CN111489299A - 一种多光谱遥感卫星影像的去雾方法 - Google Patents
一种多光谱遥感卫星影像的去雾方法 Download PDFInfo
- Publication number
- CN111489299A CN111489299A CN202010117691.9A CN202010117691A CN111489299A CN 111489299 A CN111489299 A CN 111489299A CN 202010117691 A CN202010117691 A CN 202010117691A CN 111489299 A CN111489299 A CN 111489299A
- Authority
- CN
- China
- Prior art keywords
- band
- defogging
- value
- image
- remote sensing
- 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 42
- 238000002834 transmittance Methods 0.000 claims abstract description 18
- 239000000443 aerosol Substances 0.000 claims abstract description 10
- 238000012937 correction Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 11
- 102000006463 Talin Human genes 0.000 claims description 6
- 108010083809 Talin Proteins 0.000 claims description 6
- 238000002310 reflectometry Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 9
- 230000003595 spectral effect Effects 0.000 abstract description 4
- 238000001228 spectrum Methods 0.000 description 7
- 230000006872 improvement Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 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
- G06T5/73—Deblurring; Sharpening
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10036—Multispectral image; Hyperspectral 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明属于图像处理的技术领域,具体涉及一种多光谱遥感卫星影像的去雾方法,包括如下步骤,步骤1、对多光谱遥感影像数据进行大气校正;步骤2、计算基准雾透射率图t(x);步骤3、根据计算的所述基准雾透射率图t(x),计算遥感影像每个位置处对应的γ(x);步骤4、计算全局大气光值A;步骤5、求取不同波段对应的波长值λj;步骤6、对多光谱每个通道波段进行去雾处理;步骤7、对去雾后的每个所述波段进行气溶胶补偿处理。本发明能够提高多光谱卫星影像的去雾效果,确保去雾后的影像的每个像元依然具有原始的物理光谱特性。
Description
技术领域
本发明属于图像处理的技术领域,具体涉及一种多光谱遥感卫星影像的去 雾方法。
背景技术
如今,遥感技术已广泛应用于地球科学、军事、农业、林业、水文、环境 保护等领域。然而,许多遥感图像往往受到薄雾大气条件的影响。这些在雾霾 条件下拍摄的图像通常具有能见度差、对比度低、强度差等特点,从而影响图 像后处理,如遥感图像分割、图像匹配和目标检测。因此,有必要提高单个遥 感图像的视觉质量,以更好的实际应用。单幅图像去雾是一项非常困难的视觉 任务。与多时间图像方法不同,多时间图像方法通过使用参考数据恢复雾(薄 云)图像,而单图像去雾方法仅使用单个有雾图像,通过利用多光谱通道中的 特征来纠正雾影响区域。
在过去的几十年,单一遥感图像的雾去除受到越来越多的关注,并提出了 许多著名的经典方法,如:直方图匹配增强法、同态滤波法、小波变换法。这 些算法的优点很简单易行。然而,上述技术在去雾结果中会产生光晕和梯度反 转伪影,并在去雾结果中引入饱和像素。近年来,越来越多的基于遥感图像光 谱特征的雾去除方法被提出,如:背景抑制雾厚度指数法(BSHTI)、雾优化变 换法(HOT)和雾厚度图法(HTM)等。这些方法在遥感图像去雾中得到了广泛 的应用。然而,对于厚雾、薄云等恶劣天气条件,上述方法去雾效果往往无法 给出令人满意的结果。此外,上述方法去雾结果往往存在局部对比度失调、色 彩失真和细节信息丢失。近年来,暗通道先验(DCP)方法也被广泛应用于遥感 图像的去雾。但是这种方法有一个限制,即假定每个波段的衰减系数相同。这 种不准确的假设导致恢复的结果包含残余的雾度和颜色(光谱)失真。因此, 急需要发明一种效果更好的卫星遥感去雾方法。
发明人发现现有的方法存在以下缺陷:多光谱遥感图像上雾在空间上具有 不断变化的特征,且雾的浓度会随波长的增加而逐渐减小,根据瑞利定律可知, 不同的雾浓度大气条件也会影响雾的透射效果。
发明内容
本发明的目的在于:针对现有技术的不足,提供一种多光谱遥感卫星影像 的去雾方法,能够提高多光谱卫星影像的去雾效果,确保去雾后的影像的每个 像元依然具有原始的物理光谱特性。
为了实现上述目的,本发明采用如下技术方案:
一种多光谱遥感卫星影像的去雾方法,包括如下步骤:
步骤1、对多光谱遥感影像数据进行大气校正;
步骤2、计算基准雾透射率图t(x);
步骤3、根据计算的所述基准雾透射率图t(x),计算遥感影像每个位置处对 应的γ(x);
步骤4、计算全局大气光值A;
步骤5、求取不同波段对应的波长值λj;
步骤6、对多光谱每个通道波段进行去雾处理;
步骤7、对去雾后的每个所述波段进行气溶胶补偿处理。
作为本发明所述的一种多光谱遥感卫星影像的去雾方法的一种改进,所述 步骤2中,所述基准雾透射率图的计算方法,包括:
步骤a1、采用大气校正后多光谱数据波段1(band1)和波段2(band2)数 据,外推出一个新的波段数据,计算公式为:
bandextrapol(x)=2*band1(x)-0.95*band2(x)
步骤a2、根据外推出的所述波段bandextrapol,估计雾厚度图HTM,对外推出的 波段以每个像元为中心构建一个局部窗口(w×w),并通过搜索这个局部块内 的最小值像元,即黑暗像元来构建整张影像的所述雾厚度图HTM(x),计算公式 为:
其中Ω(x)表示w×w的局部块,x为该局部块的中心位置,局部块尺寸w为 常数。
步骤a3、根据获得的所述雾厚度图HTM(x)计算基准雾透射率图t(x),计算 公式为:
t(x)=1-ωHTM(x)
其中,ω为一个调节系数,ω的取值在1.38和1.8两个数值之间。
作为本发明所述的一种多光谱遥感卫星影像的去雾方法的一种改进,所述 步骤3中,计算所述遥感影像每个所述位置处对应的γ(x)的公式为:
作为本发明所述的一种多光谱遥感卫星影像的去雾方法的一种改进,所述 步骤4中,计算所述全局大气光值A的方法,包括:
估计影像上前0.01%最亮像素值得平均值作为所述全局大气光值A;
为了防止存在较多高亮度像元和整体像素值较低的情况对所述全局大气光 值A影响,设置了如下式的约束:
使得所述全局大气光值A取值范围在0.45~0.75之间。
作为本发明所述的一种多光谱遥感卫星影像的去雾方法的一种改进,所述 步骤5中,求取不同所述波段对应的所述波长值λj,包括:
取每个所述通道对应的所述波长值范围的中间值。
作为本发明所述的一种多光谱遥感卫星影像的去雾方法的一种改进,所述 步骤6中,各个所述通道波段去雾计算公式为:
其中Ij表示多光谱影像的第j波段影像,Jj表示该波段去雾后的结果,A是 全局大气光值,λj为对应第j波段波长值,λ1为第1个波段波长值,t(x)为基准 雾透射率图,γ(x)表征大气散射模型,是雾厚度条件相关的物理量。
作为本发明所述的一种多光谱遥感卫星影像的去雾方法的一种改进,所述 步骤7中,每个所述波段进行气溶胶补偿处理的公式为:
其中,j表示多光谱卫星影像的波段序号,DNj表示去雾后的波段反射率值, DN’j表示气溶胶补偿后的波段反射率值,表示原始未去雾波段中无 雾区域的平均反射率值,表示无雾区域经去雾处理后平均反射率 值,abs()表示取绝对值运算。
本发明的有益效果在于:
(1)本发明的去雾模型结合雾在多光谱卫星影像上的特性,提高多光谱卫 星影像的去雾效果。
(2)本发明的去雾模型不仅可以成功去除多光谱影像上每个波段的雾,还可 以保持去雾后光谱一致性,使得去雾后的影像的每个像元依然具有原始的物理 光谱特性。
(3)本发明的去雾模型需人为设定参数较少,仅需通过设定步骤2中ω的准 确值即可获得较好的去雾效果。
(4)本发明的去雾模型有助于提高去雾处理效率,处理每景多光谱卫星影 像耗时约2分钟左右。
附图说明
图1为本发明的流程示意图。
图2为本发明中去雾效果示意图。
图3为本发明中去雾结果光谱一致性比较图。
具体实施方式
如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术 人员应可理解,硬件制造商可能会用不同名词来称呼同一个组件。本说明书及 权利要求并不以名称的差异来作为区分组件的方式,而是以组件在功能上的差 异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一 开放式用语,故应解释成“包含但不限定于”。“大致”是指在可接受的误差 范围内,本领域技术人员能够在一定误差范围内解决技术问题,基本达到技术 效果。
在本发明的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、 “左”、“右”、水平”等指示的方位或位置关系为基于附图所示的方位或位 置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置 或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本 发明的限制。
在发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连 接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆 卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相 连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域 的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
以下结合附图对本发明作进一步详细说明,但不作为对本发明的限定。
如图1~3所示,一种多光谱遥感卫星影像的去雾方法,包括如下步骤:
步骤1、对多光谱遥感影像数据进行大气校正;
步骤2、计算基准雾透射率图t(x);
步骤3、根据计算的基准雾透射率图t(x),计算遥感影像每个位置处对应的 γ(x);
步骤4、计算全局大气光值A;
步骤5、求取不同波段对应的波长值λj;
步骤6、对多光谱每个通道波段进行去雾处理;
步骤7、对去雾后的每个波段进行气溶胶补偿处理。
优选的,步骤2中,基准雾透射率图的计算方法,包括:
步骤a1、采用Landsat-8OLI多光谱数据选取预处理后的多光谱遥感影像 数据中的海蓝波段band1和蓝色波段band2数据,外推出一个新的波段数据:
bandextrapol(x)=2*band1(x)-0.95*band2(x)
步骤a2、根据外推出的波段bandextrapol,估计雾厚度图HTM,对外推出的波段 以每个像元为中心构建一个局部窗口(w×w),并通过搜索这个局部块内的最 小值像元,即黑暗像元来构建整张影像的雾厚度图HTM(x),计算公式为:
其中Ω(x)表示w×w的局部块,x为该局部块的中心位置,局部块尺寸w设 为3。
步骤a3、根据获得的雾厚度图HTM(x)计算基准雾透射率图t(x),计算公式 为:
t(x)=1-ωHTM(x)
其中,,ω为一个调节系数,通过设置准确的ω值来获得准确的基准雾透 射率图,根据实验发现ω的取值在1.38和1.8两个数值附近较多,ω值的设置 对卫星影像去雾的结果影响十分重大。
优选的,步骤3中,计算遥感影像每个位置处对应的γ(x)的公式为:
优选的,步骤4中,计算全局大气光值A的方法,包括:
估计影像上前0.01%最亮像素值得平均值作为全局大气光值A;
为了防止存在较多高亮度像元和整体像素值较低的情况对全局大气光值A 影响,设置了如下式的约束:
使得全局大气光值A取值范围大致在0.45~0.75之间。
优选的,步骤5中,求取不同波段对应的波长值λj,包括:
取每个通道对应的波长值范围的中间值。
对于Landsat-8OLI多光谱影像,其取值按照表1所示。
表1Landsat-8OLI多光谱影像波长值
优选的,步骤6各个通道波段去雾计算公式为:
对于多光谱影像的第j波段影像,根据上述步骤求取的参数λj、λ1、A、t(x) 和γ(x)代入发明的公式即可成功求取去雾后的波段影像Jj。
其中Ij表示多光谱影像的第j波段影像,Jj表示该波段去雾后的结果,A是 全局大气光值,λj为对应第j波段波长值,λ1为第1个波段波长值,t(x)为基准 雾透射率图,γ(x)表征大气散射模型,是雾厚度条件相关的物理量。
优选的,步骤7中,每个波段进行气溶胶补偿处理的公式为:
其中,j表示多光谱卫星影像的波段序号,DNj表示去雾后的波段反射率值, DN’j表示气溶胶补偿后的波段反射率值,表示原始未去雾波段中无 雾区域的平均反射率值,表示无雾区域经去雾处理后平均反射率 值,abs()表示取绝对值运算。
如图2所示,通过对4景影像的去雾结果可以发现,本发明的去雾模型可 以很好的去除影像上的雾,实现多光谱卫星影像的良好去雾复原。
如图3所示,通过去雾后的影像和无雾影像的光谱曲线比较可知,本发明 的去雾模型算法可以很好的纠正雾对光谱的影响,使得去雾后的影像像元光谱 保持良好的光谱特性。
根据上述说明书的揭示和教导,本发明所属领域的技术人员还能够对上述 实施方式进行变更和修改。因此,本发明并不局限于上述的具体实施方式,凡 是本领域技术人员在本发明的基础上所作出的任何显而易见的改进、替换或变 型均属于本发明的保护范围。此外,尽管本说明书中使用了一些特定的术语, 但这些术语只是为了方便说明,并不对本发明构成任何限制。
Claims (7)
1.一种多光谱遥感卫星影像的去雾方法,其特征在于,包括如下步骤:
步骤1、对多光谱遥感影像数据进行大气校正;
步骤2、计算基准雾透射率图t(x);
步骤3、根据计算的所述基准雾透射率图t(x),计算遥感影像每个位置处对应的γ(x);
步骤4、计算全局大气光值A;
步骤5、求取不同波段对应的波长值λj;
步骤6、对多光谱每个通道波段进行去雾处理;
步骤7、对去雾后的每个所述波段进行气溶胶补偿处理。
2.如权利要求1所述的一种多光谱遥感卫星影像的去雾方法,其特征在于,所述步骤2中,所述基准雾透射率图的计算方法,包括:
步骤a1、采用大气校正后多光谱数据波段1(band1)和波段2(band2)数据,外推出一个新的波段数据,计算公式为:
bandextrapol(x)=2*band1(x)-0.95*band2(x)
步骤a2、根据外推出的所述波段bandextrapol,估计雾厚度图HTM,对外推出的波段以每个像元为中心构建一个局部窗口(w×w),并通过搜索这个局部块内的最小值像元,即黑暗像元来构建整张影像的所述雾厚度图HTM(x),计算公式为:
其中Ω(x)表示w×w的局部块,x为该局部块的中心位置,局部块尺寸w为常数。
步骤a3、根据获得的所述雾厚度图HTM(x)计算基准雾透射率图t(x),计算公式为:
t(x)=1-ωHTM(x)
其中,ω为一个调节系数,ω的取值在1.38和1.8两个数值之间。
5.如权利要求1所述的一种多光谱遥感卫星影像的去雾方法,其特征在于,所述步骤5中,求取不同所述波段对应的所述波长值λj,包括:
取每个所述通道对应的所述波长值范围的中间值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010117691.9A CN111489299B (zh) | 2020-02-25 | 2020-02-25 | 一种多光谱遥感卫星影像的去雾方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010117691.9A CN111489299B (zh) | 2020-02-25 | 2020-02-25 | 一种多光谱遥感卫星影像的去雾方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111489299A true CN111489299A (zh) | 2020-08-04 |
CN111489299B CN111489299B (zh) | 2023-06-27 |
Family
ID=71811715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010117691.9A Active CN111489299B (zh) | 2020-02-25 | 2020-02-25 | 一种多光谱遥感卫星影像的去雾方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111489299B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112750089A (zh) * | 2020-12-27 | 2021-05-04 | 同济大学 | 基于局部块最大和最小像素先验的光学遥感影像去雾方法 |
CN113610730A (zh) * | 2021-08-06 | 2021-11-05 | 上海大学 | 一种卫星影像非均匀薄云去除方法及系统 |
CN117649439A (zh) * | 2024-01-30 | 2024-03-05 | 山东省海洋资源与环境研究院(山东省海洋环境监测中心、山东省水产品质量检验中心) | 一种海草床面积的获取方法、系统、设备和存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108257094A (zh) * | 2016-12-29 | 2018-07-06 | 广东中科遥感技术有限公司 | 基于暗通道的遥感影像薄雾快速去除方法 |
-
2020
- 2020-02-25 CN CN202010117691.9A patent/CN111489299B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108257094A (zh) * | 2016-12-29 | 2018-07-06 | 广东中科遥感技术有限公司 | 基于暗通道的遥感影像薄雾快速去除方法 |
Non-Patent Citations (3)
Title |
---|
ALIAKSEI MAKARAU等: "haze detection and removal in remotely sensed multispectral imagery", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
MANJUN QIN等: "Dehazing for Multispectral Remote Sensing Images Based on a Convolutional Neural Network With the Residual Architecture", 《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》 * |
张阳等: "图像去雾透射率的优化算法", 《电脑与电信》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112750089A (zh) * | 2020-12-27 | 2021-05-04 | 同济大学 | 基于局部块最大和最小像素先验的光学遥感影像去雾方法 |
CN112750089B (zh) * | 2020-12-27 | 2023-03-28 | 同济大学 | 基于局部块最大和最小像素先验的光学遥感影像去雾方法 |
CN113610730A (zh) * | 2021-08-06 | 2021-11-05 | 上海大学 | 一种卫星影像非均匀薄云去除方法及系统 |
CN113610730B (zh) * | 2021-08-06 | 2023-08-29 | 上海大学 | 一种卫星影像非均匀薄云去除方法及系统 |
CN117649439A (zh) * | 2024-01-30 | 2024-03-05 | 山东省海洋资源与环境研究院(山东省海洋环境监测中心、山东省水产品质量检验中心) | 一种海草床面积的获取方法、系统、设备和存储介质 |
CN117649439B (zh) * | 2024-01-30 | 2024-04-09 | 山东省海洋资源与环境研究院(山东省海洋环境监测中心、山东省水产品质量检验中心) | 一种海草床面积的获取方法、系统、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111489299B (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11127122B2 (en) | Image enhancement method and system | |
CN111489299B (zh) | 一种多光谱遥感卫星影像的去雾方法 | |
KR101756173B1 (ko) | 전달률 하한치의 변형에 의한 안개영상 개선 시스템 및 그 방법 | |
Gao et al. | Sand-dust image restoration based on reversing the blue channel prior | |
US8761506B1 (en) | Pan sharpening digital imagery | |
JP6943251B2 (ja) | 画像処理装置、画像処理方法及びコンピュータ読み取り可能記録媒体 | |
CN113313702A (zh) | 基于边界约束与颜色校正的航拍图像去雾方法 | |
CN110827218A (zh) | 基于图像hsv透射率加权校正的机载图像去雾方法 | |
CN112104847B (zh) | 一种基于残差和高频替换的sony-rgbw阵列彩色重构方法 | |
CN110223253B (zh) | 一种基于图像增强的去雾方法 | |
CN115496685A (zh) | 一种针对高分二号卫星遥感影像的快速去薄云方法 | |
CN102646267A (zh) | 退化图像复原方法及系统 | |
CN108537744A (zh) | 一种彩色图像亮度分量同态滤波去雾方法 | |
CN117575953B (zh) | 一种高分辨率林业遥感图像细节增强方法 | |
CN111598811A (zh) | 一种单幅全色遥感雾霾图像清晰化方法 | |
CN107507151B (zh) | 一种多光谱遥感图像真实色彩还原方法及系统 | |
CN105913387B (zh) | 基于Angstrom指数的可见光及近红外多波段遥感图像去雾方法 | |
CN116883799A (zh) | 成分替换模型引导的高光谱图像深度空间光谱融合方法 | |
CN111429389A (zh) | 一种保持光谱特性的可见光和近红外图像融合方法 | |
CN109886901A (zh) | 一种基于多通路分解的夜间图像增强方法 | |
CN110852957A (zh) | 一种基于视网膜特性的快速图像去雾方法 | |
CN112529802B (zh) | 基于散射系数比估计的大气散射降质图像恢复方法 | |
CN116612050B (zh) | 一种基于暗通道的先验去雾方法 | |
CN117408906B (zh) | 微光图像增强方法及系统 | |
CN116630349B (zh) | 基于高分辨率遥感图像的秸秆还田区域快速分割方法 |
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 |