CN111735448A - 一种星图联合非均匀校正方法、设备及存储介质 - Google Patents

一种星图联合非均匀校正方法、设备及存储介质 Download PDF

Info

Publication number
CN111735448A
CN111735448A CN202010583076.7A CN202010583076A CN111735448A CN 111735448 A CN111735448 A CN 111735448A CN 202010583076 A CN202010583076 A CN 202010583076A CN 111735448 A CN111735448 A CN 111735448A
Authority
CN
China
Prior art keywords
correction
star
sobel
image
star map
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
Application number
CN202010583076.7A
Other languages
English (en)
Inventor
黄勇钦
郑循江
叶志龙
毛晓楠
何峰
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.)
Shanghai Aerospace Control Technology Institute
Original Assignee
Shanghai Aerospace Control Technology Institute
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 Shanghai Aerospace Control Technology Institute filed Critical Shanghai Aerospace Control Technology Institute
Priority to CN202010583076.7A priority Critical patent/CN111735448A/zh
Publication of CN111735448A publication Critical patent/CN111735448A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/02—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by astronomical means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20024—Filtering details

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Astronomy & Astrophysics (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种星图联合非均匀校正方法、设备及存储介质，方法包括：接收若干个标定图像，其中，标定图像在无杂光干扰的情况下采集；根据若干个标定图像计算校正参数；接收待校正星图；根据校正参数对校正星图进行处理，得到两点校正星图；引入sobel边缘检测算子，构造sobel权重因子；将sobel权重因子代入引导滤波模型进行改进，得到改进后的引导滤波模型；根据改进后的引导滤波模型对两点校正星图进行引导滤波，完成非均匀校正，得到非均匀校正后的星图；本发明能够实现在保护白昼微弱星点信号的同时完成星图非均匀校正的目的，可以提高星敏感器姿态测量精度。

Description

一种星图联合非均匀校正方法、设备及存储介质
技术领域
本发明涉及图像处理领域，具体涉及一种星图联合非均匀校正方法、设备及存储介质。
背景技术
星敏感器是一种具有高精度、强抗干扰性、无姿态累计误差等优点的光学姿态敏感器，是目前精度最高的姿态测量仪器之一，在大气层外空间已经获得广泛应用。
全天时星敏感器采用短波红外探测方案，将星敏感器的应用范围拓展至临近空间大气层内12km-50km高度范围的高空气球和其它飞行器，满足昼夜全天时工作需求，是未来星敏感器发展的方向。同时，如何克服白昼环境微弱星点信号提取困难的问题也是当前星敏感器技术的研究热点。
由于制造工艺水平、暗电流、量子效率的差异，短波红外探测器焦平面各像元性能参数不一致，导致输出星图具有非均匀性，淹没微弱星点信号，影响星点质心提取精度，从而影响全天时星敏感器姿态测量精度。因此，对全天时星敏感器进行星图非均匀校正是提高可靠性和姿态测量精度的关键。
目前，短波红外非均匀校正算法根据校正参数的计算方式不同，主要分为两类：一类是基于参考(reference-based)的非均匀性校正方法，主要包括两点温度定标法及多点温度定标法，这类方法计算简单易于实现但校正精度不高；一类是基于场景(scene-based)的非均匀性校正方法，主要包括基于统计模型的校正方法、基于图像配准的自适应校正方法和基于神经网络的校正方法等，但计算复杂度也普遍较高，不适合工程实现，同时易将星点误校正。
发明内容
本发明的目的在于提供一种星图联合非均匀校正方法、设备及存储介质，在保护微弱星点信号的同时快速有效地完成星图非均匀校正。
为了达到上述目的，本发明采用的技术方案如下：
一种星图联合非均匀校正方法，包括：
接收若干个标定图像，其中，所述标定图像在无杂光干扰的情况下采集；
根据若干个所述标定图像计算校正参数；
接收待校正星图；
根据所述校正参数对所述校正星图进行处理，得到两点校正星图；
引入sobel边缘检测算子，构造sobel权重因子；
将所述sobel权重因子代入引导滤波模型进行改进，得到改进后的引导滤波模型；
根据所述改进后的引导滤波模型对所述两点校正星图进行引导滤波，完成非均匀校正，得到非均匀校正后的星图。
进一步地，所述标定图像通过积分球在强光通量或弱光通量下采集，所述标定图像包括强光通量标定图像和弱光通量标定图像。
进一步地，所述校正参数通过两点校正法模型计算得出，所述两点校正法模型具体为：
Yi，j＝Gi，j×Xi，j+Oi，j
式中，Gi，j为像元(i，j)处的增益系数；Oi，j为像元(i，j)处的偏移系数，Xi，j为像元(i，j)处的像素值。
进一步地，所述增益系数Gi，j和偏移系数Oi，j分别通过如下公式进行计算：
Figure BDA0002553167670000021
Figure BDA0002553167670000022
式中，
Figure BDA0002553167670000023
为所述强光通量标定图像的灰度均值，
Figure BDA0002553167670000024
为所述弱光通量标定图像的灰度均值，Xi，j(LH)为所述强光通量标定图像中每一像元的灰度值，Xi，j(LL)为所述弱光通量标定图像中每一像元的灰度值。
进一步地，所述sobel权重因子通过如下公式进行计算：
Figure BDA0002553167670000025
式中，sobel(i)为像元i在3×3领域内边缘值，τ为常数，取值为(0.001×L2)，L为输入图像的动态范围，sobel(i′)为所有像素边缘值，N为像素总值。
进一步地，所述sobel权重因子通过如下公式对引导滤波模型进行改进：
Figure BDA0002553167670000031
式中，ak和bk为线性系数，pi为输入图像，Ii为引导图像，ε为正则化参数。
进一步地，所述线性系数ak和bk分别通过如下公式进行计算：
Figure BDA0002553167670000032
Figure BDA0002553167670000033
式中，|w|为窗口wk中像素的总数，
Figure BDA0002553167670000034
为输入图像pi在窗口wk中的均值，uk和δk分别为在窗口wk内的均值的方差。
进一步地，所述改进后的引导滤波模型具体为：
Figure BDA0002553167670000035
式中，Ii为引导图像，ak和bk分别线性系数。
另一方面，本发明还提供一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如上文所述的方法。
再一方面，本发明还提供一种可读存储介质，所述可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的方法。
与现有技术相比，本发明至少具有以下优点之一：
1.本发明能够实现在保护白昼微弱星点信号的同时完成星图非均匀校正的目的，可以提高星敏感器姿态测量精度；
2.本发明通过星图非均匀校正，提升星点信噪比，可以降低星敏感器对探测器性能的要求，节约成本；
3.本发明计算简单，实时性好，易于工程实现。
附图说明
图1为本发明一实施例提供的星图联合非均匀校正方法实现流程图；
图2为现有技术中未进行非均匀校正前的白昼小波门星点；
图3为本发明一实施例中进行非均匀校正后的白昼小波门星点；
图4为现有技术中未进行非均匀校正前白昼小波门星点的三维灰度图；
图5为本发明一实施例中进行非均匀校正后白昼小波门星点的三维灰度图。
具体实施方式
以下结合附图1～5和具体实施方式对本发明作进一步详细说明。根据下面说明，本发明的优点和特征将更清楚。需要说明的是，附图采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施方式的目的。为了使本发明的目的、特征和优点能够更加明显易懂，请参阅附图。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者现场设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者现场设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者现场设备中还存在另外的相同要素。
请参阅图1～5所示，本实施例提供的一种星图联合非均匀校正方法，包括：
接收若干个标定图像，其中，所述标定图像在无杂光干扰的情况下采集；
具体地，将全天时星敏感器光学头部对准积分球通光孔，使用积分球分别在强、弱光强下获取标定图像IH、IL，计算标定图像相应的平均灰度值
Figure BDA0002553167670000051
Figure BDA0002553167670000052
根据若干个所述标定图像计算校正参数；
接收待校正星图；
根据所述校正参数对所述校正星图进行处理，得到两点校正星图；
引入sobel边缘检测算子，构造sobel权重因子；
将所述sobel权重因子代入引导滤波模型进行改进，得到改进后的引导滤波模型；
根据所述改进后的引导滤波模型对所述两点校正星图进行引导滤波，完成非均匀校正，得到非均匀校正后的星图。
本实施例中，所述标定图像通过积分球在强光通量或弱光通量下采集，所述标定图像包括强光通量标定图像和弱光通量标定图像。
本实施例中，所述校正参数通过两点校正法模型计算得出，所述两点校正法模型具体为：
Yi，j＝Gi，j×Xi，j+Oi，j (1)
式中，Gi，j为像元(i，j)处的增益系数；Oi，j为像元(i，j)处的偏移系数，Xi，j为像元(i，j)处的像素值。
本实施例中，所述增益系数Gi，j和偏移系数Oi，j分别通过如下公式进行计算：
Figure BDA0002553167670000053
Figure BDA0002553167670000054
式中，
Figure BDA0002553167670000055
为所述强光通量标定图像的灰度均值，
Figure BDA0002553167670000056
为所述弱光通量标定图像的灰度均值，Xi，j(LH)为所述强光通量标定图像中每一像元的灰度值，Xi，j(LL)为所述弱光通量标定图像中每一像元的灰度值。
获得所述全天时星敏感器低、中、高增益条件下的标定图像，不同增益条件下分别采集100帧图像。其中，所述全天时星敏感器中增益下满阱容量为120×103e-，高增益下满阱容量为1.44×106e-。所述强光通量由积分球50W氙气灯提供，所述弱光通量由积分球20W氙气灯提供。
本实施例中，所述sobel权重因子通过如下公式进行计算：
Figure BDA0002553167670000061
式中，sobel(i)为像元i在3×3领域内边缘值，τ为常数，取值为(0.001×L2)，L为输入图像的动态范围，sobel(i′)为所有像素边缘值，N为像素总值。
本实施例中，所述sobel权重因子通过如下公式对引导滤波模型进行改进：
Figure BDA0002553167670000062
式中，ak和bk为线性系数，pi为输入图像，Ii为引导图像，ε为正则化参数。
本实施例中，所述线性系数ak和bk分别通过如下公式进行计算：
Figure BDA0002553167670000063
Figure BDA0002553167670000064
式中，|w|为窗口wk中像素的总数，
Figure BDA0002553167670000065
为输入图像pi在窗口wk中的均值，uk和δk分别为在窗口wk内的均值的方差。
本实施例中，所述改进后的引导滤波模型具体为：
Figure BDA0002553167670000066
利用所述改进引导滤波对所述两点校正星图进行改进，引导滤波后输出的非均匀校正后星图为：
Figure BDA0002553167670000071
其中，
Figure BDA0002553167670000072
式中，Ii为两点校正后星图的没一点像素值，ak和bk分别线性系数。
基于同一发明构思，本实施例还提供一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如上文所述的方法；所述处理器在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器通常用于控制所述电子设备的总体操作。本实施例中，所述处理器用于运行所述存储器中存储的程序代码或者处理数据，例如运行星敏感器星图非均匀校正方法的程序代码。
该电子设备可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroupAudioLayer III，动态影像专家压缩标准音频层面)、MP4(Moving PictureExperts Group AudioLayer IV，动态影像专家压缩标准音频层面)播放器、膝上型便携计算机和台式计算机等。
该存储器至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器可以是所述电子设备的内部存储单元，例如该电子设备的硬盘或内存。在另一些实施例中，所述存储器也可以是所述电子设备的外部存储设备，例如该电子设备上配备的插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。当然，所述存储器还可以既包括所述电子设备的内部存储单元也包括其外部存储设备。本实施例中，所述存储器通常用于存储安装于所述电子设备的操作方法和各类应用软件，例如星敏感器星图非均匀校正方法的程序代码等。此外，所述存储器还可以用于暂时地存储已经输出或者将要输出的各类数据。
基于同一发明构思，本实施例还提供一种可读存储介质，所述可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的方法。
结合图2、图3、图4和图5，校正前星点信号被淹没，星点信噪比极低，校正后星图非均匀性明显减弱，星点信噪比明显提升，星图质量提高。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (10)

1.一种星图联合非均匀校正方法，其特征在于，包括：
接收若干个标定图像，其中，所述标定图像在无杂光干扰的情况下采集；
根据若干个所述标定图像计算校正参数；
接收待校正星图；
根据所述校正参数对所述校正星图进行处理，得到两点校正星图；
引入sobel边缘检测算子，构造sobel权重因子；
将所述sobel权重因子代入引导滤波模型进行改进，得到改进后的引导滤波模型；
根据所述改进后的引导滤波模型对所述两点校正星图进行引导滤波，完成非均匀校正，得到非均匀校正后的星图。
2.如权利要求1所述的方法，其特征在于，所述标定图像通过积分球在强光通量或弱光通量下采集，所述标定图像包括强光通量标定图像和弱光通量标定图像。
3.如权利要求2所述的方法，其特征在于，所述校正参数通过两点校正法模型计算得出，所述两点校正法模型Yi，j具体为：
Yi，j＝Gi，j×Xi，j+Oi，j
式中，Gi，j为像元(i，j)处的增益系数；Oi，j为像元(i，j)处的偏移系数，Xi，j为像元(i，j)处的像素值。
4.如权利要求3所述的方法，其特征在于，所述增益系数Gi，j和偏移系数Oi，j分别通过如下公式进行计算：
Figure FDA0002553167660000011
Figure FDA0002553167660000012
式中，
Figure FDA0002553167660000013
为所述强光通量标定图像的灰度均值，
Figure FDA0002553167660000014
为所述弱光通量标定图像的灰度均值，Xi，j(LH)为所述强光通量标定图像中每一像元的灰度值，Xi，j(LL)为所述弱光通量标定图像中每一像元的灰度值。
5.如权利要求1所述的方法，其特征在于，所述sobel权重因子
Figure RE-FDA0002633735380000014
通过如下公式进行计算：
Figure RE-FDA0002633735380000021
式中，sobel(i)为像元i在3×3领域内边缘值，τ为常数，取值为0.001×L2，L为输入图像的动态范围，sobel(i′)为所有像素边缘值，N为像素总值。
6.如权利要求5所述的方法，其特征在于，所述sobel权重因子通过如下公式对引导滤波模型E(ak,bk)进行改进：
Figure FDA0002553167660000023
式中，ak和bk为线性系数，pi为输入图像，Ii为引导图像，ε为正则化参数。
7.如权利要求6所述的方法，其特征在于，所述线性系数ak和bk分别通过如下公式进行计算：
Figure FDA0002553167660000024
Figure FDA0002553167660000025
式中，|w|为窗口wk中像素的总数，
Figure FDA0002553167660000026
为输入图像pi在窗口wk中的均值，uk和δk分别为在窗口wk内的均值的方差。
8.如权利要求7所述的方法，其特征在于，所述改进后的引导滤波模型qi具体为：
Figure FDA0002553167660000027
式中，Ii为引导图像，ak和bk分别线性系数。
9.一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8中任一项中所述的方法。
10.一种可读存储介质，其特征在于，所述可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项中所述的方法。
CN202010583076.7A 2020-06-23 2020-06-23 一种星图联合非均匀校正方法、设备及存储介质 Pending CN111735448A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010583076.7A CN111735448A (zh) 2020-06-23 2020-06-23 一种星图联合非均匀校正方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010583076.7A CN111735448A (zh) 2020-06-23 2020-06-23 一种星图联合非均匀校正方法、设备及存储介质

Publications (1)

Publication Number Publication Date
CN111735448A true CN111735448A (zh) 2020-10-02

Family

ID=72650760

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010583076.7A Pending CN111735448A (zh) 2020-06-23 2020-06-23 一种星图联合非均匀校正方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111735448A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112489011A (zh) * 2020-11-27 2021-03-12 上海航天控制技术研究所 一种星敏感器光机组件智能装调方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04270572A (ja) * 1991-01-11 1992-09-25 Hamamatsu Photonics Kk 画像検出装置
CN102410844A (zh) * 2011-08-12 2012-04-11 北京航空航天大学 一种高动态星敏感器图像非均匀校正方法及装置
CN105865723A (zh) * 2016-05-25 2016-08-17 山东中安科创光电科技有限公司 气体泄漏检测非均匀校正方法及气体泄漏检测装置
CN108242060A (zh) * 2016-12-23 2018-07-03 重庆邮电大学 一种基于Sobel算子的图像边缘检测方法
CN110473152A (zh) * 2019-07-30 2019-11-19 南京理工大学 基于改进Retinex算法的图像增强方法
CN111314711A (zh) * 2020-03-31 2020-06-19 电子科技大学 一种基于自适应自导向滤波的环路滤波方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04270572A (ja) * 1991-01-11 1992-09-25 Hamamatsu Photonics Kk 画像検出装置
CN102410844A (zh) * 2011-08-12 2012-04-11 北京航空航天大学 一种高动态星敏感器图像非均匀校正方法及装置
CN105865723A (zh) * 2016-05-25 2016-08-17 山东中安科创光电科技有限公司 气体泄漏检测非均匀校正方法及气体泄漏检测装置
CN108242060A (zh) * 2016-12-23 2018-07-03 重庆邮电大学 一种基于Sobel算子的图像边缘检测方法
CN110473152A (zh) * 2019-07-30 2019-11-19 南京理工大学 基于改进Retinex算法的图像增强方法
CN111314711A (zh) * 2020-03-31 2020-06-19 电子科技大学 一种基于自适应自导向滤波的环路滤波方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112489011A (zh) * 2020-11-27 2021-03-12 上海航天控制技术研究所 一种星敏感器光机组件智能装调方法
CN112489011B (zh) * 2020-11-27 2023-01-31 上海航天控制技术研究所 一种星敏感器光机组件智能装调方法

Similar Documents

Publication Publication Date Title
CN112102411B (zh) 一种基于语义误差图像的视觉定位方法及装置
CN101639933B (zh) 图像旋转校正方法及系统、电子设备
CN104574347B (zh) 基于多源遥感数据的在轨卫星图像几何定位精度评价方法
CN105989603B (zh) 机器视觉图像传感器校准
CN112396640B (zh) 图像配准方法、装置、电子设备及存储介质
US20220028043A1 (en) Multispectral camera dynamic stereo calibration algorithm based on saliency features
CN107610054A (zh) 一种遥感影像数据的预处理方法
CN112149756A (zh) 模型训练方法、图像识别方法、装置、设备及存储介质
JP6958743B2 (ja) 画像処理装置、画像処理方法及び画像処理プログラム
CN110929661A (zh) 一种基于卷积神经网络的可停靠车位检测方法及系统
CN109711381A (zh) 遥感图像的目标识别方法、装置和计算机设备
CN115272482A (zh) 一种相机外参标定方法及存储介质
CN116612103A (zh) 一种基于机器视觉的建筑结构裂缝智能检测方法及其系统
CN111735448A (zh) 一种星图联合非均匀校正方法、设备及存储介质
US8126275B2 (en) Interest point detection
CN113673288B (zh) 空闲车位检测方法、装置、计算机设备及存储介质
CN115034992A (zh) 一种长波红外图像去噪方法
CN115359319A (zh) 图像集的生成方法、装置、设备和计算机可读存储介质
CN111899284B (zh) 一种基于参数化esm网络的平面目标跟踪方法
CN114549319A (zh) 图像处理方法、装置、电子设备、存储介质和程序
CN114463764A (zh) 表格线检测方法、装置、计算机设备和存储介质
CN111693068A (zh) 一种校正参数的标定系统、方法、计算机设备及存储介质
CN113159426A (zh) 天气型相似性判断方法、装置、电子设备及可读存储介质
CN111127440A (zh) 轮胎规格的检测方法、装置、电子设备及可读存储介质
CN115018732B (zh) 一种卫星影像热形变修正方法及装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201002