CN111968068A - 一种热成像图像的处理方法及装置 - Google Patents
一种热成像图像的处理方法及装置 Download PDFInfo
- Publication number
- CN111968068A CN111968068A CN202010832327.0A CN202010832327A CN111968068A CN 111968068 A CN111968068 A CN 111968068A CN 202010832327 A CN202010832327 A CN 202010832327A CN 111968068 A CN111968068 A CN 111968068A
- Authority
- CN
- China
- Prior art keywords
- image
- thermal imaging
- original
- information
- detail
- 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
Links
- 238000001931 thermography Methods 0.000 title claims abstract description 285
- 238000003672 processing method Methods 0.000 title abstract description 5
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000012545 processing Methods 0.000 claims description 51
- 230000006835 compression Effects 0.000 claims description 29
- 238000007906 compression Methods 0.000 claims description 29
- 238000013507 mapping Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000007499 fusion processing Methods 0.000 claims description 7
- 238000002156 mixing Methods 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 20
- 230000004044 response Effects 0.000 abstract description 8
- 238000009529 body temperature measurement Methods 0.000 abstract description 4
- 230000002708 enhancing effect Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 241001464837 Viridiplantae Species 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect 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
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/10048—Infrared image
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请实施例提供了一种热成像图像的处理方法及装置。包括：获取目标场景下采集的原始热成像图像和包含目标场景的场景细节的原始普通图像；确定原始热成像图像的第一图像细节信息，及确定原始普通图像的第二图像细节信息；将第一图像细节信息和第二图像细节信息融入原始热成像图像。本实施例中，在对原始热成像图像进行细节增强时，将原始热成像图像和原始普通图像的图像细节均考虑在内，可以弥补单纯使用热成像图像的图像细节信息进行细节增强所导致的小细节丢失的问题，从而提高了热成像图像的细节增强效果，使得热成像图像的呈现效果更佳，尤其是在低温差夜晚、雨天或者使用高测温范围低响应率设备采集的热成像图像的细节增强效果更突出。
Description
技术领域
本申请涉及图像处理及热成像技术领域，尤其涉及一种热成像图像的处理方法及装置。
背景技术
热成像技术是指利用红外探测器和光学成像物镜接受被测目标的红外辐射能量分布图反映到红外探测器的光敏元件上，从而获取红外热成像图像。随着热成像技术的不断成熟化，热成像技术在多个领域，如军工领域、疾病诊断、科学研究等得到了越来越广泛的应用。但是，在红外成像特性、所使用成像器件以及环境因素等的影响下，所得到的热成像图像存在对比度低、分辨率低以及信噪比低等缺点，即细节表现较差。因此，为了提高热成像图像的质量，需要对热成像图像进行细节增强处理。
目前，在对热成像图像进行细节增强处理时，通常采用的方法则是将热成像图像拆分为细节图像和基础图像，并对细节图像进行去噪处理，然后再进行细节增强处理，并与基础图像进行图像合成。由于热成像图像本身细节表现较差，因此，在对热成像图像进行细节增强处理时，仅考虑热成像图像自身的细节信息，可能会无法兼顾一些小细节，存在小细节丢失的情况，从而影响热成像图像的呈现效果。
由此可知，利用现有技术对热成像图像进行细节增强时，可能存在一些小细节丢失的情况，从而影响热成像图像的呈现效果。
发明内容
本申请实施例采用下述技术方案：
本申请实施例提供一种热成像图像的处理方法，包括：
获取目标场景下所采集的原始热成像图像和原始普通图像；其中，所述原始普通图像为包含所述目标场景的场景细节的图像；
确定所述原始热成像图像的第一图像细节信息，以及，确定所述原始普通图像的第二图像细节信息；其中，所述第一图像细节信息用于表征所述原始热成像图像的纹理特征信息和场景特征信息；所述第二图像细节信息用于表征所述原始普通图像的纹理特征信息和场景特征信息；所述纹理特征信息表示图像画面中目标对象的边缘信息，所述场景特征信息表示图像画面中背景对象的边缘信息；
将所述第一图像细节信息和所述第二图像细节信息融入所述原始热成像图像，实现所述原始热成像图像的细节增强。
可选的，所述确定所述原始热成像图像的第一图像细节信息，包括：
针对每一帧所述原始热成像图像，提取所述原始热成像图像的纹理特征信息；以及，确定所述原始热成像图像的场景特征信息；
对所述纹理特征信息和所述场景特征信息进行融合处理，得到所述第一图像细节信息。
可选的，所述确定所述原始热成像图像中的场景特征信息，包括：
检测所述原始热成像图像所对应的场景是否为动态变化场景；
若是，则通过第一方式确定所述目场景所对应的场景特征信息；否则，通过所述第一方式和/或第二方式确定所述目标场景所对应的场景特征信息；其中，所述第一方式为通过指定方式采集具有丰富场景细节的热成像图像，基于所采集的热成像图像提取所述场景特征信息；所述第二方式为帧累积建模；所述指定方式至少包括调高红外热成像探测器件的响应率。
可选的，所述将所述第一图像细节信息和所述第二图像细节信息融入所述原始热成像图像，实现所述原始热成像图像的细节增强，包括：
将所述第一图像细节信息和所述第二图像细节信息融入所述原始热成像图像，实现所述原始热成像图像的细节重构；
对细节重构后得到的热成像图像进行压缩处理；
在完成所述压缩处理后，再次将所述第一图像细节信息和所述第二图像细节信息融入压缩后的热成像图像，得到细节增强的热成像图像。
可选的，所述将所述第一图像细节信息和所述第二图像细节信息融入压缩后的热成像图像，得到细节增强的热成像图像，包括：
对所述第一图像细节信息和所述第二图像细节信息的强度进行调整；其中，所述细节信息的强度表征所述细节信息中各像素点所对应灰阶值的数值大小；将调整后的第一图像细节信息和调整后的第二图像细节信息融入压缩后的热成像图像，得到细节增强的热成像图像。
可选的，所述对细节重构后得到的热成像图像进行压缩处理，包括：
基于预设压缩算法将细节重构后的热成像图像压缩成指定大小的热成像图像；其中，所述预设压缩算法包括线性映射算法、平台直方图均衡算法或灰阶映射算法中的任意一种。
本申请实施例还提供了一种热成像图像的处理装置，该装置包括：
获取模块，用于获取目标场景下所采集的原始热成像图像和原始普通图像；其中，所述原始普通图像为包含所述目标场景的场景细节的图像；
确定模块，用于确定所述原始热成像图像的第一图像细节信息，以及，确定所述原始普通图像的第二图像细节信息；其中，所述第一图像细节信息用于表征所述原始热成像图像的纹理特征信息和场景特征信息；所述第二图像细节信息用于表征所述原始普通图像的纹理特征信息和场景特征信息；所述纹理特征信息表示图像画面中目标对象的边缘信息，所述场景特征信息表示图像画面中背景对象的边缘信息；
融合模块，用于将所述第一图像细节信息和所述第二图像细节信息融入所述原始热成像图像，实现所述原始热成像图像的细节增强。
可选的，所述确定模块，具体用于：
针对每一帧所述原始热成像图像，提取所述原始热成像图像的纹理特征信息；以及，确定所述原始热成像图像的场景特征信息；
对所述纹理特征信息和所述场景特征信息进行融合处理，得到所述第一图像细节信息。
可选的，所述确定模块，还具体用于：
检测所述原始热成像图像所对应的场景是否为动态变化场景；若是，则通过第一方式确定所述目场景所对应的场景特征信息；否则，通过所述第一方式和/或第二方式确定所述目标场景所对应的场景特征信息；其中，所述第一方式为通过指定方式采集具有丰富场景细节的热成像图像，基于所采集的热成像图像提取所述场景特征信息；所述第二方式为帧累积建模；所述指定方式至少包括调高红外热成像探测器件的响应率。
可选的，所述融合模块，具体用于：
将所述第一图像细节信息和所述第二图像细节信息融入所述原始热成像图像，实现所述原始热成像图像的细节重构；对细节重构后得到的热成像图像进行压缩处理；在完成所述压缩处理后，再次将所述第一图像细节信息和所述第二图像细节信息融入压缩后的热成像图像，得到细节增强的热成像图像。
可选的，所述融合模块，还具体用于：
对所述第一图像细节信息和所述第二图像细节信息的强度进行调整；将调整后的第一图像细节信息和调整后的第二图像细节信息融入压缩后的热成像图像，得到细节增强的热成像图像；
其中，所述细节信息的强度表征所述细节信息中各像素点所对应灰阶值的数值大小。
可选的，所述融合模块，还具体用于：
基于预设压缩算法将细节重构后的热成像图像压缩成指定大小的热成像图像；其中，所述预设压缩算法包括线性映射算法、平台直方图均衡算法或灰阶映射算法中的任意一种。
本申请实施例还提供了一种计算机设备，其特征在于，包括处理器、通信接口、存储器和通信总线；其中，所述处理器、所述通信接口以及所述存储器通过总线完成相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上所存放的程序，实现上述任一所述的方法步骤。
本申请书实施例还提供了一种计算机可读存储介质，其特征在于，所述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上述任一所述的方法步骤。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
采用本发明实施例提供的技术方案，在对热成像图像进行处理时，获取相同目标场景下所采集的原始热成像图像和包含目标场景的场景细节的原始普通图像，并确定原始热成像图像的图像细节信息和原始普通图像的图像细节信息，将原始热成像图像的图像细节信息和原始普通图像的图像细节信息均融入原始热成像图像，以实现原始热成像图像的细节增强；即在本申请实施例中，在对原始热成像图像进行细节增强处理时，将原始热成像图像和原始普通图像的图像细节均考虑在内，这样，可以弥补单纯使用热成像图像的图像细节信息进行细节增强所导致的小细节丢失的问题，从而提高了热成像图像的细节增强效果，使得热成像图像的呈现效果更佳，尤其是对于低温差夜晚场景下、雨天场景下以及高测温范围低响应率设备所采集的热成像图像的细节增强效果更突出。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例提供的热成像图像的处理方法的方法流程图；
图2为本申请实施例提供的热成像图像的处理方法的一种具体方法流程图；
图3为本申请实施例提供的热成像图像的处理方法的流程示意图；
图4为本申请实施例提供的热成像图像的处理装置的模块组成示意图；
图5为本申请实施例提供的网络设备的模块组成示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
首先，本申请实施例提供了一种热成像图像的处理方法，该方法的执行主体为一种热成像的处理装置，该热成像的处理装置具体的可以为数字信号处理技术(DigitalSignal Processing，DSP)芯片等处理器件。在具体实施时，用于进行热成像图像处理的DSP芯片等器件可以集成在摄像机上，与图像采集器件一体化，这样，通过摄像机的图像采集器件进行热成像图像的采集后，则由集成在摄像机上到的DSP芯片对所采集的热成像图像进行细节增强处理，这样，最后从摄像机输出的图像为细节增强处理后的热成像图像。在其他实施方式中，上述DSP芯片也可以安装在电脑等终端设备上，在该种情况下，在由图像采集器件采集到热成像图像后，则传输至电脑等终端设备，通过终端设备对该热成像图像进行细节增强处理。此处只是示例性介绍两种具体实施方式，并不构成对本申请实施例的限定。
图1为本申请实施例提供的热成像图像的处理方法的方法流程图，图1所示的方法至少包括如下步骤：
步骤102，获取目标场景下所采集的原始热成像图像和原始普通图像。
其中，上述原始普通图像为包含目标场景的场景细节的图像。具体的，上述原始普通图像可以为可见光图像、通过深度传感器采集的深度图像或者通过红外传感器采集的红外图像等，只要是包含场景细节的图像均可，此处只是示例性说明，并不构成对本申请实施例中的原始普通图像的限定。
具体的，本申请实施例中所提及到的场景细节可以理解为图像中背景对象(如背景物体、人等)的边缘信息，例如，所采集的图像为行驶在马路上的汽车的图像，则该图像所对应的场景则为马路以及马路旁边的绿化植物，本申请实施例中所提及到的场景细节则为马路和绿化植物的边缘信息。
可选的，可以通过红外热成像探测器件采集原始热成像图像，通过普通传感器探测器件采集原始普通图像。在一种具体实施方式中，红外热成像探测器件和普通传感器探测器件可以安装在同一摄像机上。
具体的，在上述步骤102中，可以从红外热成像探测器件获取上述原始热成像图像，从普通传感器探测器件获取上述原始普通图像。
另外，在某些具体应用场景中，如目标场景为静态不变的场景时，所获取的原始普通图像可以为在白天环境下采集的。由于白天环境下，光线较好，在该种环境下所采集的普通图像的细节表现较好。因此，使用白天环境下采集的普通图像的图像细节对热成像图像进行细节增强处理，效果较好。尤其是在夜晚环境下，所采集的普通图像细节比较模糊，若是替换成相同场景下的白天环境下采集的原始普通图像，使得热成像图像的细节增强效果更佳。
步骤104，确定原始热成像图像的第一图像细节信息，以及，确定原始普通图像的第二图像细节信息。
其中，第一图像细节信息用于表征原始热成像图像的纹理特征信息和场景特征信息；第二图像细节信息用于表征原始普通图像的纹理特征信息和场景特征信息；纹理特征信息表示图像画面中目标对象的边缘信息，场景特征信息标示图像画面中背景对象的边缘信息。
上述图像画面为原始热成像图像画面或原始普通图像画面，如第一图像细节信息中的纹理特征信息表征原始热成像图像画面中目标对象的边缘信息，第一图像细节信息中的场景特征信息表征原始热成像图像画面中背景对象的边缘信息；第二图像细节信息中的纹理特征信息表征原始普通图像画面中目标对象的边缘信息，第二图像细节信息中的场景特征信息表征原始普通图像画面中背景对象的边缘信息。
其中，上述“第一图像细节信息”为基于原始热成像图像所确定的图像细节信息，“第二图像细节信息”为基于原始普通图像所确定的图像细节信息。上述“第一”和“第二”只是为了区分原始热成像图像和原始普通图像两种图像所对应的图像细节信息，并不具备任何表征先后顺序的含义。
为便于理解本申请实施例中所提及到的纹理特征信息和场景特征信息，下述将举例进行说明。
例如，在一种具体实施方式中，需要采集某条人行道上的行人图像，则在所采集的图像中除了包含行人之外，可能还包含马路以及马路边的建筑物，则图像中的行人则为目标对象，马路以及建筑物则为背景对象，图像中行人的边缘信息则为纹理特征信息，马路以及建筑物的边缘信息则为背景特征信息；其中，此处提及的图像可以为热成像图像，也可以为普通图像。
步骤106，将第一图像细节信息和第二图像细节信息融入原始热成像图像，实现原始热成像图像的细节增强。
在本申请实施例中，在对原始热成像图像进行细节增强处理时，将热成像图像和可见光、红外光或者深度等普通图像的图像细节均考虑在内，这样，可以弥补单纯使用热成像图像的图像细节信息进行细节增强所导致的小细节丢失的问题，从而提高了热成像图像的细节增强效果，使得热成像图像的呈现效果更佳。
可选的，在一种具体实施方式中，上述步骤104中，确定原始热成像图像的第一图像细节信息，具体包括如下过程：
针对每一帧原始热成像图像，提取原始热成像图像的纹理特征信息；以及，确定原始热成像图像的场景特征信息；对纹理特征信息和场景特征信息进行融合处理，得到第一图像细节信息。
具体的，在本申请实施例中，可以每获取到一帧原始热成像图像，则提取该原始热成像图像的纹理特征信息，即实现纹理特征信息的实时帧提取。可选的，在具体实施时，可以通过边缘提取算法提取原始热成像图像的纹理特征信息。
具体的，上述确定原始热成像图像的场景特征信息，具体包括如下过程：
检测原始热成像图像所对应的场景是否为动态变化场景；若是，则通过第一方式确定目标场景所对应的场景特征信息；否则，通过第一方式和/或第二方式确定目标场景所对应的场景特征信息；其中，第一方式为通过指定方式采集具有丰富场景细节的热成像图像，从所采集的热成像图像提取所述场景特征信息；第二方式为帧累积建模的方式；上述指定方式至少包括调高红外热成像图像探测器件的响应率。
具体的，若是原始热成像图像中的场景不是动态变化场景，则可以通过第一方式确定原始热成像图像的场景特征信息，也可以通过第二方式确定原始热成像图像的场景特征信息，或者，还可以通过第一方式和第二方式相结合的方式确定原始热成像图像的场景特征信息。
其中，若是原始热成像图像的场景为动态变化场景，则说明该场景是不断在发生变化的，这时，需要随着场景的变化不断的更新该场景的场景特征信息。在该种情况下，为了获取所对应场景的场景特征信息，可以采集具有较多场景细节的热成像图像，然后基于当前状态下所采集的热成像图像，提取该热成像图像所处的场景特征信息；可选的，在具体实施时，可以调高红外热成像探测器件的响应率，从而可以采集包含较多场景细节的热成像图像；当然，除了调高红外热成像探测器件的响应率之外，其他可采集到具有较多场景细节的热成像图像的方式也可，此处只是以调高响应率为例进行说明，并不构成对上述指定方式所指代的具体方式的限定。
若是原始热成像所对应的场景不是动态变化场景，则说明该场景一直不变，这时，可以使用第一方式和/或第二方式确定出场景特征信息，然后一直使用该场景特征信息作为热成像图像所处的场景特征信息。
另外，需要说明的是，在本申请实施例中，可以通过如下过程检测原始热成像图像所对应场景是否为动态变化场景：在获取到原始热成像图像后，根据连续多帧原始热成像图像中的每帧原始热成像图像分别确定出其所对应的场景特征信息，判断连读多帧原始热成像图像所对应的场景特征信息是否发生变化，若是，则说明当前所处的目标场景为动态变化场景。
具体的，在本申请实施例中，在确定出原始热成像图像所对应的纹理特征信息和场景特征信息后，则执行纹理特征信息和场景特征信息的叠加操作。具体的，在进行纹理特征信息和场景特征信息的叠加时，可以对纹理特征信息和场景特征信息的强度进行调整，以使得纹理特征信息和场景特征信息以合适的强度比例进行叠加。
另外，需要说明的是，在本申请实施例中，确定原始普通图像的第二图像细节信息的过程与确定原始热成像图像的第一图像细节信息的具体过程相同，因此，确定第二图像细节信息的过程可参考本申请实施例中确定第一图像细节信息的具体实现过程，此处不再赘述。
可选的，在上述步骤106中，将第一图像细节信息和第二图像细节信息融入原始热成像图像，实现原始热成像图像的细节增强，具体包括如下过程：
将第一图像细节信息和第二图像细节信息融入原始热成像图像，实现热成像图像的细节重构；对细节重构后得到的热成像图像进行压缩处理；在完成压缩处理后，再次将第一图像细节信息和第二图像细节信息融入压缩后的热成像图像，得到细节增强的热成像图像。
具体的，在本申请实施例中，不管是在对热成像图像进行压缩之前执行的融入图像细节信息(包括第一图像细节信息和第二图像细节信息)的操作，还是压缩之后执行的融入图像细节信息(包括第一图像细节信息和第二图像细节信息)的操作，在具体实施时，第一图像细节信息和第二图像细节信息可以同时融入，也可以按照先后顺序进行融入，即可以以任意顺序或者同时将第一图像细节信息和第二图像细节信息进行融入，本申请实施例并不对此进行限定。
在本申请实施例中，由于在对细节重构后得到的热成像图像进行压缩的过程中，可能会导致一些细节的丢失。因此，在进行压缩之后，还需要再次执行将第一图像细节信息和第二图像细节信息融入热成像图像的操作。
一般的，通过热成像探测器件所采集的原始热成像图像的大小为14bit，但是常规的显示设备一般只能支持8bit或者10bit的图像数据，因此，需要对热成像图像进行压缩处理。
可选的，在本申请实施例中，上述对细节重构后得到的热成像图像进行压缩处理，具体包括如下步骤：
基于预设压缩算法将细节重构后的热成像图像压缩成指定大小的热成像图像；其中，上述预设压缩算法包括线性映射算法、平台直方图均衡算法或灰阶映射算法中的任意一种。
其中，上述基于线性映射算法、平台直方图均衡算法和灰阶映射算法进行压缩均属于现有技术，因此，此处不再赘述基于线性映射算法、平台直方图均衡算法或者灰阶映射算法进行图像压缩的具体过程。
可选的，在本申请实施例中，上述在完成压缩处理后，再次将第一图像细节信息和第二图像细节信息融入压缩后的热成像图像，得到细节增强的热成像图像，具体包括如下过程：
对第一图像细节信息和第二图像细节信息的强度进行调整；将调整后的第一图像细节信息和调整后的第二图像细节信息融入压缩后的热成像图像，得到细节增强的热成像图像；
其中，上述细节信息的强度表征细节信息中各像素点所对应灰阶值的数值大小。
在一种具体实施方式中，可以将第一图像细节信息的强度调整至第一强度阈值，将第二图像细节信息的强度调整至第二强度阈值，然后按照各自的强度阈值融入压缩后的热成像图像。
另外，需要说明的是，在本申请实施例中，将第一图像细节信息和第二图像细节信息融入原始热成像图像时，也需要对第一图像细节信息和第二图像细节信息的强度进行调整，调整之后再融入原始热成像图像。
在本申请实施例中，使用第一图像细节信息对细节重构后的热成像图像进行细节增强处理，由于第一图像细节信息为基于原始热成像图像所确定的，因此，可以减少映射噪声的细节丢失；使用第二图像细节信息对细节重构后的热成像图像进行细节增强处理，可以提升场景深度、温度以及目标感知能力。
可选的，在一种其他实施方式中，在上述步骤106中，将第一图像细节信息和第二图像细节信息融入原始热成像图像，实现原始热成像图像的细节增强，还可以通过如下过程实现：
对原始热成像图像进行压缩处理；将第一图像细节信息和第二图像细节信息融入压缩后的原始热成像图像，得到细节增强的热成像图像。
即在该种实施方式中，只在对原始热成像图像进行压缩后，才执行融入第一图像细节信息和第二图像细节信息的步骤，即只执行一次融入第一图像细节信息和第二图像细节信息的过程。
为便于理解本申请实施例提供的方法，下述将以上述原始普通图像为原始可见光图像为例介绍本申请实施例提供的热成像图像的处理方法的一种具体实施例，图2为本申请实施例提供的热成像图像的处理方法的具体方法流程图，图2所示的方法，至少包括如下步骤：
步骤202，从红外热成像探测器件获取其在目标场景下采集的原始热成像图像，以及，从可见光成像探测器件获取其在目标场景下采集的原始可见光图像。
步骤204，针对每一帧原始热成像图像，提取原始热成像图像的纹理特征信息，以及，确定原始热成像图像的场景特征信息；对纹理特征信息和场景特征信息进行融合处理，得到第一图像细节信息。
步骤206，针对每一帧原始可见光图像，提取原始可见光图像的纹理特征信息，以及，确定原始可见光图像的场景特征信息；对纹理特征信息和场景特征信息进行融合处理，得到第二图像细节信息。
步骤208，将第一图像细节信息和第二图像细节信息融入原始热成像图像，实现原始热成像图像的细节重构。
步骤210，基于预设压缩算法将细节重构后的热成像图像压缩成指定大小的热成像图像。
其中，上述预设压缩算法可以为线性映射算法、平台直方图均衡算法或者灰阶映射算法中的任意一种。当然，上述预设压缩算法也可以为其他图像压缩算法，本申请实施例只是示例性说明可能所采用的预设压缩算法，并不构成对本申请实施例的限定。
步骤212，在完成压缩处理后，再次将第一图像细节信息和第二图像细节信息融入压缩后的热成像图像，得到细节增强的热成像图像。
另外，为便于理解本申请实施例提供的方法，下述将以原始普通图像为原始可见光图像为例，结合流程示意图介绍本申请实施例提供的方法。图3为本申请实施例提供的热成像图像的处理方法的流程示意图。
如图3所示，对于获取到的原始普通图像，确定该原始普通图像的场景细节和纹理细节，并对场景细节和纹理细节进行细节合成处理；对于获取到的原始热成像图像，确定该原始热成像图像的场景细节和纹理细节，并对场景细节和纹理细节进行细节合成处理；将原始可将光图像所对应的合成后的细节信息和原始热成像图像所对应的合成后的细节信息融入原始热成像图像，实现原始热成像图像的细节重构；对细节重构后的热成像图像进行自动增益控制(Automatic Gain Control，AGC)映射，实现细节重构后的热成像图像的压缩处理，然后将原始可将光图像所对应的合成后的细节信息和原始热成像图像所对应的合成后的细节信息融入压缩处理后的热成像图像，实现热成像图像的细节增强处理。
本申请实施例提供的热成像图像的处理方法，在对热成像图像进行处理时，获取相同目标场景下所采集的原始热成像图像和包含目标场景的场景细节的原始普通图像，并确定原始热成像图像的图像细节信息和原始普通图像的图像细节信息，将原始热成像图像的图像细节信息和原始普通图像的图像细节信息均融入原始热成像图像，以实现原始热成像图像的细节增强；即在本申请实施例中，在对原始热成像图像进行细节增强处理时，将原始热成像图像和原始普通图像的图像细节均考虑在内，这样，可以弥补单纯使用热成像图像的图像细节信息进行细节增强所导致的小细节丢失的问题，从而提高了热成像图像的细节增强效果，使得热成像图像的呈现效果更佳，尤其是对于低温差夜晚场景下、雨天场景下以及高测温范围低响应率设备所采集的热成像图像的细节增强效果更突出。
对应于本申请实施例提供的热成像图像的处理方法，基于相同的思路本申请实施例还提供了一种热成像图像的处理装置，用于执行本申请实施例提供的方法。图4为本申请实施例提供的热成像图像的处理装置的模块组成还示意图，图4所示的装置，至少包括：
获取模块402，用于获取目标场景下所采集的原始热成像图像和原始普通图像；其中，所述原始普通图像为包含所述目标场景的场景细节的图像；
确定模块404，用于确定所述原始热成像图像的第一图像细节信息，以及，确定所述原始普通图像的第二图像细节信息；其中，所述第一图像细节信息用于表征所述原始热成像图像的纹理特征信息和场景特征信息；所述第二图像细节信息用于表征所述原始普通图像的纹理特征信息和场景特征信息；所述纹理特征信息表示图像画面中目标对象的边缘信息，场景特征信息表示图像画面中背景对象的边缘信息；
融合模块406，用于将所述第一图像细节信息和所述第二图像细节信息融入所述原始热成像图像，实现所述原始热成像图像的细节增强。
可选的，所述确定模块404，具体用于：
针对每一帧所述原始热成像图像，提取所述原始热成像图像的纹理特征信息；以及，确定所述原始热成像图像的场景特征信息；
对所述纹理特征信息和所述场景特征信息进行融合处理，得到所述第一图像细节信息。
可选的，所述确定模块404，还具体用于：
检测所述原始热成像图像所对应的场景是否为动态变化场景；若是，则通过第一方式确定所述目场景所对应的场景特征信息；否则，通过所述第一方式和/或第二方式确定所述目标场景所对应的场景特征信息；其中，所述第一方式为通过指定方式采集具有丰富场景细节的热成像图像，基于所采集的热成像图像提取所述场景特征信息；所述第二方式为帧累积建模；所述指定方式至少包括调高红外热成像探测器件的响应率。
可选的，所述融合模块406，具体用于：
将所述第一图像细节信息和所述第二图像细节信息融入所述原始热成像图像，实现所述原始热成像图像的细节重构；对细节重构后得到的热成像图像进行压缩处理；在完成所述压缩处理后，再次将所述第一图像细节信息和所述第二图像细节信息融入压缩后的热成像图像，得到细节增强的热成像图像。
可选的，所述融合模块406，还具体用于：
对所述第一图像细节信息和所述第二图像细节信息的强度进行调整；将调整后的第一图像细节信息和调整后的第二图像细节信息融入压缩后的热成像图像，得到细节增强的热成像图像；
其中，所述细节信息的强度表征所述细节信息中各像素点所对应灰阶值的数值大小。
可选的，所述融合模块406，还具体用于：
基于预设压缩算法将细节重构后的热成像图像压缩成指定大小的热成像图像；其中，所述预设压缩算法包括线性映射算法、平台直方图均衡算法或灰阶映射算法中的任意一种。
本申请实施例提供的热成像图像的处理装置，在对热成像图像进行处理时，获取相同目标场景下所采集的原始热成像图像和包含目标场景的场景细节的原始普通图像，并确定原始热成像图像的图像细节信息和原始普通图像的图像细节信息，将原始热成像图像的图像细节信息和原始普通图像的图像细节信息均融入原始热成像图像，以实现原始热成像图像的细节增强；即在本申请实施例中，在对原始热成像图像进行细节增强处理时，将原始热成像图像和原始普通图像的图像细节均考虑在内，这样，可以弥补单纯使用热成像图像的图像细节信息进行细节增强所导致的小细节丢失的问题，从而提高了热成像图像的细节增强效果，使得热成像图像的呈现效果更佳，尤其是对于低温差夜晚场景下、雨天场景下以及高测温范围低响应率设备所采集的热成像图像的细节增强效果更突出。
相应于本发明实施例提供的一种热成像图像的处理方法，本发明实施例提供一种网络设备，参见图5所示，网络设备包括处理器510、收发机520、存储器530和总线接口。其中：
在本发明实施例中，网络设备500还包括：存储在存储器530上并可在所述处理器510上运行的计算机程序，所述计算机程序被所述处理器510执行时实现上述热成像图像的处理方法的各个步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。
在图5中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器510代表的一个或多个处理器和存储器530代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机520可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元。
处理器510负责管理总线架构和通常的处理，存储器530可以存储处理器510在执行操作时所使用的数据。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等。
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。
Claims (9)
1.一种热成像图像的处理方法，其特征在于，所述方法包括：
获取目标场景下所采集的原始热成像图像和原始普通图像；其中，所述原始普通图像为包含所述目标场景的场景细节的图像；
确定所述原始热成像图像的第一图像细节信息，以及，确定所述原始普通图像的第二图像细节信息；其中，所述第一图像细节信息用于表征所述原始热成像图像的纹理特征信息和场景特征信息；所述第二图像细节信息用于表征所述原始普通图像的纹理特征信息和场景特征信息；所述纹理特征信息表示图像画面中目标对象的边缘信息，所述场景特征信息表示图像画面中背景对象的边缘信息；
将所述第一图像细节信息和所述第二图像细节信息融入所述原始热成像图像，实现所述原始热成像图像的细节增强。
2.如权利要求1所述的方法，其特征在于，所述确定所述原始热成像图像的第一图像细节信息，包括：
针对每一帧所述原始热成像图像，提取所述原始热成像图像的纹理特征信息；以及，确定所述原始热成像图像的场景特征信息；
对所述纹理特征信息和所述场景特征信息进行融合处理，得到所述第一图像细节信息。
3.如权利要求2所述的方法，其特征在于，所述确定所述原始热成像图像的场景特征信息，包括：
检测所述原始热成像图像所对应的场景是否为动态变化场景；
若是，则通过第一方式确定所述场景特征信息；否则，通过所述第一方式和/或第二方式确定所述场景特征信息；其中，所述第一方式为通过指定方式采集具有丰富场景细节的热成像图像，基于所采集的热成像图像提取所述场景特征信息；所述第二方式为帧累积建模；所述指定方式至少包括调高红外热成像探测器件的响应率。
4.如权利要求1所述的方法，其特征在于，所述将所述第一图像细节信息和所述第二图像细节信息融入所述原始热成像图像，实现所述原始热成像图像的细节增强，包括：
将所述第一图像细节信息和所述第二图像细节信息融入所述原始热成像图像，实现所述原始热成像图像的细节重构；
对细节重构后得到的热成像图像进行压缩处理；
在完成所述压缩处理后，再次将所述第一图像细节信息和所述第二图像细节信息融入压缩后的热成像图像，得到细节增强的热成像图像。
5.如权利要求4所述的方法，其特征在于，所述在完成所述压缩处理后，再次将所述第一图像细节信息和所述第二图像细节信息融入压缩后的热成像图像，得到细节增强的热成像图像，包括：
对所述第一图像细节信息和所述第二图像细节信息的强度进行调整；其中，所述细节信息的强度表征所述细节信息中各像素点所对应灰阶值的数值大小；
将调整后的第一图像细节信息和调整后的第二图像细节信息融入压缩后的热成像图像，得到细节增强的热成像图像。
6.如权利要求4所述的方法，其特征在于，所述对细节重构后得到的热成像图像进行压缩处理，包括：
基于预设压缩算法将细节重构后的热成像图像压缩成指定大小的热成像图像；其中，所述预设压缩算法包括线性映射算法、平台直方图均衡算法或灰阶映射算法中的任意一种。
7.一种热成像图像的处理装置，其特征在于，所述装置包括：
获取模块，用于获取目标场景下所采集的原始热成像图像和原始普通图像；其中，所述原始普通图像为包含所述目标场景的场景细节的图像；
确定模块，用于确定所述原始热成像图像的第一图像细节信息，以及，确定所述原始普通图像的第二图像细节信息；其中，所述第一图像细节信息用于表征所述原始热成像图像的纹理特征信息和场景特征信息；所述第二图像细节信息用于表征所述原始普通图像的纹理特征信息和场景特征信息；所述纹理特征信息表示图像画面中目标对象的边缘信息，所述场景特征信息表示图像画面中背景对象的边缘信息；
融合模块，用于将所述第一图像细节信息和所述第二图像细节信息融入所述原始热成像图像，实现所述原始热成像图像的细节增强。
8.一种计算机设备，其特征在于，包括处理器、通信接口、存储器和通信总线；其中，所述处理器、所述通信接口以及所述存储器通过总线完成相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上所存放的程序，实现权利要求1-6任一所述的方法步骤。
9.一种计算机可读存储介质，其特征在于，所述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权利要求1-6任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010832327.0A CN111968068A (zh) | 2020-08-18 | 2020-08-18 | 一种热成像图像的处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010832327.0A CN111968068A (zh) | 2020-08-18 | 2020-08-18 | 一种热成像图像的处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111968068A true CN111968068A (zh) | 2020-11-20 |
Family
ID=73389285
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010832327.0A Pending CN111968068A (zh) | 2020-08-18 | 2020-08-18 | 一种热成像图像的处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111968068A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112614195A (zh) * | 2020-12-14 | 2021-04-06 | 杭州海康微影传感科技有限公司 | 热图像的生成方法、装置和热成像设备 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1545064A (zh) * | 2003-11-27 | 2004-11-10 | 上海交通大学 | 红外与可见光图像融合方法 |
| CN101673396A (zh) * | 2009-09-07 | 2010-03-17 | 南京理工大学 | 基于动态目标检测的图像融合方法 |
| US20110147588A1 (en) * | 2009-12-23 | 2011-06-23 | Indian Institute Of Technology Bombay | System and Method for Fusing Images |
| CN104361571A (zh) * | 2014-11-21 | 2015-02-18 | 南京理工大学 | 基于边缘信息和支持度变换的红外与微光图像融合方法 |
| CN104794698A (zh) * | 2015-05-06 | 2015-07-22 | 中国人民解放军国防科学技术大学 | 基于车牌跟踪与帧累积优化的低照度车牌图像恢复算法 |
| CN104917969A (zh) * | 2015-05-30 | 2015-09-16 | 广东欧珀移动通信有限公司 | 一种图像处理的方法及移动终端 |
| CN105913404A (zh) * | 2016-07-01 | 2016-08-31 | 湖南源信光电科技有限公司 | 基于帧累积的低照度成像方法 |
| CN105957030A (zh) * | 2016-04-26 | 2016-09-21 | 成都市晶林科技有限公司 | 一种应用于红外热像仪图像细节增强和噪声抑制方法 |
| CN106339998A (zh) * | 2016-08-18 | 2017-01-18 | 南京理工大学 | 基于对比度金字塔变换的多聚焦图像融合方法 |
| CN107909560A (zh) * | 2017-09-22 | 2018-04-13 | 洛阳师范学院 | 一种基于SiR的多聚焦图像融合方法及系统 |
| CN109151390A (zh) * | 2018-09-21 | 2019-01-04 | 深圳市九洲电器有限公司 | 一种超低照度夜视方法、系统及高清摄像装置 |
| CN109410159A (zh) * | 2018-09-11 | 2019-03-01 | 上海创客科技有限公司 | 双目可见光及红外热成像复合成像系统、方法及介质 |
| CN109919861A (zh) * | 2019-01-29 | 2019-06-21 | 浙江数链科技有限公司 | 红外图像增强方法、装置、计算机设备和存储介质 |
| CN110570374A (zh) * | 2019-09-05 | 2019-12-13 | 湖北南邦创电科技有限公司 | 一种对红外传感器所获得图像的处理方法 |
| CN110940996A (zh) * | 2019-12-11 | 2020-03-31 | 西安交通大学 | 基于太赫兹和可见光的成像装置、监测系统及成像方法 |
| CN111539902A (zh) * | 2020-04-16 | 2020-08-14 | 烟台艾睿光电科技有限公司 | 一种图像处理方法、系统、设备及计算机可读存储介质 |
-
2020
- 2020-08-18 CN CN202010832327.0A patent/CN111968068A/zh active Pending
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1545064A (zh) * | 2003-11-27 | 2004-11-10 | 上海交通大学 | 红外与可见光图像融合方法 |
| CN101673396A (zh) * | 2009-09-07 | 2010-03-17 | 南京理工大学 | 基于动态目标检测的图像融合方法 |
| US20110147588A1 (en) * | 2009-12-23 | 2011-06-23 | Indian Institute Of Technology Bombay | System and Method for Fusing Images |
| CN104361571A (zh) * | 2014-11-21 | 2015-02-18 | 南京理工大学 | 基于边缘信息和支持度变换的红外与微光图像融合方法 |
| CN104794698A (zh) * | 2015-05-06 | 2015-07-22 | 中国人民解放军国防科学技术大学 | 基于车牌跟踪与帧累积优化的低照度车牌图像恢复算法 |
| CN104917969A (zh) * | 2015-05-30 | 2015-09-16 | 广东欧珀移动通信有限公司 | 一种图像处理的方法及移动终端 |
| CN105957030A (zh) * | 2016-04-26 | 2016-09-21 | 成都市晶林科技有限公司 | 一种应用于红外热像仪图像细节增强和噪声抑制方法 |
| CN105913404A (zh) * | 2016-07-01 | 2016-08-31 | 湖南源信光电科技有限公司 | 基于帧累积的低照度成像方法 |
| CN106339998A (zh) * | 2016-08-18 | 2017-01-18 | 南京理工大学 | 基于对比度金字塔变换的多聚焦图像融合方法 |
| CN107909560A (zh) * | 2017-09-22 | 2018-04-13 | 洛阳师范学院 | 一种基于SiR的多聚焦图像融合方法及系统 |
| CN109410159A (zh) * | 2018-09-11 | 2019-03-01 | 上海创客科技有限公司 | 双目可见光及红外热成像复合成像系统、方法及介质 |
| CN109151390A (zh) * | 2018-09-21 | 2019-01-04 | 深圳市九洲电器有限公司 | 一种超低照度夜视方法、系统及高清摄像装置 |
| CN109919861A (zh) * | 2019-01-29 | 2019-06-21 | 浙江数链科技有限公司 | 红外图像增强方法、装置、计算机设备和存储介质 |
| CN110570374A (zh) * | 2019-09-05 | 2019-12-13 | 湖北南邦创电科技有限公司 | 一种对红外传感器所获得图像的处理方法 |
| CN110940996A (zh) * | 2019-12-11 | 2020-03-31 | 西安交通大学 | 基于太赫兹和可见光的成像装置、监测系统及成像方法 |
| CN111539902A (zh) * | 2020-04-16 | 2020-08-14 | 烟台艾睿光电科技有限公司 | 一种图像处理方法、系统、设备及计算机可读存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| BO WANG: "A novel visible and infrared image fusion algorithm based on detail enhancement", 《INFRARED, MILLIMETER-WAVE, AND TERAHERTZ TECHNOLOGIES》, pages 310 - 320 * |
| 王贝贝，王正勇，何小海，吴小强: "基于LLF和RBD检测的红外和可见光图像融合", 《计算机工程与应用》, pages 197 - 201 * |
| 罗文: "红外与可见光图像融合方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, pages 1 - 56 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112614195A (zh) * | 2020-12-14 | 2021-04-06 | 杭州海康微影传感科技有限公司 | 热图像的生成方法、装置和热成像设备 |
| CN112614195B (zh) * | 2020-12-14 | 2024-04-12 | 杭州海康微影传感科技有限公司 | 热图像的生成方法、装置和热成像设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111402135B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| KR102278776B1 (ko) | 이미지 처리 방법, 기기, 및 장치 | |
| CN110473185B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN109636754B (zh) | 基于生成对抗网络的极低照度图像增强方法 | |
| US11127117B2 (en) | Information processing method, information processing apparatus, and recording medium | |
| CN109712102B (zh) | 一种图像融合方法、装置及图像采集设备 | |
| CN110572573B (zh) | 对焦方法和装置、电子设备、计算机可读存储介质 | |
| CN108897786B (zh) | 应用程序的推荐方法、装置、存储介质及移动终端 | |
| CN110493527B (zh) | 主体对焦方法、装置、电子设备和存储介质 | |
| CN104021532B (zh) | 一种红外图像的图像细节增强方法 | |
| CN108830208A (zh) | 视频处理方法和装置、电子设备、计算机可读存储介质 | |
| CN108921040A (zh) | 图像处理方法和装置、存储介质、电子设备 | |
| CN109844804B (zh) | 一种图像检测的方法、装置及终端 | |
| US8471934B2 (en) | Computer readable storage medium, image correction apparatus, and image correction method | |
| CN108848306B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN115550570B (zh) | 图像处理方法与电子设备 | |
| Asmare et al. | Image Enhancement by Fusion in Contourlet Transform. | |
| CN110365897B (zh) | 图像修正方法和装置、电子设备、计算机可读存储介质 | |
| CN111968068A (zh) | 一种热成像图像的处理方法及装置 | |
| CN113298829B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN112950515B (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 | |
| CN115187487A (zh) | 图像处理方法及装置、电子设备、存储介质 | |
| CN114331893A (zh) | 一种获取图像噪声的方法、介质和电子设备 | |
| CN113256523A (zh) | 图像处理方法和装置、介质和计算机设备 | |
| CN109447925B (zh) | 图像处理方法和装置、存储介质、电子设备 |
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 |