CN113487520A - 基于转炉温度测量的高动态范围图像生成方法及系统 - Google Patents

基于转炉温度测量的高动态范围图像生成方法及系统 Download PDF

Info

Publication number
CN113487520A
CN113487520A CN202111045587.4A CN202111045587A CN113487520A CN 113487520 A CN113487520 A CN 113487520A CN 202111045587 A CN202111045587 A CN 202111045587A CN 113487520 A CN113487520 A CN 113487520A
Authority
CN
China
Prior art keywords
image
dynamic range
high dynamic
standard
images
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
Application number
CN202111045587.4A
Other languages
English (en)
Other versions
CN113487520B (zh
Inventor
吴洋
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.)
Nantong Hongyao Boiler Auxiliary Equipment Co ltd
Original Assignee
Nantong Hongyao Boiler Auxiliary Equipment Co ltd
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 Nantong Hongyao Boiler Auxiliary Equipment Co ltd filed Critical Nantong Hongyao Boiler Auxiliary Equipment Co ltd
Priority to CN202111045587.4A priority Critical patent/CN113487520B/zh
Publication of CN113487520A publication Critical patent/CN113487520A/zh
Application granted granted Critical
Publication of CN113487520B publication Critical patent/CN113487520B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • 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
    • 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
    • G06T2207/10004—Still image; Photographic 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20172—Image enhancement details
    • G06T2207/20208—High dynamic range [HDR] image processing
    • 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

本发明涉及人工智能领域，具体涉及一种基于转炉温度测量的高动态范围图像生成方法及系统。该方法包括：通过训练好的标准查找表将常规碳花图像转换为清晰的碳花高动态范围图像。训练标准查找表的方法为采用具有RCCC阵列的相机进行不同透传程度的拍摄获取多种曝光图像组合，将曝光图像组合合成为多张高动态范围图像并筛选该高动态范围图像中纹理特征最丰富的作为标准图像，根据标准图像的透传系数调整相机获取标准的高动态范围图像，通过对比去噪后的标准的高动态范围图像和常规图像训练标准查找表。本发明实现了通过查找表快速将常规图像转换为高动态范围图像的功能，大大提高高动态范围图像的获取速度同时使相机更加节能。

Description

基于转炉温度测量的高动态范围图像生成方法及系统
技术领域
本发明涉及人工智能领域，具体涉及一种基于转炉温度测量的高动态范围图像生成方法及系统。
背景技术
转炉炼钢末期的重要操作是转炉冶炼的终点控制，即对碳含量和温度的控制。
随着钢种类的不同，对碳在成品中的含量也有不同的要求，因此如何判断碳含量在帮助识别转炉冶炼末期时至关重要。现有技术中通过RGB相机拍摄包含碳花密度和蹦跳高度等特征的图像判断钢水中的碳含量，由于常规图像的亮度和颜色值是默认被限制在0.0到1.0之间，而冶炼环境中，火花所在的区域存在多个亮光源会使这些数值总和超过1.0，这就会使得超过1.0的亮度或者颜色值被束缚在1.0处，从而损失了很多的细节，导致场景混成一片，难以分辨各个碳花以及对应的蹦跳轨迹。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种基于转炉温度测量的高动态范围图像生成方法及系统，所采用的技术方案具体如下：
第一方面，本发明一个实施例提供了一种基于转炉温度测量的高动态范围图像生成方法，所述方法包括：
采集第一目标的常规图像；
通过已训练的标准查找表将所述第一目标的常规图像转换为高动态范围图像；
所述标准查找表的训练包括：
采用具有RCCC配置的色彩滤波阵列的相机对所述第一目标进行采集获取曝光图像组合；所述曝光图像组合为调整所述色彩滤波阵列中空白透传结构的透传率获取的不同透传程度的曝光图像组合；
获取每种所述曝光图像组合的高动态范围图像；
根据每个所述高动态范围图像的纹理特征的丰富程度筛选标准图像；
以所述标准图像所对应的所述空白透传结构的透传系数调整所述相机的所述色彩滤波阵列；
以调整后的相机和常规工业相机针对同一目标同时拍摄得到多张标准的高动态范围图像和常规图像；
结合多张所述标准的高动态范围图像和常规图像获取所述标准查找表。
进一步，所述通过已训练的标准查找表将所述第一目标的常规图像转换为高动态范围图像的步骤包括：
获取所述第一目标的常规图像的像素值；
通过所述标准查找表查找与所述像素值对应的目标像素值，以所述目标像素值替换所述常规图像的所述像素值获取所述高动态范围图像。
进一步，所述采用具有RCCC配置的色彩滤波阵列的相机对所述第一目标进行采集获取曝光图像组合的获取步骤包括：
设置所述RCCC配置的每个所述空白透传结构以百分之十的动态透传间隔进行循环透传，获取多种不同透传程度的空白透传结构组合；
结合红光滤波器和所述空白透传结构组合获取所述曝光图像组合。
进一步，所述获取每种所述曝光图像组合的高动态范围图像的获取步骤包括：
将所述曝光图像组合通过浮点纹理运算渲染到一张浮点纹理图像上；
利用色调映射，将所述浮点纹理图像的浮点纹理映射到低动态范围图像的缓存区上；
渲染所述浮点纹理图像的泛光效果，所述泛光效果为强光边缘的一圈光晕；
将所述色调映射和泛光后的所述浮点纹理图像的结果进行叠加获取所述高动态范围图像。
进一步，所述根据每个所述高动态范围图像的纹理特征的丰富程度筛选标准图像的获取步骤包括：
获取每个所述高动态范围图像的纹理特征；
通过灰度共生矩阵中对比度特征值筛选所述纹理特征；
将所述纹理特征最丰富的所述高动态范围图像作为所述标准图像。
进一步，所述结合多张所述标准的高动态范围图像和常规图像获取所述标准查找表的步骤包括：
采用三维查找表对所述标准的高动态范围图像进行去噪，获取包含去噪后的图像纹理的查找表；
通过对比所述查找表中的纹理和常规图像纹理的亮度、色调和饱和度进行颜色校正获取所述标准查找表。
第二方面，本发明实施例还提供了一种基于转炉温度测量的高动态范围图像生成系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一种基于转炉温度测量的高动态范围图像生成方法的步骤。
本发明实施例具有如下有益效果：
1.本发明实施例通过具有RCCC阵列的相机和循环透传的方式获取不同程度的曝光图像组合，通过将所有曝光图像组合合成为多个高动态范围图像并筛选多个高动态范围图像的纹理特征获取标准图像，对比标准图像和常规图像获取标准查找表，用于将常规图像直接转换成高动态范围图像，获取高清晰的碳花图像。
2.本发明实施例只通过一次拍照即可获得高动态范围图像，而常规工业相机需要三次拍照才能得到高动态范围图像，大大提高了高动态范围图像的获取速度，同时减少了拍照次数使相机更加节能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种基于转炉温度测量的高动态范围图像生成方法流程图；
图2为本发明一个实施例所提供的一种基于人工智能的高动态范围图像的标准查找表训练流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种XX方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明实施例所适用的具体场景为转炉冶炼过程中拍摄出清晰的高动态范围碳花图像。其中，主要通过标准查找表查找常规图像的像素值所对应的目标像素值，并用该目标像素值替换常规图像的像素值获取高动态范围图像。本发明实施例中的查找表为LUT曲线。训练标准查找表包括：使用具有RCCC配置的色彩滤波阵列的相机对转炉冶炼过程进行拍照并合成高动态范围图像，通过筛选出纹理特征最多的高动态范围图像并获取对应的透传系统，调整使用该透传系数下的相机拍摄得到标准的高动态范围图像并去噪后获取包含去噪后的图像纹理的查找表，再通过对查找表中的纹理和常规图像纹理的亮度、色调和饱和度进行颜色校正获取标准查找表。
下面结合附图具体的说明本发明所提供的一种基于转炉温度测量的高动态范围图像生成方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种基于转炉温度测量的高动态范围图像生成方法流程图，该方法包括：
步骤S1：采集第一目标的常规图像。
通过常规工业相机拍摄第一目标的常规图像，本实施例中第一目标为转炉冶炼过程中的碳花。
步骤S2：通过已训练的标准查找表将所述第一目标的常规图像转换为高动态范围图像。
通过标准查找表所提供的一一对应的像素值查找表，查找常规图像的像素值所对应的目标像素值，并用该目标像素值替换常规图像的像素值获取高动态范围图像。
请参阅图2，其示出了本发明一个实施例提供的一种基于人工智能的高动态范围图像的标准查找表训练流程图，该方法包括：
步骤S101：采用具有RCCC配置的色彩滤波阵列的相机对第一目标进行采集获取曝光图像组合；曝光图像组合为调整色彩滤波阵列中空白透传结构的透传率获取的不同透传程度的曝光图像组合。
采用具有RCCC配置的色彩滤波阵列的相机，将相机内每个RCCC阵列中红光滤波器的透传度设为百分百，每个空白透传结构以百分之十的动态透传间隔进行循环透传，三个空白透传结构在不同透传程度的循环透传过程中会得到
Figure 482251DEST_PATH_IMAGE001
种不同组合，将红光滤波器与三个不同透传程度的空白透传结构结合获取三张不同程度的曝光图像，将得到的三张曝光图像作为一个曝光图像组合。
步骤S102：获取每种曝光图像组合的高动态范围图像。
对于任意一种曝光图像组合，获取高动态范围图像的获取方法为：
1）将曝光图像组合通过浮点纹理运算渲染到一张浮点纹理图像上，该过程的优势在于浮点帧缓冲可以存储超过0.0到1.0范围的浮点值，非常适合高动态范围图像的渲染。
2）利用Photographic算法进行色调映射，将浮点纹理图像上的浮点纹理映射到低动态范围图像的缓存区上。
色调映射的具体步骤包括：调整浮点纹理图像的亮度，确定一个平均亮度。设置缩放因子，该缩放因子的大小决定了映射后浮点纹理图像的整体明暗程度。
本发明实施例中缩放因子取值为
Figure 416709DEST_PATH_IMAGE002
，在其他实施例中，可根据需求调节取值。压缩浮点纹理图像的高亮部分并对其局部细节加亮与加深。
3）渲染浮点纹理图像的泛光效果，可以使得到的高动态范围图像更具有真实性。
4）将色调映射和泛光后的浮点纹理图像进行叠加获得具有明暗对比细节的高动态范围图像。
将所有曝光图像组合均通过获取高动态范围图像的获取方法，获取多张高动态范围图像。
步骤S103：根据每个高动态范围图像的纹理特征的丰富程度筛选标准图像。
将得到的高动态范围图像转换为灰度图像并压缩该灰度图像的灰度级，本发明实施例中将灰度级压缩为8级，在其他实施例中，可根据需求调整灰度级的压缩等级。
对每一个特征都以
Figure 613335DEST_PATH_IMAGE003
的滑动窗口和
Figure 633243DEST_PATH_IMAGE004
的步距进行滑动计算特征值，并选取由
Figure 573518DEST_PATH_IMAGE005
四个方向获得的四个特征值共生矩阵的平均值作为最终的特征值共生矩阵。该特征值共生矩阵为反映了图像纹理特征的矩阵。
通过灰度共生矩阵的对比度特征值对纹理特征进行筛选分析获取每个高动态范围图像对应的特征值共生矩阵的对比度：
Figure 362482DEST_PATH_IMAGE006
其中，
Figure 494124DEST_PATH_IMAGE007
为对比度，
Figure 1329DEST_PATH_IMAGE008
为特征值共生矩阵的行，
Figure 479714DEST_PATH_IMAGE009
为特征值共生矩阵的列，
Figure 123185DEST_PATH_IMAGE010
为特征值共生矩阵中第
Figure 723931DEST_PATH_IMAGE008
行第
Figure 656115DEST_PATH_IMAGE009
列的元素。
该对比度反映了图像的清晰度和纹理沟纹的深浅。
将对比度最大的特征值共生矩阵所对应的高动态范围图像作为标准图像。
步骤S104：以标准图像所对应的空白透传结构的透传系数调整相机的所述色彩滤波阵列。
获取标准图像所对应的三个空白透传结构的透传系数，将该系数应用于相机内每个色彩滤波阵列。
步骤S105：以调整后的相机和常规工业相机针对同一目标同时拍摄得到多张标准的高动态范围图像和常规图像。
使用调整后的相机和常规工业相机针对转炉冶炼过程中的碳花同时进行拍摄，得到整个过程的多张标准的高动态范围图像和常规图像。
步骤S106：结合多张所述标准的高动态范围图像和常规图像获取所述标准查找表。
对获得的整个转炉冶炼过程中的标准的高动态范围图像进行去噪获取包含去噪后的图像纹理的查找表，通过对比该查找表中的纹理和常规图像纹理的亮度、色调和饱和度进行颜色校正获取标准查找表。
获取包含去噪后的图像纹理的查找表的具体过程为：将16帧标准的高动态范围图像叠加放到
Figure 509DEST_PATH_IMAGE011
的三维查找表中，将每一维度平面上同一位置的像素点放在一起构成数组集合，对所有数组集合进行离散余弦变换，通过数组集合内相邻像素的比较获取每组数组集合的高频部分与低频部分，该高频部分即噪声部分。
通过硬阈值函数对噪声所处的高频部分系数进行筛选，其中阈值根据无偏风险估计阈值算法进行自适应选取，筛选后，若高频部分的系数低于阈值，则将其系数置为0，其余不做改变。
对筛选后剩余的部分进行离散余弦反变换得到去噪后的数组集合。
将去噪后的三维图像还原为二维图像获取包含去噪后的图像纹理的查找表。
综上所述，本发明实施例通过训练好的标准查找表将常规碳花图像转换为清晰的碳花高动态范围图像。训练标准查找表的方法为采用具有RCCC阵列的相机进行不同透传程度的拍摄获取多种曝光图像组合，将曝光图像组合合成为多张高动态范围图像并筛选该高动态范围图像中纹理特征最丰富的作为标准图像，根据标准图像的透传系数调整相机获取标准的高动态范围图像，通过对比去噪后的标准的高动态范围图像和常规图像训练标准查找表。
本发明实施例还提供了一种基于转炉温度测量的高动态范围图像生成系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，处理器执行计算机程序时实现上述一种基于转炉温度测量的高动态范围图像生成方法的步骤。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于转炉温度测量的高动态范围图像生成方法，其特征在于，所述方法包括：
采集第一目标的常规图像；
通过已训练的标准查找表将所述第一目标的常规图像转换为高动态范围图像；
所述标准查找表的训练包括：
采用具有RCCC配置的色彩滤波阵列的相机对所述第一目标进行采集获取曝光图像组合；所述曝光图像组合为调整所述色彩滤波阵列中空白透传结构的透传率获取的不同透传程度的曝光图像组合；
获取每种曝光图像组合的高动态范围图像；
根据每个所述高动态范围图像的纹理特征的丰富程度筛选标准图像；
以所述标准图像所对应的所述空白透传结构的透传系数调整所述相机的所述色彩滤波阵列；
以调整后的相机和常规工业相机针对同一目标同时拍摄得到多张标准的高动态范围图像和常规图像；
结合多张标准的高动态范围图像和常规图像获取所述标准查找表。
2.根据权利要求1所述的一种基于转炉温度测量的高动态范围图像生成方法，其特征在于，所述通过已训练的标准查找表将所述第一目标的常规图像转换为高动态范围图像的步骤包括：
获取所述第一目标的常规图像的像素值；
通过所述标准查找表查找与所述像素值对应的目标像素值，以所述目标像素值替换所述常规图像的所述像素值获取所述高动态范围图像。
3.根据权利要求1所述的一种基于转炉温度测量的高动态范围图像生成方法，其特征在于，所述采用具有RCCC配置的色彩滤波阵列的相机对所述第一目标进行采集获取曝光图像组合的获取步骤包括：
设置所述RCCC配置的每个所述空白透传结构以百分之十的动态透传间隔进行循环透传，获取多种不同透传程度的空白透传结构组合；
结合红光滤波器和所述空白透传结构组合获取所述曝光图像组合。
4.根据权利要求1所述的一种基于转炉温度测量的高动态范围图像生成方法，其特征在于，所述获取每种所述曝光图像组合的高动态范围图像的获取步骤包括：
将所述曝光图像组合通过浮点纹理运算渲染到一张浮点纹理图像上；
利用色调映射，将所述浮点纹理图像的浮点纹理映射到低动态范围图像的缓存区上；
渲染所述浮点纹理图像的泛光效果，所述泛光效果为强光边缘的一圈光晕；
将所述色调映射和泛光后的所述浮点纹理图像的结果进行叠加获取所述高动态范围图像。
5.根据权利要求1所述的一种基于转炉温度测量的高动态范围图像生成方法，其特征在于，所述根据每个所述高动态范围图像的纹理特征的丰富程度筛选标准图像的获取步骤包括：
获取每个所述高动态范围图像的纹理特征；
通过灰度共生矩阵中对比度特征值筛选所述纹理特征；
将所述纹理特征最丰富的所述高动态范围图像作为所述标准图像。
6.根据权利要求1所述的一种基于转炉温度测量的高动态范围图像生成方法，其特征在于，所述结合多张所述标准的高动态范围图像和常规图像获取所述标准查找表的步骤包括：
采用三维查找表对所述标准的高动态范围图像进行去噪，获取包含去噪后的图像纹理的查找表；
通过对比所述查找表中的纹理和常规图像纹理的亮度、色调和饱和度进行颜色校正获取所述标准查找表。
7.一种基于转炉温度测量的高动态范围图像生成系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，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1~6任意一项所述方法的步骤。
CN202111045587.4A 2021-09-07 2021-09-07 基于转炉温度测量的高动态范围图像生成方法及系统 Active CN113487520B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111045587.4A CN113487520B (zh) 2021-09-07 2021-09-07 基于转炉温度测量的高动态范围图像生成方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111045587.4A CN113487520B (zh) 2021-09-07 2021-09-07 基于转炉温度测量的高动态范围图像生成方法及系统

Publications (2)

Publication Number Publication Date
CN113487520A true CN113487520A (zh) 2021-10-08
CN113487520B CN113487520B (zh) 2021-11-05

Family

ID=77947267

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111045587.4A Active CN113487520B (zh) 2021-09-07 2021-09-07 基于转炉温度测量的高动态范围图像生成方法及系统

Country Status (1)

Country Link
CN (1) CN113487520B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1262567A2 (en) * 2001-05-29 2002-12-04 Daido Tokushuko Kabushiki Kaisha Molten steel producing method
CN102876838A (zh) * 2012-10-30 2013-01-16 湖南镭目科技有限公司 一种转炉内碳含量和温度检测系统
CN105925750A (zh) * 2016-05-13 2016-09-07 南阳理工学院 一种基于神经网络的炼钢终点预测方法
CN106973240A (zh) * 2017-03-23 2017-07-21 宁波诺丁汉大学 实现高动态范围图像高清显示的数字照相机成像方法
CN109101878A (zh) * 2018-07-01 2018-12-28 浙江工业大学 一种用于秸秆燃值估计的图像分析系统及图像分析方法
CN111126206A (zh) * 2019-12-12 2020-05-08 创新奇智(成都)科技有限公司 基于深度学习的冶炼状态检测系统及检测方法
CN112907584A (zh) * 2021-01-08 2021-06-04 昆明理工大学 改进mtbcd火焰图像特征提取的转炉炼钢终点碳含量预测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1262567A2 (en) * 2001-05-29 2002-12-04 Daido Tokushuko Kabushiki Kaisha Molten steel producing method
CN102876838A (zh) * 2012-10-30 2013-01-16 湖南镭目科技有限公司 一种转炉内碳含量和温度检测系统
CN105925750A (zh) * 2016-05-13 2016-09-07 南阳理工学院 一种基于神经网络的炼钢终点预测方法
CN106973240A (zh) * 2017-03-23 2017-07-21 宁波诺丁汉大学 实现高动态范围图像高清显示的数字照相机成像方法
CN109101878A (zh) * 2018-07-01 2018-12-28 浙江工业大学 一种用于秸秆燃值估计的图像分析系统及图像分析方法
CN111126206A (zh) * 2019-12-12 2020-05-08 创新奇智(成都)科技有限公司 基于深度学习的冶炼状态检测系统及检测方法
CN112907584A (zh) * 2021-01-08 2021-06-04 昆明理工大学 改进mtbcd火焰图像特征提取的转炉炼钢终点碳含量预测方法

Also Published As

Publication number Publication date
CN113487520B (zh) 2021-11-05

Similar Documents

Publication Publication Date Title
CN110378845B (zh) 一种基于卷积神经网络的极端条件下的图像修复方法
CN111899205B (zh) 一种场景自适应宽动态红外热成像的图像增强方法
US8902328B2 (en) Method of selecting a subset from an image set for generating high dynamic range image
CN103778900B (zh) 一种图像处理方法及系统
CN108022223B (zh) 一种基于对数映射函数分块处理融合的色调映射方法
CN112116536A (zh) 一种低光照图像增强方法及系统
JP6600216B2 (ja) 画像処理装置及び画像処理方法、プログラム、記憶媒体
Yu et al. Adaptive inverse hyperbolic tangent algorithm for dynamic contrast adjustment in displaying scenes
CN113706393A (zh) 视频增强方法、装置、设备及存储介质
CN112614063B (zh) 用于楼宇内低照度环境的图像增强和噪声自适应去除方法
US11640654B2 (en) Image processing method and apparatus
CN113487520B (zh) 基于转炉温度测量的高动态范围图像生成方法及系统
CN110246086A (zh) 彩色图像增强的图像处理方法及其图像处理系统
CN110807748A (zh) 一种基于高动态范围的新色调映射图像增强方法
CN112822343B (zh) 一种面向夜间视频的清晰化方法及存储介质
JP2007234034A (ja) 画像処理装置及び画像処理方法
JP2006186983A (ja) カラー画像の露出補正方法
Liu et al. An adaptive tone mapping algorithm based on gaussian filter
JP5050141B2 (ja) カラー画像の露出評価方法
CN112348760A (zh) 图像处理方法及系统
Bataineh Brightness and Contrast Enhancement Method for Color Images via Pairing Adaptive Gamma Correction and Histogram Equalization
CN110599426A (zh) 一种优化clahe的水下图像增强方法
CN114266704B (zh) 自适应光斑消除方法
Lee et al. Color image enhancement using multiscale retinex and image fusion techniques
Lakshmi et al. Analysis of tone mapping operators on high dynamic range images

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