JP7395018B2 - ブラインドマルチスペクトル画像融合のためのシステムおよび方法 - Google Patents
ブラインドマルチスペクトル画像融合のためのシステムおよび方法 Download PDFInfo
- Publication number
- JP7395018B2 JP7395018B2 JP2022565029A JP2022565029A JP7395018B2 JP 7395018 B2 JP7395018 B2 JP 7395018B2 JP 2022565029 A JP2022565029 A JP 2022565029A JP 2022565029 A JP2022565029 A JP 2022565029A JP 7395018 B2 JP7395018 B2 JP 7395018B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- pan
- blur kernel
- function
- fused
- 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
- 230000004927 fusion Effects 0.000 title claims description 33
- 238000000034 method Methods 0.000 title description 98
- 230000006870 function Effects 0.000 claims description 87
- 230000003287 optical effect Effects 0.000 claims description 32
- 238000004891 communication Methods 0.000 claims description 26
- 238000003384 imaging method Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 22
- 230000009466 transformation Effects 0.000 claims description 16
- 238000005070 sampling Methods 0.000 claims 1
- 238000002474 experimental method Methods 0.000 description 33
- 238000010586 diagram Methods 0.000 description 18
- 230000003595 spectral effect Effects 0.000 description 17
- 230000008569 process Effects 0.000 description 13
- 238000013459 approach Methods 0.000 description 11
- 238000013135 deep learning Methods 0.000 description 9
- 238000005457 optimization Methods 0.000 description 8
- 238000001228 spectrum Methods 0.000 description 6
- 238000007796 conventional method Methods 0.000 description 5
- 230000009021 linear effect Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000007500 overflow downdraw method Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000012885 constant function Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 238000001218 confocal laser scanning microscopy Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- BERDEBHAJNAUOM-UHFFFAOYSA-N copper(I) oxide Inorganic materials [Cu]O[Cu] BERDEBHAJNAUOM-UHFFFAOYSA-N 0.000 description 1
- LBJNMUFDOHXDFG-UHFFFAOYSA-N copper;hydrate Chemical compound O.[Cu].[Cu] LBJNMUFDOHXDFG-UHFFFAOYSA-N 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001493 electron microscopy Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000799 fluorescence microscopy Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000009022 nonlinear effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000859 sublimation Methods 0.000 description 1
- 230000008022 sublimation Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
- G06T3/4076—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution using the original low-resolution images to iteratively correct the high-resolution 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
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
- G06T3/4061—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution by injecting details from different spectral ranges
-
- 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
- G06T5/50—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
- G06T5/73—Deblurring; Sharpening
-
- 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
- G06T2207/10036—Multispectral image; Hyperspectral 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
- G06T2207/10041—Panchromatic 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Image Processing (AREA)
Description
(1)PANセンサおよびMSセンサが同じ角度で、同じ高さにあることを必要とすること(許容できない問題)。これについては、これらの物理的センサ位置特定の制限が許容不可能であり、他の厄介な問題の中でも特に、ユーザによる使用および適用を有意に制限することが後に認識された。
(2)位置ずれの事前認識、ブラーカーネルの認識、または、チャネル間関係のパラメトリックモデルを必要とすること(許容できない問題)。これは、考慮の上、他の難題の中でも特に、計算リソース、セットアップ要件、ハードウェア要件の点で許容不可能かつ非常に限定的であることが判明した。
(3)融合アルゴリズムの事前トレーニングを必要とすること(許容できない問題)。これは、他の欠点の中でも特に、多大な計算コスト、計算時間をもたらした実験から学習された。
(4)上記方法を機能させるのに大量のデータを必要とすること(許容できない問題)。これは、他の難題の中でも特に、不便で、時間がかかり、多大な労力を必要とすることを証明した実験から学習された。
(5)大量の計算時間を必要とすること(許容できない問題)。実験によれば、これらのアルゴリズムの時間計算量により、入力の長さの関数として実行するのに費やされる大量の時間(すなわち、計算プロセスを実行するための計算時間または実行時間が過度な時間量であった)が定量化されたこと、ならびに、入力の長さの関数として実行するためにこれらのアルゴリズムによって費やされた大量の空間またはメモリを必要とした空間計算量を伴うことが判明した。また、本開示の方法のいくつかに課される時間制限に関して、上記制約および問題を、本開示の方法のいくつかに関して考えられる提案された性能および動作閾値と比較した。
実際の適用例
特徴
定義
この変化は些末であるように思われる可能性があるが、ここでは、制約付き最適化の方法(特に、拡張ラグランジュ法)を用いて問題を攻撃することができ、目的関数はxおよびyにおいて分離可能である。二重更新するには、xおよびyにおける近接関数を同時に解くことが必要となる。ADMM技術は、最初に、yが固定された状態でxについて解き、次いでxが固定された状態でyについて解くことによって、この問題がほぼ解決されることを可能にする。当該アルゴリズムは、(ヤコビ法のように)収束するまで反復されるのではなく、直接次に進められて、双対変数を更新し、プロセスを繰り返す。これは、厳密な最小化と同等ではないが、驚くべきことに、この方法が(いくつかの仮定の下で)正解に収束することを示すこともできる。この近似性のため、アルゴリズムは純粋な拡張ラグランジュ法とは異なっている。
Claims (20)
- マルチスペクトル(multispectral:MS)画像から超分解能画像を再構築するための
システムであって、データを受付けるためのトランシーバと、前記データを格納するためのメモリとを有し、前記データは、シーンのMS画像およびパンクロマティック(panchromatic:PAN)画像を含み、各MS画像は前記PAN画像に関連付けられており、前記システムはさらに、前記トランシーバおよび前記メモリに動作可能に接続された処理デバイスを有し、前記システムは、前記処理デバイスが、
前記PAN画像を用いて融合画像を初期化し、前記PAN画像と前記MS画像との間のブラーカーネルを初期化関数として推定し、
反復的に、プロセッサにより融合アルゴリズムを用いて、MS画像を前記シーンの関連付けられたPAN画像と融合するように構成されることを含み、各反復は、
二次全一般化変動(Second-Order Total Generalized Variation:TGV2)関数に基づいて前記ブラーカーネルを更新して、カーネル形状を正則化することと、
局所ラプラシアン事前確率(Local Laplacian prior:LLP)関数に基づいて前記
PAN画像および前記MS画像を前記更新されたブラーカーネルと融合して、前記PAN画像と前記融合されたMS画像との間の高分解能類似度を正則化して推定融合画像を得ることと、
現在の反復の前記推定融合画像と前の反復からの前の推定融合画像との間の相対誤差を計算することとを含み、前記相対誤差が予め定められた閾値未満である場合、前記反復が停止し、結果としてPANシャープン画像が得られ、前記システムは、前記処理デバイスがさらに、
前記プロセッサと通信する出力インターフェイスを介して、前記PANシャープン画像を通信ネットワークまたはディスプレイデバイスに出力するように構成されることを含む、システム。 - 前記融合画像を初期化するために用いられる前記PAN画像はリッジPAN画像である、請求項1に記載のシステム。
- 前記ブラーカーネルは剛体変換ブラーカーネルであり、前記初期化関数は初期ブラーカーネル関数である、請求項1に記載のシステム。
- 前記LLPは、前記MS画像の高周波成分と前記PAN画像の高周波成分との間の関係を正則化して、局所勾配制約を用いる融合性能のレベルよりも高いレベルの融合性能をもたらす、請求項1に記載のシステム。
- 前記LLPは、前記LLPが第2の勾配またはより高次の勾配に一般化されるように、二次勾配である、請求項4に記載のシステム。
- 前記TGV2関数は、画像が区分的に一定であるという仮定が画像を再構築するのに有効でない場合、演算可能であり、このため、区分的に一定である画像が、画像再構築中にTGV2関数を用いて取込まれることとなる、請求項1に記載のシステム。
- TGV2は、前記ブラーカーネル上の正則化器であって、平滑であるとともに前記TGV2に従って集中化されるものと想定される、請求項6に記載のシステム。
- 前記MS画像は、カラーフィルタアレイを有するとともに第1の光軸に位置決めされたMS画像センサから得られ、前記PAN画像は、前記第1の光軸に対して角度をなして収束する第2の光軸に位置決めされたPAN画像センサから得られる、請求項1に記載のシステム。
- コンピュータ可読記憶媒体を含むコンピュータストレージと、ハードウェアプロセッサデバイスとを有する装置であって、前記ハードウェアプロセッサデバイスは、前記コンピュータストレージに動作可能に結合されるとともに、マルチスペクトル(MS)画像およびパンクロマティック(PAN)画像内に取込まれたシーンの画像の空間分解能を再構築するためのものであり、前記MS画像は、カラーフィルタアレイを有するとともに第1の光軸に位置決めされたMS画像センサから得られ、前記PAN画像は、前記第1の光軸に対して実質的に平行な第2の光軸に位置決めされたPAN画像センサから得られ、前記画像の前記空間分解能を再構築するために、前記装置は、前記ハードウェアプロセッサデバイスが、
PAN画像を用いて融合画像を初期化し、初期化関数を用いて前記PAN画像と前記MS画像との間のブラーカーネルを推定し、
反復的に、プロセッサにより融合アルゴリズムを用いて、MS画像を前記シーンの関連付けられたPAN画像と融合するためのものであることを含み、各反復は、
二次全一般化変動(TGV2)関数に基づいて前記ブラーカーネルを更新して、カーネル形状を正則化することと、
局所ラプラシアン事前確率(LLP)関数に基づいて前記PAN画像および前記MS画像を前記更新されたブラーカーネルと融合して、前記PAN画像と前記融合されたMS画像との間の高分解能類似度を正則化して推定融合画像を得ることと、
現在の反復の前記推定融合画像と前の反復からの前の推定融合画像との間の相対誤差を計算することとを含み、前記相対誤差が予め定められた閾値未満である場合、前記反復が停止し、結果としてパンシャープン画像が得られ、前記装置は、前記ハードウェアプロセッサデバイスがさらに、
前記プロセッサと通信する出力インターフェイスを介して、前記パンシャープン画像を通信ネットワークまたはディスプレイデバイスに出力するためのものであることを含む、装置。 - 前記MS画像は、低分解能画像であり、第1のイメージングレンズに光学的に結合された前記MS画像センサから得られ、前記PAN画像は、高分解能画像であり、前記PAN画像センサから得られ、前記MS画像センサおよび前記PAN画像センサは、実質的に同一の感光要素の実質的に同一の焦点面アレイを有し、前記MS画像センサおよび前記PA
N画像センサは、前記焦点面アレイが前記シーンの実質的に同一のバージョンの光学投影を受取るように、実質的に単一の幾何学的平面に設定される。請求項9に記載の装置。 - 前記MS画像は第1のフレームレートで取込まれ、前記PAN画像は前記第1のフレームレートとは異なるかまたは前記第1のフレームレートと同じである第2のフレームレートで取込まれる、請求項9に記載の装置。
- 前記ブラーカーネルは、点広がり関数(Point Spread Function:PSF)と剛体変換
などのシフトとを組合わせたものである、請求項9に記載の装置。 - 前記MS画像は、カラーフィルタアレイを有するとともに第1の光軸に位置決めされたMS画像センサから得られ、前記PAN画像は、前記第1の光軸に対して角度をなして収束する第2の光軸に位置決めされたPAN画像センサから得られる、請求項9に記載の装置。
- マルチスペクトル(MS)画像から超分解能画像を再構築するためのシステムであって、データを格納するためのメモリとともに、前記データを受付けるための入力インターフェイスを備え、前記データは、シーンのMS画像およびパンクロマティック(PAN)画像を含み、各MS画像は、ハードウェア処理デバイスが前記入力インターフェイスおよび前記メモリに動作可能に接続されるようにPAN画像に関連付けられており、前記システムは、前記ハードウェア処理デバイスが、
剛体PAN画像を用いて融合画像を初期化し、
前記PAN画像と前記MS画像との間の剛体変換ブラーカーネルを初期化関数として推定し、
反復的に、プロセッサにより融合アルゴリズムを用いて、MS画像を前記シーンの関連付けられたPAN画像と融合するように構成されることを含み、各反復は、
二次全一般化変動(TGV2)関数に基づいて前記ブラーカーネルを更新して、カーネル形状を正則化することと、
局所ラプラシアン事前確率(Local Laplacian prior:LLP)関数に基づいて前記
PAN画像および前記MS画像を前記更新されたブラーカーネルと融合して、前記PAN画像と前記融合されたMS画像との間の高分解能類似度を正則化して推定融合画像を得ることと、
現在の反復の前記推定融合画像と前の反復からの前の推定融合画像との間の相対誤差を計算することとを含み、前記相対誤差が予め定められた閾値未満である場合、前記反復が停止し、結果としてパンシャープン画像が得られ、前記システムは、前記ハードウェア処理デバイスがさらに、
前記プロセッサと通信する出力インターフェイスを介して、前記パンシャープン画像を通信ネットワークまたはディスプレイデバイスに出力するように構成されることを含む、システム。 - 前記MS画像は、カラーフィルタアレイを有するとともに第1の光軸に位置決めされたMS画像センサから得られ、前記PAN画像は、前記第1の光軸に対して角度をなして収束する第2の光軸に位置決めされたPAN画像センサから得られる、請求項14に記載のシステム。
- 前記入力インターフェイスによって受付けられたデータは、少なくとも1つのMS画像センサデバイスおよび少なくとも1つのPAN画像センサデバイスを含むセンサから得られるいくつかのデータを含む、請求項14に記載のシステム。
- 前記融合画像を初期化するのに用いられる前記PAN画像はリッジPAN画像である、
請求項14に記載のシステム。 - 前記ブラーカーネルは剛体変換ブラーカーネルであり、前記初期化関数は初期ブラーカーネル関数である、請求項14に記載のシステム。
- 命令が格納された非一時的な機械可読媒体であって、前記命令は、処理回路によって実行されると、パンクロマティック(PAN)画像からのデータを用いてマルチスペクトル(MS)画像をシャープにするための動作を実行するように前記処理回路を構成し、前記動作は、
シーンのMS画像およびパンクロマティック(PAN)画像を含むデータを受取るための動作を含み、各MS画像は前記PAN画像に関連付けられており、前記動作はさらに、
前記PAN画像を用いて融合画像を初期化し、前記PAN画像と前記MS画像との間のブラーカーネルを推定して、初期化関数を用いてブラーカーネルを得る動作と、
反復的に、プロセッサにより融合アルゴリズムを用いて、MS画像を前記シーンの関連付けられたPAN画像と融合する動作とを含み、各反復は、
二次全一般化変動(TGV2)関数に基づいて前記ブラーカーネルを更新して、カーネル形状を正則化することと、
局所ラプラシアン事前確率(LLP)関数に基づいて前記PAN画像および前記MS画像を前記更新されたブラーカーネルと融合して、前記PAN画像と前記融合されたMS画像との間の高分解能類似度を正則化して推定融合画像を得ることと、
現在の反復の前記推定融合画像と前の反復からの前の推定融合画像との間の相対誤差を計算することとを含み、前記相対誤差が予め定められた閾値未満である場合、前記反復が停止し、結果としてパンシャープン画像が得られ、前記動作はさらに、
前記プロセッサと通信する出力インターフェイスを介して、前記パンシャープン画像を通信ネットワークまたはディスプレイデバイスに出力する動作を含む、非一時的な機械可読媒体。 - 格納された命令をさらに含み、前記命令は、機械によって実行されると、前記処理回路に接続されているメモリに格納されたPAN画像データをダウンサンプリングすることにより、または、前記MS画像データからPAN画像データを判定することにより、前記機械がMS画像の分解能とほぼ同じ分解能でPAN画像を作成する動作を実行するように構成され、これにより、前記非一時的な機械可読媒体および処理回路と通信するトランシーバデバイスを介して受信される受信データが、少なくとも1つのMS画像センサデバイスおよび少なくとも1つのPAN画像センサデバイスを含むセンサから得られたいくつかのデータを含むこととなる、請求項19に記載の非一時的な機械可読媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/843,266 US11481876B2 (en) | 2020-04-08 | 2020-04-08 | Systems and methods for blind multi-spectral image fusion |
US16/843,266 | 2020-04-08 | ||
PCT/JP2021/004190 WO2021205735A1 (en) | 2020-04-08 | 2021-01-22 | Systems and methods for blind multi- spectral image fusion |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023508780A JP2023508780A (ja) | 2023-03-03 |
JP7395018B2 true JP7395018B2 (ja) | 2023-12-08 |
Family
ID=74860373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022565029A Active JP7395018B2 (ja) | 2020-04-08 | 2021-01-22 | ブラインドマルチスペクトル画像融合のためのシステムおよび方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11481876B2 (ja) |
EP (1) | EP4133446A1 (ja) |
JP (1) | JP7395018B2 (ja) |
WO (1) | WO2021205735A1 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11748853B2 (en) * | 2020-04-28 | 2023-09-05 | Carnegie Mellon University | Method and architecture for blind image deconvolution |
CN112083482B (zh) * | 2020-08-06 | 2021-11-19 | 西安交通大学 | 基于模型驱动深度学习的地震超分辨反演方法 |
CN114581347B (zh) * | 2022-01-24 | 2024-03-12 | 中国科学院空天信息创新研究院 | 无参考影像的光学遥感空谱融合方法、装置、设备及介质 |
CN114862731B (zh) * | 2022-03-29 | 2024-04-16 | 武汉大学 | 低秩先验与空谱信息引导的多-高光谱影像融合方法 |
CN114612688B (zh) * | 2022-05-16 | 2022-09-09 | 中国科学技术大学 | 对抗样本生成方法、模型训练方法、处理方法及电子设备 |
CN114897882B (zh) * | 2022-06-10 | 2024-04-19 | 大连民族大学 | 一种基于加权平均曲率滤波分解的遥感图像融合方法 |
CN115880199B (zh) * | 2023-03-03 | 2023-05-16 | 湖南大学 | 一种长波红外高光谱与多光谱图像融合方法、系统及介质 |
CN116485694B (zh) * | 2023-04-25 | 2023-11-07 | 中国矿业大学 | 一种基于变分原理的红外与可见光图像融合方法、系统 |
CN116245779B (zh) * | 2023-05-11 | 2023-08-22 | 四川工程职业技术学院 | 一种图像融合方法、装置、存储介质及电子设备 |
CN117078563B (zh) * | 2023-10-16 | 2024-02-02 | 武汉大学 | 启明星一号卫星高光谱图像全色锐化方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014045275A (ja) | 2012-08-24 | 2014-03-13 | Olympus Corp | 画像処理装置、撮像装置及び画像処理方法 |
WO2019026408A1 (ja) | 2017-08-02 | 2019-02-07 | 日本電気航空宇宙システム株式会社 | 画像変換装置、画像処理装置、画像処理方法、及び、画像処理プログラムを格納した非一時的なコンピュータ可読媒体 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3500945B2 (ja) * | 1998-01-19 | 2004-02-23 | 株式会社日立製作所 | マルチスペクトル衛星画像の処理方法と処理システム並びに水圏評価方法 |
US20060291751A1 (en) * | 2004-12-16 | 2006-12-28 | Peyman Milanfar | Robust reconstruction of high resolution grayscale images from a sequence of low-resolution frames (robust gray super-resolution) |
US8203615B2 (en) * | 2009-10-16 | 2012-06-19 | Eastman Kodak Company | Image deblurring using panchromatic pixels |
US10049771B2 (en) * | 2013-03-15 | 2018-08-14 | St. Jude Medical, Atrial Fibrillation Division, Inc. | Laplacian and Tikhonov regularization for voltage mapping with a medical device |
US9265441B2 (en) * | 2013-07-12 | 2016-02-23 | Siemens Aktiengesellschaft | Assessment of traumatic brain injury |
US9225889B1 (en) * | 2014-08-18 | 2015-12-29 | Entropix, Inc. | Photographic image acquisition device and method |
-
2020
- 2020-04-08 US US16/843,266 patent/US11481876B2/en active Active
-
2021
- 2021-01-22 EP EP21710620.2A patent/EP4133446A1/en active Pending
- 2021-01-22 WO PCT/JP2021/004190 patent/WO2021205735A1/en unknown
- 2021-01-22 JP JP2022565029A patent/JP7395018B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014045275A (ja) | 2012-08-24 | 2014-03-13 | Olympus Corp | 画像処理装置、撮像装置及び画像処理方法 |
WO2019026408A1 (ja) | 2017-08-02 | 2019-02-07 | 日本電気航空宇宙システム株式会社 | 画像変換装置、画像処理装置、画像処理方法、及び、画像処理プログラムを格納した非一時的なコンピュータ可読媒体 |
Also Published As
Publication number | Publication date |
---|---|
WO2021205735A1 (en) | 2021-10-14 |
EP4133446A1 (en) | 2023-02-15 |
US11481876B2 (en) | 2022-10-25 |
US20210319534A1 (en) | 2021-10-14 |
JP2023508780A (ja) | 2023-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7395018B2 (ja) | ブラインドマルチスペクトル画像融合のためのシステムおよび方法 | |
US10891527B2 (en) | Systems and methods for multi-spectral image fusion using unrolled projected gradient descent and convolutinoal neural network | |
Baek et al. | Single-shot hyperspectral-depth imaging with learned diffractive optics | |
Khan et al. | Flatnet: Towards photorealistic scene reconstruction from lensless measurements | |
Wang et al. | Recent progress in image deblurring | |
Krig | Computer vision metrics | |
Joshi et al. | PSF estimation using sharp edge prediction | |
US9251565B2 (en) | Hyper-resolution imaging | |
US8750647B2 (en) | Kinetic super-resolution imaging | |
Chan et al. | Simultaneous total variation image inpainting and blind deconvolution | |
Ulfarsson et al. | Sentinel-2 sharpening using a reduced-rank method | |
Zeng et al. | Robust reconstruction with deep learning to handle model mismatch in lensless imaging | |
Shibata et al. | Misalignment-robust joint filter for cross-modal image pairs | |
Shi et al. | Seeing through obstructions with diffractive cloaking | |
Lee et al. | Improving focus measurement via variable window shape on surface radiance distribution for 3D shape reconstruction | |
Ma et al. | Robust locally weighted regression for superresolution enhancement of multi-angle remote sensing imagery | |
CN112132971B (zh) | 三维人体建模方法、装置、电子设备和存储介质 | |
Mahmood | Shape from focus by total variation | |
Jung et al. | Multispectral fusion of rgb and nir images using weighted least squares and convolution neural networks | |
Alam et al. | Light field extraction from a conventional camera | |
Kim et al. | Blind motion deblurring for satellite image using convolutional neural network | |
Fernandez-Beltran et al. | W-NetPan: Double-U network for inter-sensor self-supervised pan-sharpening | |
Zhou et al. | Thermal infrared spectrometer on-orbit defocus assessment based on blind image blur kernel estimation | |
Eboli et al. | Learning to jointly deblur, demosaick and denoise raw images | |
Guimarães | Machine vision processing of deep space images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220628 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220628 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230626 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230725 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230828 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231031 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231128 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7395018 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |