CN104751432B - 一种基于图像重构的可见光与红外图像融合方法 - Google Patents
一种基于图像重构的可见光与红外图像融合方法 Download PDFInfo
- Publication number
- CN104751432B CN104751432B CN201510101000.5A CN201510101000A CN104751432B CN 104751432 B CN104751432 B CN 104751432B CN 201510101000 A CN201510101000 A CN 201510101000A CN 104751432 B CN104751432 B CN 104751432B
- Authority
- CN
- China
- Prior art keywords
- image
- sign
- gradient
- error
- infrared
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像重构的可见光与红外图像融合方法,属于图像处理领域。本发明依次通过计算已配准的红外图像和可见光亮度图像的梯度、估计亮度图像的噪声强度、求亮度图像梯度的加权和、获得重构图像、归一化重构图像、重构的亮度图像与原可见光的色彩分量组合等步骤,解决现有图像拼接、融合过程中,图像边界存在显著差异性问题。本发明可应用于任意多幅已配准图像的融合处理。
Description
技术领域
本发明属于图像处理领域,具体涉及一种基于图像重构的可见光与红外图像融合方法。
背景技术
图像融合是指将多个传感器探测的图像信息综合处理后,实现对探测场景更全面、更可靠的描述。图像融合通过整合不同图像信息源的互补信息,既可克服单一传感器图像在几何、光谱和空间分辨率等方面存在的局限性和差异性,又能去除多源图像信息的冗余性,在提高图像理解和识别效率的同时又提高了图像的质量,有利于对物理现象和事件进行定位、识别和解释。图像融合通常分为三个层次:像素级融合、特征级融合与决策级融合,本发明属于像素级融合。像素级融合处理的输入和输出数据都是以图像数据为载体,其处理目标是将待融合图像中的感兴趣信息提取出来,集成至融合图像中。
随着多尺度分析工具的发展,以DWT和其一系列改进方案如非下采样轮廓波(NSCT)为代表多尺度分析工具已经广泛应用于图像融合领域[Kong W,Zhang L,LeiY.Novel fusion method for visible light and infrared images based on NSST–SF–PCNN[J].Infrared Physics&Technology,2014,65:103-112.]。融合规则是基于多尺度分析的融合算法中另一个至关重要的因素,融合规则一般可分为三类:基于像素的融合规则、基于窗口的融合规则和基于区域的融合规则[叶传奇.基于多尺度分解的多传感器图像融合算法研究[D].[博士论文].西安电子科技大学,2009]。基于像素的融合规则如传统的加权平均得到的融合图像对比度较低;基于窗口的融合规则,如基于窗口区域统计特性的融合算法[张强,郭宝龙.一种基于非采样Contourlet变换红外图像与可见光图像融合算法[J].红外与毫米波学报,2007,06:476-480.],考虑了相邻像素间的相关性,在一定程度上提高了融合效果;基于区域的融合规则,是将构成某区域的多个像素作为一个整体参与到融合过程中,如基于区域分割的图像融合算法[Liu Kun,Guo Lei,Li Hui-hua,etal.Fusion of infrared and visible light images based on region segmentation[J].Chinese Journal of Aeronautics,2009,22(1):75-80],其融合图像的整体视觉效果更好,并可较好地抑制融合痕迹。但是,上述图像融合方法在对不同大小尺寸的图像进行融合处理时,或者在图像中存在显著梯度变化时,融合图像中存在显著的融合、拼接痕迹。采用边界滤波可以降低融合痕迹,但同时也降低了图像的清晰度。本发明采用图像重构的方法,调整参数少,无需对融合图像进行滤波,即可实现图像的无痕迹融合。
发明内容
本发明针对现有技术中的不足之处提供了一种基于图像重构的可见光与红外图像融合方法,解决现有图像拼接、融合后,融合图像中存在融合痕迹问题,其流程如图1所示,主要包括以下步骤:
步骤01.读取需要进行融合的m幅红外图像IRi(x,y)和n幅可见光图像IMj(x,y),其中,i=1…m,j=1…n;将每一幅可见光图像IMj(x,y)变换至YUV空间,YUV空间的三个分量分别为{IVj,Cbj,Crj},其中IVj是亮度分量,Cbj和Crj是色度分量;
步骤02.对每一幅红外图像和可见光图像按步骤03至步骤06进行操作;
步骤03.以一阶前向或后向差分近似求出红外图像IRi(x,y)的梯度图像GRi(x,y)及可见光图像对应的亮度分量IVj(x,y)的梯度图像GVj(x,y);以下公式为采用一阶前向差分近似所得:
GRi(x,y)=▽IRi(x,y)≈(IRi(x+1,y)-IRi(x,y),IRi(x,y+1)-IRi(x,y));
GVj(x,y)=▽IVj(x,y)≈(IVj(x+1,y)-IVj(x,y),IVj(x,y+1)-IVj(x,y));
步骤04.对梯度图像IRi(x,y)进行均值滤波得均值图像IRMi(x,y),对梯度图像IVj(x,y)进行均值滤波得均值图像IVMj(x,y);
步骤05.从梯度图像IRi(x,y)中减去均值图像IRMi(x,y)得误差图像IREi(x,y),从梯度图像IVj(x,y)中减去均值图像IVMj(x,y)得误差图像IVEj(x,y);
步骤06.分别计算误差图像IREi(x,y)和IVEj(x,y)的噪声标准差;
误差图像IREi(x,y)的噪声标准差具体通过以下方法获得:
(06-1)统计误差图像IREi(x,y)的标准差σR0,i;
(06-2)删除误差图像IREi(x,y)中分布于三倍方差3σR0,i之外的误差点;
(06-3)重复步骤(06-1)至(06-2)进行迭代运算,直至相邻两次迭代运算所得标准差的相对误差小于10%时止,即第p+1次迭代运算所得的标准差σRp+1,i相对于第p次迭代获得的标准差σRp+1,i的相对误差小于10%时止,记第p+1次迭代运算所得的标准差σRp+1,i为误差图像IREi(x,y)的噪声标准差σR,i;
误差图像IVEj(x,y)的噪声标准差σV,j的计算方法与噪声标准差σR,i的计算方法相同;
步骤07.计算加权系数μR,i和μV,j:
μR,i=σV,i/(σRs+σVs),μV,j=σR,j/(σRs+σVs)
其中:σRs=σR,1+σR,2+…+σR,m;σVs=σV,1+σV,2+…+σV,n;
步骤08.获得梯度图像加权和G(x,y)=[Gx(x,y),Gy(x,y)],具体通过以下方式获得:
Gx(x,y)=μR,1*GR1,x(x,y)*[sign[|GR1,x(x,y)|-σR,1]+1]/2
+μR,2*GR2,x(x,y)*[sign[|GR2,x(x,y)|-σR,2]+1]/2
……
+μR,m*GRm,x(x,y)*[sign[|GRm,x(x,y)|-σR,m]+1]/2
+μV,1*GV1,x(x,y)*[sign[|GV1,x(x,y)|-σV,1]+1]/2
+μV,2*GV2,x(x,y)*[sign[|GV2,x(x,y)|-σV,2]+1]/2
……
+μV,n*GVn,x(x,y)*[sign[|GVm,x(x,y)|-σV,m]+1]/2;
Gy(x,y)=μR,1*GR1,y(x,y)*[sign[|GR1,y(x,y)|-σR,1]+1]/2
+μR,2*GR2,y(x,y)*[sign[|GR2,y(x,y)|-σR,2]+1]/2
……
+μR,m*GRm,y(x,y)*[sign[|GRm,y(x,y)|-σR,m]+1]/2
+μV,1*GV1,y(x,y)*[sign[|GV1,y(x,y)|-σV,1]+1]/2
+μV,2*GV2,y(x,y)*[sign[|GV2,y(x,y)|-σV,2]+1]/2
……
+μV,n*GVn,y(x,y)*[sign[|GVm,y(x,y)|-σV,m]+1]/2;
其中,GRi,x(x,y)与GRi,y(x,y)分别是梯度图像GRi(x,y)的x、y分量,GVi,x(x,y)与GVi,y(x,y)分别是梯度图像GVj(x,y)的x、y分量,即GRi(x,y)=[GRi,x(x,y),GRi,y(x,y)],GVj(x,y)=[GVi,x(x,y),GVi,y(x,y)];
步骤09.求解泊松方程▽2IRe(x,y)=div(G(x,y)),获得重构的亮度图像IRe(x,y);
步骤10.读取图像IRe(x,y)的像素最大值ImaxRe和像素最小值IminRe,对图像IRe(x,y)归一化:IReunify(x,y)=(IRe(x,y)-IminRe)/(ImaxRe-IminRe);
步骤11.从所述n幅可见光图像中随机选取一幅图像,将该可见光图像的色度分量Cb、Cr与重构的归一化亮度图像IReunify(x,y)组合,得到融合后的图像{IReunify,Cb,Cr}。
本发明的有益效果是:
采用本发明的图像融合方法,解决了现有图像拼接、融合算法得到的融合图像中存在的融合痕迹问题。同时,在融合过程中,抑制平坦区域的噪声。
附图说明
图1是本发明提供的基于图像重构的可见光与红外图像融合方法流程图;
图2是用于实施例的RGB空间可见光图像,图像宽度为1024,高度为1024,其视场为红外图像的三分之一,并位于红外图像的中间;
图3是用于实施例的红外图像,图像宽度320,高度为240,其视场是可见光图像的三倍;
图4是采用传统的多尺度图像融合方法把图2和图3进行融合后的图像;
图5是实施例中采用本发明提供的图像融合方法的融合图像。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明。
实施例
本实施例的目的是把一幅红外图像与一幅可见光图像进行融合,具体包括以下步骤:
步骤01.读取可见光图像IM(x,y),如图2所示;将可见光图像变换至YUV空间,三个分量分别为{IV,Cb,Cr},其中IV(x,y)是亮度分量,Cb和Cr是色度分量,图像尺寸为1024×1024,视场为红外图像视场的三分之一,并位于红外图像的正中心;读取红外图像IR(x,y),如图3所示,图像尺寸为320×240,视场为可见光图像视场的三倍;
步骤02.根据可见光与红外图像视场比例,完成可见光图像与红外图像像素缩放比例变换:将可见光图像水平和垂直方向都线性压缩为其图像的1/3,压缩后的尺寸为341×341,图像中心与红外图像中心重合,对浮点数坐标四舍五入法至整数栅格坐标;
步骤03.采用一阶前向差分求出红外图像IR(x,y)和亮度分量图像IV(x,y)的梯度图像GR(x,y)和GV(x,y):
GR(x,y)=▽IR(x,y)≈(IR(x+1,y)-IR(x,y),IR(x,y+1)-IR(x,y)),
GV(x,y)=▽IV(x,y)≈(IV(x+1,y)-IV(x,y),IV(x,y+1)-IV(x,y));
步骤04.对梯度图像IR(x,y)进行均值滤波得均值图像IRM(x,y),对梯度图像IV(x,y)进行均值滤波得均值图像IVM(x,y);
步骤05.从梯度图像IR(x,y)中减去均值图像IRM(x,y)得误差图像IRE(x,y),从梯度图像IV(x,y)中减去均值图像IVM(x,y)得误差图像IVE(x,y);
步骤06.分别计算误差图像IRE(x,y)和IVE(x,y)的标准差σR,i和σV,j;
步骤07.计算加权系数μR,i和μV,j;
步骤08.获得梯度图像加权和G(x,y)=[Gx(x,y),Gy(x,y)];
步骤09.求解泊松方程▽2IRe(x,y)=div(G(x,y)),获得重构的亮度图像IRe(x,y);
步骤10.读取图像IRe(x,y)的像素最大值ImaxRe和像素最小值IminRe,对图像IRe(x,y)进行归一化操作:IReunify(x,y)=(IRe(x,y)-IminRe)/(ImaxRe-IminRe);
步骤11.将重构的归一化亮度图像IReunify(x,y)与原可见光图像的彩色分量Cb、Cr组合,得到融合后图像{IReunify,Cb,Cr},如图5所示,图像输出尺寸为320×240彩色图像。
图4是采用传统的多尺度图像融合方法,将图2与图3进行融合后的融合图像;经对比可知,本实施案例中采用本发明提供方法所得的融合图像较其它方法,能更好地处理融合图像的边界,融合图像边界自然、平滑。
Claims (3)
1.一种基于图像重构的可见光与红外图像融合方法,具体包括以下步骤:
步骤01.读取需要进行融合的m幅红外图像IRi(x,y)和n幅可见光图像IMj(x,y),其中,i=1,…,m,j=1,…,n;将每一幅可见光图像IMj(x,y)变换至YUV空间,YUV空间的三个分量分别为{IVj,Cbj,Crj},其中IVj是亮度分量,Cbj和Crj是色度分量;
步骤02.对每一幅红外图像和可见光图像按步骤03至步骤06进行操作;
步骤03.以一阶前向或后向差分近似求出红外图像IRi(x,y)的梯度图像GRi(x,y)及可见光图像对应的亮度分量IVj(x,y)的梯度图像GVj(x,y);
步骤04.对梯度图像GRi(x,y)进行均值滤波得均值图像IRMi(x,y),对梯度图像GVj(x,y)进行均值滤波得均值图像IVMj(x,y);
步骤05.从梯度图像GRi(x,y)中减去均值图像IRMi(x,y)得误差图像IREi(x,y),从梯度图像GVj(x,y)中减去均值图像IVMj(x,y)得误差图像IVEj(x,y);
步骤06.分别计算误差图像IREi(x,y)和IVEj(x,y)的噪声标准差;
误差图像IREi(x,y)的噪声标准差具体通过以下方法获得:
(06-1)统计误差图像IREi(x,y)的标准差σR0,i;
(06-2)删除误差图像IREi(x,y)中分布于三倍标准差3σR0,i之外的误差点;
(06-3)重复步骤(06-1)至(06-2)进行迭代运算,直至相邻两次迭代运算所得标准差的相对误差小于10%时止,即第p+1次迭代运算所得的标准差σRp+1,i相对于第p次迭代获得的标准差σRp,i的相对误差小于10%时止,记第p+1次迭代运算所得的标准差σRp+1,i为误差图像IREi(x,y)的噪声标准差σR,i;
误差图像IVEj(x,y)的噪声标准差σV,j的计算方法与噪声标准差σR,i的计算方法相同;
步骤07.计算加权系数μR,i和μV,j:
μR,i=σR,i/(σRs+σVs),μV,j=σV,j/(σRs+σVs)
其中:σRs=σR,1+σR,2+···+σR,m;σVs=σV,1+σV,2+···+σV,n;
步骤08.获得梯度图像GRi(x,y)与GVj(x,y)的加权和G(x,y)=[Gx(x,y),Gy(x,y)];
步骤09.求解泊松方程▽2IRe(x,y)=div(G(x,y)),获得重构的亮度图像IRe(x,y);
步骤10.读取图像IRe(x,y)的像素最大值ImaxRe和像素最小值IminRe,对图像IRe(x,y)归一化:IReunify(x,y)=(IRe(x,y)-IminRe)/(ImaxRe-IminRe);
步骤11.从所述n幅可见光图像中随机选取一幅图像,将随机选取的可见光图像的色度分量Cb、Cr与重构的归一化亮度图像IReunify(x,y)组合,得到融合后的图像{IReunify,Cb,Cr}。
2.根据权利要求1所述的基于图像重构的可见光与红外图像融合方法,其特征在于,步骤03中所述梯度图像GRi(x,y)及GVj(x,y)具体采用以一阶前向差分近似求得:
GRi(x,y)=▽IRi(x,y)≈(IRi(x+1,y)-IRi(x,y),IRi(x,y+1)-IRi(x,y)),
GVj(x,y)=▽IVj(x,y)≈(IVj(x+1,y)-IVj(x,y),IVj(x,y+1)-IVj(x,y))。
3.根据权利要求1所述的基于图像重构的可见光与红外图像融合方法,其特征在于,所述梯度图像加权和G(x,y)=[Gx(x,y),Gy(x,y)]具体通过以下方式获得:
Gx(x,y)=μR,1*GR1,x(x,y)*[sign[|GR1,x(x,y)|-σR,1]+1]/2
+μR,2*GR2,x(x,y)*[sign[|GR2,x(x,y)|-σR,2]+1]/2
······
+μR,m*GRm,x(x,y)*[sign[|GRm,x(x,y)|-σR,m]+1]/2
+μV,1*GV1,x(x,y)*[sign[|GV1,x(x,y)|-σV,1]+1]/2
+μV,2*GV2,x(x,y)*[sign[|GV2,x(x,y)|-σV,2]+1]/2
······
+μV,n*GVn,x(x,y)*[sign[|GVn,x(x,y)|-σV,n]+1]/2;
Gy(x,y)=μR,1*GR1,y(x,y)*[sign[|GR1,y(x,y)|-σR,1]+1]/2
+μR,2*GR2,y(x,y)*[sign[|GR2,y(x,y)|-σR,2]+1]/2
······
+μR,m*GRm,y(x,y)*[sign[|GRm,y(x,y)|-σR,m]+1]/2
+μV,1*GV1,y(x,y)*[sign[|GV1,y(x,y)|-σV,1]+1]/2
+μV,2*GV2,y(x,y)*[sign[|GV2,y(x,y)|-σV,2]+1]/2
······
+μV,n*GVn,y(x,y)*[sign[|GVn,y(x,y)|-σV,n]+1]/2;
其中,GRi,x(x,y)与GRi,y(x,y)分别是梯度图像GRi(x,y)的x、y分量,GVj,x(x,y)与GVj,y(x,y)分别是梯度图像GVj(x,y)的x、y分量,即GRi(x,y)=[GRi,x(x,y),GRi,y(x,y)],GVj(x,y)=[GVj,x(x,y),GVj,y(x,y)]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510101000.5A CN104751432B (zh) | 2015-03-09 | 2015-03-09 | 一种基于图像重构的可见光与红外图像融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510101000.5A CN104751432B (zh) | 2015-03-09 | 2015-03-09 | 一种基于图像重构的可见光与红外图像融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104751432A CN104751432A (zh) | 2015-07-01 |
CN104751432B true CN104751432B (zh) | 2017-06-16 |
Family
ID=53591053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510101000.5A Expired - Fee Related CN104751432B (zh) | 2015-03-09 | 2015-03-09 | 一种基于图像重构的可见光与红外图像融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104751432B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104966108A (zh) * | 2015-07-15 | 2015-10-07 | 武汉大学 | 一种基于梯度传递的可见光与红外图像融合方法 |
CN105554483B (zh) * | 2015-07-16 | 2018-05-15 | 宇龙计算机通信科技(深圳)有限公司 | 一种图像处理方法及终端 |
CN106204541A (zh) * | 2016-06-29 | 2016-12-07 | 南京雅信科技集团有限公司 | 基于可见光与红外光结合的轨道异物侵限探测方法 |
CN106847149B (zh) * | 2016-12-29 | 2020-11-13 | 武汉华星光电技术有限公司 | 一种高动态对比度图像的色调映射与显示方法 |
CN108154493B (zh) * | 2017-11-23 | 2021-11-30 | 南京理工大学 | 一种基于fpga的双波段红外图像伪彩融合算法 |
CN108288259B (zh) * | 2018-01-06 | 2022-04-05 | 昆明物理研究所 | 一种基于颜色空间转换的灰度融合增强方法 |
CN108717689B (zh) * | 2018-05-16 | 2021-03-16 | 北京理工大学 | 海天背景下舰船检测的中长波红外图像融合方法及装置 |
CN109712070A (zh) * | 2018-12-04 | 2019-05-03 | 天津津航技术物理研究所 | 一种基于泊松融合的红外周视图像拼接方法 |
CN109584174B (zh) * | 2019-01-29 | 2023-03-24 | 电子科技大学 | 一种梯度最小法红外图像边缘保持去噪方法 |
CN109919884A (zh) * | 2019-01-30 | 2019-06-21 | 西北工业大学 | 基于高斯滤波加权的红外和可见光图像融合方法 |
CN110517210B (zh) * | 2019-07-08 | 2021-09-03 | 河北工业大学 | 基于Haar小波梯度重建的多曝光焊区图像融合方法 |
CN111738969B (zh) * | 2020-06-19 | 2024-05-28 | 无锡英菲感知技术有限公司 | 图像融合方法、装置及计算机可读存储介质 |
CN112907493B (zh) * | 2020-12-01 | 2024-07-23 | 航天时代飞鸿技术有限公司 | 无人机蜂群协同侦察下的多源战场图像快速镶嵌融合算法 |
DE102021006300A1 (de) | 2021-12-22 | 2023-06-22 | Diehl Defence Gmbh & Co. Kg | Verfahren zur Erzeugung eines Ausgangsbilds |
CN114648564B (zh) * | 2022-05-23 | 2022-08-23 | 四川大学 | 用于非稳态目标的可见光和红外图像优化配准方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609927A (zh) * | 2012-01-12 | 2012-07-25 | 北京理工大学 | 基于场景景深的雾天可见光/红外图像彩色融合方法 |
CN102982518A (zh) * | 2012-11-06 | 2013-03-20 | 扬州万方电子技术有限责任公司 | 红外与可见光动态图像的融合方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101858646B1 (ko) * | 2012-12-14 | 2018-05-17 | 한화에어로스페이스 주식회사 | 영상 융합 장치 및 방법 |
-
2015
- 2015-03-09 CN CN201510101000.5A patent/CN104751432B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609927A (zh) * | 2012-01-12 | 2012-07-25 | 北京理工大学 | 基于场景景深的雾天可见光/红外图像彩色融合方法 |
CN102982518A (zh) * | 2012-11-06 | 2013-03-20 | 扬州万方电子技术有限责任公司 | 红外与可见光动态图像的融合方法及装置 |
Non-Patent Citations (1)
Title |
---|
基于Shearlet变换的红外与可见光图像融合;冯鑫 等;《光电子·激光》;20130228;第24卷(第2期);第384-390页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104751432A (zh) | 2015-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104751432B (zh) | 一种基于图像重构的可见光与红外图像融合方法 | |
Wang et al. | An experiment-based review of low-light image enhancement methods | |
Zhang et al. | Joint transmission map estimation and dehazing using deep networks | |
Shin et al. | Radiance–reflectance combined optimization and structure-guided $\ell _0 $-Norm for single image dehazing | |
Jiang et al. | Night video enhancement using improved dark channel prior | |
CN105103189B (zh) | 近红外引导的图像去噪 | |
CN103020917B (zh) | 一种基于显著性检测的中国古代书法绘画图像复原方法 | |
CN105138987B (zh) | 一种基于聚合通道特征和运动估计的车辆检测方法 | |
Ko et al. | Artifact-free low-light video enhancement using temporal similarity and guide map | |
CN107977950B (zh) | 基于多尺度指导滤波的快速有效视频图像融合方法 | |
CN110189284A (zh) | 一种红外与可见光图像融合方法 | |
Huo et al. | High‐dynamic range image generation from single low‐dynamic range image | |
CN116091372B (zh) | 基于层分离和重参数的红外和可见光图像融合方法 | |
CN104504722A (zh) | 一种利用灰色点校正图像颜色的方法 | |
CN111160194A (zh) | 一种基于多特征融合的静态手势图像识别方法 | |
CN105139370B (zh) | 一种基于可见光与近红外双波段相机的实时图像融合方法 | |
Román et al. | Image color contrast enhancement using multiscale morphology | |
Ezatian et al. | Image quality enhancement in wireless capsule endoscopy with adaptive fraction gamma transformation and unsharp masking filter | |
Hu et al. | A low illumination video enhancement algorithm based on the atmospheric physical model | |
CN103065310B (zh) | 基于三维光谱角统计的高光谱图像边缘信息提取方法 | |
CN110545414B (zh) | 一种图像锐化方法 | |
Zhuang et al. | A novel image dehazing algorithm via adaptive Gamma-correction and modified AMEF | |
Gasparyan et al. | Iterative Retinex-Based Decomposition Framework for Low Light Visibility Restoration | |
Li et al. | Review of image fusion algorithm based on multiscale decomposition | |
Zhou et al. | Low‐light image enhancement for infrared and visible image fusion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170616 Termination date: 20200309 |