为：
Figure FDA0004057035780000012
式中，R、G、B分别表示红、绿、蓝光波段像元值；
步骤三、自动化提取阴影，具体为：
对步骤二所述的HSI空间中影像的强度I，阴影指数NDI，建筑指数BI以及绿波段占比指数RadioG分别设置阈值，将建筑指数BI的阈值设定在[0.28,0.36]范围内，将绿波段占比指数RadioG的阈值设定在[0.28,0.36]范围内，将强度I和阴影指数NDI归一化至[0,255]，再通过最大类间方差法自适应地计算用于阴影提取的最佳分割阈值；
并根据所述最佳分割阈值，对相应影像指数进行逻辑判断并结合掩膜，实现对阴影的提取；
步骤四、对步骤三提取的阴影进行修正；具体过程为：
构建人机交互界面，在步骤三获取的强度I和阴影指数NDI阈值的基础上，根据步骤一的原始彩色影像和阴影提取的结果，交互式的修正强度I和阴影指数NDI的阈值，直至阴影提取结果符合人眼观察情况时，获得修正后的阴影。
2.根据权利要求1所述的一种基于彩色影像的便携式阴影提取方法，其特征在于：还包括步骤五、对步骤四获得修正后的阴影结果进行优化，采用二值影像处理算法，对提取阴影结果进行椒盐噪声的去除、孔洞填充以及边缘平滑处理，最终获得优化后的阴影。
3.根据权利要求1所述的一种基于彩色影像的便携式阴影提取方法，其特征在于：步骤一的具体过程为：
将RGB色彩空间的影像转换到HSI色彩空间，由下式表示为：
Figure FDA0004057035780000021
Figure FDA0004057035780000022
Figure FDA0004057035780000023
Figure FDA0004057035780000024
上式中，θ为中间变量，H为颜色的波长；S为颜色的饱和度；I为强度。
4.根据权利要求1所述的一种基于彩色影像的便携式阴影提取方法，其特征在于：步骤四中，所述人机交互界面包括两个显示窗口，上窗口用于展示原始影像，下窗口用于展示实时的阴影提取结果，两个窗口支持用户对影像进行拖拽以显示不同区域，且两窗口显示区域位置联动；界面最下端提供强度I和阴影指数NDI的阈值设置滑块，初始值为基于最大类间方差法自动获取的阈值。
5.根据权利要求1所述的一种基于彩色影像的便携式阴影提取方法，其特征在于：所述建筑指数BI的阈值设定为0.32，绿波段占比指数RadioG的阈值设定为0.32。
CN202010193838.2A 2020-03-19 2020-03-19 一种基于彩色影像的便携式阴影提取方法 Active CN111415357B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010193838.2A CN111415357B (zh) 2020-03-19 2020-03-19 一种基于彩色影像的便携式阴影提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010193838.2A CN111415357B (zh) 2020-03-19 2020-03-19 一种基于彩色影像的便携式阴影提取方法

Publications (2)

Publication Number Publication Date
CN111415357A CN111415357A (zh) 2020-07-14
CN111415357B true CN111415357B (zh) 2023-04-07

Family

ID=71491138

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010193838.2A Active CN111415357B (zh) 2020-03-19 2020-03-19 一种基于彩色影像的便携式阴影提取方法

Country Status (1)

Country Link
CN (1) CN111415357B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113177473B (zh) * 2021-04-29 2021-11-16 生态环境部卫星环境应用中心 遥感影像水体自动化提取方法和装置

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102147920A (zh) * 2011-03-02 2011-08-10 上海大学 高分辨率遥感影像中的阴影检测方法
CN103279951A (zh) * 2013-05-13 2013-09-04 武汉理工大学 一种面向对象的遥感影像建筑物及其阴影提取的方法
CN103310422A (zh) * 2013-06-28 2013-09-18 新晨易捷（北京）科技有限公司 获取图像的方法及装置
EP2887266A1 (en) * 2013-12-23 2015-06-24 Koninklijke Philips N.V. Automatic extraction of a region of interest based on speculum detection
CN105160669A (zh) * 2015-08-21 2015-12-16 马鞍山市安工大工业技术研究院有限公司 一种无人机巡检输电线路图像中绝缘子缺陷的检测和定位方法
CN105528596A (zh) * 2016-02-03 2016-04-27 长江大学 利用阴影的高分辨率遥感影像建筑物自动提取方法及系统
CN105590316A (zh) * 2015-12-11 2016-05-18 中国测绘科学研究院 面向对象的高分辨率遥感影像阴影提取方法
EP3070459A1 (en) * 2015-03-19 2016-09-21 Hitachi Solutions, Ltd. Inspection target object extraction apparatus and inspection target object extraction method
CN106296702A (zh) * 2016-08-15 2017-01-04 中国农业科学院农业信息研究所 自然环境下棉花图像分割方法及装置
CN106844785A (zh) * 2017-03-15 2017-06-13 浙江工业大学 一种基于显著性分割的基于内容的图像检索方法
CN106875396A (zh) * 2016-12-28 2017-06-20 深圳信息职业技术学院 基于运动特性的视频显著区的提取方法和装置
CN107292328A (zh) * 2016-03-31 2017-10-24 武汉大学 多尺度多特征融合的遥感影像阴影检测提取方法及系统
CN108051371A (zh) * 2017-12-01 2018-05-18 河北省科学院地理科学研究所 一种面向生态环境参量遥感反演的阴影提取方法
CN108647738A (zh) * 2018-05-17 2018-10-12 中国科学院遥感与数字地球研究所 基于多指数的全球尺度遥感影像水体智能提取方法
CN108846812A (zh) * 2018-05-30 2018-11-20 成都微光集电科技有限公司 一种基于灰度级压缩的clhae图像增强方法
CN109191432A (zh) * 2018-07-27 2019-01-11 西安电子科技大学 基于域变换滤波多尺度分解的遥感图像云检测方法
CN109635713A (zh) * 2018-12-07 2019-04-16 云南大学 高原山地阴影区冰川识别方法
CN109815894A (zh) * 2019-01-23 2019-05-28 中国石油大学(华东) 一种针对哨兵2a影像的建筑物阴影提取处理方法
CN109919951A (zh) * 2019-03-14 2019-06-21 武汉大学 语义关联的面向对象城市不透水面遥感提取方法及系统
CN110853058A (zh) * 2019-11-12 2020-02-28 电子科技大学 基于视觉显著性检测的高分辨率遥感影像道路提取方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8120679B2 (en) * 2008-08-01 2012-02-21 Nikon Corporation Image processing method
WO2014083743A1 (ja) * 2012-11-27 2014-06-05 パナソニック株式会社 画像計測装置および画像計測方法
CN106296666B (zh) * 2016-08-01 2019-03-01 北京大学深圳研究生院 一种彩色图像去阴影方法和应用

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102147920A (zh) * 2011-03-02 2011-08-10 上海大学 高分辨率遥感影像中的阴影检测方法
CN103279951A (zh) * 2013-05-13 2013-09-04 武汉理工大学 一种面向对象的遥感影像建筑物及其阴影提取的方法
CN103310422A (zh) * 2013-06-28 2013-09-18 新晨易捷（北京）科技有限公司 获取图像的方法及装置
EP2887266A1 (en) * 2013-12-23 2015-06-24 Koninklijke Philips N.V. Automatic extraction of a region of interest based on speculum detection
EP3070459A1 (en) * 2015-03-19 2016-09-21 Hitachi Solutions, Ltd. Inspection target object extraction apparatus and inspection target object extraction method
CN105160669A (zh) * 2015-08-21 2015-12-16 马鞍山市安工大工业技术研究院有限公司 一种无人机巡检输电线路图像中绝缘子缺陷的检测和定位方法
CN105590316A (zh) * 2015-12-11 2016-05-18 中国测绘科学研究院 面向对象的高分辨率遥感影像阴影提取方法
CN105528596A (zh) * 2016-02-03 2016-04-27 长江大学 利用阴影的高分辨率遥感影像建筑物自动提取方法及系统
CN107292328A (zh) * 2016-03-31 2017-10-24 武汉大学 多尺度多特征融合的遥感影像阴影检测提取方法及系统
CN106296702A (zh) * 2016-08-15 2017-01-04 中国农业科学院农业信息研究所 自然环境下棉花图像分割方法及装置
CN106875396A (zh) * 2016-12-28 2017-06-20 深圳信息职业技术学院 基于运动特性的视频显著区的提取方法和装置
CN106844785A (zh) * 2017-03-15 2017-06-13 浙江工业大学 一种基于显著性分割的基于内容的图像检索方法
CN108051371A (zh) * 2017-12-01 2018-05-18 河北省科学院地理科学研究所 一种面向生态环境参量遥感反演的阴影提取方法
CN108647738A (zh) * 2018-05-17 2018-10-12 中国科学院遥感与数字地球研究所 基于多指数的全球尺度遥感影像水体智能提取方法
CN108846812A (zh) * 2018-05-30 2018-11-20 成都微光集电科技有限公司 一种基于灰度级压缩的clhae图像增强方法
CN109191432A (zh) * 2018-07-27 2019-01-11 西安电子科技大学 基于域变换滤波多尺度分解的遥感图像云检测方法
CN109635713A (zh) * 2018-12-07 2019-04-16 云南大学 高原山地阴影区冰川识别方法
CN109815894A (zh) * 2019-01-23 2019-05-28 中国石油大学(华东) 一种针对哨兵2a影像的建筑物阴影提取处理方法
CN109919951A (zh) * 2019-03-14 2019-06-21 武汉大学 语义关联的面向对象城市不透水面遥感提取方法及系统
CN110853058A (zh) * 2019-11-12 2020-02-28 电子科技大学 基于视觉显著性检测的高分辨率遥感影像道路提取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
人脸表情图像识别关键技术的分析与研究;卢洋;《吉林大学》;全文 *

Also Published As

Publication number Publication date
CN111415357A (zh) 2020-07-14

Similar Documents

Publication Publication Date Title
CN103984930A (zh) 基于视觉的数字仪表识别系统及其识别方法
CN108428239A (zh) 基于图像纹理特征提取的智能割草机边界识别方法
CN108875747A (zh) 一种基于机器视觉的小麦不完善粒识别方法
WO2021189782A1 (zh) 图像处理方法、系统、自动行走设备及可读存储介质
CN102855627B (zh) 基于光谱特性和拓扑关系的城市遥感影像阴影检测方法
CN111415357B (zh) 一种基于彩色影像的便携式阴影提取方法
CN108711160B (zh) 一种基于hsi增强性模型的目标分割方法
CN104680518B (zh) 一种基于色度溢出处理的蓝屏抠像方法
CN111784764A (zh) 一种茶叶嫩芽识别与定位算法
CN103440629A (zh) 激光标记自动跟踪的视频引伸计的数字图像处理方法
CN109903275B (zh) 一种基于自适应多尺度滤波和直方图对比的酒醅发霉区域检测方法
CN114067222B (zh) 一种城市水体遥感分类方法及装置
CN110223253B (zh) 一种基于图像增强的去雾方法
CN111476744A (zh) 一种基于分类及大气成像模型的水下图像增强方法
CN111079637A (zh) 田间图像中分割油菜花的方法、装置、设备及存储介质
CN111612797B (zh) 一种水稻图像信息处理系统
Sun et al. Image enhancement using bright channel prior
CN108550124A (zh) 一种基于仿生螺线的光照补偿及图像增强方法
CN111079530A (zh) 一种成熟草莓识别的方法
CN112069953B (zh) 一种水稻秧苗生长期自动识别方法、装置
CN113379620B (zh) 一种光学遥感卫星影像云检测方法
CN106504258B (zh) 一种植物叶片图像提取方法及装置
CN111738949B (zh) 一种图像亮度的调整方法、装置、电子设备及存储介质
CN114764757A (zh) 基于加权高斯减法拟合的土壤图像亮度可控增强方法
CN114494324A (zh) 一种基于显著性的花卉和果实图像的目标提取方法

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: No. 1299, Mingxi Road, Beihu science and Technology Development Zone, Changchun City, Jilin Province

Applicant after: Changguang Satellite Technology Co.,Ltd.

Address before: 130032 no.1299, Mingxi Road, Beihu science and Technology Development Zone, Changchun City, Jilin Province

Applicant before: CHANG GUANG SATELLITE TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Portable Shadow Extraction Method Based on Color Images

Effective date of registration: 20230724

Granted publication date: 20230407

Pledgee: Industrial and Commercial Bank of China Limited Changchun Southern Urban Economic Development Zone Branch

Pledgor: Changguang Satellite Technology Co.,Ltd.

Registration number: Y2023220000056