CN103606134A - 一种弱光照视频图像的增强方法 - Google Patents
一种弱光照视频图像的增强方法 Download PDFInfo
- Publication number
- CN103606134A CN103606134A CN201310606919.0A CN201310606919A CN103606134A CN 103606134 A CN103606134 A CN 103606134A CN 201310606919 A CN201310606919 A CN 201310606919A CN 103606134 A CN103606134 A CN 103606134A
- Authority
- CN
- China
- Prior art keywords
- image
- average
- color
- standard deviation
- log
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000002708 enhancing effect Effects 0.000 title abstract description 8
- 238000012546 transfer Methods 0.000 claims description 21
- 238000005728 strengthening Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 10
- 230000006835 compression Effects 0.000 claims description 6
- 238000007906 compression Methods 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 abstract 1
- 230000005012 migration Effects 0.000 abstract 1
- 238000013508 migration Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 16
- 238000010276 construction Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000002407 reforming Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种弱光照视频图像的增强方法,包括以下步骤:1)求单尺度Rctinex中高斯函数的最优尺度参数;2)把强光照图像作为色彩迁移的参考图像;3)得到整体色彩丰富且局部细节突出的图像。与现有技术相比,本发明具有图像增强效果好、得到丰富图像色彩信息等优点。
Description
技术领域
本发明涉及一种图像处理技术,尤其是涉及一种弱光照视频图像的增强方法。
背景技术
图像(Image)是人类传递信息的重要媒体,在人类智能处理的信息中,视觉传达信息占人类接受信息总量的75%以上。图像是人类获取信息、感知世界、进而改造世界的一种重要手段。
电网建设施工过程涉及到项目管理、土建、电气等非常多的专业、行业交叉作业非常明显、施工环境恶劣、施工安全风险及安全隐患较多,这些都是电网建设施工过程中存在的难题。与国家“三集五大”的精神及强化工程建设关键节点的信息化管控以及项目管理过渡阶段的安全稳定的需求形成对比的是,当前的施工过程、施工现场的管控能力不强,缺乏安全监控的技术手段。为此,本发明以城市地下变电站施工为切入点,在电力施工过程的实际情况中,地下变电站施工前期照明情况不理想,所获得的视频图像灰度很低,视觉效果不理想。为了获得清晰的图像,通过对Retinex算法的改进,实现图像增强。
视频增强技术的发展是紧随着视频技术的发展而进行的,由于视频是一组数字图像序列,因此已有的图像增强算法/软件多可以应用于数字视频图像增强。但是数字视频增强算法也有自己特点,如要求高的实时性、视频帧的处理需要连续性等。
传统的视频增强方法通常不利用高亮度信息添加到增强中,只针对视频本身采用增强算法进行处理。视频增强技术归纳为两大类:空域增强处理法(Spatial-basedDomain Enhancement)和频域增强处理法(Frequency-based Domain Enhancement)。空域增强法通常是针对像素操作。大多基于空域增强的算法属于直接增强视频本身的方法,包括灰度变换、直方图变换、滤波器处理、模糊逻辑增强、基于遗传算法优化等。频域增强是将图像进行某种变换,在变换域内,对变换后的系数进行运算,然后再反变换到原来的空间域,得到增强的图像,是一种间接处理方法。常用的图像变换有:傅里叶变换、小波变换、离散余弦变换、沃尔什变换和霍特林变换等。其中应用最成熟的是傅里叶变换,它以修改图像的傅里叶变换为基础,将图像进行变换到频率域内,再对图像的频率域进行滤波处理,最后反变换到空间域,获得增强后的图像,但在视频实时处理时,运算复杂实时性差,不能满足要求。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种图像增强效果好、得到丰富图像色彩信息的弱光照视频图像的增强方法。
本发明的目的可以通过以下技术方案来实现:
一种弱光照视频图像的增强方法,其特征在于,包括以下步骤:
1)求单尺度Retinex中高斯函数的最优尺度参数;
2)把强光照图像作为色彩迁移的参考图像;
3)得到整体色彩丰富且局部细节突出的图像。
所述的步骤1)求单尺度Retinex中高斯函数的最优尺度参数具体为:
高斯卷积函数能较好从原图像得到亮度图像,高斯卷积函数为
式中,c是尺度参数;λ是归一化因子,使
∫∫G(x,y)dxdy=1 (2)
高斯卷积函数只有一个可变参数,尺度参数c决定了单尺度Retinex的处理效果,c较小时,动态范围压缩较大,图像细节突出,但全局照度损失,图像有颜色失真现象;c较大时,图像整体效果好,颜色保真度好,但动态范围压缩较小,局部细节不清晰;
设原图像为I(x,y),反射图像为R(x,y),亮度图像为L(x,y),根据式(1),假设亮度图像是平滑的,单尺度Retinex算法在对数域中可以表示为
式中,G(x,y)是低通卷积函数,亮度图像是
L(x,y)=I(x,y)*G(x,y) (4)
信息熵是对图像所含信息量的度量,信息熵越大,表示图像纹理的复杂度越高,图像所含信息越多,信息熵公式为
其中,pi表示图像的第i个灰度级出现的频率,当所有灰度级出现概率相等时,图像的信息熵最大;当图像为单色时,图像的信息熵为零;
均值是像素的平均灰度值,反映图像了整体的明暗效果,均值越小,图像越暗;灰度标准差反映了相对灰度均值的离散状况,标准差越大,灰度分布越分散,图像质量越好;一幅大小为mxn的图像,其亮度均值和标准差公式为
式中,g(i,j)是坐标(i,j)的像素值;
经过对比,熵值最大,图像的均值和标准差居中,且图像增强效果最好。
所述的步骤2)把强光照图像作为色彩迁移的参考图像具体为:
在lαβ色彩空间对像各个颜色通道的均值和标准差进行统计,其中均值表现图像的整体色调信息,标准差则表现图像的细节特征;
保存色彩迁移图像参考图像的均值和标准差;
为了满足视频图像实时性的要求,色彩迁移参考图像来自同一场景白天强光照图像,此图像经过预处理后数据保存以后直接调用。
所述的步骤3)得到整体色彩丰富且局部细节突出的图像具体为:
调用最优尺度参数的值给单尺度Retincx的高斯函数,通过单尺度Retinex得到增强后的图像;
计算增强后的图像的均值和标准差;
调用色彩迁移图像参考图像的均值和标准差;
色彩迁移图像参考图像的均值和标准差进行缩小,保证增强后图像的色彩信息不失真;
参考图像的整体信息传递到增强后图像中,即增强后图像的均值加上参考图像对应通道的均值,得到合成图像。
与现有技术相比,本发明具有以下优点:
1、通过求取单尺度Retinex(SSR)中高斯函数的最优尺度参数,此时图像信息熵最大,图像增强效果最好。
2、通过单尺度Retinex(SSR)得到增强后的图像,图像虽然局部细节突出,但整体色彩单一,为得到丰富图像色彩信息,将色彩参考图像和SSR增强后图像通过Reinhard色彩迁移进行增强。
附图说明
图1为本发明基于信息熵的单尺度Retinex的高斯函数最优尺度参数求解方法的流程图;
图2为本发明基于Reinhard色彩迁移的色彩信息求解方法的流程图;
图3为本发明基于Reinhard色彩迁移的色彩信息求解方法的流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
如图1-3所示,一种弱光照视频图像的增强方法,其特征在于,包括以下步骤:
1)求单尺度Retinex中高斯函数的最优尺度参数;
2)把强光照图像作为色彩迁移的参考图像;
3)得到整体色彩丰富且局部细节突出的图像。
所述的步骤1)求单尺度Retinex中高斯函数的最优尺度参数具体为:
高斯卷积函数能较好从原图像得到亮度图像,高斯卷积函数为
式中,c是尺度参数;λ是归一化因子,使
∫∫G(x,y)dxdy=1
高斯卷积函数只有一个可变参数,尺度参数c决定了单尺度Retinex的处理效果,c较小时,动态范围压缩较大,图像细节突出,但全局照度损失,图像有颜色失真现象;c较大时,图像整体效果好,颜色保真度好,但动态范围压缩较小,局部细节不清晰;
设原图像为I(x,y),反射图像为R(x,y),亮度图像为L(x,y),根据式(1),假设亮度图像是平滑的,单尺度Retinex算法在对数域中可以表示为
式中,G(x,y)是低通卷积函数,亮度图像是
L(x,y)=I(x,y)*G(x,y)
信息熵是对图像所含信息量的度量,信息熵越大,表示图像纹理的复杂度越高,图像所含信息越多,信息熵公式为
其中,pi表示图像的第i个灰度级出现的频率,当所有灰度级出现概率相等时,图像的信息熵最大;当图像为单色时,图像的信息熵为零;
均值是像素的平均灰度值,反映图像了整体的明暗效果,均值越小,图像越暗;灰度标准差反映了相对灰度均值的离散状况,标准差越大,灰度分布越分散,图像质量越好;一幅大小为mxn的图像,其亮度均值和标准差公式为
式中,g(i,j)是坐标(i,j)的像素值;
经过对比,熵值最大,图像的均值和标准差居中,且图像增强效果最好。
所述的步骤2)把强光照图像作为色彩迁移的参考图像具体为:
在lαβ色彩空间对像各个颜色通道的均值和标准差进行统计,其中均值表现图像的整体色调信息,标准差则表现图像的细节特征;
保存色彩迁移图像参考图像的均值和标准差;
为了满足视频图像实时性的要求,色彩迁移参考图像来自同一场景白天强光照图像,此图像经过预处理后数据保存以后直接调用。
所述的步骤3)得到整体色彩丰富且局部细节突出的图像具体为:
调用最优尺度参数的值给单尺度Retinex的高斯函数,通过单尺度Retinex得到增强后的图像;
计算增强后的图像的均值和标准差;
调用色彩迁移图像参考图像的均值和标准差;
色彩迁移图像参考图像的均值和标准差进行缩小,保证增强后图像的色彩信息不失真;
参考图像的整体信息传递到增强后图像中,即增强后图像的均值加上参考图像对应通道的均值,得到合成图像。
Claims (4)
1.一种弱光照视频图像的增强方法,其特征在于,包括以下步骤:
1)求单尺度Retinex中高斯函数的最优尺度参数;
2)把强光照图像作为色彩迁移的参考图像;
3)得到整体色彩丰富且局部细节突出的图像。
2.根据权利要求1所述的弱光照视频图像的增强方法,其特征在于,所述的步骤1)求单尺度Retinex中高斯函数的最优尺度参数具体为:
高斯卷积函数能较好从原图像得到亮度图像,高斯卷积函数为
式中,c是尺度参数;λ是归一化因子,使
∫∫G(x,y)dxdy=1 (2)
高斯卷积函数只有一个可变参数,尺度参数c决定了单尺度Retinex的处理效果,c较小时,动态范围压缩较大,图像细节突出,但全局照度损失,图像有颜色失真现象;c较大时,图像整体效果好,颜色保真度好,但动态范围压缩较小,局部细节不清晰;
设原图像为I(x,y),反射图像为R(x,y),亮度图像为L(x,y),根据式(1),假设亮度图像是平滑的,单尺度Retinex算法在对数域中表示为
式中,G(x,y)是低通卷积函数,亮度图像是
L(x,y)=I(x,y)*G(x,y) (4)
信息熵是对图像所含信息量的度量,信息熵越大,表示图像纹理的复杂度越高,图像所含信息越多,信息熵公式为
其中,pi表示图像的第i个灰度级出现的频率,当所有灰度级出现概率相等时,图像的信息熵最大;当图像为单色时,图像的信息熵为零;
均值是像素的平均灰度值,反映图像了整体的明暗效果,均值越小,图像越暗;灰度标准差反映了相对灰度均值的离散状况,标准差越大,灰度分布越分散,图像质量越好;一幅大小为mxn的图像,其亮度均值和标准差公式为
式中,g(i,j)是坐标(i,j)的像素值;
经过对比,熵值最大,图像的均值和标准差居中,且图像增强效果最好。
3.根据权利要求1所述的弱光照视频图像的增强方法,其特征在于,所述的步骤2)把强光照图像作为色彩迁移的参考图像具体为:
在lαβ色彩空间对像各个颜色通道的均值和标准差进行统计,其中均值表现图像的整体色调信息,标准差则表现图像的细节特征;
保存色彩迁移图像参考图像的均值和标准差;
为了满足视频图像实时性的要求,色彩迁移参考图像来自同一场景白天强光照图像,此图像经过预处理后数据保存以后直接调用。
4.根据权利要求1所述的弱光照视频图像的增强方法,其特征在于,所述的步骤3)得到整体色彩丰富且局部细节突出的图像具体为:
调用最优尺度参数的值给单尺度Retinex的高斯函数,通过单尺度Retinex得到增强后的图像;
计算增强后的图像的均值和标准差;
调用色彩迁移图像参考图像的均值和标准差;
色彩迁移图像参考图像的均值和标准差进行缩小,保证增强后图像的色彩信息不失真;
参考图像的整体信息传递到增强后图像中,即增强后图像的均值加上参考图像对应通道的均值,得到合成图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310606919.0A CN103606134A (zh) | 2013-11-26 | 2013-11-26 | 一种弱光照视频图像的增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310606919.0A CN103606134A (zh) | 2013-11-26 | 2013-11-26 | 一种弱光照视频图像的增强方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103606134A true CN103606134A (zh) | 2014-02-26 |
Family
ID=50124354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310606919.0A Pending CN103606134A (zh) | 2013-11-26 | 2013-11-26 | 一种弱光照视频图像的增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103606134A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955901A (zh) * | 2014-05-08 | 2014-07-30 | 国网上海市电力公司 | 一种弱光照视频图像的增强方法 |
CN103955902A (zh) * | 2014-05-08 | 2014-07-30 | 国网上海市电力公司 | 基于Retinex和Reinhard色彩迁移的弱光照图像的增强方法 |
CN104112133A (zh) * | 2014-07-30 | 2014-10-22 | 福州大学 | 一种复杂光照下人脸检测预处理方法 |
CN104320622A (zh) * | 2014-10-30 | 2015-01-28 | 上海电力学院 | 一种开源服务器软件的嵌入式视频增强*** |
CN104580826A (zh) * | 2015-02-03 | 2015-04-29 | 成都金本华科技股份有限公司 | 一种增强图像锐度的视频信号处理方法 |
CN106447617A (zh) * | 2016-03-24 | 2017-02-22 | 华南理工大学 | 一种改进的Retinex图像去雾方法 |
CN107566821A (zh) * | 2017-08-27 | 2018-01-09 | 南京理工大学 | 一种基于多维数据关联规则的图像色彩迁移方法 |
CN109191558A (zh) * | 2018-07-27 | 2019-01-11 | 深圳市商汤科技有限公司 | 图像打光方法和装置 |
CN112215767A (zh) * | 2020-09-28 | 2021-01-12 | 电子科技大学 | 一种抗块效应的图像视频增强方法 |
CN112819707A (zh) * | 2021-01-15 | 2021-05-18 | 电子科技大学 | 一种端到端抗块效应低照度图像增强方法 |
CN113128433A (zh) * | 2021-04-26 | 2021-07-16 | 刘秀萍 | 颜色迁移匹配特征的视频监控影像增强方法 |
CN117094912A (zh) * | 2023-10-16 | 2023-11-21 | 南洋电气集团有限公司 | 一种低压配电柜焊接图像增强方法及*** |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246894A (zh) * | 2013-04-23 | 2013-08-14 | 南京信息工程大学 | 一种解决光照不敏感问题的地基云图识别方法 |
-
2013
- 2013-11-26 CN CN201310606919.0A patent/CN103606134A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246894A (zh) * | 2013-04-23 | 2013-08-14 | 南京信息工程大学 | 一种解决光照不敏感问题的地基云图识别方法 |
Non-Patent Citations (7)
Title |
---|
DANIEL J.JOBSON ET AL: "properties and performance of a center/surround retinex", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
REINHARD E ET AL: "Color transfer between images", 《IEEE COMPUTER GRAPHICS AND APPLICATIONS》 * |
付国文: "基于Retinex的图像增强算法研究及实现", 《中国优秀硕士学位论文全文数据库 信息科技辑 》 * |
任斌: "基于Retinex图像增强算法研究与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
刘家朋等: "基于单尺度Retinex 算法的非线性图像增强算法", 《上海交通大学学报》 * |
王世亮等: "基于放缩系数和均值的多参数颜色迁移", 《中国图象图形学报》 * |
赵晓霞: "基于RETINEX理论的视频图像增强***研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955901A (zh) * | 2014-05-08 | 2014-07-30 | 国网上海市电力公司 | 一种弱光照视频图像的增强方法 |
CN103955902A (zh) * | 2014-05-08 | 2014-07-30 | 国网上海市电力公司 | 基于Retinex和Reinhard色彩迁移的弱光照图像的增强方法 |
CN104112133A (zh) * | 2014-07-30 | 2014-10-22 | 福州大学 | 一种复杂光照下人脸检测预处理方法 |
CN104112133B (zh) * | 2014-07-30 | 2018-06-15 | 福州大学 | 一种复杂光照下人脸检测预处理方法 |
CN104320622A (zh) * | 2014-10-30 | 2015-01-28 | 上海电力学院 | 一种开源服务器软件的嵌入式视频增强*** |
CN104580826A (zh) * | 2015-02-03 | 2015-04-29 | 成都金本华科技股份有限公司 | 一种增强图像锐度的视频信号处理方法 |
CN106447617A (zh) * | 2016-03-24 | 2017-02-22 | 华南理工大学 | 一种改进的Retinex图像去雾方法 |
CN107566821A (zh) * | 2017-08-27 | 2018-01-09 | 南京理工大学 | 一种基于多维数据关联规则的图像色彩迁移方法 |
CN109191558A (zh) * | 2018-07-27 | 2019-01-11 | 深圳市商汤科技有限公司 | 图像打光方法和装置 |
WO2020019618A1 (zh) * | 2018-07-27 | 2020-01-30 | 深圳市商汤科技有限公司 | 图像打光方法、装置、电子设备及存储介质 |
CN109191558B (zh) * | 2018-07-27 | 2020-12-08 | 深圳市商汤科技有限公司 | 图像打光方法和装置 |
US11455516B2 (en) | 2018-07-27 | 2022-09-27 | Shenzhen Sensetime Technology Co., Ltd. | Image lighting methods and apparatuses, electronic devices, and storage media |
CN112215767A (zh) * | 2020-09-28 | 2021-01-12 | 电子科技大学 | 一种抗块效应的图像视频增强方法 |
CN112819707A (zh) * | 2021-01-15 | 2021-05-18 | 电子科技大学 | 一种端到端抗块效应低照度图像增强方法 |
CN112819707B (zh) * | 2021-01-15 | 2022-05-03 | 电子科技大学 | 一种端到端抗块效应低照度图像增强方法 |
CN113128433A (zh) * | 2021-04-26 | 2021-07-16 | 刘秀萍 | 颜色迁移匹配特征的视频监控影像增强方法 |
CN117094912A (zh) * | 2023-10-16 | 2023-11-21 | 南洋电气集团有限公司 | 一种低压配电柜焊接图像增强方法及*** |
CN117094912B (zh) * | 2023-10-16 | 2024-01-16 | 南洋电气集团有限公司 | 一种低压配电柜焊接图像增强方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103606134A (zh) | 一种弱光照视频图像的增强方法 | |
CN103955902A (zh) | 基于Retinex和Reinhard色彩迁移的弱光照图像的增强方法 | |
CN108122213B (zh) | 一种基于YCrCb的低对比度图像增强方法 | |
CN103593830B (zh) | 一种低照度视频图像增强方法 | |
CN103778900B (zh) | 一种图像处理方法及*** | |
CN105654433A (zh) | 基于改进多尺度Retinex的彩色图像增强方法 | |
CN111429370B (zh) | 一种煤矿井下的图像增强方法、***及计算机存储介质 | |
CN110148093B (zh) | 一种基于暗通道先验的图像去雾改进方法 | |
CN104268843A (zh) | 基于直方图修饰的图像自适应增强方法 | |
CN105279746A (zh) | 一种基于双边滤波的多曝光图像融合方法 | |
CN103606137A (zh) | 保持背景和细节信息的直方图均衡化方法 | |
CN103268598A (zh) | 基于Retinex理论的低照度低空遥感影像增强方法 | |
Zheng et al. | Infrared traffic image enhancement algorithm based on dark channel prior and gamma correction | |
CN109389569B (zh) | 基于改进DehazeNet的监控视频实时去雾方法 | |
CN104809709A (zh) | 基于域变换与带权四叉树分解的单幅图像自适应去雾方法 | |
CN103700121A (zh) | 一种复合图像的压缩方法及装置 | |
Xu et al. | Colour image enhancement by virtual histogram approach | |
Wang et al. | A piecewise-based contrast enhancement framework for low lighting video | |
CN108711160B (zh) | 一种基于hsi增强性模型的目标分割方法 | |
CN103839245B (zh) | 基于统计规律的Retinex夜间彩色图像增强方法 | |
Xue et al. | Video image dehazing algorithm based on multi-scale retinex with color restoration | |
CN103413331A (zh) | 一种支持编辑传播的高分辨率视频图像内容稀疏表达方法 | |
CN105516674B (zh) | 一种具有hdr显示功能的监视设备 | |
Ding et al. | Color image enhancement with a human visual system based adaptive filter | |
CN101453558A (zh) | 一种视频图像对比度改善方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140226 |
|
RJ01 | Rejection of invention patent application after publication |