CN112465707B - 红外图像条纹噪声的处理方法、装置、介质及电子设备 - Google Patents
红外图像条纹噪声的处理方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN112465707B CN112465707B CN201910843844.5A CN201910843844A CN112465707B CN 112465707 B CN112465707 B CN 112465707B CN 201910843844 A CN201910843844 A CN 201910843844A CN 112465707 B CN112465707 B CN 112465707B
- Authority
- CN
- China
- Prior art keywords
- stripe noise
- image
- noise
- pixel point
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title abstract description 6
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000001914 filtration Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims description 62
- 238000012937 correction Methods 0.000 claims description 21
- 230000008859 change Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 238000003702 image correction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 239000002609 medium Substances 0.000 description 13
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000003708 edge detection Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003331 infrared imaging Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 239000012120 mounting media Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Transforming Light Signals Into Electric Signals (AREA)
Abstract
本申请实施例公开了一种红外图像条纹噪声的处理方法、装置、介质及电子设备。该方法包括:采用预设规则确定目标红外图像的二值化图像,其中二值化图像的像素点包括条纹噪声像素点和非条纹噪声像素点;对二值化图像中每个像素点预设范围内的像素点二值化值进行统计,根据统计结果对该像素点进行修正,得到修正后的二值化图像;根据修正后的二值化图像,对目标红外图像进行条纹噪声滤除处理。通过执行本技术方案,可以实现对任意红外图像的条纹噪声都能够准确的进行条纹噪声识别,并精准滤除红外图像的条纹噪声的效果。
Description
技术领域
本申请实施例涉及图像处理技术领域,尤其涉及一种红外图像条纹噪声的处理方法、装置、介质及电子设备。
背景技术
在红外成像系统中,红外焦平面阵列通常是同一列像元共享同一个输出电路,由于行输出电路偏置电压不完全一致,同时输出电路存在非均匀性,使得红外成像系统产生的图像中会包含以条纹为主要特征的非均匀噪声,称为条纹噪声。条纹的方向与成像系统的扫描方向一致。从获得的图像角度看,一般沿图像的水平方向或竖直方向分布,且条纹分布方向一致。
然而,红外图像上条纹噪声的存在,严重的影响了红外图像的成像质量。并且还对基于红外图像进行的目标检测、图像分类等带来干扰。因此,如何去除红外图像的条纹噪声成为了本领域技术人员亟待解决的技术难题。
发明内容
本申请实施例提供一种红外图像条纹噪声的处理方法、装置、介质及电子设备,可以实现对任意红外图像的条纹噪声都能够准确的进行条纹噪声识别,并精准滤除红外图像的条纹噪声的效果。
第一方面,本申请实施例提供了一种红外图像条纹噪声的处理方法,该方法包括:
采用预设规则确定目标红外图像的二值化图像,其中二值化图像的像素点包括条纹噪声像素点和非条纹噪声像素点;
对二值化图像中每个像素点预设范围内的像素点二值化值进行统计,根据统计结果对该像素点进行修正,得到修正后的二值化图像;
根据修正后的二值化图像,对目标红外图像进行条纹噪声滤除处理。
可选的,采用预设规则确定目标红外图像的二值化图像,包括:
将目标红外图像与至少两个目标方向的卷积模板进行卷积运算,得到每个像素点的至少两个梯度值;
对每个像素点的至少两个梯度值进行取最大值处理,得到每个像素点的最终梯度值;
根据每个像素点的最终梯度值与预设梯度值范围的关系,确定目标红外图像的二值化图像。
可选的,根据每个像素点的最终梯度值与预设梯度值范围的关系,确定目标红外图像的二值化图像,包括:
根据各像素点的最终梯度值,与预设第一梯度阈值和第二梯度阈值之间的大小关系,确定各像素点的二值化值;其中,若像素点的最终梯度值的大小在第一梯度阈值和第二梯度阈值之间,确定该像素点的二值化值为1,若像素点的最终梯度值的大小不在第一梯度阈值和第二梯度阈值之间,确定该像素点的二值化值为0,其中第一梯度阈值小于第二梯度阈值;
根据各像素点的二值化值,得到目标红外图像的二值化图像。
可选的,对二值化图像中每个像素点预设范围内的像素点二值化值进行统计,根据统计结果对该像素点进行修正,得到修正后的二值化图像,包括:
以二值化图像中的任意目标像素点为中心,根据预设搜索窗的范围,确定统计范围;
计算统计范围内二值化值为1的数量;
若二值化值为1的数量符合预设标准,则确定目标像素点的修正结果为条纹噪声像素点,若二值化值为1的数量不符合预设标准,则确定目标像素点的修正结果为非条纹噪声像素点;
根据所有像素点的修正结果,确定修正后的二值化图像。
可选的,所述搜索窗包括竖直搜索窗或水平搜索窗。
可选的,根据修正后的二值化图像,对目标红外图像进行条纹噪声滤除处理,包括:
根据修正后的二值化图像,确定任意的目标条纹噪声像素点为细条纹噪声点或者为宽条纹噪声点;其中,细条纹噪声点的条纹噪声宽度为一个像素点,宽条纹噪声点的条纹噪声宽度为至少两个像素点;
根据与细条纹噪声点和宽条纹噪声点对应的条纹噪声滤除策略,确定目标条纹噪声像素点的条纹噪声滤除策略;
根据所确定的条纹噪声滤除策略,对目标条纹噪声像素点进行条纹噪声滤除处理。
可选的,所述条纹噪声滤除策略包括:
若为细条纹噪声点,则将目标红外图像中与条纹方向垂直方向上的的两个相邻像素点的像素值进行加权平均处理,作为细条纹噪声点的像素值变更值;
若为宽条纹噪声点,则将与条纹方向垂直方向上的的至少两个相邻像素点的像素值取中值,作为宽条纹噪声点的像素值变更值。
可选的,在将目标红外图像与至少两个目标方向的卷积模板进行卷积运算之前,所述方法还包括:
确定目标红外图像的条纹噪声方向;
根据所述条纹噪声方向,确定卷积模板的目标方向。
第二方面,本申请实施例提供了一种红外图像条纹噪声的处理装置,该装置包括:
二值化图像确定模块,用于采用预设规则确定目标红外图像的二值化图像,其中二值化图像的像素点包括条纹噪声像素点和非条纹噪声像素点;
二值化图像修正模块,用于对二值化图像中每个像素点预设范围内的像素点二值化值进行统计,根据统计结果对该像素点进行修正,得到修正后的二值化图像;
噪声处理模块,用于根据修正后的二值化图像,对目标红外图像进行条纹噪声滤除处理。
第三方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请实施例所述的红外图像条纹噪声的处理方法。
第四方面,本申请实施例提供了一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,所述处理器执行所述计算机程序时实现如本申请实施例所述的红外图像条纹噪声的处理方法。
本申请实施例所提供的技术方案,采用预设规则确定目标红外图像的二值化图像,其中二值化图像的像素点包括条纹噪声像素点和非条纹噪声像素点;对二值化图像中每个像素点预设范围内的像素点二值化值进行统计,根据统计结果对该像素点进行修正,得到修正后的二值化图像;根据修正后的二值化图像,对目标红外图像进行条纹噪声滤除处理。通过采用本申请所提供的技术方案,可以实现对任意红外图像的条纹噪声都能够准确的进行条纹噪声识别,并精准滤除红外图像的条纹噪声的效果。
附图说明
图1是本申请实施例提供的红外图像条纹噪声的处理方法的流程图;
图2是本申请实施例提供的去条纹噪声的示意图;
图3是本申请实施例提供的卷积模板的示意图;
图4是本申请实施例提供的红外图像条纹噪声的处理装置的结构示意图;
图5是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
图1是本申请实施例提供的红外图像条纹噪声的处理方法的流程图,本实施例可适用于对红外图像的条纹噪声进行处理的情况,该方法可以由本申请实施例所提供的红外图像条纹噪声的处理装置执行,该装置可以由软件和/或硬件的方式来实现,并可集成于智能终端等电子设备中。
如图1所示,所述红外图像条纹噪声的处理方法包括:
S110、采用预设规则确定目标红外图像的二值化图像,其中二值化图像的像素点包括条纹噪声像素点和非条纹噪声像素点。
其中,目标红外图像可以是需要进行条纹处理的红外图像,其中的条纹可以是由于成像系统中扫描线的输出电路偏置电压不一致造成的。在本技术方案中,目标红外图像可以是经过预处理的,例如经过非均匀性校正后的图像,例如一点校正或两点校正等。
在本实施例中,可以根据目标红外图像的像素点的亮度值的规律性变化,初步判断目标红外图像的条纹方向,并采用相应方向的卷积模板进行卷积运算。其中卷积模板的大小可以是3×3个像素点的,还可以是5×5个像素点的。在本实施例中,优选的可以采用5×5个像素点的卷积模板,这样可以通过控制卷积模板中的权值确定卷积模板的方向。在本技术方案中,如果发现目标红外图像的像素点的亮度值的规律性变化,如水平方向上,每隔5行像素点就会出现一行像素值均高于其他行的像素点,由此可以初步判断目标红外图像的条纹方向为水平方向。确定目标红外图像的条纹方向之后,可以选择卷积模板中,水平方向以及与水平方向较接近的方向,如45°和135°,或者22.5°和157.5°方向的卷积模板。
在本实施例中,可以通过卷积模板的卷积运算,实现对目标红外图像的梯度图像计算,然后再采用相应的方式将卷积处理后的红外图像进行二值化处理,得到二值化图像。例如,可以将卷积处理后的红外图像中各像素点的亮度与预设阈值进行比较,如果大于该阈值,则可以确定该像素点的信息为1,如果不大于该阈值可以确定该像素点的信息为0,以此得到二值化图像。
在本技术方案中,可选的,采用预设规则确定目标红外图像的二值化图像,包括:将目标红外图像与至少两个目标方向的卷积模板进行卷积运算,得到每个像素点的至少两个梯度值;对每个像素点的至少两个梯度值进行取最大值处理,得到每个像素点的最终梯度值;根据每个像素点的最终梯度值与预设梯度值范围的关系,确定目标红外图像的二值化图像。
其中,目标方向可以是与目标红外图像中像素点的亮度的变化规律相对应的方向,例如,目标红外图像中像素点的亮度的变化规律为每隔几行,就会存在一行像素点的亮度明显高于其他行的像素点亮度,则可以确定目标方向为与水平方向相应的方向,例如水平方向,以及与水平方向夹角为22.5°的方向等。在本技术方案中,优选的,采用至少两种方向的卷积模板进行卷积运算,以得到目标红外图像在不同方向上的梯度值。通过与不同方向的卷积模板的卷积运算,每个像素点可以得到不同的梯度值,在本技术方案中,可以采取选择其中的最大值作为该像素点的实际梯度值,并形成梯度图像。其中梯度图像中每个像素点都包括梯度值的信息。在得到梯度图像之后,可以针对每个像素点的梯度值进行二值化处理,以得到二值化图像。其中,二值化处理可以是基于梯度值与预设阈值之间的大小关系来确定的,例如,可以根据经验设置一个或者两个预设阈值,若为一个预设阈值,则可以根据各像素点的梯度值与该预设阈值的大小关系来确定二值化值,即为0或者为1,若为两个阈值,可以根据两个阈值确定一个范围,进而判断各像素点的梯度值与该范围之间的关系确定像素点的二值化值。本技术方案这样设置的好处是通过采用不同方向的卷积模板,可以对目标红外图像的条纹噪声产生的影响进行更加全面的识别,同时通过二值化处理,可以有利于后续对条纹噪声的像素点的处理,使得计算过程更加清晰和简便。
在上述技术方案的基础上,可选的,根据每个像素点的最终梯度值与预设梯度值范围的关系,确定目标红外图像的二值化图像,包括:根据各像素点的最终梯度值,与预设第一梯度阈值和第二梯度阈值之间的大小关系,确定各像素点的二值化值;其中,若像素点的最终梯度值的大小在第一梯度阈值和第二梯度阈值之间,确定该像素点的二值化值为1,若像素点的最终梯度值的大小不在第一梯度阈值和第二梯度阈值之间,确定该像素点的二值化值为0,其中第一梯度阈值小于第二梯度阈值;根据各像素点的二值化值,得到目标红外图像的二值化图像。其中,由各像素点的最终梯度值,可以确定梯度图像,在梯度图像中,可根据各像素点的最终梯度值与预设第一梯度阈值和第二梯度阈值之间的大小关系,确定各像素点的二值化值。其中,第一梯度阈值和第二梯度阈值可以是根据统计符合条纹噪声像素点的特征的梯度值分布范围得到的。示例性的,第一梯度阈值可取值为50,第二梯度阈值可以取值为100,则可以确定各像素点的梯度值是否分布在这个区间,若是,则可以确定该像素点的二值化值为1,若否,可以确定该像素点的二值化值为0,则二值化值为1的像素点可以表示为是条纹噪声点。本技术方案这样设置的好处是可以根据像素点的最终梯度值与预设区间的关系,来确定各个像素点的二值化值,以保证各个像素点的二值化值能够更加真实的反映出是该像素点否为条纹噪声像素点。
S120、对二值化图像中每个像素点预设范围内的像素点二值化值进行统计,根据统计结果对该像素点进行修正,得到修正后的二值化图像。
在本技术方案中,在上述确定二值化图像的基础上,可以通过对预设范围内像素点的二值化值的统计,来实现确定像素点的修正后的二值化值,以使所确定的二值化值更加准确,以此来更加精确的反映出条纹噪声像素点的位置。示例性的,对二值化图像中,以其中一个像素点为中心,以3×3的像素点区域作为预设范围,则可以确定包括目标像素点的9个像素点中二值化值分别是多少,例如可以存在5个“1”,4个“0”,或者存在7个“1”,2个“0”,进而根据统计结果来确定该像素点是否为条纹噪声点。例如可以根据其中若存在6个或者6和以上“1”的点,则该中心点的二值化值可以修正为1。通过这样的修正,可以避免由于图像中存在噪声点或者由于图像中的物品自身的边界点对前面确定二值化值的过程造成影响,可以提高对条纹噪声点的判断的准确度。
在本技术方案中,可选的,对二值化图像中每个像素点预设范围内的像素点二值化值进行统计,根据统计结果对该像素点进行修正,得到修正后的二值化图像,包括:以二值化图像中的任意目标像素点为中心,根据预设搜索窗的范围,确定统计范围;计算统计范围内二值化值为1的数量;若二值化值为1的数量符合预设标准,则确定目标像素点的修正结果为条纹噪声像素点,若二值化值为1的数量不符合预设标准,则确定目标像素点的修正结果为非条纹噪声像素点;根据所有像素点的修正结果,确定修正后的二值化图像。
在本技术方案中,可选的,所述搜索窗包括竖直搜索窗或水平搜索窗。由于在目标红外图像中,所产生的条纹噪声往往是水平方向或者竖直方向的,因此,可以将搜索窗的方向设定为水平方向或者竖直方向的,示例性的,如果是水平方向,则可以以目标像素点为中心,在同一水平像素点行上选择5个、7个或者9个像素点的范围作为预设搜索窗的范围,并以该搜索窗的范围作为统计范围,统计其中二值化值为1的数量,以7个像素点为例,如果其中存在“1”的像素点在5个及以上,则可以确定该目标像素点的修正二值化值为“1”,这样就可以实现滤除其他噪声对条纹噪声点形成的干扰,提高条纹噪声点的确定过程的准确性。
其中,可以理解的,若在图像中该像素点临近图像边界,搜索窗内的部分位置已经没有像素点,则可以采用对没有像素点的位置进行补“0”处理,并进行统计得到相应的结果。例如,搜索窗的方向是水平的,则在第一列的像素点,搜索窗中左边的三个位置都不存在像素点,最后一列的像素点,搜索窗中右边的三个位置都不存在像素点,因此需要对不存在像素点的位置进行补“0”处理,才能够继续进行统计。
S130、根据修正后的二值化图像,对目标红外图像进行条纹噪声滤除处理。
可以根据修正后的二值化图像,确定目标红外图像中,哪些点是存在条纹噪声影响的像素点,进而可以对这些点进行条纹噪声滤除操作。
在本实施例中,可选的,根据修正后的二值化图像,对目标红外图像进行条纹噪声滤除处理,包括:根据修正后的二值化图像,确定任意的目标条纹噪声像素点为细条纹噪声点或者为宽条纹噪声点;其中,细条纹噪声点的条纹噪声宽度为一个像素点,宽条纹噪声点的条纹噪声宽度为至少两个像素点;根据与细条纹噪声点和宽条纹噪声点对应的条纹噪声滤除策略,确定目标条纹噪声像素点的条纹噪声滤除策略;根据所确定的条纹噪声滤除策略,对目标条纹噪声像素点进行条纹噪声滤除处理。其中,可以确定像素点所处的条纹为宽条纹或者为窄条纹,并针对不同的条纹采用不同的处理策略。这样设置的好处是可以提高对条纹噪声点进行处理的准确性,避免针对宽窄条纹使用相同的策略会导致影响目标红外图像的准确度。
在本实施例中,可选的,所述条纹噪声滤除策略包括:若为细条纹噪声点,则将目标红外图像中与条纹方向垂直方向上的的两个相邻像素点的像素值进行加权平均处理,作为细条纹噪声点的像素值变更值;若为宽条纹噪声点,则将与条纹方向垂直方向上的的至少两个相邻像素点的像素值取中值,作为宽条纹噪声点的像素值变更值。其中,针对宽条纹来说,可以设置为两个、四个或者更多个相邻像素点的像素值取中值。例如可以设置一个1×5个像素点的搜索窗,则可以以除去中心条纹噪声点以外的四个相邻像素点的像素值取中值。本技术方案提供了一种具体的处理策略,即针对窄条纹,采用与条纹方向垂直方向上的两个相邻像素点的像素值作为基础,进行加权平均以得到该窄条纹像素点的像素值。针对宽条纹,则可以采用与条纹方向垂直方向上的至少两个相邻像素点的像素值进行取中值,来得到相应的结果。这样设置的好处是可以针对不同宽度的条纹噪声进行相应的处理,以提高对条纹噪声处理的准确性。
本申请实施例所提供的技术方案,采用预设规则确定目标红外图像的二值化图像,其中二值化图像的像素点包括条纹噪声像素点和非条纹噪声像素点;对二值化图像中每个像素点预设范围内的像素点二值化值进行统计,根据统计结果对该像素点进行修正,得到修正后的二值化图像;根据修正后的二值化图像,对目标红外图像进行条纹噪声滤除处理。通过采用本申请所提供的技术方案,可以实现对任意红外图像的条纹噪声都能够准确的进行条纹噪声识别,并精准滤除红外图像的条纹噪声的效果。
在上述各技术方案的基础上,可选的,在将目标红外图像与至少两个目标方向的卷积模板进行卷积运算之前,所述方法还包括:确定目标红外图像的条纹噪声方向;根据所述条纹噪声方向,确定卷积模板的目标方向。其中,可以通过统计等方式来确定,例如可以统计水平方向上每一行像素点的亮度值之和以及垂直方向上每一列像素点的亮度值之和,若水平方向上存在规律性的跳变,则可以确定条纹方向是水平方向的,如果垂直方向上存在规律性的跳变,则可以确定条纹方向是垂直方向的。还可以通过其他方式来判断条纹噪声的方向,确定条纹噪声的方向之后,可以确定选择卷积模板的目标方向,例如是水平方向,则可以选择卷积模板的方向为0°,22.5°等。本技术方案这样设置的好处是可以确定卷积模板的方向,从而无需对所有的方向的卷积模板进行卷积运算,降低计算负担,同时还能够更好的反映出条纹噪声对图像的影响,以提高确定条纹噪声像素点的准确性。
为了能够让本领域技术人员更加准确的了解本申请所提供的技术方案,本申请实施例还提供了一种优选的实施方式。
图2是本申请实施例提供的去条纹噪声的示意图。如图2所示,其中,主要包括条纹噪声检测模块、条纹噪声修正模块以及条纹噪声处理模块三部分。处理流程如下:
接收红外焦平面探测器经过预处理的红外图像数据作为输入图像,输出表征条纹噪声所在位置的二值图像。此处预处理后红外图像是指经过非均匀性校正后的图像,例如一点校正或两点校正等。
条纹噪声是一种具有周期性、方向性且呈条状分布的一种特殊噪声。常见的条纹噪声包括横条纹噪声和竖条纹噪声。以竖条纹噪声为例,在单帧图像上表现为竖直方向上有规律排布的连续条纹,与图像主体的竖直边缘和竖直纹理具有同样的形态特征。因此,可采用边缘检测算法来检测条纹噪声。此处的边缘检测的具体实现,可以采用目前常见的Prewitt、Roberts、Sobel、Laplacian、LOG等基于一阶或二阶求导方法,也可以采用更复杂的Canny、基于小波变换和小波包的边缘检测、基于形态学的边缘检测算法、多尺度边缘检测技术以及基于分形几何的边缘检测算法等。本申请对此不做限制。
下面提供一种具体实施例:输入预处理后的红外图像f(x,y)作为目标图像。以含竖条纹噪声的红外图像为例进行说明。
1.构建八个方向卷积模板,图3是本申请实施例提供的卷积模板的示意图。其方向如图3所示。模板大小为5×5。每个模板内都有相应的权值,模板权值的设置充分考虑到邻域像素点对中心点的方向梯度的贡献大小。此处方向梯度贡献度是基于与中心点的距离与夹角的大小来确定:与中心点距离越近,梯度贡献越大;与中心点的夹角越小,梯度贡献越大。值得注意的是,若为便于实现、减少内存等成本,对于竖条纹可只检测竖直边缘或接近于竖直方向的边缘,即利用模板中(3)、(4)、(5)、(6)、(7)五个模板进行后续卷积操作。
2.每个模板分别用符号maski表示,给出目标图像f与各模板卷积公式
得到目标图像的8个梯度分量图像。基于这8个梯度分量图像,对目标图像中的任意像素(x,y)按下式计算,得到目标图像的梯度图像g(x,y)。
g(x,y)=maxi(gi(x,y)); (2)
3.为更好检测出竖条纹噪声且避免图像中主体目标竖直方向大边缘小纹理被错检为竖条纹噪声,设置两个阈值thr1、thr2(thr1<thr2)对梯度图像进行筛选,输出表征竖条纹噪声所在位置的二值图像E(x,y)。阈值thr1和thr2对于不同的图像可以根据实际情况和需要进行设定。例如本实施例中阈值thr1取为50,阈值thr2取为100。当E(x,y)=1时,表示该位置处为竖条纹噪声。当E(x,y)=0时,表示该位置处为非竖条纹噪声。
第二步,将表征竖条纹噪声所在位置的二值图作为输入图像进行修正,输出修正后的表征竖条纹噪声所在位置的二值图。
由于图像竖条纹噪声成条带状且贯穿于整个图像且竖条纹噪声和图像本身所含竖直边缘和纹理之间存在相似性,因此利用第一步给出的检测方法检测出的二值图中仍可能会包含表征图像竖直边缘或纹理所在位置的一些信息。为排除图像竖直边缘或竖直纹理等的干扰,对输入的表征竖条纹噪声所在位置的二值图进行修正。以目标像素点为中心,构建竖直方向搜索窗,统计该搜索窗内像素值等于1的个数。当统计得到表征竖条纹噪声像素点个数大于某一给定阈值时,则判定该目标像素点为竖条纹噪声;否则,判定该目标像素点为图像竖边缘或竖纹理点。应该注意的是,该搜索窗大小不能取得过小,避免竖直方向存在连续边缘或连续纹理而被误检为条纹噪声点。
下面给出一个具体实施例,对表征竖条纹噪声所在位置的二值图E(x,y)进行修正:
1.由于该条纹噪声为竖条纹,因此构建一维竖直方向搜索窗,窗大小取为7×1。
2.挨个遍历二值图E(x,y)中每个像素点,统计目标像素点对应的搜索窗内像素值为1的像素点总数,记为num。因此,num取值范围为闭区间[0,7]。
3.给定判断阈值thr=5。当num≥5时,该搜索窗对应的目标像素点为条纹噪声点;当num<5时,该搜索窗对应的目标像素点为图像竖直边缘点或竖直纹理点;
第三步,输入修正后的表征竖条纹噪声所在位置的二值图像和预处理后的红外图像作为目标图像,输出经过去竖条纹噪声后的图像。
一般地,图像条纹噪声的宽度可以通过像素来表征,可以是一个像素的宽度,也可以是多个像素的宽度。不同的成像系统一般具有不同宽度的条纹噪声。对于同一幅图像而言也有可能有不同宽度的条纹噪声。对于同一成像系统的遥感图像而言,不同波段的遥感图像中的条纹宽度也不完全相同。在本专利中,细条纹噪声点是指该竖条纹噪声点左右两边像素点均为非条纹点;宽条纹噪声点是指该竖条纹噪声点左右两边至少还有一个像素点为竖条纹噪声点。对于该两类条纹噪声,一种可根据条纹噪声点与相邻的非条纹点之间相关关系进行消除。另一种可将条纹噪声看成是红外成像系统中由于输出电路的非均匀性产生的偏置,利用原始红外图像减去该偏置来消除。
下面给出两个具体实施例,进行说明。
具体实施例1:输入预处理后的红外图像f(x,y)以及修正后的表征竖条纹噪声所在位置的二值图像E'(x,y)。
1.判断预处理后的红外图像f(x,y)中当前位置(x,y)处像素点为细条纹噪声点还是宽条纹噪声点还是非条纹点:
2.对于细条纹噪声点,利用左右相邻两像素点的加权平均来削除条纹噪声。即
g(x,y)=α×f(x-1,y)+(1-α)×f(x+1,y); (6)
此处α为权重,取值范围为闭区间[0,1]。具体数值可根据实际情况进行设置。
3.对于宽条纹噪声点,构建水平方向上大小为1×5的一维搜索窗。求取该搜索窗内除去目标宽条纹噪声点之外的其余四个像素点中值。以该中值代替目标宽条纹噪声点像素值来消除竖条纹噪声,即
g(x,y)=median(f(x-1,y),f(x-2,y),f(x+1,y),f(x+2,y)); (7)
4.对于非条纹像素点,则保持不变。
经过上述几个步骤处理,即可得到输入的预处理后红外图像f(x,y)消除竖条纹噪声的最终结果g(x,y)。
具体实施例2:输入预处理后的红外图像f(x,y)以及修正后的表征竖条纹噪声所在位置的二值图像E'(x,y)。
1.如公式(5)所示,判断预处理后的红外图像f(x,y)中当前位置(x,y)处像素点为细条纹噪声点还是宽条纹噪声点还是非条纹点。
2.对预处理后的红外图像f(x,y)进行模板大小为5×5的高斯卷积滤波G(x,y),得到平滑层图像u(x,y)和噪声层图像n(x,y)。
u(x,y)=f(x,y)*G(x,y); (8)
n(x,y)=f(x,y)-u(x,y); (10)
其中,(x,y)为像素点坐标位置,σ为高斯核标准差。
3.对于细条纹噪声点,计算噪声层图像n(x,y)对应位置处该列的均值;对于宽条纹噪声点,计算噪声层图像n(x,y)中该宽条纹对应位置处所有列的均值。将该均值记为a(x,y),即得到图像竖条纹噪声估计值。利用预处理后的红外图像f(x,y)减去该竖条纹噪声估计值a(x,y),进而消除该竖条纹噪声。
g'(x,y)=f(x,y)-a(x,y); (11)
4.对于非条纹像素点,则保持不变。
经过上述几个步骤处理,即可得到输入的预处理后红外图像f(x,y)消除竖条纹噪声的最终结果g(x,y)。
值得注意的是,为方便说明专利设计,在本专利中具体实施例都是以竖条纹噪声为例进行说明的。横条纹噪声的消除方法与之类似,不同点主要在于构建的搜索窗方向上。
本技术方案提出的消除红外图像条纹噪声的流程。该流程包括条纹噪声检测模块、条纹噪声修正模块以及条纹噪声处理模块。依次通过这些模块的处理,能很好的区分图像中存在的条纹噪声与图像自身含有的与条纹噪声同方向的边缘以及纹理。从而在对条纹噪声处理的同时,能很好地保护图像边缘纹理等需保护的结构信息。该流程对横、竖条纹噪声均有着很好的降噪效果。并且提出了细条纹噪声和宽条纹噪声的区分方法以及两类条纹噪声的降噪方法。针对红外图像中可能同时存在的宽细条纹,依据像素宽度来定义。对细条纹噪声利用与条纹噪声方向垂直方向上相邻的非条纹点加权平均来消除,对宽条纹噪声利用与条纹噪声方向垂直方向上某一维搜索窗内除去该条纹噪声点的其余点中值来代替消除。通过分类处理宽、细条纹噪声点,能更好消除噪声的同时避免出现图像模糊等问题。
通过采用上述技术方案,不仅能准确区分图像中存在的条纹噪声和图像同方向的边缘纹理,而且通过区分条纹噪声类型,采用不同的消除条纹噪声的方式,能在更好消除条纹噪声的同时,保护图像的竖直或水平方向边缘纹理等结构信息,避免出现图像模糊等问题,具有一定的通用性。
图4是本申请实施例提供的红外图像条纹噪声的处理装置的结构示意图。如图4所示,所述红外图像条纹噪声的处理装置,包括:
二值化图像确定模块410,用于采用预设规则确定目标红外图像的二值化图像,其中二值化图像的像素点包括条纹噪声像素点和非条纹噪声像素点;
二值化图像修正模块420,用于对二值化图像中每个像素点预设范围内的像素点二值化值进行统计,根据统计结果对该像素点进行修正,得到修正后的二值化图像;
噪声处理模块430,用于根据修正后的二值化图像,对目标红外图像进行条纹噪声滤除处理。
本申请实施例所提供的技术方案,采用预设规则确定目标红外图像的二值化图像,其中二值化图像的像素点包括条纹噪声像素点和非条纹噪声像素点;对二值化图像中每个像素点预设范围内的像素点二值化值进行统计,根据统计结果对该像素点进行修正,得到修正后的二值化图像;根据修正后的二值化图像,对目标红外图像进行条纹噪声滤除处理。通过采用本申请所提供的技术方案,可以实现对任意红外图像的条纹噪声都能够准确的进行条纹噪声识别,并精准滤除红外图像的条纹噪声的效果。
上述产品可执行本申请任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
本申请实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种红外图像条纹噪声的处理方法,该方法包括:
采用预设规则确定目标红外图像的二值化图像,其中二值化图像的像素点包括条纹噪声像素点和非条纹噪声像素点;
对二值化图像中每个像素点预设范围内的像素点二值化值进行统计,根据统计结果对该像素点进行修正,得到修正后的二值化图像;
根据修正后的二值化图像,对目标红外图像进行条纹噪声滤除处理。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机系统存储器或随机存取存储器,诸如DRAM、DDR RAM、SRAM、EDO RAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的计算机系统中,或者可以位于不同的第二计算机系统中,第二计算机系统通过网络(诸如因特网)连接到计算机系统。第二计算机系统可以提供程序指令给计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的红外图像条纹噪声的处理操作,还可以执行本申请任意实施例所提供的红外图像条纹噪声的处理方法中的相关操作。
本申请实施例提供了一种电子设备,该电子设备中可集成本申请实施例提供的红外图像条纹噪声的处理装置。图5是本申请实施例提供的一种电子设备的结构示意图。如图5所示,本实施例提供了一种电子设备500,其包括:一个或多个处理器520;存储装置510,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器520执行,使得所述一个或多个处理器520实现本申请实施例所提供的红外图像条纹噪声的处理方法,该方法包括:
采用预设规则确定目标红外图像的二值化图像,其中二值化图像的像素点包括条纹噪声像素点和非条纹噪声像素点;
对二值化图像中每个像素点预设范围内的像素点二值化值进行统计,根据统计结果对该像素点进行修正,得到修正后的二值化图像;
根据修正后的二值化图像,对目标红外图像进行条纹噪声滤除处理。
当然,本领域技术人员可以理解,处理器520还实现本申请任意实施例所提供的红外图像条纹噪声的处理方法的技术方案。
图5显示的电子设备500仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示,该电子设备500包括处理器520、存储装置510、输入装置530和输出装置540;电子设备中处理器520的数量可以是一个或多个,图5中以一个处理器520为例;电子设备中的处理器520、存储装置510、输入装置530和输出装置540可以通过总线或其他方式连接,图5中以通过总线550连接为例。
存储装置510作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块单元,如本申请实施例中的红外图像条纹噪声的处理方法对应的程序指令。
存储装置510可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储装置510可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储装置510可进一步包括相对于处理器520远程设置的存储器,这些远程存储器可以通过网络连接。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置530可用于接收输入的数字、字符信息或语音信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置540可包括显示屏、扬声器等设备。
本申请实施例提供的电子设备,可以实现对任意红外图像的条纹噪声都能够准确的进行条纹噪声识别,并精准滤除红外图像的条纹噪声的效果。
上述实施例中提供的红外图像条纹噪声的处理装置、介质及电子设备可执行本申请任意实施例所提供的红外图像条纹噪声的处理方法,具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节,可参见本申请任意实施例所提供的红外图像条纹噪声的处理方法。
注意,上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解,本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由所附的权利要求范围决定。
Claims (10)
1.一种红外图像条纹噪声的处理方法,其特征在于,包括:
采用预设规则确定目标红外图像的二值化图像,其中二值化图像的像素点包括条纹噪声像素点和非条纹噪声像素点;
对二值化图像中每个像素点预设范围内的像素点二值化值进行统计,根据统计结果对该像素点进行修正,得到修正后的二值化图像;
根据修正后的二值化图像,对目标红外图像进行条纹噪声滤除处理;
其中,所述根据修正后的二值化图像,对目标红外图像进行条纹噪声滤除处理,包括:
根据修正后的二值化图像,确定任意的目标条纹噪声像素点为细条纹噪声点或者为宽条纹噪声点;其中,细条纹噪声点的条纹噪声宽度为一个像素点,宽条纹噪声点的条纹噪声宽度为至少两个像素点;
根据与细条纹噪声点和宽条纹噪声点对应的条纹噪声滤除策略,确定目标条纹噪声像素点的条纹噪声滤除策略;
根据所确定的条纹噪声滤除策略,对目标条纹噪声像素点进行条纹噪声滤除处理。
2.根据权利要求1所述的方法,其特征在于,采用预设规则确定目标红外图像的二值化图像,包括:
将目标红外图像与至少两个目标方向的卷积模板进行卷积运算,得到每个像素点的至少两个梯度值;
对每个像素点的至少两个梯度值进行取最大值处理,得到每个像素点的最终梯度值;
根据每个像素点的最终梯度值与预设梯度值范围的关系,确定目标红外图像的二值化图像。
3.根据权利要求2所述的方法,其特征在于,根据每个像素点的最终梯度值与预设梯度值范围的关系,确定目标红外图像的二值化图像,包括:
根据各像素点的最终梯度值,与预设第一梯度阈值和第二梯度阈值之间的大小关系,确定各像素点的二值化值;其中,若像素点的最终梯度值的大小在第一梯度阈值和第二梯度阈值之间,确定该像素点的二值化值为1,若像素点的最终梯度值的大小不在第一梯度阈值和第二梯度阈值之间,确定该像素点的二值化值为0,其中第一梯度阈值小于第二梯度阈值;
根据各像素点的二值化值,得到目标红外图像的二值化图像。
4.根据权利要求1所述的方法,其特征在于,对二值化图像中每个像素点预设范围内的像素点二值化值进行统计,根据统计结果对该像素点进行修正,得到修正后的二值化图像,包括:
以二值化图像中的任意目标像素点为中心,根据预设搜索窗的范围,确定统计范围;
计算统计范围内二值化值为1的数量;
若二值化值为1的数量符合预设标准,则确定目标像素点的修正结果为条纹噪声像素点,若二值化值为1的数量不符合预设标准,则确定目标像素点的修正结果为非条纹噪声像素点;
根据所有像素点的修正结果,确定修正后的二值化图像。
5.根据权利要求4所述的方法,其特征在于,所述搜索窗包括竖直搜索窗或水平搜索窗。
6.根据权利要求1所述的方法,其特征在于,所述条纹噪声滤除策略包括:
若为细条纹噪声点,则将目标红外图像中与条纹方向垂直方向上的的两个相邻像素点的像素值进行加权平均处理,作为细条纹噪声点的像素值变更值;
若为宽条纹噪声点,则将与条纹方向垂直方向上的的至少两个相邻像素点的像素值取中值,作为宽条纹噪声点的像素值变更值。
7.根据权利要求2所述的方法,其特征在于,在将目标红外图像与至少两个目标方向的卷积模板进行卷积运算之前,所述方法还包括:
确定目标红外图像的条纹噪声方向;
根据所述条纹噪声方向,确定卷积模板的目标方向。
8.一种红外图像条纹噪声的处理装置,其特征在于,包括:
二值化图像确定模块,用于采用预设规则确定目标红外图像的二值化图像,其中二值化图像的像素点包括条纹噪声像素点和非条纹噪声像素点;
二值化图像修正模块,用于对二值化图像中每个像素点预设范围内的像素点二值化值进行统计,根据统计结果对该像素点进行修正,得到修正后的二值化图像;
噪声处理模块,用于根据修正后的二值化图像,对目标红外图像进行条纹噪声滤除处理;
其中,所述噪声处理模块,具体用于:
根据修正后的二值化图像,确定任意的目标条纹噪声像素点为细条纹噪声点或者为宽条纹噪声点;其中,细条纹噪声点的条纹噪声宽度为一个像素点,宽条纹噪声点的条纹噪声宽度为至少两个像素点;
根据与细条纹噪声点和宽条纹噪声点对应的条纹噪声滤除策略,确定目标条纹噪声像素点的条纹噪声滤除策略;
根据所确定的条纹噪声滤除策略,对目标条纹噪声像素点进行条纹噪声滤除处理。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的红外图像条纹噪声的处理方法。
10.一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,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1-7中任一项所述的红外图像条纹噪声的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910843844.5A CN112465707B (zh) | 2019-09-06 | 2019-09-06 | 红外图像条纹噪声的处理方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910843844.5A CN112465707B (zh) | 2019-09-06 | 2019-09-06 | 红外图像条纹噪声的处理方法、装置、介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112465707A CN112465707A (zh) | 2021-03-09 |
CN112465707B true CN112465707B (zh) | 2024-03-26 |
Family
ID=74807204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910843844.5A Active CN112465707B (zh) | 2019-09-06 | 2019-09-06 | 红外图像条纹噪声的处理方法、装置、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112465707B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256526A (zh) * | 2021-05-25 | 2021-08-13 | 烟台艾睿光电科技有限公司 | 一种红外图像增强方法、装置、设备及存储介质 |
CN114881895B (zh) * | 2022-07-08 | 2022-09-30 | 托伦斯半导体设备启东有限公司 | 一种基于帧间差异的红外图像条纹噪声处理方法 |
CN115937051B (zh) * | 2023-03-06 | 2023-06-02 | 浙江华感科技有限公司 | 一种图像噪声处理方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0724069B2 (ja) * | 1985-10-23 | 1995-03-15 | 株式会社日立製作所 | 縦縞ノイズの除去装置 |
JP2001157113A (ja) * | 1999-11-25 | 2001-06-08 | Nec Network Sensa Kk | 画像補正装置および画像補正装置付き追尾システム |
CN105931203A (zh) * | 2016-04-26 | 2016-09-07 | 成都市晶林科技有限公司 | 基于统计相对条纹去除法的红外图像条纹滤波方法 |
CN107111882A (zh) * | 2016-03-22 | 2017-08-29 | 广东虚拟现实科技有限公司 | 条纹集合查找方法、装置以及系统 |
CN107767346A (zh) * | 2017-09-08 | 2018-03-06 | 湖北久之洋红外系统股份有限公司 | 一种红外图像条纹噪声滤波方法 |
-
2019
- 2019-09-06 CN CN201910843844.5A patent/CN112465707B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0724069B2 (ja) * | 1985-10-23 | 1995-03-15 | 株式会社日立製作所 | 縦縞ノイズの除去装置 |
JP2001157113A (ja) * | 1999-11-25 | 2001-06-08 | Nec Network Sensa Kk | 画像補正装置および画像補正装置付き追尾システム |
CN107111882A (zh) * | 2016-03-22 | 2017-08-29 | 广东虚拟现实科技有限公司 | 条纹集合查找方法、装置以及系统 |
CN105931203A (zh) * | 2016-04-26 | 2016-09-07 | 成都市晶林科技有限公司 | 基于统计相对条纹去除法的红外图像条纹滤波方法 |
CN107767346A (zh) * | 2017-09-08 | 2018-03-06 | 湖北久之洋红外系统股份有限公司 | 一种红外图像条纹噪声滤波方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112465707A (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11854173B2 (en) | System and method for finding lines in an image with a vision system | |
CN112465707B (zh) | 红外图像条纹噪声的处理方法、装置、介质及电子设备 | |
CN110189285B (zh) | 一种多帧图像融合方法及装置 | |
CN105740876B (zh) | 一种图像预处理方法及装置 | |
GB2527697B (en) | People counting device and people counting method | |
US8090214B2 (en) | Method for automatic detection and correction of halo artifacts in images | |
CN110766679A (zh) | 镜头脏污检测方法、装置及终端设备 | |
CN106599783B (zh) | 一种视频遮挡检测方法及装置 | |
CN111080661A (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
CN110874827B (zh) | 湍流图像复原方法、装置、终端设备及计算机可读介质 | |
CN112598922B (zh) | 车位检测方法、装置、设备及存储介质 | |
JP7449507B2 (ja) | カメラストリームのためのマスクを生成する方法、コンピュータープログラム製品およびコンピューター可読媒体 | |
CN108875504B (zh) | 基于神经网络的图像检测方法和图像检测装置 | |
CN106651801A (zh) | 一种光斑定位时去除噪声的方法及系统 | |
CN110708568B (zh) | 一种视频内容突变检测方法及装置 | |
CN106504205A (zh) | 一种图像去雾方法及终端 | |
Bansal et al. | Comparison of various edge detection techniques | |
CN112258542A (zh) | 红外图像目标检测方法、装置、电子设备及存储介质 | |
CN102005051A (zh) | 一种边缘检测方法以及相关装置 | |
CN111383196B (zh) | 红外图像条纹消除方法、红外探测器及存储装置 | |
CN109360167B (zh) | 一种红外图像校正方法、装置及存储介质 | |
CN109741278B (zh) | 一种图像去噪方法 | |
CN110889817A (zh) | 图像融合质量评价方法及装置 | |
CN117993406A (zh) | 一种二维条码自动识别读取方法及系统 | |
CN112528741B (zh) | 一种变电站压板的状态识别方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |