CN112308773A - 一种无人机航摄影像无损放大和拼接融合方法 - Google Patents
一种无人机航摄影像无损放大和拼接融合方法 Download PDFInfo
- Publication number
- CN112308773A CN112308773A CN202010838534.7A CN202010838534A CN112308773A CN 112308773 A CN112308773 A CN 112308773A CN 202010838534 A CN202010838534 A CN 202010838534A CN 112308773 A CN112308773 A CN 112308773A
- Authority
- CN
- China
- Prior art keywords
- image
- spliced
- candidate
- grid
- pixel
- 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
- 230000003321 amplification Effects 0.000 title claims abstract description 19
- 238000003199 nucleic acid amplification method Methods 0.000 title claims abstract description 19
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000004927 fusion Effects 0.000 claims abstract description 19
- 238000005562 fading Methods 0.000 claims abstract description 3
- 238000012935 Averaging Methods 0.000 claims description 5
- 239000003086 colorant Substances 0.000 claims description 5
- 230000007704 transition Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 238000011160 research Methods 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种无人机航摄影像无损放大和拼接融合方法，它包括：采用采用横向、纵向和邻近插值方法填充空白像素RGB，实现对无人机航摄影像无损放大；对放大影像网格划分和候选网格排序；按照候选网格排序结果，相邻影像优先选择排序靠前的对应网格进行滑动窗口创建和匹配，将相邻两幅待拼接放大影像按照得到的最佳匹配位置进行匹配，对匹配后的影像进行拼接，采用渐进渐出的方法对重合区域进行融合，非重叠区域直接拼接；解决了现有技术对相邻影像匹配特征不明显的研究较少、时间复杂度相对较高及现有无人机航摄影像拼接算法在影像拼接处融合效果相对较差，存在重影现象，不能很好的体现真实情况下的地物关系等技术问题。
Description
技术领域：
本发明属于图像处理技术领域，尤其涉及一种无人机航摄影像无损放大和拼接融合方法。
背景技术：
近年来多旋翼无人机以其便携性、成本低廉、操控性强等优势，已逐渐应用于测绘领域，尤其是在航摄领域获得了较为广泛的应用。
无人机航摄影像拼接融合是无人机航摄工作中的重要任务之一，当前针对无人机航摄影像拼接融合算法研究中仍然存在一定的不足，可以归纳总结为：1.现有无人机航摄影像拼接算法针对相邻影像匹配特征不明显的研究较少；2.当前影像拼接算法特征匹配位置选取通常会进行全图搜索，时间复杂度相对较高。3.现有无人机航摄影像拼接算法在影像拼接处融合效果相对较差，存在重影现象，不能很好的体现真实情况下的地物关系。
发明内容：
本发明要解决的技术问题是：提出一种无人机航摄影像无损放大和拼接融合方法，以解决现有技术无人机航摄影像拼接融合算法针对相邻影像匹配特征不明显的研究较少、特征匹配位置选取通常会进行全图搜索，时间复杂度相对较高及现有无人机航摄影像拼接算法在影像拼接处融合效果相对较差，存在重影现象，不能很好的体现真实情况下的地物关系等技术问题。
本发明的技术方案是：
一种无人机航摄影像无损放大和拼接融合方法，它包括：
步骤1、采用采用横向、纵向和邻近插值方法填充空白像素RGB，实现对无人机航摄影像无损放大；
步骤2、对放大影像网格划分和候选网格排序；
步骤3、按照候选网格排序结果，相邻影像优先选择排序靠前的对应网格进行滑动窗口创建和匹配，得到最佳匹配位置；
步骤4、将相邻两幅待拼接放大影像按照得到的最佳匹配位置进行匹配，对匹配后的影像进行拼接，采用渐进渐出的方法对重合区域进行融合，非重叠区域直接拼接。
步骤1所述实现对无人机航摄影像无损放大的的具体步骤包括：
步骤1.1、待拼接原始影像的实际尺寸记为m×n，获取所有像素点颜色RGB信息记为Pix(i,j)，0<i≤m，0<j≤n；
步骤1.2、将待拼接原始影像放大为(2m-1)×(2n-1)个像素，所有像素点颜色RGB信息记为Pix01(p,q)，0<p≤2m-1，0<q≤2n-1，将每个像素点RGB都赋值为255，即将放大影像每个像素赋值白色；
步骤1.3、将待拼接原始影像每一个像素绘制到放大影像上，待拼接原始影像每个像素颜色RGB信息Pix(i,j)绘制到放大影像 Pix01(p,q)上，p＝2i-1，q＝2j-1；
步骤1.4、对放大影像进行横向和纵向的像素颜色RGB填充，先进行横向像素点颜色RGB信息填充，对奇数行进行邻近像素RGB取平均值进行颜色填充；再进行纵向像素点颜色RGB信息填充，奇数列进行邻近像素RGB取平均值进行颜色填充；
步骤1.5、对放大影像剩余未进行颜色填充的像素点进行颜色填充，在完成步骤1.4后，还剩余坐标为(2t，2k)像素未进行填充，其中 0<2t≤2m-1，0<2k≤2n-1，t、k取值为1，2，3，…；针对这些未填充颜色的像素点，周边有八个邻近像素点，取这八个像素点RGB均值对该像素点进行颜色填充。
步骤2所述对放大影像网格划分和候选网格排序的方法包括：
步骤2.1、将待拼接的相邻放大影像划分为5×5个矩形网格，每个网格记为Grid(p,q)，0<p≤5，0<q≤5；
步骤2.2、将放大影像四个直角边所在方向分别记为A、B、C和 D，分别顺时针对应上边、右边、下边和左边；放大影像在A方向与另一幅放大影像进行拼接融合时，候选网格选为Grid(1,q)，0<q≤5；放大影像在B方向与另一幅放大影像进行拼接融合时，候选网格选为Grid(p,5)，0<p≤5；放大影像在C方向与另一幅放大影像进行拼接融合时，候选网格选为Grid(5,q)，0<q≤5；放大影像在D方向与另一幅放大影像进行拼接融合时，候选网格选为Grid(p,1)，其中0<p≤5；
步骤2.3、根据各候选区域像素颜色值变化大小对候选网格排序，在各候选网格内随机选取该网格内总像素点的30％，统计每个像素的 r、g和b的数值，并分别计算各网格内r、g和b的方差，最后求r、 g和b平均值记为排序参数，候选网格按照排序参数由大到小排序，平均值最大的优先进行匹配。
步骤3所述得到最佳匹配位置的方法为：相邻影像优先选择排序靠前的对应网格进行滑动窗口创建和匹配，网格按照200×300像素尺寸选出200个候选区域，分别在另一幅图像中候选区域进行滑动匹配，采用aHash算法评价每次滑动匹配结果，选出最佳匹配位置。
步骤4所述采用渐进渐出的方法对重合区域进行融合方法为：对重合区域进行融合拼接相邻影像重叠区域。针对重叠区域分别获取两幅拼接影像重叠点的RGB颜色值，通过融合公式进行图像融合，融合公式如下：
r(i,j)＝τr1(i,j)+(1-τ)r2(i,j)
g(i,j)＝τg1(i,j)+(1-τ)g2(i,j)
b(i,j)＝τb1(i,j)+(1-τ)b2(i,j)
式中τ为影像渐变系数，随着影像的渐变系数从0变化到1，(i,j) 为拼接后图片的像素坐标，第一张拼接图像(i,j)像素颜色值为 r1、g1、b1，第二张拼接图像(i,j)像素颜色值为r2、g2、b2，通过融合公式完成拼接处的颜色过渡。
本发明有益效果：
本发明首先对无人机航摄影像采用横向、纵向和邻近插值方法进行无损尺寸放大，放大了相邻影像匹配特征，提升影像拼接效果；其次对影像进行网格划分和候选网格排序，有效的减少了滑动窗口的搜索时间；通过滑动窗口动态获取最佳影像拼接位置，避免了匹配位置选择不合理问题；最后采用渐变系数加权的方式对邻接影像进行拼接，使相邻影像之间有较好的颜色过渡，有效的减轻了影像拼接处地物重影的现象，提高了影像拼接质量。解决了现有技术无人机航摄影像拼接融合算法针对相邻影像匹配特征不明显的研究较少、特征匹配位置选取通常会进行全图搜索，时间复杂度相对较高及现有无人机航摄影像拼接算法在影像拼接处融合效果相对较差，存在重影现象，不能很好的体现真实情况下的地物关系等技术问题。
具体实施方式：
下面结合实例对本发明作进一步细化说明：
一种无人机航摄影像无损放大和拼接融合方法，它包括下述步骤：
①无人机航摄影像无损放大
采用横向、纵向和邻近插值方法填充空白像素RGB，避免了单一插值方法产生锯齿的情况，达到了无人机航摄影像无损放大的目的。
针对相邻影像匹配特征不明显这一情况，将无人机航摄影像无损放大。待拼接的相邻原始影像实际尺寸为m×n像素，根据原始影像重新绘制放大影像，将原始影像实际尺寸放大，实际尺寸放大为(2m-1) ×(2n-1)像素。
②影像网格划分、候选网格排序
首先，对①得到的影像进行网格划分；其次，提取出候选网格，；最后，根据各候选区域像素颜色值变化大小对候选网格排序。
③候选滑动窗口创建和候选滑动窗口匹配
按照候选网格排序结果，相邻影像优先选择排序靠前的对应网格进行滑动窗口创建和匹配。
④图片拼接和重叠区域融合
将相邻两幅待拼接放大影像按照上一步得到的最佳匹配位置进行匹配，对匹配后的影像进行拼接，在拼接过程中针对两幅影像会存在重叠情况，采用渐进渐出的方法对重合区域进行融合，非重叠区域直接拼接。
所述步骤①分为以下步骤：
(1.1)获取待拼接原始影像的实际尺寸记为m×n，获取所有像素点颜色RGB信息记为Pix(i,j)(其中0<i≤m，0<j≤n)，其中i＝1,2,…,m； j＝1,2,…,n。
(1.2)将原始影像放大为(2m-1)×(2n-1)个像素，所有像素点颜色RGB信息记为Pix01(p,q)(其中0<p≤2m-1，0<q≤2n-1)，将每个像素点RGB都赋值为255，即将放大影像每个像素赋值白色；
(1.3)将原始影像每一个像素绘制到放大影像上。原始影像每个像素颜色RGB信息Pix(i,j)绘制到放大影像Pix01(p,q)上，其中 p＝2i-1，q＝2j-1。
(1.4)对放大影像进行横向、纵向的像素颜色RGB填充。第一步进行横向像素点颜色RGB信息填充，对奇数行进行邻近像素RGB 取平均值进行颜色填充；第二步进行纵向像素点颜色RGB信息填充，奇数列进行邻近像素RGB取平均值进行颜色填充；
(1.5)对放大影像剩余未进行颜色填充的像素点进行颜色填充。在完成(1.4)步骤后，还剩余坐标为(2t，2k)像素未进行填充，其中0<2t≤2m-1，0<2k≤2n-1，t、k取值为1，2，3，…。针对这些未填充颜色的像素点，其周边有八个邻近像素点，取这八个像素点RGB 均值对该像素点进行颜色填充。
所述步骤②分为以下步骤：
(2.1)将待拼接的相邻放大影像划分为5×5个矩形网格，每个网格记为Grid(p,q)(其中0<p≤5，0<q≤5)。
(2.2)将放大影像四个直角边所在方向分别记为A、B、C和D (分别顺时针对应上边、右边、下边和左边)。放大影像可能会在A、 B、C和D四个方向和其他放大影像拼接融合，A方向拼接融合时，候选网格选为Grid(1,q)(其中0<q≤5)；B方向拼接融合时，候选网格选为Grid(p,5)(其中0<p≤5)；C方向拼接融合时，候选网格选为 Grid(5,q)(其中0<q≤5)；D方向拼接融合时，候选网格选为Grid(p,1)(其中0<p≤5)。
(2.3)根据各候选区域像素颜色值变化大小对候选网格排序。在各候选网格内随机选取该网格内总像素点的30％，统计每个像素的r、 g和b的数值，并分别计算各网格内r、g和b的方差，最后求r、g 和b平均值记为排序参数，候选网格按照排序参数由大到小排序，平均值较大的即为候选区域内像素颜色值变化大，匹配特征明显，优先进行匹配。
所述步骤③分为以下步骤：
(3.1)相邻影像优先选择排序靠前的对应网格进行滑动窗口创建和匹配。网格按照200×300像素尺寸选出200个候选区域，分别在另一幅图像中候选区域进行滑动匹配，采用aHash算法评价每次滑动匹配结果，选出最佳匹配位置。
所述步骤④分为以下步骤：
(4.1)拼接相邻影像重叠区域。针对重叠区域分别获取两幅拼接影像重叠点的RGB颜色值，通过融合公式进行图像融合，融合公式如下：
r(i,j)＝τr1(i,j)+(1-τ)r2(i,j)
g(i,j)＝τg1(i,j)+(1-τ)g2(i,j)
b(i,j)＝τb1(i,j)+(1-τ)b2(i,j)
其中τ为影像渐变系数，随着影像的渐变系数从0变化到1，(i,j) 为拼接后图片的像素坐标，第一张拼接图像(i,j)像素颜色值为r1、 g1、b1，第二张拼接图像(i,j)像素颜色值为r2、g2、b2，通过融合公式完成拼接处的颜色过渡。
(4.2)拼接相邻影像非重叠区域。
Claims (5)
1.一种无人机航摄影像无损放大和拼接融合方法，它包括：
步骤1、采用采用横向、纵向和邻近插值方法填充空白像素RGB，实现对无人机航摄影像无损放大；
步骤2、对放大影像网格划分和候选网格排序；
步骤3、按照候选网格排序结果，相邻影像优先选择排序靠前的对应网格进行滑动窗口创建和匹配，得到最佳匹配位置；
步骤4、将相邻两幅待拼接放大影像按照得到的最佳匹配位置进行匹配，对匹配后的影像进行拼接，采用渐进渐出的方法对重合区域进行融合，非重叠区域直接拼接。
2.根据权利要求1所述的一种无人机航摄影像无损放大和拼接融合方法，其特征在于：步骤1所述实现对无人机航摄影像无损放大的的具体步骤包括：
步骤1.1、待拼接原始影像的实际尺寸记为m×n，获取所有像素点颜色RGB信息记为Pix(i,j)，0<i≤m，0<j≤n；
步骤1.2、将待拼接原始影像放大为(2m-1)×(2n-1)个像素，所有像素点颜色RGB信息记为Pix01(p,q)，0<p≤2m-1，0<q≤2n-1，将每个像素点RGB都赋值为255，即将放大影像每个像素赋值白色；
步骤1.3、将待拼接原始影像每一个像素绘制到放大影像上，待拼接原始影像每个像素颜色RGB信息Pix(i,j)绘制到放大影像Pix01(p,q)上，p＝2i-1，q＝2j-1；
步骤1.4、对放大影像进行横向和纵向的像素颜色RGB填充，先进行横向像素点颜色RGB信息填充，对奇数行进行邻近像素RGB取平均值进行颜色填充；再进行纵向像素点颜色RGB信息填充，奇数列进行邻近像素RGB取平均值进行颜色填充；
步骤1.5、对放大影像剩余未进行颜色填充的像素点进行颜色填充，在完成步骤1.4后，还剩余坐标为(2t，2k)像素未进行填充，其中0<2t≤2m-1，0<2k≤2n-1，t、k取值为1，2，3，…；针对这些未填充颜色的像素点，周边有八个邻近像素点，取这八个像素点RGB均值对该像素点进行颜色填充。
3.根据权利要求所述的一种无人机航摄影像无损放大和拼接融合方法，其特征在于：步骤2所述对放大影像网格划分和候选网格排序的方法包括：
步骤2.1、将待拼接的相邻放大影像划分为5×5个矩形网格，每个网格记为Grid(p,q)，0<p≤5，0<q≤5；
步骤2.2、将放大影像四个直角边所在方向分别记为A、B、C和D，分别顺时针对应上边、右边、下边和左边；放大影像在A方向与另一幅放大影像进行拼接融合时，候选网格选为Grid(1,q)，0<q≤5；放大影像在B方向与另一幅放大影像进行拼接融合时，候选网格选为Grid(p,5)，0<p≤5；放大影像在C方向与另一幅放大影像进行拼接融合时，候选网格选为Grid(5,q)，0<q≤5；放大影像在D方向与另一幅放大影像进行拼接融合时，候选网格选为Grid(p,1)，其中0<p≤5；
步骤2.3、根据各候选区域像素颜色值变化大小对候选网格排序，在各候选网格内随机选取该网格内总像素点的30％，统计每个像素的r、g和b的数值，并分别计算各网格内r、g和b的方差，最后求r、g和b平均值记为排序参数，候选网格按照排序参数由大到小排序，平均值最大的优先进行匹配。
4.根据权利要求所述的一种无人机航摄影像无损放大和拼接融合方法，其特征在于：步骤3所述得到最佳匹配位置的方法为：相邻影像优先选择排序靠前的对应网格进行滑动窗口创建和匹配，网格按照200×300像素尺寸选出200个候选区域，分别在另一幅图像中候选区域进行滑动匹配，采用aHash算法评价每次滑动匹配结果，选出最佳匹配位置。
5.根据权利要求所述的一种无人机航摄影像无损放大和拼接融合方法，其特征在于：步骤4所述采用渐进渐出的方法对重合区域进行融合方法为：对重合区域进行融合拼接相邻影像重叠区域。针对重叠区域分别获取两幅拼接影像重叠点的RGB颜色值，通过融合公式进行图像融合，融合公式如下：
r(i,j)＝τr1(i,j)+(1-τ)r2(i,j)
g(i,j)＝τg1(i,j)+(1-τ)g2(i,j)
b(i,j)＝τb1(i,j)+(1-τ)b2(i,j)
式中τ为影像渐变系数，随着影像的渐变系数从0变化到1，(i,j)为拼接后图片的像素坐标，第一张拼接图像(i,j)像素颜色值为r1、g1、b1，第二张拼接图像(i,j)像素颜色值为r2、g2、b2，通过融合公式完成拼接处的颜色过渡。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010838534.7A CN112308773B (zh) | 2020-08-19 | 2020-08-19 | 一种无人机航摄影像无损放大和拼接融合方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010838534.7A CN112308773B (zh) | 2020-08-19 | 2020-08-19 | 一种无人机航摄影像无损放大和拼接融合方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112308773A true CN112308773A (zh) | 2021-02-02 |
| CN112308773B CN112308773B (zh) | 2023-04-18 |
Family
ID=74483618
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010838534.7A Active CN112308773B (zh) | 2020-08-19 | 2020-08-19 | 一种无人机航摄影像无损放大和拼接融合方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112308773B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115988186A (zh) * | 2023-03-20 | 2023-04-18 | 厦门精图信息技术有限公司 | 一种影像处理系统及方法 |
| CN117011137A (zh) * | 2023-06-28 | 2023-11-07 | 深圳市碧云祥电子有限公司 | 基于rgb相似度特征匹配的图像拼接方法、装置及设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070023692A1 (en) * | 2005-06-17 | 2007-02-01 | Vincent E. Stenger | Seamless stitching of patterns formed by interference lithography |
| CN103065294A (zh) * | 2013-01-21 | 2013-04-24 | 浙江大学 | 基于四边形包坍塌的超大图像快速融合算法 |
| CN104036468A (zh) * | 2014-06-19 | 2014-09-10 | 西安电子科技大学 | 基于预放大非负邻域嵌入的单帧图像超分辨重建方法 |
| CN106097244A (zh) * | 2016-06-03 | 2016-11-09 | 上海小蚁科技有限公司 | 用于拼接图像的方法和装置以及用于组合图像的方法 |
| US20170287184A1 (en) * | 2016-04-04 | 2017-10-05 | Microsoft Technology Licensing, Llc | Image stitching |
| CN109166075A (zh) * | 2018-06-20 | 2019-01-08 | 南京理工大学 | 一种针对小重合区域图像拼接方法 |
| CN109389555A (zh) * | 2018-09-14 | 2019-02-26 | 复旦大学 | 一种全景图像拼接方法及装置 |
-
2020
- 2020-08-19 CN CN202010838534.7A patent/CN112308773B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070023692A1 (en) * | 2005-06-17 | 2007-02-01 | Vincent E. Stenger | Seamless stitching of patterns formed by interference lithography |
| CN103065294A (zh) * | 2013-01-21 | 2013-04-24 | 浙江大学 | 基于四边形包坍塌的超大图像快速融合算法 |
| CN104036468A (zh) * | 2014-06-19 | 2014-09-10 | 西安电子科技大学 | 基于预放大非负邻域嵌入的单帧图像超分辨重建方法 |
| US20170287184A1 (en) * | 2016-04-04 | 2017-10-05 | Microsoft Technology Licensing, Llc | Image stitching |
| CN106097244A (zh) * | 2016-06-03 | 2016-11-09 | 上海小蚁科技有限公司 | 用于拼接图像的方法和装置以及用于组合图像的方法 |
| CN109166075A (zh) * | 2018-06-20 | 2019-01-08 | 南京理工大学 | 一种针对小重合区域图像拼接方法 |
| CN109389555A (zh) * | 2018-09-14 | 2019-02-26 | 复旦大学 | 一种全景图像拼接方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| TIAN-ZHUXIANG 等: ""Image stitching by line-guided local warping with global similarity constraint"", 《PATTERN RECOGNITION》 * |
| 常伟 等: ""一种改进的快速全景图像拼接算法"", 《电子测量技术》 * |
| 董梅 等: ""大区域无人机影像快速无缝拼接方法"", 《测绘科学》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115988186A (zh) * | 2023-03-20 | 2023-04-18 | 厦门精图信息技术有限公司 | 一种影像处理系统及方法 |
| CN115988186B (zh) * | 2023-03-20 | 2023-06-09 | 厦门精图信息技术有限公司 | 一种影像处理系统及方法 |
| CN117011137A (zh) * | 2023-06-28 | 2023-11-07 | 深圳市碧云祥电子有限公司 | 基于rgb相似度特征匹配的图像拼接方法、装置及设备 |
| CN117011137B (zh) * | 2023-06-28 | 2024-07-02 | 深圳市碧云祥电子有限公司 | 基于rgb相似度特征匹配的图像拼接方法、装置及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112308773B (zh) | 2023-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108760767B (zh) | 基于机器视觉的大尺寸液晶屏缺陷检测方法 | |
| CN102254504B (zh) | 图像处理方法及使用该方法的显示装置 | |
| CN101276465B (zh) | 广角图像自动拼接方法 | |
| CN101751659B (zh) | 大容量快速图像拼接方法 | |
| CN102883175B (zh) | 深度图提取、判断视频场景切换及深度图边缘优化方法 | |
| CN112308773B (zh) | 一种无人机航摄影像无损放大和拼接融合方法 | |
| CN111047510A (zh) | 一种基于标定的大视场角图像实时拼接方法 | |
| US10462337B2 (en) | Liquid crystal display device and image processing method for same | |
| CN102053804B (zh) | 图像处理装置及控制方法 | |
| CN108109109B (zh) | 一种超分辨率图像重构方法、装置、介质及计算设备 | |
| CN101493893B (zh) | 一种图像数据融合方法 | |
| CN102682426A (zh) | 图像处理设备、图像处理方法及程序 | |
| CN104252700A (zh) | 一种红外图像的直方图均衡化方法 | |
| CN107833186A (zh) | 一种基于Encoder‑Decoder深度学习模型的单透镜空间变化图像复原方法 | |
| CN102098528A (zh) | 一种平面图像的立体转换方法及装置 | |
| CN108234884A (zh) | 一种基于视觉显著性的相机自动对焦方法 | |
| CN109643462B (zh) | 基于渲染引擎的实时图像处理方法以及显示设备 | |
| CN102129669A (zh) | 一种航空遥感影像的最小二乘区域网匀色方法 | |
| WO2006006666A1 (ja) | ディジタル画像の輪郭追跡による画像処理方法並びに画像処理装置 | |
| CN104680484B (zh) | 一种图像增强的方法及装置 | |
| CN113052765B (zh) | 基于最优栅格密度模型的全景图像拼接方法 | |
| US20110170776A1 (en) | Image distortion correcting method and image processing apparatus | |
| CN103177420B (zh) | 基于局部区域特征相关性的图像放大方法和装置 | |
| CN103366343B (zh) | 一种位图缩放方法及系统 | |
| CN107610070A (zh) | 基于三摄像采集的自由立体匹配方法 |
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 |