CN117523026B - 面向红外遥感成像的云雾图仿真方法、系统、介质及终端 - Google Patents
面向红外遥感成像的云雾图仿真方法、系统、介质及终端 Download PDFInfo
- Publication number
- CN117523026B CN117523026B CN202410022853.9A CN202410022853A CN117523026B CN 117523026 B CN117523026 B CN 117523026B CN 202410022853 A CN202410022853 A CN 202410022853A CN 117523026 B CN117523026 B CN 117523026B
- Authority
- CN
- China
- Prior art keywords
- cloud
- fog
- remote sensing
- infrared remote
- image
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000003384 imaging method Methods 0.000 title claims abstract description 28
- 239000002131 composite material Substances 0.000 claims abstract description 36
- 230000000694 effects Effects 0.000 claims abstract description 28
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 14
- 230000009466 transformation Effects 0.000 claims abstract description 14
- 238000010606 normalization Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 39
- 238000012805 post-processing Methods 0.000 claims description 22
- 239000003595 mist Substances 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 abstract description 11
- 238000004364 calculation method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- 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
-
- 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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了面向红外遥感成像的云雾图仿真方法、系统、介质及终端,包括:S1.初始化红外遥感图像的尺寸和云雾生成参数,云雾生成参数包括云雾密度系数、云雾强度系数、云雾阈值和云层厚度变化系数;S2.利用Perlin噪声和分形噪声生成基础云雾层并进行归一化处理;S3.对基础云雾层进行仿射变换形成不同大小和形态的云雾效果;S4.重复步骤S2和S3,生成多张基础云雾层并将对应像素相乘得到复合云雾图;S5.根据云雾阈值对复合云雾图进行后处理并值进行线性拉伸使分布在云雾强度系数范围内,得到最终云雾图;本发明解决了在模拟红外遥感图像中云雾效果时缺乏真实性和灵活性的问题,提高了仿真图像的真实感和应用范围。
Description
技术领域
本发明涉及计算机图像技术领域,更具体的说是涉及面向红外遥感成像的云雾图仿真方法、系统、介质及终端。
背景技术
云雾图像仿真技术在红外遥感图像应用中占据着重要的地位,近年来受到广泛关注。
在红外遥感图像中,云雾通常会对地面观测造成干扰,通过仿真云雾图像,可以更好地理解和分析在实际云雾条件下的图像特征,提高红外遥感图像解释的准确性。因此,云雾图像高保真仿真技术成为多种下游任务的重要基础,尤其在目标识别、云雾去除、气象研究等领域,云雾图像高保真仿真技术具有重大研究价值。
目前,红外遥感图像中的云雾模拟仿真技术可以分为物理建模方法和图像后期处理方法两大类:物理建模方法虽然能生成较为真实的云雾图像,但其计算复杂度较高,不适合需要快速生成云雾图的场景;而图像后期处理方法虽然简便,却难以呈现云雾的动态变化和细节特征,且生成的云雾效果较为单一,导致仿真结果缺乏真实感,难以满足专业应用的需求,限制了红外遥感图像的应用潜力。
因此,如何在进行红外遥感图像云雾仿真时既能提供高度真实感又具备高度可调节性是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种面向红外遥感成像的云雾图仿真方法、系统、介质及终端以解决背景技术中提到的部分技术问题。
为了实现上述目的,本发明采用如下技术方案:
面向红外遥感成像的云雾图仿真方法,包括以下步骤:
S1.获取红外遥感图像,初始化红外遥感图像的尺寸和云雾生成参数,云雾生成参数包括云雾密度系数、云雾强度系数、云雾阈值和云层厚度变化系数;
S2.根据红外遥感图像的尺寸和云层厚度变化系数,利用Perlin噪声和分形噪声生成基础云雾层,并进行归一化处理;
S3.对基础云雾层进行仿射变换,形成不同大小和形态的云雾效果;
S4.重复步骤S2和S3,生成多张基础云雾层,将所有基础云雾层对应像素相乘,得到复合云雾图;
S5.根据云雾阈值,对复合云雾图进行后处理,并对后处理结果的像素通道值进行线性拉伸,使分布在云雾强度系数范围内,得到最终云雾图;
S6.对最终云雾图进行反相处理,将反相处理结果与获取的红外遥感图像的对应像素相乘,得到具有云雾效果的红外遥感图像。
优选的,步骤S1中云雾生成参数满足的条件为:云雾密度系数d为非负整数;云雾强度系数amin和amax:0≤amin<amax≤1;云雾阈值c:0≤c≤1;云层厚度变化系数t为正数。
优选的,步骤S2中生成基础云雾层的具体内容为:
S21.根据红外遥感图像的尺寸计算分形噪声中Perlin噪声频率上限;
S22.基于分形噪声中Perlin噪声频率上限,计算不同频率下的Perlin噪声网格参数;
S23.基于Perlin噪声网格参数和云层厚度变化系数,计算不同频率Perlin噪声的幅值;
S24.根据步骤S22和步骤S23得到的不同频率下的Perlin噪声网格参数和幅值,将不同频率的Perlin噪声叠加,得到基础云雾层。
优选的,分形噪声中Perlin噪声频率上限为:
其中,w和h分别为红外遥感图像尺寸的水平和垂直像素数;
不同频率下的Perlin噪声网格参数s为:
;
不同频率Perlin噪声的幅值A为:
;
其中,t为云层厚度变化系数,t为正数。
优选的,步骤S5中对复合云雾图进行后处理的具体内容为:
对复合云雾图中的像素通道值进行截断,得到处理结果:
其中,R0为复合云雾图,c为云雾阈值,0≤c≤1,R1为复合云雾图后处理结果。
优选的,步骤S5还包括以复合云雾图后处理结果为蒙版,对输入红外遥感图像进行高斯模糊处理。
优选的,步骤S6中反相处理的具体内容为:
其中,Rf为最终云雾图,R´f为Rf的反向处理结果。
面向红外遥感成像的云雾图仿真系统,基于所述的面向红外遥感成像的云雾图仿真方法,包括参数初始化模块、基础云雾层生成模块、仿射变换模块、复合云雾图生成模块、后处理模块和反相处理;
参数初始化模块,用于初始化获取的红外遥感图像的尺寸和云雾生成参数,云雾生成参数包括云雾密度系数、云雾强度系数、云雾阈值和云层厚度变化系数;
基础云雾层生成模块,用于根据红外遥感图像的尺寸和云层厚度变化系数,利用Perlin噪声和分形噪声生成基础云雾层,并进行归一化处理;
仿射变换模块,用于对基础云雾层进行仿射变换,形成不同大小和形态的云雾效果;
复合云雾图生成模块,用于将所有基础云雾层对应像素相乘,得到复合云雾图;
后处理模块,用于根据云雾阈值,对复合云雾图进行后处理,并对后处理结果的像素通道值进行线性拉伸,使分布在云雾强度系数范围内,得到最终云雾图;
反相处理模块,用于对最终云雾图进行反相处理,将反相处理结果与获取的红外遥感图像的对应像素相乘,得到具有云雾效果的红外遥感图像。
一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现所述的面向红外遥感成像的云雾图仿真方法。
一种处理终端,包括存储器和处理器,存储器中存储有可在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所述的面向红外遥感成像的云雾图仿真方法。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种面向红外遥感成像的云雾图仿真方法、系统、介质及终端,通过Perlin噪声和分形噪声生成基础云雾层,通过仿射变换与叠加处理形成不同大小和形态的云雾效果,从而得到云雾效果更逼真的红外遥感图像,有效解决了现有技术在模拟红外遥感图像中云雾效果时缺乏真实性和灵活性的问题,显著提高了仿真图像的真实感和应用范围,适应多变的使用场景和复杂的用户需求。
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附图为本发明提供的面向红外遥感成像的云雾图仿真方法示意图;
图2附图为本发明提供的输入红外遥感图像的具有浓雾效果的仿真云雾示意图;
图3附图为本发明提供的输入红外遥感图像的具有碎积云效果的仿真云雾示意图;
图4附图为本发明提供的输入红外遥感图像的具有絮状云效果的仿真云雾示意图;
图5附图为本发明提供的输入红外遥感图像的具有零散薄云效果的仿真云雾示意图。
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。
本发明实施例公开了面向红外遥感成像的云雾图仿真方法,包括以下步骤:
S1.获取红外遥感图像,初始化红外遥感图像的尺寸w×h和云雾生成参数,其中,w和h分别代表图像的水平和垂直像素数,云雾生成参数包括云雾密度系数d、云雾强度系数amin和amax、云雾阈值c和云层厚度变化系数t;
S2.根据红外遥感图像的尺寸和云层厚度变化系数,利用Perlin噪声和分形噪声生成尺寸为w×h的基础云雾层L0,并进行归一化处理,使,其中,x和y分别表示基础云雾层图层的水平坐标和垂直坐标;
S3.对基础云雾层进行仿射变换,形成不同大小和形态的云雾效果;
S4.重复步骤d次S2和S3,生成d张基础云雾层{L1,L2,…Ld},将所有基础云雾层对应像素相乘,得到复合云雾图;
在本实施例中,重复步骤次数与云雾密度系数相同,云雾密度系数d为非负整数,通常取1,2,3;
S5.根据云雾阈值,对复合云雾图进行后处理,并对后处理结果的像素通道值进行线性拉伸,使分布在云雾强度系数范围内,得到最终云雾图;
S6.对最终云雾图进行反相处理,将反相处理结果与获取的红外遥感图像的对应像素相乘,得到具有云雾效果的红外遥感图像。
为了进一步实施上述技术方案,步骤S1中云雾生成参数满足的条件为:云雾强度系数amin和amax:0≤amin<amax≤1;云雾阈值c:0≤c≤1;云层厚度变化系数t为正数。
为了进一步实施上述技术方案,步骤S2中生成基础云雾层的具体内容为:
S21.根据红外遥感图像的尺寸计算分形噪声中Perlin噪声频率上限;
S22.基于分形噪声中Perlin噪声频率上限,计算不同频率下的Perlin噪声网格参数;
S23.基于Perlin噪声网格参数和云层厚度变化系数,计算不同频率Perlin噪声的幅值;
S24.根据步骤S22和步骤S23得到的不同频率下的Perlin噪声网格参数和幅值,将不同频率的Perlin噪声叠加,得到基础云雾层。
为了进一步实施上述技术方案,分形噪声中Perlin噪声频率上限为:
其中,w和h分别为红外遥感图像尺寸的水平和垂直像素数;
不同频率下的Perlin噪声网格参数s为:
;
不同频率Perlin噪声的幅值A为:
;
其中,t为云层厚度变化系数,t为正数。
在本实施例中,当0<t≤1时,分形噪声倾向于低频噪声,生成的云雾层次更丰富;当t>1时,分形噪声倾向于高频噪声,生成的云雾层次更单一;根据不同云雾仿真需求,t通常取0.5至3。
为了进一步实施上述技术方案,步骤S5中对复合云雾图进行后处理的具体内容为:
对复合云雾图中的像素通道值进行截断,得到处理结果:
其中,R0为复合云雾图,c为云雾阈值,0≤c≤1,R1为复合云雾图后处理结果。
为了进一步实施上述技术方案,步骤S5还包括以复合云雾图后处理结果为蒙版,对输入红外遥感图像进行高斯模糊处理。
为了进一步实施上述技术方案,步骤S6中反相处理的具体内容为:
其中,Rf为最终云雾图,R´f为Rf的反向处理结果。
另一实施例,实验数据为中国天宫空间站拍摄的红外遥感图像,采用本发明提供的面向红外遥感成像的云雾图仿真方法进行云雾高保真仿真。
由于实验图像的尺寸较大,为了清晰地展示图像细节,其中仅给出了实验图像的局部区域,如图2-图5,其中,图2为浓雾效果图,图3为碎积云效果图,图4为絮状云效果图,图5为零散薄云效果图,其中,图2-图5的(a)均为输入红外遥感图像,图2-图5的(b)分别为根据本发明提供的面向红外遥感成像的云雾图仿真方法生成的云雾仿真图像,图2-图5的(c)分别为各云雾仿真图像对应的云雾蒙版;
可以看出,本实施例方法生成的云雾仿真效果具有较高的真实性,且可通过调节输入参数实现不同形态的云雾效果。
面向红外遥感成像的云雾图仿真系统,基于面向红外遥感成像的云雾图仿真方法,包括参数初始化模块、基础云雾层生成模块、仿射变换模块、复合云雾图生成模块、后处理模块和反相处理;
参数初始化模块,用于初始化获取的红外遥感图像的尺寸和云雾生成参数,云雾生成参数包括云雾密度系数、云雾强度系数、云雾阈值和云层厚度变化系数;
基础云雾层生成模块,用于根据红外遥感图像的尺寸和云层厚度变化系数,利用Perlin噪声和分形噪声生成基础云雾层,并进行归一化处理;
仿射变换模块,用于对基础云雾层进行仿射变换,形成不同大小和形态的云雾效果;
复合云雾图生成模块,用于将所有基础云雾层对应像素相乘,得到复合云雾图;
后处理模块,用于根据云雾阈值,对复合云雾图进行后处理,并对后处理结果的像素通道值进行线性拉伸,使分布在云雾强度系数范围内,得到最终云雾图;
反相处理模块,用于对最终云雾图进行反相处理,将反相处理结果与获取的红外遥感图像的对应像素相乘,得到具有云雾效果的红外遥感图像。
一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现面向红外遥感成像的云雾图仿真方法。
一种处理终端,包括存储器和处理器,存储器中存储有可在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面向红外遥感成像的云雾图仿真方法。
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。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
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,本文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文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.面向红外遥感成像的云雾图仿真方法,其特征在于,包括以下步骤:
S1.获取红外遥感图像,初始化红外遥感图像的尺寸和云雾生成参数,云雾生成参数包括云雾密度系数、云雾强度系数、云雾阈值和云层厚度变化系数;
S2.根据红外遥感图像的尺寸和云层厚度变化系数,利用分形噪声中的Perlin噪声生成基础云雾层,并进行归一化处理;
S3.对基础云雾层进行仿射变换,形成不同大小和形态的云雾效果;
S4.重复步骤S2和S3,生成多张基础云雾层,将所有基础云雾层对应像素相乘,得到复合云雾图;
S5.根据云雾阈值,对复合云雾图进行后处理,并对后处理结果的像素通道值进行线性拉伸,使分布在云雾强度系数范围内,得到最终云雾图;
S6.对最终云雾图进行反相处理,将反相处理结果与获取的红外遥感图像的对应像素相乘,得到具有云雾效果的红外遥感图像;
步骤S2中生成基础云雾层的具体内容为:
S21.根据红外遥感图像的尺寸计算分形噪声中Perlin噪声频率上限;
S22.基于分形噪声中Perlin噪声频率上限,计算不同频率下的Perlin噪声网格参数;
S23.基于Perlin噪声网格参数和云层厚度变化系数,计算不同频率Perlin噪声的幅值;
S24.根据步骤S22和步骤S23得到的不同频率下的Perlin噪声网格参数和幅值,将不同频率的Perlin噪声叠加,得到基础云雾层;
分形噪声中Perlin噪声的频率上限ωmax为:
ωmax=max[2,log2min(w,h)-1]
其中,w和h分别为红外遥感图像尺寸的水平和垂直像素数;
不同频率的Perlin噪声网格参数s为:
不同频率的Perlin噪声的幅值A为:
其中,t为云层厚度变化系数,t为正数。
2.根据权利要求1所述的面向红外遥感成像的云雾图仿真方法,其特征在于,步骤S1中云雾生成参数满足的条件为:云雾密度系数d为非负整数;云雾强度系数amin和amax:0≤amin<amax≤1;云雾阈值c:0≤c≤1;云层厚度变化系数t为正数。
3.根据权利要求1所述的面向红外遥感成像的云雾图仿真方法,其特征在于,步骤S5中对复合云雾图进行后处理的具体内容为:
对复合云雾图中的像素通道值进行截断,得到处理结果:
其中,R0为复合云雾图,c为云雾阈值,0≤c≤1,R1为复合云雾图后处理结果。
4.根据权利要求1所述的面向红外遥感成像的云雾图仿真方法,其特征在于,步骤S5还包括以复合云雾图后处理结果为蒙版,对输入红外遥感图像进行高斯模糊处理。
5.根据权利要求1所述的面向红外遥感成像的云雾图仿真方法,其特征在于,步骤S6中反相处理的具体内容为:
Rf′(x,y)=1-Rf(x,y)
其中,Rf为最终云雾图,R′f为Rf的反向处理结果。
6.面向红外遥感成像的云雾图仿真系统,其特征在于,基于权利要求1-5任意一项所述的面向红外遥感成像的云雾图仿真方法,包括参数初始化模块、基础云雾层生成模块、仿射变换模块、复合云雾图生成模块、后处理模块和反相处理;
参数初始化模块,用于初始化获取的红外遥感图像的尺寸和云雾生成参数,云雾生成参数包括云雾密度系数、云雾强度系数、云雾阈值和云层厚度变化系数;
基础云雾层生成模块,用于根据红外遥感图像的尺寸和云层厚度变化系数,利用Perlin噪声和分形噪声生成基础云雾层,并进行归一化处理;
仿射变换模块,用于对基础云雾层进行仿射变换,形成不同大小和形态的云雾效果;
复合云雾图生成模块,用于将所有基础云雾层对应像素相乘,得到复合云雾图;
后处理模块,用于根据云雾阈值,对复合云雾图进行后处理,并对后处理结果的像素通道值进行线性拉伸,使分布在云雾强度系数范围内,得到最终云雾图;
反相处理模块,用于对最终云雾图进行反相处理,将反相处理结果与获取的红外遥感图像的对应像素相乘,得到具有云雾效果的红外遥感图像。
7.一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,该计算机程序被处理器执行时实现权利要求1-5任意一项所述的面向红外遥感成像的云雾图仿真方法。
8.一种处理终端,包括存储器和处理器,存储器中存储有可在处理器上运行的计算机程序,其特征在于,处理器执行计算机程序时实现如权利要求1-5任意一项所述的面向红外遥感成像的云雾图仿真方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410022853.9A CN117523026B (zh) | 2024-01-08 | 2024-01-08 | 面向红外遥感成像的云雾图仿真方法、系统、介质及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410022853.9A CN117523026B (zh) | 2024-01-08 | 2024-01-08 | 面向红外遥感成像的云雾图仿真方法、系统、介质及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117523026A CN117523026A (zh) | 2024-02-06 |
CN117523026B true CN117523026B (zh) | 2024-03-29 |
Family
ID=89749849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410022853.9A Active CN117523026B (zh) | 2024-01-08 | 2024-01-08 | 面向红外遥感成像的云雾图仿真方法、系统、介质及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117523026B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007164582A (ja) * | 2005-12-15 | 2007-06-28 | Namco Bandai Games Inc | プログラム、情報記憶媒体及び画像生成システム |
CN104537678A (zh) * | 2015-01-15 | 2015-04-22 | 常州工学院 | 一种从单幅遥感图像中去除云雾的方法 |
CN106570929A (zh) * | 2016-11-07 | 2017-04-19 | 北京大学(天津滨海)新代信息技术研究院 | 一种动态体积云的构建与绘制方法 |
CN107301633A (zh) * | 2017-06-29 | 2017-10-27 | 常州工学院 | 在云雾干扰下遥感成像的仿真方法 |
CN112190935A (zh) * | 2020-10-09 | 2021-01-08 | 网易(杭州)网络有限公司 | 动态体积云的渲染方法、装置及电子设备 |
CN113160413A (zh) * | 2021-02-25 | 2021-07-23 | 北京大学 | 一种基于细胞自动机的实时动态云层绘制方法 |
CN116228984A (zh) * | 2023-03-13 | 2023-06-06 | 四川大学 | 一种基于气象数据的体积云建模、渲染方法 |
-
2024
- 2024-01-08 CN CN202410022853.9A patent/CN117523026B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007164582A (ja) * | 2005-12-15 | 2007-06-28 | Namco Bandai Games Inc | プログラム、情報記憶媒体及び画像生成システム |
CN104537678A (zh) * | 2015-01-15 | 2015-04-22 | 常州工学院 | 一种从单幅遥感图像中去除云雾的方法 |
CN106570929A (zh) * | 2016-11-07 | 2017-04-19 | 北京大学(天津滨海)新代信息技术研究院 | 一种动态体积云的构建与绘制方法 |
CN107301633A (zh) * | 2017-06-29 | 2017-10-27 | 常州工学院 | 在云雾干扰下遥感成像的仿真方法 |
CN112190935A (zh) * | 2020-10-09 | 2021-01-08 | 网易(杭州)网络有限公司 | 动态体积云的渲染方法、装置及电子设备 |
CN113160413A (zh) * | 2021-02-25 | 2021-07-23 | 北京大学 | 一种基于细胞自动机的实时动态云层绘制方法 |
CN116228984A (zh) * | 2023-03-13 | 2023-06-06 | 四川大学 | 一种基于气象数据的体积云建模、渲染方法 |
Non-Patent Citations (3)
Title |
---|
Generation of Cloud Image Based on Perlin Noise;Wensheng Dong et al.;《2010 International Conference on Multimedia Communications》》;20110120;全文 * |
基于Perlin噪声的云生成系统;陈华光;王京文;张晓清;;微计算机应用;20080215(第02期);全文 * |
基于Perlin噪声的动态云仿真;陈华光;王京文;;湖南工程学院学报(自然科学版);20120625(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117523026A (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Structure-revealing low-light image enhancement via robust retinex model | |
US10839575B2 (en) | User-guided image completion with image completion neural networks | |
CN109214990A (zh) | 一种基于Inception模型的深度卷积神经网络图像去噪方法 | |
Srinivas et al. | Low light image enhancement with adaptive sigmoid transfer function | |
CN109583509B (zh) | 数据生成方法、装置及电子设备 | |
CN106709964B (zh) | 基于梯度修正和多向纹理提取的素描画生成方法及装置 | |
CN109712095B (zh) | 一种快速边缘保留的人脸美化方法 | |
Wen et al. | Medical X-ray image enhancement based on wavelet domain homomorphic filtering and CLAHE | |
CN109165571B (zh) | 用于插入图像的方法和装置 | |
CN106097274A (zh) | 一种自适应分数阶微分图像增强算法 | |
CN112561846A (zh) | 训练图像融合模型的方法、装置和电子设备 | |
CN112507621A (zh) | 一种基于标签传播的雷达干扰半监督识别方法 | |
CN103310414B (zh) | 基于方向波变换和模糊理论的图像增强方法 | |
Kumar et al. | A framework for image denoising using first and second order fractional overlapping group sparsity (HF-OLGS) regularizer | |
CN102096913A (zh) | 压缩感知框架下的多策略图像融合方法 | |
CN112966390B (zh) | 基于双重三维距离场的衣服处理方法以及装置 | |
CN117523026B (zh) | 面向红外遥感成像的云雾图仿真方法、系统、介质及终端 | |
Kumar et al. | No-reference metric optimization-based perceptually invisible image enhancement | |
CN110765843A (zh) | 人脸验证方法、装置、计算机设备及存储介质 | |
Kumar et al. | Image denoising based on fractional gradient vector flow and overlapping group sparsity as priors | |
Kandhway et al. | Modified clipping based image enhancement scheme using difference of histogram bins | |
Cai et al. | Contextual-assisted scratched photo restoration | |
Yu et al. | Single image dehazing based on multi-scale segmentation and deep learning | |
CN114897884A (zh) | 基于多尺度边缘特征融合的无参考屏幕内容图像质量评估方法 | |
CN112002019B (zh) | 一种基于mr混合现实的模拟人物阴影的方法 |
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 |