CN116228604B - 一种适用于极地区域的卫星遥感光学影像匀色方法 - Google Patents
一种适用于极地区域的卫星遥感光学影像匀色方法 Download PDFInfo
- Publication number
- CN116228604B CN116228604B CN202310512502.1A CN202310512502A CN116228604B CN 116228604 B CN116228604 B CN 116228604B CN 202310512502 A CN202310512502 A CN 202310512502A CN 116228604 B CN116228604 B CN 116228604B
- Authority
- CN
- China
- Prior art keywords
- image
- polar
- images
- remote sensing
- polar region
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000003287 optical effect Effects 0.000 title claims abstract description 15
- 238000012937 correction Methods 0.000 claims abstract description 50
- 238000006243 chemical reaction Methods 0.000 claims abstract description 19
- 238000013507 mapping Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 230000001186 cumulative effect Effects 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 4
- 238000002310 reflectometry Methods 0.000 claims description 4
- 238000000265 homogenisation Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 17
- 230000000007 visual effect Effects 0.000 abstract description 5
- 238000012545 processing Methods 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003705 background correction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011835 investigation 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
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000013535 sea water Substances 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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T2207/10024—Color 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种适用于极地区域的卫星遥感光学影像匀色方法,包括:获取极地区域卫星遥感数据,经预处理得到红、绿、蓝通道合成的多景极地真彩色影像;针对当前单景极地真彩色影像的每个通道在设定灰度阈值范围内引入参考掩膜计算高频图像,并添加光源后输出亮度校正影像;引入参考影像,对参考影像和亮度校正影像进行直方图均衡化转化,以二者转化结果绝对差值最小为映射规则,计算出所有单景亮度校正影像的灰度级映射值,完成多景极地真彩色影像的灰度匀色。本发明用于解决极地区域地区光学卫星影像在镶嵌匀色过程中的对比度过大而造成的视觉效果失真现象,极大改善了这种对比度过大现象,也对影像间的颜色一致性配准具有较好的效果。
Description
技术领域
本发明属于遥感图像处理技术领域,涉及一种适用于极地区域的卫星遥感光学影像匀色方法。
背景技术
在基于卫星遥感影像的监测、调查与制图等工作中,遥感影像的镶嵌与匀色为处理过程中的主要内容之一,其中开展不同影像间的匀色工作,从而保持镶嵌影像之间的色彩一致性为工作中的难点。
直方图匹配法是一种常用的方法,它的思路是将影像的直方图按规定的形状进行调整,使其与目标影像具有近似的形状而达到色调一致的目标,该法对于影像地物类别丰富,灰度值范围分布较为均匀的影像能达到较好的效果,但针对极地地区,地物类型较单一,且亮度差异明显,采用常规的匹配方法容易造成影像对比度过大从而造成视觉效果失真的现象。
因此,如何提供一种适用于极地区域且能够改善匀色效果的卫星遥感光学影像匀色方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提出了一种适用于极地区域的卫星遥感光学影像匀色方法,用于解决极地区域地区光学卫星影像在镶嵌匀色过程中的对比度过大而造成的视觉效果失真现象,基于直方图匹配原理,提出了一种基于阈值的分段配准方法,从而改善匀色效果。
为了实现上述目的,本发明采用如下技术方案:
本发明公开了一种适用于极地区域的卫星遥感光学影像匀色方法,包括如下步骤:
S1:获取极地区域卫星遥感数据,经预处理得到红、绿、蓝通道合成的多幅用于拼接的单景极地真彩色影像,即多景极地真彩色影像;
S2:针对当前单景极地真彩色影像的每个通道在设定灰度阈值范围内引入参考掩膜计算高频图像,并添加光源后输出亮度校正影像;
S3:引入参考影像,对参考影像和所述亮度校正影像进行直方图均衡化转化,以二者转化结果绝对差值最小为映射规则,计算出所有单景极地真彩色影像对应的所述亮度校正影像的灰度级映射值Mout,完成多景极地真彩色影像的灰度匀色。
优选的,所述S1的预处理包括将所述极地区域卫星遥感数据转换至[0-255]灰度区间的步骤:
S11:计算区域卫星遥感数据各个通道的累计直方图,设置最大截频率,累计直方图中对应最大截频率/>的像素值/>为整景影像中最大的拉伸值;
S12:各个通道的像素值大于的像素点灰度赋值为255,小于/>的像素点根据通道像素的最小值和/>范围,采用线性拉伸的方式将像素点灰度赋值转换至0-255区间;
S13:选择红、绿、蓝通道合成极地真彩色影像。
优选的,所述S1的预处理还包括:在数据转换步骤之前对地区域卫星遥感数据进行几何校正并将投影转换为极立体投影。
优选的,所述S2包括如下步骤:
S21:设置参考掩膜:
,
式中,f(x,y)是像素点的灰度值,x,y是像素点的横纵坐标值,灰度阈值T用于区分极地真彩色影像中的低于设定反射度的目标地物和高于设定反射度的目标地物;
S22:生成高斯滤波器G(x,y);
S23:计算模拟光照特征影像FM(x,y):
,
式中,mean()为取平均值;
S24:计算高频图像:
,
S25:添加光源L,输出校正结果:
,
,
式中,bytscl()为线性拉伸数值至[0,255]的范围。
优选的,所述S3包括如下步骤:
S31:对参考影像和所述亮度校正影像/>进行直方图均衡化转化:
,
,
式中:和/>分别代表影像/>和/>的累计直方图变换,/>和/>分别为影像/>和/>均衡化后的结果;
S32:根据值最小的映射规则,原始影像/>的灰度/>,根据映射规则对应到参考影像/>的灰度级范围为/>,其中,/>,,输出影像灰度值映射为:
。
优选的,所述参考影像为多幅单景极地真彩色影像对应的所述亮度校正影像中的一幅,包括符合亮度校正结果要求的所述亮度校正影像。
经由上述的技术方案可知,与现有技术相比,本发明具有以下增益效果:
1.在单景影像的亮度校正过程中,引入参考掩膜,可以有效消除在亮度变化梯度较大区域(如海岸带区域)的影像亮度校正出现异常的情况,改善亮度校正效果。
2.在多景影像颜色匀色过程中,引入参考掩膜,可以有效消除配准过程中的过度拉伸而造成对比度过大而引起的影像视觉失真,极大改善匀色效果。
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,还可以根据提供的附图获得其他的附图;
图1是本发明实施例提供的一种适用于极地区域的卫星遥感光学影像匀色方法的流程图;
图2是本发明实施例提供的HY-1C/D卫星CZI原始数据南极区域覆盖图;
图3是本发明实施例提供的极地区域卫星遥感数据原始影像和亮度校正影像对比图;
a)对应于原始影像一;
b)对应于原始影像一的亮度校正后影像;
c)对应于原始影像二;
d)对应于原始影像二的亮度校正后影像;
图4是本发明实施例提供的常规方法与本发明方法在南极地区匀色效果比较图一;
a)对应于原始影像三;
b)对应于原始影像三的常规匀色结果;
c)对应于原始影像三的本发明方法在南极地区匀色结果;
图5是本发明实施例提供的常规方法与本发明方法在南极地区匀色效果比较图二;
a)对应于原始影像四;
b)对应于原始影像四的常规匀色结果;
c)对应于原始影像四的本发明方法在南极地区匀色结果;
图6是本发明实施例提供的本发明方法流程处理后的南极埃默里冰架附近区域经亮度校正和匀色结果图示意图;
(a)对应于单景匀色镶嵌结果;
(b)对应于多景匀色镶嵌结果。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
参照图1,本发明实施例公开了一种适用于极地区域的卫星遥感光学影像匀色方法,利用基于阈值的直方图分段配准过程,一方面极大改善了这种对比度过大现象,另一方面也对影像间的颜色一致性配准具有较好的效果。
包括如下步骤:
S1:获取极地区域卫星遥感数据,经预处理得到红、绿、蓝通道合成的多幅用于拼接的单景极地真彩色影像,即多景极地真彩色影像;
S2:针对当前单景极地真彩色影像的每个通道在设定灰度阈值范围内引入参考掩膜计算高频图像,并添加光源后输出亮度校正影像;
S3:引入参考影像,对参考影像和亮度校正影像进行直方图均衡化转化,以二者转化结果绝对差值最小为映射规则,计算出所有单景极地真彩色影像对应的亮度校正影像的灰度级映射值,完成多景极地真彩色影像的灰度匀色。
在一个实施例中,S1的预处理包括将极地区域卫星遥感数据转换至[0-255]灰度区间的步骤:
S11:计算区域卫星遥感数据各个通道的累计直方图,设置最大截频率,累计直方图中对应最大截频率/>的像素值/>为整景影像中最大的拉伸值;
S12:各个通道的像素值大于的像素点灰度赋值为255,小于/>的像素点根据通道像素的最小值和/>范围,采用线性拉伸的方式将像素点灰度赋值转换至0-255区间;
S13:选择红、绿、蓝通道合成极地真彩色影像。
具体执行过程为:
遥感影像数据一般为多波段数据组合,数据类型为16bit(L1A级)或者是浮点型数据(L1B或者L1C级),将其转换至0-255灰度区间,具体方法如下:
计算各个通道的累计直方图,将最大截频率设置为,累计直方图中对应频率/>的像素值/>则为整景影像中最大的拉伸值,影像大于/>的赋值为255,小于/>的像素根据影像的最小值和/>范围,采用线性拉伸的方式将数值转换至0-255区间。选择红、绿、蓝波段合成极地真彩色影像。
在一个实施例中,S1的预处理还包括:在数据转换步骤之前对地区域卫星遥感数据进行几何校正并将投影转换为极立体投影。
具体执行过程为:获取极地区域卫星遥感数据,并进行影像几何校正、投影转换等处理。如从国家卫星海洋应用中心网站获取的HY-1C/D卫星海岸带成像仪(CZI)南极区域数据,若数据级别为L1A或者L1B级别,对L1A或者L1B级别数据进行几何校正并将投影转换为极立体投影;若数据为L1C级,那么该数据直接为经过几何校正和极立体投影后的数据,可直接参与数据转换步骤。
在一个实施例中,S2分别针对影像每个通道f(x,y),f(x,y)是像素点的灰度值,x,y是像素点的横纵坐标值,开展影像数据的亮度校正,具体步骤如下:
S21:制作参考掩膜mask,设置灰度阈值T用于区分影像中低反射目标地物(如海水、地物阴影等)和高反射目标地物(极区陆地、冰川、云、山脉等),即具有明显边界的颜色突变区域。
(1)
S22:生成高斯滤波G(x,y),σ为高斯滤波标准差,width为滤波器宽度,本实验设置为99。
(2)
(3)
S23:计算模拟光照特征影像FM(x,y)
(4)
式中,mean()为取平均值。
S24:计算高频图像,
(5)
S25:添加人工光源L,输出校正结果,
(6)
(7)
式中:bytscl()为线性拉伸数值至[0,255]的范围,mean()为取平均值。
在一个实施例中,S3以参考影像的灰度分布特征为标准,对S2的每一景亮度校正影像进行灰度转换,直至处理完所有单景极地真彩色影像对应的亮度校正影像,包括如下步骤:
S31:对参考影像和亮度校正影像/>进行直方图均衡化转化:
(8)
(9)
式中:和/>分别代表影像/>和/>的累计直方图变换,/>和/>分别为影像/>和/>均衡化后的结果;
S32:根据值最小的映射规则,亮度校正影像/>的灰度/>,根据映射规则对应到参考影像/>的灰度级范围为/>,其中,/>,,输出影像灰度值映射为:
。
根据上式的映射规则可以计算出亮度校正影像的灰度级M经过匹配后的映射值/>,依此理论对所有单景极地真彩色影像的亮度校正影像进行灰度转换。对所有灰度转换完成的单景极地真彩色影像进行拼接,得到多景匀色图像。
本实施例中,参考影像为多幅单景极地真彩色影像对应的亮度校正影像中的一幅。在具体执行时,包括符合亮度校正结果要求的所述亮度校正影像,即选择一幅目视效果较好的参考影像,也可以以其它方式选择一幅目视效果较好的影像。但要求参考影像位于极地区域,与待处理影像具有相似的地物目标特征。
下面结合具体的遥感影像示例对本发明方法的执行效果进行说明:
1、获取卫星影像数据:
获取了位于东南极埃默里冰架周边区域海洋一号C和D卫星海岸带成像仪(CZI)数据共计8景,经过技术方案中S1预处理后,原始数据覆盖显示如图2,红色曲线(曲线1)为叠加的岸线:
2、单景影像亮度校正:
卫星在对南极的观测过程中,数据由于受到光照条件、传感器性能及云等因素的影响会出现明显亮度不均匀的现象,会影响后续影像镶嵌匀色效果,因此必须先针对单景影像进行亮度均匀性校正。校正方法采用S2,结果示例如图3所示。
3、影像匀色校正:
完成单景影像的亮度校正后,选择一幅参考影像,然后分别对影像采用S3的影像匀色校正方法开展匀色。在匀色过程中主要基于直方图匹配的理论,该方法在地物类型丰富,灰度分布值均匀的影像中一般会有较好的拉伸效果,但针对南极地地区,地物类型较单一,且亮度差异明显,采用常规的匹配方法容易造成过影像失真现象,为避免这种情况,本发明采用了分段式匹配方法,较好的解决了这种影像失真效果,且最后达到了较好的匀色效果,图4展示了常规方法与本发明方法的匀色对比效果,图5展示了本发明流程处理后的南极埃默里冰架附近区域经亮度校正和匀色结果图。有效改善了对比度过大现象,影像间的颜色一致性配准效果较好。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
以上对本发明所提供的适用于极地区域的卫星遥感光学影像匀色方法进行了详细介绍,本实施例中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本发明的限制。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本实施例中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本实施例所示的这些实施例,而是要符合与本实施例所公开的原理和新颖特点相一致的最宽的范围。
Claims (4)
1.一种适用于极地区域的卫星遥感光学影像匀色方法,其特征在于,包括如下步骤:
S1:获取极地区域卫星遥感数据,经预处理得到红、绿、蓝通道合成的多幅用于拼接的单景极地真彩色影像,即多景极地真彩色影像;
S2:针对当前单景极地真彩色影像的每个通道在设定灰度阈值范围内引入参考掩膜计算高频图像,并添加光源后输出亮度校正影像;所述S2包括如下步骤:
S21:设置参考掩膜:
式中,f(x,y)是像素点的灰度值,x,y是像素点的横纵坐标值,灰度阈值T用于区分极地真彩色影像中的低于设定反射度的目标地物和高于设定反射度的目标地物;
S22:生成高斯滤波器G(x,y);
S23:计算模拟光照特征影像FM(x,y):
式中,mean()为取平均值;
S24:计算高频图像INL(x,y):
INL(x,y)=f(x,y)-FM(x,y),
S25:添加光源L,输出校正结果I(x,y):
I(x,y)=bytscl(INL(x,y)+L)L=mean(f(x,y)),
式中,bytscl()为线性拉伸数值至[0,255]的范围;
S3:引入参考影像,对参考影像和所述亮度校正影像进行直方图均衡化转化,以二者转化结果绝对差值最小为映射规则,计算出所有单景极地真彩色影像对应的所述亮度校正影像的灰度级映射值,完成多景极地真彩色影像的灰度匀色;所述S3包括如下步骤:
S31:对参考影像R(x,y)和所述亮度校正影像O(x,y)进行直方图均衡化转化:
式中:和/>分别代表影像R(x,y)和0(x,y)的累计直方图变换,FR(x,y)和FO(x,y)分别为影像R(x,y)和0(x,y)均衡化后的结果;
S32:根据|FO(x,y)-FR(x,y)|值最小的映射规则,原始影像O(x,y)的灰度[Mi,Mj],根据映射规则对应到参考影像R(x,y)的灰度级范围为[Ni,Nj],其中,0≤Ni,≤Nj≤255,0≤Mi,≤Mj≤255,输出影像灰度值映射为:
Mout=[(M-Mi)/(Mj-Mi)]*(Nj-Ni)+Ni,Mi≤M≤Mj。
2.根据权利要求1所述的一种适用于极地区域的卫星遥感光学影像匀色方法,其特征在于,所述S1的预处理包括将所述极地区域卫星遥感数据转换至[0-255]灰度区间的步骤:
S11:计算区域卫星遥感数据各个通道的累计直方图,设置最大截频率θmax,累计直方图中对应最大截频率θmax的像素值pix(0max)为整景影像中最大的拉伸值;
S12:各个通道的像素值大于pix(θmax)的像素点灰度赋值为255,小于pix(θmax)的像素点根据通道像素的最小值和pix(θmax)范围,采用线性拉伸的方式将像素点灰度赋值转换至0-255区间;
S13:选择红、绿、蓝通道合成极地真彩色影像。
3.根据权利要求2所述的一种适用于极地区域的卫星遥感光学影像匀色方法,其特征在于,所述S1的预处理还包括:在数据转换步骤之前对地区域卫星遥感数据进行几何校正并将投影转换为极立体投影。
4.根据权利要求1所述的一种适用于极地区域的卫星遥感光学影像匀色方法,其特征在于,所述参考影像为多幅单景极地真彩色影像对应的所述亮度校正影像中的一幅,包括符合亮度校正结果要求的所述亮度校正影像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310512502.1A CN116228604B (zh) | 2023-05-09 | 2023-05-09 | 一种适用于极地区域的卫星遥感光学影像匀色方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310512502.1A CN116228604B (zh) | 2023-05-09 | 2023-05-09 | 一种适用于极地区域的卫星遥感光学影像匀色方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116228604A CN116228604A (zh) | 2023-06-06 |
CN116228604B true CN116228604B (zh) | 2023-07-21 |
Family
ID=86584728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310512502.1A Active CN116228604B (zh) | 2023-05-09 | 2023-05-09 | 一种适用于极地区域的卫星遥感光学影像匀色方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116228604B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116704306A (zh) * | 2023-06-29 | 2023-09-05 | 阳光农业相互保险公司 | 一种Planet卫星数据融合与匀色方法 |
CN117422654A (zh) * | 2023-10-23 | 2024-01-19 | 武汉珈和科技有限公司 | 遥感影像匀色方法、装置、设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022157410A1 (es) * | 2021-01-25 | 2022-07-28 | Universidad De Granada | Estructura tridimensional reconfigurable para la manipulación de ondas electromagnéticas |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104182949B (zh) * | 2014-08-18 | 2017-02-15 | 武汉大学 | 基于直方图特征点配准的影像匀色与融合方法及系统 |
US10523312B1 (en) * | 2018-07-03 | 2019-12-31 | Asia Satellite Telecommunications Company Limited | High throughput satellites and methods of operating high throughput satellites for relaying data between low earth orbit satellites to endpoints |
CN111354054B (zh) * | 2020-03-13 | 2023-03-31 | 中山大学 | 一种极地可见光遥感自适应制图方法 |
CN213582247U (zh) * | 2020-12-28 | 2021-06-29 | 威海五洲卫星导航科技股份有限公司 | 一种极轨气象卫星遥感全球真彩色图像处理系统 |
CN114841881A (zh) * | 2022-04-29 | 2022-08-02 | 武汉大学 | 基于辐射云控制的全球卫星影像自然颜色恢复方法及系统 |
CN114782255B (zh) * | 2022-06-16 | 2022-09-02 | 武汉大学 | 一种基于语义的夜光遥感影像高分辨率重建方法 |
-
2023
- 2023-05-09 CN CN202310512502.1A patent/CN116228604B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022157410A1 (es) * | 2021-01-25 | 2022-07-28 | Universidad De Granada | Estructura tridimensional reconfigurable para la manipulación de ondas electromagnéticas |
Also Published As
Publication number | Publication date |
---|---|
CN116228604A (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116228604B (zh) | 一种适用于极地区域的卫星遥感光学影像匀色方法 | |
CN106780368B (zh) | 一种基于前景模型的水下图像增强方法 | |
CN105761227B (zh) | 基于暗通道先验与白平衡的水下图像增强方法 | |
Shi et al. | Let you see in sand dust weather: A method based on halo-reduced dark channel prior dehazing for sand-dust image enhancement | |
CN106897972A (zh) | 一种白平衡与暗原色的自适应直方图水下图像增强方法 | |
CN107590840B (zh) | 基于网格划分的颜色阴影校正方法及其校正系统 | |
CN108830800B (zh) | 一种暗光场景下图像的亮度提升增强方法 | |
CN106997584A (zh) | 一种雾霾天气图像增强方法 | |
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 | |
JP5696783B2 (ja) | 画像処理装置 | |
CN107578383A (zh) | 一种低照度图像增强处理方法 | |
Kwok et al. | Gray world based color correction and intensity preservation for image enhancement | |
CN104618700A (zh) | 一种彩色高动态范围图像增强显示的方法 | |
CN102447815B (zh) | 视频图像的处理方法及装置 | |
CN107527325A (zh) | 一种基于暗通道优先的单目水下视觉增强方法 | |
CN110570384A (zh) | 一种对场景图像进行光照均衡处理的方法、装置、计算机设备以及计算机存储介质 | |
CN111968065A (zh) | 一种亮度不均匀图像的自适应增强方法 | |
CN109636739B (zh) | 图像饱和度增强的细节处理方法及装置 | |
CN110675332A (zh) | 一种金属腐蚀图像质量的增强方法 | |
CN112561829B (zh) | 基于L通道Gamma变换的多区域非均匀亮度失真校正算法 | |
CN111667446B (zh) | 图像处理方法 | |
CN109919882B (zh) | 基于眼底彩照图像的图像优化方法及相关设备 | |
CN111541886A (zh) | 一种应用于浑浊水下的视觉增强系统 | |
CN115587961A (zh) | 一种基于多曝光图像融合技术的细胞成像方法 |
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 |