CN114897712A - 一种基于双波段的红外图像盲元补偿方法 - Google Patents
一种基于双波段的红外图像盲元补偿方法 Download PDFInfo
- Publication number
- CN114897712A CN114897712A CN202210362008.7A CN202210362008A CN114897712A CN 114897712 A CN114897712 A CN 114897712A CN 202210362008 A CN202210362008 A CN 202210362008A CN 114897712 A CN114897712 A CN 114897712A
- Authority
- CN
- China
- Prior art keywords
- pixel
- blind
- band
- infrared image
- edge
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 23
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000009977 dual effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 10
- 238000012545 processing Methods 0.000 abstract description 3
- 230000005855 radiation Effects 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G06T5/77—
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
Abstract
本发明涉及一种基于双波段的红外图像盲元补偿方法,属于双波段红外图像处理技术领域。该方法包括:对输入的双波段红外图像X i (i,j)、Y i (i,j)分别进行盲元检测;对双波段红外图像进行边缘提取,提取边缘图像Ex(i,j)、Ey(i,j);根据检测情况及提取情况,对双波段红外图像的像元情况进行分类,并根据分类情况对像元进行补偿后输出图像。本发明方法利用双波段背景辐射信息的差异,可以提高盲元检测的精度,提高盲元补偿的准确度,有效的改善图像中大盲元区域的补偿效果。
Description
技术领域
本发明属于双波段红外图像处理技术领域,具体涉及一种基于双波段的红外图像盲元补偿方法。
背景技术
红外焦平面阵列由于受到制造工艺等的影响,常常会出现盲元,盲元包括固定盲元和随机盲元,其表现形式通常是在图像上形成暗点或者亮点。盲元会影响探测器成像的质量,因此需要对焦平面阵列进行盲元检测和补偿。
双波段红外焦平面阵列包括中长波段、中短波段、长短波段等,相对于传统的单波段红外焦平面阵列具有较大的优势,在环境条件极其复杂多变的现代战场上,双波段红外焦平面阵列可以获取更多的目标信息,提高目标的检测和识别机率。但是双波段红外焦平面阵列依然存在盲元的困扰。。
此前,国内对盲元校正的研究通常是在单波段层面,基本没有基于双波段的盲元补偿算法相关的研究,基于单波段的盲元补偿算法由于缺失了真实的场景信息,对于盲元的补偿是通过利用邻域的场景信息来对盲元进行估计补偿,对大盲元簇(如7×7以上盲元簇)及位于边缘位置的盲元补偿效果不尽如人意。
因此如何克服现有技术的不足是目前双波段红外图像处理技术领域亟需解决的问题发明内容
本发明的目的是为了解决现有技术的不足,提供一种基于双波段的红外图像盲元补偿方法,利用双波段背景辐射信息的差异,可以对任一单个波段中的盲元进行更好的补偿,从而改善了现有双波段红外图像中的盲元现象。
为实现上述目的,本发明采用的技术方案如下:
一种基于双波段的红外图像盲元补偿方法,包括如下步骤:
步骤S1,对输入的双波段红外图像Xi(i,j)、Yi(i,j)分别进行盲元检测;
步骤S2,对双波段红外图像进行边缘提取,提取边缘图像Ex(i,j)、Ey(i,j);
步骤S3,根据步骤S1检测情况及步骤S2提取情况,对双波段红外图像的像元情况进行分类,并根据分类情况对像元进行补偿后输出图像。
进一步,优选的是,所述的双波段红外图像包括中长波段、中短波段、短长波段、中中波段图像。
进一步,优选的是,所述的基于双波段的红外图像盲元补偿方法,包括如下步骤:
步骤S1,对输入的双波段红外图像Xi(i,j)、Yi(i,j)分别进行盲元检测,设立阈值h,初始盲元表置1,若某一波段像元(i,j)连续h帧被判断为盲元,则对应波段盲元表bpx(i,j)或bpy(i,j)置0;
步骤S2,对双波段红外图像进行边缘提取,提取边缘图像Ex(i,j)、Ey(i,j),对边缘部分置0,非边缘部分置1;
步骤S3,根据步骤S1检测情况及步骤S2提取情况,对双波段红外图像的像元情况进行分类,并根据分类情况对像元进行补偿后输出图像。
0和1只是对盲元及边缘状态的一个标记,0代表是盲元和边缘,1代表不是盲元和边缘,便于补偿时进行相应的识别计算。
进一步,优选的是,步骤S2中,使用sobel算子进行边缘提取。
进一步,优选的是,步骤S3中,对双波段红外图像的像元情况进行分类,具体为:
(1)像元在一个波段为盲元,而在另一个波段非盲元,且此像元未位于边缘;
(2)像元在一个波段为盲元,而在另一个波段非盲元,且此像元位于边缘;
(3)像元在两个波段都为盲元,且此像元未位于边缘;
(4)像元在两个波段都为盲元,且此像元位于边缘。
进一步,优选的是,步骤S3中,根据分类情况,采取不同的策略对像元进行补偿,当像元在两个波段都为盲元时,采取单波段的补偿策略对盲元进行补偿,如(1),(2)所示;当像元仅在单波段为盲元,而另一波段不为盲元时,依据盲元在两个波段中的邻域相似性来作为补偿系数,取用两个波段的信息对盲元进行补偿,如(3),(4)所示;具体补偿过程如下:
(1)像元(i,j)在两个波段都为盲元,且此像元未位于边缘:
(2)像元(i,j)在两个波段都为盲元,且此像元位于边缘:
(3)像元(i,j)在一个波段为盲元,而在另一个波段非盲元,且此像元未位于边缘:
此时,Xo(i,j)为盲元补偿后盲元所在波段输出图像中(i,j)位置处的像素值;另一波段不需要补偿;
(4)像元(i,j)在一个波段为盲元,而在另一个波段非盲元,且此像元位于边缘:
此时,Xo(i,j)为盲元补偿后盲元所在波段输出图像中(i,j)位置处的像素值;另一波段不需要补偿;
其中,Xi(i,j)、Yi(i,j)为双波段输入图像中(i,j)位置处的像素值;Xo(i,j)、Yo(i,j)为盲元补偿后双波段输出图像中(i,j)位置处的像素值,m、n代表(i,j)像素周边m×n大小的邻域,Ex(i,j)、Ey(i,j)为边缘图像中(i,j)位置处像素值;m、n取值范围没有限制,只要小于红外图像大小即可。
盲元邻域相似性通过余弦相似度dist(Ximn,Yimn)来度量,dist(Ximn,Yimn)计算公式如下:
当相似度高时,可用于盲元补偿的另一波段信息占比大,当相似度低的时候,另一波段信息占比少。
本发明中使用的盲元补偿方法,发挥了双波段红外焦平面阵列的优势,可以同时利用两个波段的信息来对盲元进行补偿。当像元在一个波段为盲元,另一个波段非盲元时,可以同时使用盲元波段的邻域信息以及非盲元波段的真实场景信息来进行盲元补偿,有助于提升大盲元簇(如7×7以上盲元簇)及边缘位置处盲元的补偿效果,相较于单波段盲元补偿算法可以更好的恢复出盲元位置的真实情况。
本发明与现有技术相比,其有益效果为:
本发明中使用的盲元补偿方法,保留了单波段盲元补偿算法快速便捷的优势,又发挥了双波段红外焦平面阵列的优势,可以同时利用两个波段的信息来对盲元进行补偿。本发明首先对盲元在双波段中位置分布的情况进行了分类,针对性的使用了不同的补偿策略对其进行补偿。当像元在一个波段为盲元,另一个波段非盲元时,可以同时使用盲元波段的邻域信息以及非盲元波段的真实场景信息来进行盲元补偿,有助于提升大盲元簇(如7×7以上盲元簇)及边缘位置处盲元的补偿效果,相较于单波段盲元补偿算法可以更好的恢复出盲元位置的真实情况。
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,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地介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于双波段的红外图像盲元补偿方法的流程图;
图2为本发明基于双波段的红外图像盲元补偿方法的含盲元的中长波示例图;其中,(a)长波图像;(b)为中波图像;
图3为补偿效果图;其中,(a)为采用现有方法;(b)为采用本发明方法。
具体实施方式
下面结合实施例对本发明作进一步的详细描述。
本领域技术人员将会理解,下列实施例仅用于说明本发明,而不应视为限定本发明的范围。实施例中未注明具体技术或条件者,按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用材料或设备未注明生产厂商者,均为可以通过购买获得的常规产品。
实施例1
一种基于双波段的红外图像盲元补偿方法,包括如下步骤:
步骤S1,对输入的双波段红外图像Xi(i,j)、Yi(i,j)分别进行盲元检测;
步骤S2,对双波段红外图像进行边缘提取,提取边缘图像Ex(i,j)、Ey(i,j);
步骤S3,根据步骤S1检测情况及步骤S2提取情况,对双波段红外图像的像元情况进行分类,并根据分类情况对像元进行补偿后输出图像。
实施例2
一种基于双波段的红外图像盲元补偿方法,包括如下步骤:
步骤S1,对输入的双波段红外图像Xi(i,j)、Yi(i,j)分别进行盲元检测,设立阈值h,初始盲元表置1,若某一波段像元(i,j)连续h帧被判断为盲元,则对应波段盲元表bpx(i,j)或bpy(i,j)置0;
步骤S2,对双波段红外图像进行边缘提取,提取边缘图像Ex(i,j)、Ey(i,j),对边缘部分置0,非边缘部分置1;
步骤S3,根据步骤S1检测情况及步骤S2提取情况,对双波段红外图像的像元情况进行分类,并根据分类情况对像元进行补偿后输出图像。
所述的双波段红外图像包括中长波段、中短波段、短长波段、中中波段图像。
实施例3
一种基于双波段的红外图像盲元补偿方法,包括如下步骤:
步骤S1,对输入的双波段红外图像Xi(i,j)、Yi(i,j)分别进行盲元检测,设立阈值h,初始盲元表置1,若某一波段像元(i,j)连续h帧被判断为盲元,则对应波段盲元表bpx(i,j)或bpy(i,j)置0;
步骤S2,对双波段红外图像进行边缘提取,提取边缘图像Ex(i,j)、Ey(i,j),对边缘部分置0,非边缘部分置1;
步骤S3,根据步骤S1检测情况及步骤S2提取情况,对双波段红外图像的像元情况进行分类,并根据分类情况对像元进行补偿后输出图像。
所述的双波段红外图像包括中长波段、中短波段、短长波段、中中波段图像。
步骤S2中,使用sobel算子进行边缘提取。
步骤S3中,对双波段红外图像的像元情况进行分类,具体为:
(1)像元在一个波段为盲元,而在另一个波段非盲元,且此像元未位于边缘;
(2)像元在一个波段为盲元,而在另一个波段非盲元,且此像元位于边缘;
(3)像元在两个波段都为盲元,且此像元未位于边缘;
(4)像元在两个波段都为盲元,且此像元位于边缘。
实施例4
一种基于双波段的红外图像盲元补偿方法,包括如下步骤:
步骤S1,对输入的双波段红外图像Xi(i,j)、Yi(i,j)分别进行盲元检测,设立阈值h,初始盲元表置1,若某一波段像元(i,j)连续h帧被判断为盲元,则对应波段盲元表bpx(i,j)或bpy(i,j)置0:
步骤S2,对双波段红外图像进行边缘提取,提取边缘图像Ex(i,j)、Ey(i,j),对边缘部分置0,非边缘部分置1;
步骤S3,根据步骤S1检测情况及步骤S2提取情况,对双波段红外图像的像元情况进行分类,并根据分类情况对像元进行补偿后输出图像。
所述的双波段红外图像包括中长波段、中短波段、短长波段、中中波段图像。
步骤S2中,使用sobel算子进行边缘提取。
步骤S3中,对双波段红外图像的像元情况进行分类,具体为:
(1)像元在一个波段为盲元,而在另一个波段非盲元,且此像元未位于边缘;
(2)像元在一个波段为盲元,而在另一个波段非盲元,且此像元位于边缘;
(3)像元在两个波段都为盲元,且此像元未位于边缘;
(4)像元在两个波段都为盲元,且此像元位于边缘。
步骤S3中,根据分类情况,采取不同的策略对像元进行补偿,当像元在两个波段都为盲元时,采取单波段的补偿策略对盲元进行补偿,如(1),(2)所示;当像元仅在单波段为盲元,而另一波段不为盲元时,依据盲元在两个波段中的邻域相似性来作为补偿系数,取用两个波段的信息对盲元进行补偿,如(3),(4)所示;具体补偿过程如下:
(1)像元(i,j)在两个波段都为盲元,且此像元未位于边缘:
(2)像元(i,j)在两个波段都为盲元,且此像元位于边缘:
(3)像元(i,j)在一个波段为盲元,而在另一个波段非盲元,且此像元未位于边缘:
(4)像元(i,j)在一个波段为盲元,而在另一个波段非盲元,且此像元位于边缘:
其中,Xi(i,j)、Yi(i,j)为双波段输入图像中(i,j)位置处的像素值;Xo(i,j)、Yo(i,j)为盲元补偿后双波段输出图像中(i,j)位置处的像素值,m、n代表(i,j)像素周边m×n大小的邻域,Ex(i,j)、Ey(i,j)为边缘图像中(i,j)位置处像素值;
盲元邻域相似性通过余弦相似度dist(Ximn,Yimn)来度量,dist(Ximn,Yimn)计算公式如下:
应用实例
结合图1,以384×288像素中/长双波段红外图像为例,所述方法包括:
步骤S1,输入384×288像素中/长双波段红外图像,设阈值h为10,分别对其进行中波盲元检测和长波盲元检测,若某一波段像元(i,j)连续10帧被判断为盲元,则对应波段盲元表bpx(i,j)或bpy(i,j)置0;
步骤S2,使用sobel算子,分别对中波图像和长波图像进行边缘提取,并将提取的边缘图像中的边缘部分置0,非边缘部分置1;
步骤S3,根据步骤S1检测情况及步骤S2提取情况,对双波段红外图像的像元情况进行分类,并根据分类情况对像元进行补偿后输出图像。
其中m=3,n=3。
步骤S3中,对双波段红外图像的像元情况进行分类,具体为:
(1)像元在一个波段为盲元,而在另一个波段非盲元,且此像元未位于边缘;
(2)像元在一个波段为盲元,而在另一个波段非盲元,且此像元位于边缘;
(3)像元在两个波段都为盲元,且此像元未位于边缘;
(4)像元在两个波段都为盲元,且此像元位于边缘。
步骤S3中,根据分类情况,采取不同的策略对像元进行补偿,当像元在两个波段都为盲元时,采取单波段的补偿策略对盲元进行补偿,如(1),(2)所示;当像元仅在单波段为盲元,而另一波段不为盲元时,依据盲元在两个波段中的邻域相似性来作为补偿系数,取用两个波段的信息对盲元进行补偿,如(3),(4)所示;具体补偿过程如下:
(1)像元(i,j)在两个波段都为盲元,且此像元未位于边缘:
(2)像元(i,j)在两个波段都为盲元,且此像元位于边缘:
(3)像元(i,j)在一个波段为盲元,而在另一个波段非盲元,且此像元未位于边缘:
(4)像元(i,j)在一个波段为盲元,而在另一个波段非盲元,且此像元位于边缘:
其中,Xi(i,j)、Yi(i,j)为双波段输入图像中(i,j)位置处的像素值;Xo(i,j)、Yo(i,j)为盲元补偿后双波段输出图像中(i,j)位置处的像素值,m、n代表(i,j)像素周边m×n大小的邻域,Ex(i,j)、Ey(i,j)为边缘图像中(i,j)位置处像素值;
盲元邻域相似性通过余弦相似度dist(Ximn,Yimn)来度量,dist(Ximn,Yimn)计算公式如下:
实例图像如图2所示,其中,中波图像无盲元,长波图像中存在零散的小盲元及一个7×10的大盲元簇。
效果图如图3所示。本实例的补偿效果如图3(b)所示,相较于通常的单波段补偿算法结果如图3(a)所示,本发明对于零散小盲元的补偿效果和单波段效果相似,但对于7×10的大盲元簇的补偿效果明显优于单波段补偿算法。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种基于双波段的红外图像盲元补偿方法,其特征在于,包括如下步骤:
步骤S1,对输入的双波段红外图像Xi(i,j)、Yi(i,j)分别进行盲元检测;
步骤S2,对双波段红外图像进行边缘提取,提取边缘图像Ex(i,j)、Ey(i,j);
步骤S3,根据步骤S1检测情况及步骤S2提取情况,对双波段红外图像的像元情况进行分类,并根据分类情况对像元进行补偿后输出图像。
2.根据权利要求1所述的基于双波段的红外图像盲元补偿方法,其特征在于,所述的双波段红外图像包括中长波段、中短波段、短长波段、中中波段图像。
3.根据权利要求1所述的基于双波段的红外图像盲元补偿方法,其特征在于,包括如下步骤:
步骤S1,对输入的双波段红外图像Xi(i,j)、Yi(i,j)分别进行盲元检测,设立阈值h,初始盲元表置1,若某一波段像元(i,j)连续h帧被判断为盲元,则对应波段盲元表bpx(i,j)或bpy(i,j)置0;
步骤S2,对双波段红外图像进行边缘提取,提取边缘图像Ex(i,j)、Ey(i,j),对边缘部分置0,非边缘部分置1;
步骤S3,根据步骤S1检测情况及步骤S2提取情况,对双波段红外图像的像元情况进行分类,并根据分类情况对像元进行补偿后输出图像。
4.根据权利要求1所述的基于双波段的红外图像盲元补偿方法,其特征在于,步骤S2中,使用sobel算子进行边缘提取。
5.根据权利要求1所述的基于双波段的红外图像盲元补偿方法,其特征在于,步骤S3中,对双波段红外图像的像元情况进行分类,具体为:
(1)像元在一个波段为盲元,而在另一个波段非盲元,且此像元未位于边缘;
(2)像元在一个波段为盲元,而在另一个波段非盲元,且此像元位于边缘;
(3)像元在两个波段都为盲元,且此像元未位于边缘;
(4)像元在两个波段都为盲元,且此像元位于边缘。
6.根据权利要求1或5所述的基于双波段的红外图像盲元补偿方法,其特征在于,步骤S3中,根据分类情况,采取不同的策略对像元进行补偿,当像元在两个波段都为盲元时,采取单波段的补偿策略对盲元进行补偿,如(1),(2)所示;当像元仅在单波段为盲元,而另一波段不为盲元时,依据盲元在两个波段中的邻域相似性来作为补偿系数,取用两个波段的信息对盲元进行补偿,如(3),(4)所示;具体补偿过程如下:
(1)像元(i,j)在两个波段都为盲元,且此像元未位于边缘:
(2)像元(i,j)在两个波段都为盲元,且此像元位于边缘:
(3)像元(i,j)在一个波段为盲元,而在另一个波段非盲元,且此像元未位于边缘:
(4)像元(i,j)在一个波段为盲元,而在另一个波段非盲元,且此像元位于边缘:
其中,Xi(i,j)、Yi(i,j)为双波段输入图像中(i,j)位置处的像素值;Xo(i,j)、Yo(i,j)为盲元补偿后双波段输出图像中(i,j)位置处的像素值,m、n代表(i,j)像素周边m×n大小的邻域,Ex(i,j)、Ey(i,j)为边缘图像中(i,j)位置处像素值;
盲元邻域相似性通过余弦相似度dist(Ximn,Yimn)来度量,dist(Ximn,Yimn)计算公式如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210362008.7A CN114897712A (zh) | 2022-04-07 | 2022-04-07 | 一种基于双波段的红外图像盲元补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210362008.7A CN114897712A (zh) | 2022-04-07 | 2022-04-07 | 一种基于双波段的红外图像盲元补偿方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114897712A true CN114897712A (zh) | 2022-08-12 |
Family
ID=82716068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210362008.7A Pending CN114897712A (zh) | 2022-04-07 | 2022-04-07 | 一种基于双波段的红外图像盲元补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114897712A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117197682A (zh) * | 2023-09-01 | 2023-12-08 | 山东产研卫星信息技术产业研究院有限公司 | 一种长波红外遥感影像进行盲元检测与去除的方法 |
-
2022
- 2022-04-07 CN CN202210362008.7A patent/CN114897712A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117197682A (zh) * | 2023-09-01 | 2023-12-08 | 山东产研卫星信息技术产业研究院有限公司 | 一种长波红外遥感影像进行盲元检测与去除的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103020913B (zh) | 基于分段校正的遥感影像条带噪声去除方法 | |
CN104156921A (zh) | 一种低照度或亮度不均图像的自适应图像增强方法 | |
US8538189B2 (en) | Image noise filter and method | |
CN107610144B (zh) | 一种改进的基于最大类间方差法的红外图像分割方法 | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN111968065B (zh) | 一种亮度不均匀图像的自适应增强方法 | |
CN111489330B (zh) | 基于多源信息融合的弱小目标检测方法 | |
CN110686783B (zh) | 一种InGaAs短波红外成像仪的盲元检测方法及图像处理方法 | |
Lee et al. | Color image enhancement using histogram equalization method without changing hue and saturation | |
CN114897712A (zh) | 一种基于双波段的红外图像盲元补偿方法 | |
CN112200746A (zh) | 一种雾天交通场景图像的去雾方法和设备 | |
CN108681993A (zh) | 基于归一化的国产高分辨率遥感影像条带噪声去除方法 | |
CN111275652A (zh) | 一种去除城市遥感图像中雾霾的方法 | |
CN111476784A (zh) | 一种基于图像增强识别技术的产品表面缺陷在线检测方法 | |
US20080310685A1 (en) | Methods and Systems for Refining Text Segmentation Results | |
CN105405112B (zh) | 多光谱卫星影像距离偏差指数去雾方法 | |
CN109389063B (zh) | 基于波段相关性的遥感影像条带噪声去除方法 | |
CN107833223B (zh) | 一种基于光谱信息的水果高光谱图像分割方法 | |
CN113947535B (zh) | 一种基于光照分量优化的低照度图像增强方法 | |
CN113129300A (zh) | 一种降低误检率的排水管道缺陷检测方法、装置、设备及介质 | |
CN110223253B (zh) | 一种基于图像增强的去雾方法 | |
CN111611940A (zh) | 一种基于大数据处理的快速视频人脸识别方法 | |
Yu et al. | Color constancy-based visibility enhancement in low-light conditions | |
CN114581315B (zh) | 一种低能见度进近飞行多模态监视图像增强方法 | |
CN112183633B (zh) | 基于改进的ft算法的高光谱图像显著目标检测方法 |
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 |