CN102915524A - 一种基于阴影区域内外检查线匹配的阴影消除方法 - Google Patents
一种基于阴影区域内外检查线匹配的阴影消除方法 Download PDFInfo
- Publication number
- CN102915524A CN102915524A CN2012103421959A CN201210342195A CN102915524A CN 102915524 A CN102915524 A CN 102915524A CN 2012103421959 A CN2012103421959 A CN 2012103421959A CN 201210342195 A CN201210342195 A CN 201210342195A CN 102915524 A CN102915524 A CN 102915524A
- Authority
- CN
- China
- Prior art keywords
- line
- shadow
- grey scale
- scale curve
- curve
- 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
Images
Landscapes
- Image Processing (AREA)
Abstract
一种基于阴影区域内外检查线匹配的阴影消除方法,步骤包括:阴影检测获得阴影区域,生成阴影区域内外检查线;对每个阴影区域,分波段迭代执行获得内外检查线对应的灰度曲线、通过灰度曲线匹配获得阴影区域与周边的辐射差异、用辐射差异作为依据进行阴影区域的辐射校正处理,直到内外检查对应的亮度曲线反映的阴影区域内外辐射差异足够小;以内外检查线建立过渡区并进行羽化处理。本发明处理方法简单,可操作性强,不仅可以消除阴影区域和周边地物的宏观辐射差异,同时解决了阴影边界处的细节过渡问题,使得影像阴影消除后达到更好的视觉效果。
Description
技术领域
本发明涉及遥感影像处理技术领域,尤其是涉及一种基于阴影区域内外检查线匹配的阴影消除方法。
背景技术
阴影是自然界中普遍存在的一种物理现象,遥感图像中阴影的存在会对物体识别等计算机视觉及遥感影像后续处理的相关问题造成不利的影响。阴影现象也是一种特殊的图像退化形式,会造成阴影区内的目标信息受到干扰或有所损失,不利于在计算机图像处理中的地物边缘提取、目标识别、目标追踪和地表覆盖分类以及影响匹配算法的成功率,对于基于遥感影像的变化检测影响更大。为了达到视觉上的光照一致,恢复阴影区域的地物辐射便于图像的后续处理,需要消除影像上的阴影。目前比较常见的阴影消除方法一是利用遥感影像自带红外波段进行辐射补偿,这种方法一般效果比较好,也比较准确,但是当前大多高分辨率遥感影像不带红外波段;二是利用假设的阴影形成模型对阴影区域进行辐射恢复,这种方法在影像成像环境不符合假设模型时无法获得理想结果,另外在阴影的边界处细节处理效果不好;三是对遥感影像进行整体辐射处理,使得阴影区域获得辐射补偿,但是这种方法在对阴影信息进行补偿的同时,也整体改变了非阴影区域的信息,且补偿效果无法评判。
发明内容
针对上述问题,本发明提出了一种基于阴影区域内外检查线匹配的阴影消除方法,该方法目标是既能在宏观上消除阴影的视觉效果,在微观上也要使得阴影边界过渡自然不留痕迹。
本发明的技术方案为一种基于阴影区域内外检查线匹配的阴影消除方法,包括以下步骤:
步骤1,对影像进行阴影检测,获取影像中的阴影区域以及相应的阴影边界矢量线;
步骤2,设步骤1中所得任一阴影区域相应的阴影边界矢量线为R,利用阴影边界矢量线R生成阴影区域边界内外检查线,所述阴影区域边界内外检查线包括由阴影边界矢量线R外扩后位于非阴影区域的外检查线R1和由阴影边界矢量线R内缩后位于阴影对象内的内检查线R2,
步骤3,根据任一阴影区域的外检查线R1和内检查线R2,对每个波段分别执行以下步骤,步骤3.1,分别沿外检查线R1和内检查线R2采集影像在当前波段上的灰度值,生成灰度曲线V1和灰度曲线V2;
步骤3.2,对步骤3.1所得灰度曲线V1和灰度曲线V2进行匹配,获得灰度曲线V1和灰度曲线V2间的辐射差异;
步骤3.3,判断步骤3.2所得辐射差异是否满足预设的迭代结束条件,若否则以非阴影区的辐射特性为参考,对阴影区域进行辐射校正处理,然后返回步骤3.1,若是则进入步骤3.4;
步骤3.4,以外检查线R1和内检查线R2之间作为过渡区,在过渡区内对当前辐射校正处理后的阴影区域的边界进行羽化过渡处理。
而且,步骤2中利用阴影边界矢量线R生成阴影区域边界内外检查线,实现方式如下,对阴影边界矢量线R上的每个点j取阴影边界矢量线R的垂线,垂线上两侧与点j距离为a的点分别作为外检查线R1和内检查线R2中对应的节点,外检查线R1的所有节点连接构成外检查线R1,内检查线R2的所有节点连接构成内检查线R2,其中a为预设参数。
而且,步骤3.1中生成灰度曲线V1和灰度曲线V2时,使得灰度曲线V1和灰度曲线V2采样像素数量相同且位置对应。
而且,步骤3.2中对步骤3.1所得灰度曲线V1和灰度曲线V2进行匹配前,对灰度曲线V1和灰度曲线V2做高斯平滑滤波处理。
而且,步骤3.2的实现方式是,对高斯平滑滤波处理后的灰度曲线V1和灰度曲线V2以相同尺度平均分段,然后对所得分段曲线计算曲线形状相似性,排除相关系数最小的若干分段曲线;根据剩余分段曲线计算灰度平均差异D,获得灰度曲线V1和灰度曲线V2间的辐射差异。
而且,步骤3.3中所述非阴影区的辐射特性,采用排除相关系数最小的若干分段曲线后灰度曲线V1的统计特性。
而且,步骤3.3中所述预设的迭代结束条件为,本次所得辐射差异小于某一预设阈值T2且相邻n次迭代所得辐射差异的变化量小于某一预设阈值T1,n为预设次数。
本发明以阴影区域内外检查线的沿线灰度分布差异代表阴影区域内外辐射差异,辐射处理算法流程简单,可操作性强,阴影区域恢复效果更加自然,既能照顾阴影区域和背景的宏观差异消除,也能实现阴影边界处细微差异消除;并且,以迭代辐射校正的方法进行阴影消除,计算方法简单稳定,处理效果可控。
附图说明
图1为本发明实施例的流程图。
图2为本发明实施例的阴影区域边界内外检查线示意图。
图3为本发明实施例的阴影区域边界内外检查线的节点对应示意图。
图4为本发明实施例的内外检查线对应的灰度曲线示意图。
图5为本发明实施例的内外检查线对应灰度曲线高斯平滑后结果图。
图6为本发明实施例的过渡区示意图。
图7为本发明实施例的原始影像示意图。
图8为本发明实施例的阴影消除结果示意图。
具体实施方式
本发明所提供的一种基于阴影区域内外检查线匹配的阴影消除方法是,利用阴影检测方法得到阴影区域,并生成阴影内外检查线,然后以非阴影区域的辐射特性为基准,对阴影区域进行迭代辐射处理来恢复阴影区域内地物辐射特性,并且以沿检查线的亮度差异(辐射差异)为校正效果检查标准,最后利用内外检查线生成过渡区域,对过渡区域进行羽化处理。具体实施时,可采用计算机软件技术实现自动流程运行,以下结合附图和实施例详细说明本发明技术方案。
如图1所示,实施例的流程具体包括以下步骤:
步骤1,对影像进行阴影检测,获取影像中的阴影区域以及阴影边界矢量线。
影像中的阴影区域可能有多个,对任一阴影区域都执行同样的流程进行处理。具体流程可设计为,初始化i=1,对影像中第i个阴影区域进行以下处理。
步骤2,设步骤1中所得任一阴影区域相应的阴影边界矢量线为R,利用阴影边界矢量线R生成阴影区域边界内外检查线。
如图2,设影像中第i个阴影区域的阴影边界矢量线为R,阴影区域边界内外检查线包括由阴影边界矢量线R外扩后位于非阴影区域的外检查线R1和由阴影边界矢量线R内缩后位于阴影对象内的内检查线R2。如图3,使得外检查线R1和内检查线R2中各节点相互对应。一条阴影边界矢量线包括若干个节点。
因为内外检查线不等长,为使得内外检查线各节点相互对应,实施例以阴影边界矢量线为参照,对阴影边界矢量线上的每个节点j取阴影边界矢量线R的垂线,垂线上两侧与点j距离为a的点分别作为外检查线R1和内检查线R2中对应的节点。外检查线R1的所有节点连接构成外检查线R1,内检查线R2的所有节点连接构成内检查线R2。内外检查线的节点可参考阴影边界矢量线的走向来确定,例如顺时针的话左边即为外侧检查线,右边为内侧检查线。具体实施时,点j上阴影边界矢量线的垂线可以由点j在阴影边界矢量线上临近的若干个点拟合的直线生成。其中a为预设参数,具体实施时可由用户自行根据实际情况指定。
步骤3,根据任一阴影区域的外检查线R1和内检查线R2,对每个波段分别执行以下步骤,
根据本技术领域习惯,影像一般分为RGB(红、绿、蓝)三个波段。本发明提出对三个波段分别处理,流程可以设计为对三个波段依次分别处理(顺序没有要求),处理完后即可得到对原始影像的阴影消除结果。
步骤3.1,分别沿外检查线R1和内检查线R2采集对应影像在当前波段上的灰度值,生成灰度曲线V1和灰度曲线V2。
如图4所示,沿外检查线R1采集对应影像某波段灰度值生成的灰度曲线V1处于上方,沿内检查线R2采集对应影像某波段灰度值生成的灰度曲线V2处于下方。
生成灰度曲线V1和灰度曲线V2时,对灰度曲线进行标准化,即使得两条灰度曲线采样像素(节点)数量相同,且空间关系对应,便于进行差异比较和匹配。因为步骤2实现了外检查线R1和内检查线R2各节点相互对应,步骤3.1生成的灰度曲线V1和灰度曲线V2空间关系也可以对应。
步骤3.2,对灰度曲线V1和灰度曲线V2进行匹配,获得灰度曲线V1和灰度曲线V2间的辐射差异。
为了使得处理后的灰度曲线更能够代表阴影区域内外的辐射差异,可以在匹配前对灰度曲线V1和灰度曲线V2进行高斯滤波平滑处理,提取两灰度曲线的低频部分,这样可以消除局部细微差异的干扰,且能反映出两检查线对应位置的影像辐射特性。如图5所示,灰度曲线V1的高斯平滑后结果处于上方,灰度曲线V2的高斯平滑后结果处于下方。具体实施时,高斯平滑模板的大小和滤波次数可作为参数根据实际影像的特点和灰度曲线本身的平滑程度确定。
为了获得内外检查线对应灰度曲线所反映的真实阴影区域内外辐射差异,可以把两灰度曲线以相同准则(例如两条灰度曲线在横轴上的对应尺度间隔相等)平均分段,然后对所得分段曲线利用如下公式1计算曲线形状相似性,排除相关系数最小的若干分段曲线,使之不参与后续计算。从概率上来说只要曲线上大多数部分能够反映阴影区域内外辐射特性就可以进行辐射处理,因此平均分段算法虽然简单,但是在大多数情况可以获得比较好的结果。如果想进一步提高匹配的精度,可以对相关系数最小的分段曲线两侧相邻分段曲线重新分段匹配。因为相关系数小的分段曲线的两侧相邻分段也可能存在较多的形状不对应的部分,如果参与后续计算的话对精度也有一定影响,所以可以对两侧相邻分段曲线各再做一次平均分段,进一步排除其中相关系数最小的若干分段曲线,就像对原始的灰度曲线V1、V2做分段处理一样。
设灰度曲线V1、V2中的任意一对相应分段曲线,包括灰度曲线V1中的分段曲线A和灰度曲线V2中的分段曲线B,计算曲线形状相似性可采用以下公式
其中Shape(A,B)表示分段曲线A和分段曲线B的曲线形状相似性,其实质是分段曲线A和分段曲线B的相关系数,n是分段曲线A和分段曲线B的节点个数,分段曲线A的节点个数与分段曲线B的节点个数相同。指分段曲线A上第i个点的灰度值,指分段曲线B上第i个点的灰度值,i的取值为1,2…n;指分段曲线A上所有点灰度值的平均值,指分段曲线B上所有点的灰度值的平均值。
计算相似性过程即为匹配过程,相似性计算结果大于某给定阈值时表示上下两个分段曲线形状是相似的。通过匹配获得对应分段曲线后,利用对应分段曲线可以获取两灰度曲线间的辐射差异,表达阴影区域内外辐射特性和差异的主要可采用灰度平均差异D,本发明用两灰度曲线分别代替阴影区域内外进行参数统计,灰度曲线V1和灰度曲线V2间的辐射差异采用以下公式计算:
根据现有技术,灰度平均差异D计算公式如下,
该匹配的作用是获得两条灰度曲线上能最大限度反映阴影区域形成前后的辐射特性的部分。因为阴影区域边界矢量线两侧的地物在阴影形成前后辐射特性并不一定是相同的,比如阴影会和形成阴影的建筑物相邻,外检查线形成的灰度曲线中会有一部分是建筑物的高亮辐射特性,该部分辐射特性与内检查线对应位置的辐射特性不具有可比性。步骤3.3,判断步骤3.2所得辐射差异是否满足预设的迭代结束条件,若否则以非阴影区的辐射特性为参考,对阴影区域进行辐射校正处理,然后返回步骤3.1,若是则进入步骤3.4。不满足预设的迭代结束条件时,返回步骤3.1进行下一轮迭代,包括基于本轮在步骤3.3对阴影区域进行辐射校正处理后所得的影像,重新从分别沿外检查线R1和内检查线R2采集对应影像当前波段灰度值,生成新的灰度曲线V1和灰度曲线V2,然后同样执行处理直到满足预设的迭代结束条件。
实施例首先判断所得辐射差异是否满足预设的迭代结束条件,即辐射差异的参数值是否足够小,若否则以非阴影区域的辐射特性为基准,对阴影区域进行辐射增强处理恢复阴影区内的地物辐射特性,通过多次迭代使得灰度曲线V1和灰度曲线V2间的辐射差异最小且在阈值范围内。
用阴影区域的周围非阴影区域为参照,这样经辐射校正(阴影消除)后的阴影区域才不容易被察觉,可以得到理想的效果。为提高效率起见,本发明参照的非阴影区域的辐射特性可以近似的由生成的外检查线来替代。实施例的非阴影区域的辐射特性采用的是本轮对外检查线R1去掉其中相关系数小的分段曲线后,外检查线上的相应波段的灰度的统计特性,即灰度曲线V1的剩余分段曲线的统计特性。
因此,实施例中,阴影区域的辐射处理是一个迭代过程,包括内外检查线对应灰度曲线的生成、高斯平滑、匹配、辐射差异获取到阴影区域辐射处理几个关键步骤。以非阴影区域为参考,以相对辐射校正法进行阴影消除,每次辐射校正后重新统计灰度曲线V1和灰度曲线V2的辐射差异,当满足迭代结束条件时终止。可以设定为若相邻n次的迭代处理后辐射差异Δ的变化量小于某一值T1且当前所得辐射差异小于某一阈值T2,则认为辐射差异Δ已达到最小,停止迭代辐射校正进行步骤3.4。T1和T2都是设定的阈值,具体实施时本领域技术人员可以根据图像的不同设定的不同值;n为预设次数,具体实施时本领域技术人员可以根据精度需要和实验取值。若当前是第x次迭代,迭代结束条件为:第x次执行所得的辐射差异小于T2,且第x次执行所得的辐射差异与第x-1次执行所得的辐射差异相减得到的变化量delta(1),第x次的差异与第x-2次的差异相减得到的变化量delta(2)…第x次的差异与第x-n次的差异相减得到的变化量delta(n),这n个变化量delta(1)、delta(2)…delta(n)都小于T1。
根据获得的辐射差异,以非阴影区为参考,对阴影区域进行辐射校正处理,具体的辐射校正方法可以选择基于最大最小值法、直方图匹配法、去雾校正法、均值方差法或者简单线性回归法等相对辐射校正方法。例如灰度曲线V1和灰度曲线V2间的辐射差异可以使用曲线间的灰度平均差异D表示,则适合使用最大最小值法进行辐射处理,具体实现为现有技术,本发明不予赘述。
步骤3.4,以外检查线R1和内检查线R2之间作为过渡区,在过渡区内对当前辐射校正处理后的阴影区域的边界进行羽化过渡处理。
对完成阴影区域辐射处理的结果(即最近一次执行步骤3.3辐射校正处理后的阴影区域)进行后处理,以内外检查线建立过渡区,对阴影边界处进行羽化处理;以检查线为基准生成过渡区如图6所示,利用羽化过渡处理即可获得阴影消除结果,如图8,具体实现为现有技术,本发明不予赘述。对比图7,可见本发明的技术效果。
具体流程可设计为依次对影像中的阴影区域进行处理,设当前处理的是第i个阴影区域,初始化i=1,对当前阴影区域执行步骤2、3的处理完成后,令i=i+1,然后返回步骤2继续对下一个阴影区域处理,直到对影像中的所有阴影区域处理完,即i=M,M为影像中的阴影区域总数。这样即可得到对整幅影像的阴影消除结果。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (7)
1.一种基于阴影区域内外检查线匹配的阴影消除方法,其特征在于,包括以下步骤:
步骤1,对影像进行阴影检测,获取影像中的阴影区域以及相应的阴影边界矢量线;
步骤2,设步骤1中所得任一阴影区域相应的阴影边界矢量线为R,利用阴影边界矢量线R生成阴影区域边界内外检查线,所述阴影区域边界内外检查线包括由阴影边界矢量线R外扩后位于非阴影区域的外检查线R1和由阴影边界矢量线R内缩后位于阴影对象内的内检查线R2,
步骤3,根据任一阴影区域的外检查线R1和内检查线R2,对每个波段分别执行以下步骤,步骤3.1,分别沿外检查线R1和内检查线R2采集影像在当前波段上的灰度值,生成灰度曲线V1和灰度曲线V2;
步骤3.2,对步骤3.1所得灰度曲线V1和灰度曲线V2进行匹配,获得灰度曲线V1和灰度曲线V2间的辐射差异;
步骤3.3,判断步骤3.2所得辐射差异是否满足预设的迭代结束条件,若否则以非阴影区的辐射特性为参考,对阴影区域进行辐射校正处理,然后返回步骤3.1,若是则进入步骤3.4;
步骤3.4,以外检查线R1和内检查线R2之间作为过渡区,在过渡区内对当前辐射校正处理后的阴影区域的边界进行羽化过渡处理。
2.根据权利要求1所述基于阴影区域内外检查线匹配的阴影消除方法,其特征在于:步骤2中利用阴影边界矢量线R生成阴影区域边界内外检查线,实现方式如下,
对阴影边界矢量线R上的每个点j取阴影边界矢量线R的垂线,垂线上两侧与点j距离为a的点分别作为外检查线R1和内检查线R2中对应的节点,外检查线R1的所有节点连接构成外检查线R1,内检查线R2的所有节点连接构成内检查线R2,其中a为预设参数。
3.根据权利要求2所述基于阴影区域内外检查线匹配的阴影消除方法,其特征在于:步骤3.1中生成灰度曲线V1和灰度曲线V2时,使得灰度曲线V1和灰度曲线V2采样像素数量相同且位置对应。
4.根据权利要求3所述基于阴影区域内外检查线匹配的阴影消除方法,其特征在于:步骤3.2中对步骤3.1所得灰度曲线V1和灰度曲线V2进行匹配前,对灰度曲线V1和灰度曲线V2做高斯平滑滤波处理。
5.根据权利要求4所述基于阴影区域内外检查线匹配的阴影消除方法,其特征在于:步骤3.2的实现方式是,对高斯平滑滤波处理后的灰度曲线V1和灰度曲线V2以相同尺度平均分段,然后对所得分段曲线计算曲线形状相似性,排除相关系数最小的若干分段曲线;根据剩余分段曲线计算灰度平均差异D,获得灰度曲线V1和灰度曲线V2间的辐射差异。
6.根据权利要求5所述基于阴影区域内外检查线匹配的阴影消除方法,其特征在于:步骤3.3中所述非阴影区的辐射特性,采用排除相关系数最小的若干分段曲线后灰度曲线V1的统计特性。
7.根据权利要求1或2或3或4或5或6所述基于阴影区域内外检查线匹配的阴影消除方法,其特征在于:步骤3.3中所述预设的迭代结束条件为,本次所得辐射差异小于某一预设阈值T2且相邻n次迭代所得辐射差异的变化量小于某一预设阈值T1,n为预设次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210342195.9A CN102915524B (zh) | 2012-09-14 | 2012-09-14 | 一种基于阴影区域内外检查线匹配的阴影消除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210342195.9A CN102915524B (zh) | 2012-09-14 | 2012-09-14 | 一种基于阴影区域内外检查线匹配的阴影消除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102915524A true CN102915524A (zh) | 2013-02-06 |
CN102915524B CN102915524B (zh) | 2015-01-14 |
Family
ID=47613879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210342195.9A Active CN102915524B (zh) | 2012-09-14 | 2012-09-14 | 一种基于阴影区域内外检查线匹配的阴影消除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102915524B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240619A (zh) * | 2021-01-26 | 2021-08-10 | 重庆师范大学 | 基于改进减法直方图的土壤图像阴影检测方法 |
CN113487502A (zh) * | 2021-06-30 | 2021-10-08 | 中南大学 | 一种坑洼图像的阴影去除方法 |
CN116109540A (zh) * | 2023-03-22 | 2023-05-12 | 智洋创新科技股份有限公司 | 基于粒子群优化灰度曲线匹配的图像配准融合方法和*** |
-
2012
- 2012-09-14 CN CN201210342195.9A patent/CN102915524B/zh active Active
Non-Patent Citations (10)
Title |
---|
FENG LIU AND MICHAEL GLEICHER: "《Texture consistent shadow removal》", 《10TH EUROPEAN CONFERENCE ON COMPUTER VISON》 * |
ZHOUWEI ZHANG等: "A Shadow Processing Method of High Spatial Resolution Remote Sensing Image", 《IMAGE AND SIGNAL PROCESSING(CISP), 2010 3RD INTERNATIOINAL CONGRESS ON》 * |
丁宇虹: "《遥感图像辐射矫正与增强的研究与进展》", 《科学之友》 * |
俞浩: "《彩色图像偏色校正与阴影去除技术研究》", 《中国优秀硕士学位论文全文数据库》 * |
周春江等: "《遥感影像镶嵌中拼接缝消除方法研究》", 《西南大学学报(自然科学版)》 * |
王少楠等: "《地形辐射校正模型研究进展》", 《国土资源遥感》 * |
陈奋等: "《一种基于无抽样小波变换的云阴影去除算法》", 《计算机工程》 * |
陈奋等: "《高分辨率遥感影像中的云阴影去除》", 《计算机工程与应用》 * |
陈继国: "《单幅数字图像的阴影分割及去除》", 《中国优秀硕士学位论文全文数据库》 * |
顾征: "《彩色立体像对的自适应匹配》", 《光电子·激光》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240619A (zh) * | 2021-01-26 | 2021-08-10 | 重庆师范大学 | 基于改进减法直方图的土壤图像阴影检测方法 |
CN113240619B (zh) * | 2021-01-26 | 2022-06-21 | 重庆师范大学 | 基于改进减法直方图的土壤图像阴影检测方法 |
CN113487502A (zh) * | 2021-06-30 | 2021-10-08 | 中南大学 | 一种坑洼图像的阴影去除方法 |
CN113487502B (zh) * | 2021-06-30 | 2022-05-03 | 中南大学 | 一种坑洼图像的阴影去除方法 |
CN116109540A (zh) * | 2023-03-22 | 2023-05-12 | 智洋创新科技股份有限公司 | 基于粒子群优化灰度曲线匹配的图像配准融合方法和*** |
CN116109540B (zh) * | 2023-03-22 | 2023-07-18 | 智洋创新科技股份有限公司 | 基于粒子群优化灰度曲线匹配的图像配准融合方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN102915524B (zh) | 2015-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108389188B (zh) | 一种稀疏高光谱异常目标检测方法 | |
CN110232389B (zh) | 一种基于绿色作物特征提取不变性的立体视觉导航方法 | |
CN109191387B (zh) | 一种基于巴特沃斯滤波器的红外图像去噪方法 | |
CN107464226B (zh) | 一种基于改进二维经验模态分解算法的图像去噪方法 | |
CN110866924A (zh) | 一种线结构光中心线提取方法及存储介质 | |
JP6885509B2 (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
Yang et al. | Multiscale facet model for infrared small target detection | |
CN110059640B (zh) | 基于光学遥感卫星近红外谱段的海面船舶在轨识别方法 | |
CN107704807A (zh) | 一种基于多源遥感序列影像的动态监测方法 | |
CN105354865A (zh) | 多光谱遥感卫星影像自动云检测方法及*** | |
CN103226832B (zh) | 基于光谱反射率变化分析的多光谱遥感影像变化检测方法 | |
CN104732492A (zh) | 一种深度图像的去噪方法 | |
CN104657951A (zh) | 图像乘性噪声移除方法 | |
Chen et al. | A novel infrared small target detection method based on BEMD and local inverse entropy | |
CN103489168A (zh) | 一种红外图像自适应转伪彩增强方法及*** | |
CN102915524B (zh) | 一种基于阴影区域内外检查线匹配的阴影消除方法 | |
CN109101985A (zh) | 一种基于自适应邻域测试的图像误匹配点对剔除方法 | |
CN105205829B (zh) | 基于改进的二维Otsu的变电站红外图像分割方法 | |
CN105261024B (zh) | 基于改进T‑Snake模型的遥感影像复杂水体边界提取方法 | |
CN107025640A (zh) | 基于优化的非局部均值的医学图像去噪方法 | |
Luo et al. | Shadow removal based on clustering correction of illumination field for urban aerial remote sensing images | |
CN102629369B (zh) | 一种基于照度表面建模的单幅彩色图像阴影去除方法 | |
CN104867120B (zh) | 基于比值分布的sar图像非局部降斑方法 | |
US6859550B2 (en) | Robust method for image feature estimation | |
CN104966271A (zh) | 基于生物视觉感受野机制的图像去噪方法 |
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 |