CN101908209A - 一种基于三次样条的红外热图像盲元补偿算法 - Google Patents
一种基于三次样条的红外热图像盲元补偿算法 Download PDFInfo
- Publication number
- CN101908209A CN101908209A CN 201010240572 CN201010240572A CN101908209A CN 101908209 A CN101908209 A CN 101908209A CN 201010240572 CN201010240572 CN 201010240572 CN 201010240572 A CN201010240572 A CN 201010240572A CN 101908209 A CN101908209 A CN 101908209A
- Authority
- CN
- China
- Prior art keywords
- blind element
- blind
- compensation
- interpolation
- pixel
- 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
Links
- 238000009826 distribution Methods 0.000 claims abstract description 7
- 238000001514 detection method Methods 0.000 abstract description 5
- 238000000034 method Methods 0.000 description 31
- 230000004044 response Effects 0.000 description 17
- 230000008569 process Effects 0.000 description 11
- 239000000523 sample Substances 0.000 description 7
- 230000005855 radiation Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 239000004744 fabric Substances 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 230000004043 responsiveness Effects 0.000 description 4
- 238000006467 substitution reaction Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003467 diminishing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Transforming Light Signals Into Electric Signals (AREA)
Abstract
本发明提出了一种基于三次样条的红外热图像盲元补偿算法。首先,通过盲元检测,获得红外热图像的盲元分布图。其次,对于每一个盲元点,分别以红外热图像中与该盲元同行同列的像元的坐标为插值节点,构造行方向和列方向二个方向的三次样条,分别求出这二个三次样条在盲元点的插值,取二个插值的均值为盲元的初次补偿值。经过对红外热图像所有盲元进行初次补偿后,再对盲元进行二次补偿:对于每一个盲元点,分别以红外热图像中与该盲元同行同列的像元和经过初次补偿的其他盲元的坐标为插值节点,构造行方向和列方向二个方向的三次样条,分别求出这二个三次样条在该盲元点的插值,取二个插值的均值为该盲元的二次补偿值。遍历所有红外热图像中所有盲元,得到实现二次盲元补偿的红外热图像。
Description
技术领域
本发明涉及红外热图像处理领域,具体涉及一种基于红外焦平面热成像***中红外热图像的盲元补偿新机制的算法研究。
背景技术
目前,红外焦平面阵列(IRFPA)作为新一代探测器已广泛应用于军事,医疗,消防,交通,电力,建筑,电子制造和石化冶金等诸多领域。由红外焦平面阵列(IRFPA)构成的红外热视频动态成像***的成像质量已经越来越多地影响和制约着相关行业的发展。由于半导体制造工艺水平的限制,使得(IRFPA)器件上难免会存在着某些缺陷。因此,使得所成红外热图像产生盲元(即坏元和响应异常像元)。这严重地影响了红外热视频成像***的成像质量。因此,对盲元进行有效地补偿显得具有极其重要的意义。
目前,国内外已经提出了许多种盲元补偿方法。但总的来说可以分为两大类:第一类为基于时间序列的补偿法,它是利用序列图像的帧间相关性,从相邻帧获取盲元补偿信息。其优点在于能够很好地保持目标的边缘信息,但缺点是对前后帧的依赖性强;第二类为基于序列图像空间的补偿法,它是借助盲元周围像素的灰度信息对其进行补偿。一般使用相邻元替代,线性插值和中值滤波等方法。该类算法的主要优点在于流程简单,可操作性强,但目前使用的方法往往会使图像的细节部分变得模糊。因此,本专利提出了一种新的基于序列图像空间的补偿方法,这种方法利用三次样条函数插值来实现盲元补偿,不仅能够有效地剔除盲元,而且还能够很好地保持目标的边缘信息,所恢复出的图像具有良好的视觉效果。
盲元补偿是采用盲元周围的有效图像信息或前后帧的图像信息对盲元位置的信息进行预测和替代的过程。在参考国内外的各种检测算法的基础上,根据红外热图像自身的特点和计算数学上的插值理论,本专利提出一种基于三次样条函数插值的红外热图像盲元补偿新机制。
(一)三次样条函数的概念:
三次样条插值法是在插值节点之间,通过构造三次多项式(一个或一组不同阶多项式)来形成一条把所有主干节点连接起来的平滑的三次样条曲线,对插值节点处的函数值进行拟合的过程。
三次样条函数插值定义如下:给定区间[a,b]的一个划分:
Δ:a=x1<x2<…<xn=b
和一个函数f在这些分点上的值:
f1=f(x1),f2=f(x2),…,fn=f(xn)
若函数S(x)满足下列条件:
(1)S(xi)=fi,i=1,…,n;
(2)S(x)在每个小区间[xi-1,xi]上是一个三次多项式:
S(x)=ai+bix+cix2+dix3,i=2,…,n;
(3)S(x),S′(x),S″(x)在[a,b]上连续;
则称这样的三次样条函数S(x)为在区间[a,b]上的三次样条插值函数。
从上面的定义可知,S(x)有4(n-1)个参数需要确定。三次样条的插值要求给出了n个条件,三次样条的连续性要求给出了3(n-2)个条件,总共给出了(4n-6)个条件,尚缺的2个条件由边界条件给出。常用的边界条件有3种:
(1)Ⅰ类边界条件:S′(x1)=f′1,S′(xn)=f′n。
(2)Ⅱ类边界条件:S″(x1)=f″1,S″(xn)=f″n。
(3)Ⅲ类边界条件:S(k)(x1+0)=S(k)(xn-0),k=1,2。
(二)三次样条插值函数的构造:
记mi=S″(xi),i=1,…,n。因为S(x)在区间[xi-1,xi]上是一个三次多项式,因此,S″(x)是一次多项式,利用S(x)二阶导数的连续性,根据两点间距离公式,可得:
对S″(x)在区间[xi-1,xi]上做二次积分,并利用S(x)的插值条件确定两次积分中出现的常数项,由此可得:
hi=xi-xi-1,x∈[xi-1,xi] 【2】
利用S(x)一阶导函数的连续性,进一步可得:
μimi-1+2mi+λimi+1=gi 【3】
这里
方程组【3】中含有n个未知数m1,m2,…,mn,而方程只有(n-2)个,另外2个方程由边界条件给出:
(1)在Ⅰ类边界条件下,由S′(x1)=f′1和S′(xn)=f′n可以导出以下2个方程:
将方程【4】【5】与方程【3】合在一起,即可得到确定m1,m2,…,mn的线性方程组
(2)在Ⅱ类边界条件下,由于在区间端点处二阶导数m1=f″1和mn=f″n已知,所以方程组【3】中实际上只包含有(n-2)个未知数m2,m3,…,mn-1,因此有:
(3)在Ⅲ类边界条件下,由S″(x1+0)=S″(xn-0)和S′(x1+0)=S′(xn-0)可以得到2个方程
m1=mn 【8】
λnm2+μnmn-1+2mn=gn 【9】
其中
将方程【8】【9】和方程【3】合在一起,即可得到确定m1,m2,…,mn的线性方程组
发明内容
本专利提出了一种通过利用构造三次样条插值函数的方法,对红外热图像中的盲元的灰度进行插值,从而实现对整幅红外热图像的盲元补偿。
首先,通过盲元检测生成一幅表征红外热图像盲元原始分布信息的二进制标志图像(见图1);
其次,以盲元分布图中任意一个盲元点为中心,分别找出该盲元点所在行和所在列中的像元,以其灰度值为元素构造行向量组和列向量组,再分别以其行向量组和列向量组中的元素为插值节点对该中心盲元点的灰度进行三次样条插值,取其行插值灰度和列插值灰度的均值灰度作为该中心盲元点的补偿灰度值。遍历图像中的所有盲元点,用此方法对其进行盲元补偿,从而实现对整幅红外热图像的初次盲元补偿(见图2);
最后,以初次盲元补偿图像为基础,以图像中任意一个盲元点(已实现过初次盲元补偿的点)为中心,分别找出该盲元点所在行和所在列中的所有像素点(包含原始像元点和实现初次补偿后的盲元点)以其灰度值为元素构造行向量组和列向量组,再分别以其行向量组和列向量组中的元素为插值节点对该中心盲元点的灰度进行三次样条插值补偿,取其行和列插值灰度的均值作为该中心盲元点的补偿灰度值。遍历初次盲元补偿图像中的所有盲元点,用此方法对其进行二次插值盲元补偿,从而实现对整幅红外热图像的盲元补偿(见图3)。具体补偿过程如下:(见图5)
(一)盲元检测
(二)初次盲元补偿
设表示红外热图像中的一个盲元,这里1≤p≤n,1≤q≤n。又设该盲元所在行和所在列的有效像元分别为和这里Kp和Lq分别表示盲元所在行和所在列的有效像元数(见图1)。我们利用这些有效像元对盲元进行三次样条插值补偿,具体步骤如下:
(三)二次盲元补偿
这里
这里
本发明特点
(1)本专利提出了一种利用三次样条插值函数,基于序列红外热图像的空间信息对盲元进行有效补偿的新算法。对红外热图像的盲元补偿分三步实现:①通过盲元检测生成一幅表征红外热图像盲元原始分布信息的二进制标志图像。②以任意一个盲元点为中心,以其所在行和所在列中的像元坐标为插值节点,对盲元点的灰度进行行和列的插值补偿。以行和列插值灰度的均值作为实现初次盲元补偿后盲元点的灰度值,遍历红外热图像中的所有盲元点,对其进行插值补偿。从而实现对整幅红外热图像的初次盲元补偿。③以实现过初次盲元补偿后的盲元分布图为基础。再次,以其中任意一个盲元点为中心,以其行向量和列向量中的原始像元及所有实现过初次盲元补偿后的盲元的坐标为插值节点,对该盲元点进行行和列的插值补偿。以行和列插值灰度的均值作为该盲元点的二次补偿灰度值。遍历初次盲元补偿红外热图像中的所有盲元点,对其灰度进行插值补偿。从而实现对整幅红外热图像的盲元补偿。
(2)三次样条插值是“非局部化”的分段插值,每个插值节点上的数据都要影响到全局。但是,样条节点上的数据误差对离该点较远处的影响逐渐变小,因此样条插值具有良好的数值稳定性。用三次样条曲线去拟合时,其结果要比线性插值估计更接近于图像的真实情况。因此,本专利提出了一种采用更为平滑的三次样条函数进行插值的方法,对盲元点的灰度进行插值补偿。它能够很好地解决线性插值存在的缺陷,有效地剔除红外热图像中的盲元,得到良好的盲元补偿效果。
附图说明
图1.盲元分布图
图2.初次盲元补偿图,其中◎表示像元,○表示盲元
图4.盲元检测流程图
图5.盲元补偿流程图
具体实施方式:
(一)盲元建模
(1)盲元的定义及分类
盲元包括两类:死像元和响应异常像元。
死像元指像元响应率小于平均响应率的1/10的像元,它的输出信号不随输入辐射的改变而改变,它在原始图像上表现为亮点或者暗点。
响应异常像元指其响应值高于平均响应值4倍或者低于平均响应值1/4的像素元。响应异常像元可以正常工作,但是如果不被替代的话会引起较大的残留空间噪声。
(2)盲元的数学模型
①像元响应率
假设探测器(IRFPA)为M×N的红外焦平面阵列。在像元响应率为R(i,j)的红外焦平面阵列中,在一定帧周期和一定动态范围条件下,像元对每单位辐射功率产生的输出信号电压为:
式中,i=1~M,j=1~N;Vs(i,j)像元对应于辐射功率p的响应电压;p为第(i,j)像元所接收的辐射功率。
②平均响应率
红外焦平面阵列各有效像元响应率的平均值:
式中,m和n分别是红外焦平面阵列中像元的行数和列数;d和h分别是死像元数和过热像元数。实际测量中,d和h是经过多次迭代计算得到的。
③盲元率
红外焦平面阵列(IRFPA)的盲元数占总像元数的百分比,由下式表示:
其中,d和h分别是死像元和过热像元数。
(二)盲元检测
红外焦平面阵列(IRFPA)中的盲元与正常探测单元在响应特性上有很大差异。通常采用的盲元检测方法包括:双参考辐射源法和基于场景的检测方法;正常探测单元的温度响应特性曲线在一定的动态范围内是线性的,而盲元的动态范围远离正常的探测单元的动态范围。针对盲元响应特性的这一特点,本文采用了基于两点参考辐射源的盲元自动检测技术。(见图4)具体操作过程如下:
(1)用一低温的均匀辐射源Φ1照射各探测单元,记录每一探测单元的响应并存储起来;
(3)求出这两组数据的差值:
(4)将这一差值与预设的比较门限值δ作比较;
δ的选定对整个盲元的检测非常重要。从理论上说,由红外焦平面阵列(IRFPA)成像的数学模型可得到温度差值为ΔT条件下的红外响应灰度差值δ,即可将此值定为比较门限值。但是,由于该数学模型的建立较复杂,且应用价值不大。在实际应用中一般采用经验值来设定δ。即根据各单元对双参考源的实际响应数据及盲元定义的临界值进行有限次的迭代修正以确定δ。
(三)盲元补偿
(1)初次盲元补偿
①对红外热图像进行盲元检测,这里i=1,…,n,j=1,…,n。通过盲元检测产生一幅表征红外热图像原始盲元分布信息的二进制标志图像矩阵i=1,…,n,j=1,…,n。(见图2)。具体盲元检测过程(见图4)。
其中:
(2)二次盲元补偿
Claims (3)
1.一种基于三次样条的红外热图像盲元补偿算法,其特征在于:
①利用盲元所在行和列的像元为插值节点,构造三次样条插值函数对盲元点的灰度值进行初次插值补偿;
②利用盲元所在行和列的像元和经过第一次补偿的其他盲元为插值节点,构造三次样条插值函数对盲元点的灰度值进行二次插值补偿。
2.如权利要求1所述的基于三次样条的红外热图像盲元补偿算法,其特征在于所述步骤①具体包括:首先,对红外热图像进行盲元检测,获得红外热图像的盲元分布图,然后,对于每一个盲元,以红外热图像中与该盲元同行同列的像元坐标为插值节点,构造行方向和列方向二个方向的三次样条,求出这二个三次样条在该盲元点的插值,取二个插值的均值为该盲元点的初次补偿值。
3.如权利要求1所述的基于三次样条的红外热图像盲元补偿算法,其特征在于所述步骤②具体包括:在初次盲元补偿的基础上,对于每一个盲元,以红外热图像中与该盲元同行同列的像元和其他经过初次补偿的盲元的坐标为插值节点,构造行方向和列方向二个方向的三次样条,求出这二个三次样条在该盲元点的插值,取二个插值的均值为该盲元点的二次补偿值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102405729A CN101908209B (zh) | 2010-07-29 | 2010-07-29 | 一种基于三次样条的红外热图像盲元补偿算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102405729A CN101908209B (zh) | 2010-07-29 | 2010-07-29 | 一种基于三次样条的红外热图像盲元补偿算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101908209A true CN101908209A (zh) | 2010-12-08 |
CN101908209B CN101908209B (zh) | 2012-03-28 |
Family
ID=43263662
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102405729A Expired - Fee Related CN101908209B (zh) | 2010-07-29 | 2010-07-29 | 一种基于三次样条的红外热图像盲元补偿算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101908209B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103459997A (zh) * | 2011-04-06 | 2013-12-18 | 丰田自动车株式会社 | 热图像的平滑化方法、表面温度测量方法及表面温度测量装置 |
CN103793900A (zh) * | 2014-01-24 | 2014-05-14 | 南京信息工程大学 | 一种基于混合自适应回归的红外盲元补偿方法 |
CN105139354A (zh) * | 2015-08-17 | 2015-12-09 | 电子科技大学 | 一种红外或太赫兹图像的盲元补偿方法 |
CN105547490A (zh) * | 2015-12-08 | 2016-05-04 | 中国科学院上海技术物理研究所 | 一种数字tdi红外探测器的实时盲元检测方法 |
CN106525245A (zh) * | 2016-11-03 | 2017-03-22 | 浙江大学 | 一种基于三梯度阈值的快速时序盲元检测与校正方法 |
CN107203986A (zh) * | 2017-05-26 | 2017-09-26 | 努比亚技术有限公司 | 一种图像融合方法、装置及计算机可读存储介质 |
CN109360165A (zh) * | 2018-09-28 | 2019-02-19 | 浙江兆晟科技股份有限公司 | 一种基于场景的盲元图像修复方法及*** |
CN110220567A (zh) * | 2019-07-12 | 2019-09-10 | 四川长虹电器股份有限公司 | 用于不规则容器的实时储量容积检测方法 |
CN110574362A (zh) * | 2017-02-22 | 2019-12-13 | 菲力尔***公司 | 低成本且高性能测辐射热计电路和方法 |
CN110686783A (zh) * | 2019-09-12 | 2020-01-14 | 山东大学 | 一种InGaAs短波红外成像仪的盲元检测方法及图像处理方法 |
CN110826503A (zh) * | 2019-11-08 | 2020-02-21 | 山东科技大学 | 基于多传感器信息融合的密闭管道人体探测方法及*** |
US11655713B2 (en) | 2018-01-31 | 2023-05-23 | Stresswave, Inc. | Integrally repaired bladed rotor |
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 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016040540A1 (en) * | 2014-09-13 | 2016-03-17 | Arc Devices Inc. Usa | Non-touch detection of body core temperature |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101226630A (zh) * | 2007-09-27 | 2008-07-23 | 四川虹微技术有限公司 | 基于三次样条函数的插值方法 |
CN101635050A (zh) * | 2009-06-26 | 2010-01-27 | 武汉大学 | 一种图像复原方法 |
-
2010
- 2010-07-29 CN CN2010102405729A patent/CN101908209B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101226630A (zh) * | 2007-09-27 | 2008-07-23 | 四川虹微技术有限公司 | 基于三次样条函数的插值方法 |
CN101635050A (zh) * | 2009-06-26 | 2010-01-27 | 武汉大学 | 一种图像复原方法 |
Non-Patent Citations (3)
Title |
---|
《IEEE Transactions on Acoustics, Speech and Signal Processing》 19781231 Hsieh Hou et al. Cubic splines for image interpolation and digital filtering 全文 1-3 第26卷, 第6期 2 * |
《光子学报》 20040525 周慧鑫 等 红外焦平面器件盲元检测及补偿算法 全文 1-3 第33卷, 第5期 2 * |
《红外与激光工程》 20071025 肖潇 等 基于最优参数的全景图像三次样条插值复原 全文 1-3 第36卷, 第5期 2 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103459997B (zh) * | 2011-04-06 | 2015-07-15 | 丰田自动车株式会社 | 热图像的平滑化方法、表面温度测量方法及表面温度测量装置 |
CN103459997A (zh) * | 2011-04-06 | 2013-12-18 | 丰田自动车株式会社 | 热图像的平滑化方法、表面温度测量方法及表面温度测量装置 |
CN103793900A (zh) * | 2014-01-24 | 2014-05-14 | 南京信息工程大学 | 一种基于混合自适应回归的红外盲元补偿方法 |
CN103793900B (zh) * | 2014-01-24 | 2016-05-25 | 南京信息工程大学 | 一种基于混合自适应回归的红外盲元补偿方法 |
CN105139354A (zh) * | 2015-08-17 | 2015-12-09 | 电子科技大学 | 一种红外或太赫兹图像的盲元补偿方法 |
CN105547490A (zh) * | 2015-12-08 | 2016-05-04 | 中国科学院上海技术物理研究所 | 一种数字tdi红外探测器的实时盲元检测方法 |
CN105547490B (zh) * | 2015-12-08 | 2019-01-25 | 中国科学院上海技术物理研究所 | 一种数字tdi红外探测器的实时盲元检测方法 |
CN106525245A (zh) * | 2016-11-03 | 2017-03-22 | 浙江大学 | 一种基于三梯度阈值的快速时序盲元检测与校正方法 |
CN106525245B (zh) * | 2016-11-03 | 2018-10-30 | 浙江大学 | 一种基于三梯度阈值的快速时序盲元检测与校正方法 |
CN110574362A (zh) * | 2017-02-22 | 2019-12-13 | 菲力尔***公司 | 低成本且高性能测辐射热计电路和方法 |
CN107203986A (zh) * | 2017-05-26 | 2017-09-26 | 努比亚技术有限公司 | 一种图像融合方法、装置及计算机可读存储介质 |
US11655713B2 (en) | 2018-01-31 | 2023-05-23 | Stresswave, Inc. | Integrally repaired bladed rotor |
CN109360165A (zh) * | 2018-09-28 | 2019-02-19 | 浙江兆晟科技股份有限公司 | 一种基于场景的盲元图像修复方法及*** |
CN109360165B (zh) * | 2018-09-28 | 2020-08-04 | 浙江兆晟科技股份有限公司 | 一种基于场景的盲元图像修复方法及*** |
CN110220567A (zh) * | 2019-07-12 | 2019-09-10 | 四川长虹电器股份有限公司 | 用于不规则容器的实时储量容积检测方法 |
CN110686783A (zh) * | 2019-09-12 | 2020-01-14 | 山东大学 | 一种InGaAs短波红外成像仪的盲元检测方法及图像处理方法 |
CN110686783B (zh) * | 2019-09-12 | 2020-11-20 | 山东大学 | 一种InGaAs短波红外成像仪的盲元检测方法及图像处理方法 |
CN110826503A (zh) * | 2019-11-08 | 2020-02-21 | 山东科技大学 | 基于多传感器信息融合的密闭管道人体探测方法及*** |
CN110826503B (zh) * | 2019-11-08 | 2023-04-18 | 山东科技大学 | 基于多传感器信息融合的密闭管道人体探测方法及*** |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN101908209B (zh) | 2012-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101908209B (zh) | 一种基于三次样条的红外热图像盲元补偿算法 | |
JP6100300B2 (ja) | 階層グラフに基づく画像マッティングおよび前景推定の方法およびシステム | |
CN103996201A (zh) | 一种基于改进梯度和自适应窗口的立体匹配方法 | |
CN113159466B (zh) | 一种短时光伏发电功率预测***及方法 | |
CN103996202A (zh) | 一种基于混合匹配代价和自适应窗口的立体匹配方法 | |
CN111208818B (zh) | 基于视觉时空特征的智能车预测控制方法 | |
CN111353988A (zh) | Knn动态自适应的双图卷积图像分割方法和*** | |
CN113449612B (zh) | 一种基于子流型稀疏卷积的三维目标点云识别的方法 | |
Jahid et al. | Image moments and reconstruction by Krawtchouk via Clenshaw's reccurence formula | |
Suma | Community based network reconstruction for an evolutionary algorithm framework | |
CN104599261A (zh) | 短波红外焦平面的均值直方图神经网络非均匀性校正算法 | |
Dolliou et al. | Temperature of quiet Sun small scale brightenings observed by EUI on board Solar Orbiter: Evidence for a cooler component | |
CN111275751B (zh) | 一种无监督绝对尺度计算方法及*** | |
CN113012044A (zh) | 一种基于深度学习的遥感影像时空融合方法及*** | |
Xu et al. | Stereo matching with optimal local adaptive radiometric compensation | |
CN105139354A (zh) | 一种红外或太赫兹图像的盲元补偿方法 | |
CN115049549A (zh) | 一种基于稳健估计的红外图像条状噪声去除方法 | |
Xiong et al. | Color rank and census transforms using perceptual color contrast | |
CN109788297B (zh) | 一种基于元胞自动机的视频帧率上转换方法 | |
Xie et al. | Semi-supervised regression with temporal image sequences | |
Yu et al. | Colour image demosaicking via joint intra and inter channel information | |
Andrade et al. | Formation-aware cloud segmentation of ground-based images with applications to PV systems | |
CN113284232A (zh) | 一种基于四叉树的光流跟踪方法 | |
Li et al. | A novel multi-frame color images super-resolution framework based on deep convolutional neural network | |
Takeyama et al. | Hyperspectral pansharpening using noisy panchromatic image |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120328 Termination date: 20120729 |