CN107657596A - 一种基于人工交互的航拍图像颜色调整方法 - Google Patents
一种基于人工交互的航拍图像颜色调整方法 Download PDFInfo
- Publication number
- CN107657596A CN107657596A CN201710884565.4A CN201710884565A CN107657596A CN 107657596 A CN107657596 A CN 107657596A CN 201710884565 A CN201710884565 A CN 201710884565A CN 107657596 A CN107657596 A CN 107657596A
- Authority
- CN
- China
- Prior art keywords
- blur radius
- image
- region
- color adjustment
- mrow
- 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 26
- 238000012545 processing Methods 0.000 claims abstract description 25
- 230000001788 irregular Effects 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 3
- 238000013461 design Methods 0.000 description 3
- 239000000428 dust Substances 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002845 discoloration Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于人工交互的航拍图像颜色调整方法。所述方法包括:S1:选取航拍图像中要处理的区域;S2:设定模糊半径;S3:根据选定的区域进行颜色调整;S4:根据选定的区域构造蒙板图像;S5:根据模糊半径对蒙板图像进行处理;S6:根据蒙板图像、处理图像与原图进行线性叠加;S7:得到处理后的图像。通过本发明,可以使得图像的颜色显示效果更好,提高了图像的清晰度,而且处理后不留痕迹,同时颜色整体均匀。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种基于人工交互的航拍图像颜色调整方法。
背景技术
由于航拍图像中,存在物体的阴影,云遮挡阴影,以及物体发射导致的高光,影响到航拍图像的后续操作,如物体分割、分类,因此需要手动选取阴影区域或高光区域调节。
现有的大多数算法都可以对图像整体和局部进行颜色调整,尽管取得了不错的效果,但对高要求的航拍图像而言仍不能满足要求,尤其在点光源干扰或者明暗不均的图像中,需要单独选取调节。
而如果人为的去处理,通常的做法则是,由经验丰富的技术人员,人工选取重点区域调节直至完成处理。但是,如此一来,处理痕迹将会非常明显,对于要求高的情形,难以达到要求。
为了解决上述问题,本发明提出一种基于人工交互的航拍图像颜色调整方法。
发明内容
为了解决上述问题,本发明提出一种基于人工交互的航拍图像颜色调整方法,所述航拍图像颜色调整方法具体包括如下步骤:
S1:选取航拍图像中要处理的区域;
S2:设定模糊半径;
S3:根据选定的区域进行颜色调整;
S4:根据选定的区域构造蒙板图像;
S5:根据模糊半径对蒙板图像进行处理;
S6:根据蒙板图像、处理图像与原图进行线性叠加;
S7:得到处理后的图像。
优选的,所述S2中,所述设定模糊半径的具体方式为:
根据选定的区域设定模糊半径,
选用圆形、方形或者不规则多边形选取要处理的区域;选取的区域越大,模糊半径越大,取值为基数,范围为[3 155]。
优选的,所述S2中,设定模糊半径的具体方式为:
S211:获取已知模糊半径的模糊图像,将模糊图像频谱图第二个暗圆的半径和已知的模糊半径作为训练样本;
S212:基于训练样本,通过支持向量机学习得到模糊半径与第二暗圆半径之间的关系模型;
S213:最后,利用关系模型来预测未知的模糊半径。
优选的,所述S2中,设定模糊半径的具体方式为:
S221:根据选定的区域设定模糊半径,选用圆形、方形或者不规则多边形选取要处理的区域;选取的区域越大,模糊半径越大,取值为基数,范围为[3 155];
S222:通过支持向量机学习得到模糊半径与第二暗圆半径之间的关系模型;利用关系模型来预测未知的模糊半径;
S223:通过根据选定的区域设定模糊半径、利用关系模型来预测未知的模糊半径的加权值作为模糊半径。
优选的,
还可以建立根据选定的区域设定模糊半径、利用关系模型来预测未知的模糊半径与技术人员选取的最优模糊半径的数学模型,再根据该数学模型进行最优模糊半径预测。
优选的,所述S3中“根据选定的区域进行颜色调整”的具体方式为:
S311:获取图像像素的颜色值,归一化颜色值为f(i,j);
S312:选取迭代函数Φ(x)=1-[1-sin2(ax)],x∈[0,1];a的取值为:
其中,L是颜色图像灰度累积分布函数等于0.2时对应的灰阶;
S313:f(i,j)=Φ(f(i,j));
S314:调整后的颜色值fe(i,j)=f(i,j)Φ(f(i,j));
S315:转换为彩色图像并输出。
优选的,所述S3中“根据选定的区域进行颜色调整”的具体方式为:
S321:先将选取的区域转换到Lab颜色空间;
S322:采用基于等效圆的偏色检测算法计算k;
S323:若k大于设定阈值,则执行步骤S324;否则执行步骤S325;
S324:则进行中值滤波;采用白点矫正算法和灰度世界算法对颜色调整,结束颜色调整;
S325:如果小于设定阈值,则不处理颜色,结束调整。
优选的,所述步骤S4中,根据选定的区域构造蒙板图像的具体方法为:
在选择区域内填255,区域外填0,并进行模糊处理,构建与原图像一样大的蒙板图像;在原图选定的区域内进行颜色调整,区域外不处理,区域边界采用蒙板图像做平衡过渡。
优选的,所述模糊处理的具体方式为:
S41:分析选取图像的边缘是否复杂,若是,执行步骤S45;否则执行步骤S42;
S42:比较区域边缘的曲线数量和直线数量,若直线数量较多,执行步骤S43,否则执行步骤S44;
S43:采用直线型隶属函数进行模糊处理,结束模糊处理;
S44:选取S型或Z型的隶属函数对图像进行模糊处理,结束模糊处理;
S44:选取π型隶属函数对图像进行模糊化。
优选的,所述S5中,根据模糊半径对蒙板图像进行处理的具体方式为:
根据模糊半径,采用图像卷积运算对蒙版图像进行处理。
本发明的有益效果在于:通过本发明,可以使得图像的颜色均匀效果更好,提高了图像的清晰度,而且处理后不留痕迹。
附图说明
图1是本发明的原理图;
图2是处理前的效果图;
图3是常规做法的效果图;
图4是本发明的效果图;
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图说明本发明的具体实施方式。
如图1,一种基于人工交互的航拍图像颜色调整方法,所述航拍图像颜色调整方法具体包括如下步骤:
S1:选取航拍图像中要处理的区域;
S2:设定模糊半径;
S3:根据选定的区域进行颜色调整;
S4:根据选定的区域构造蒙板图像;
S5:根据模糊半径对蒙板图像进行处理;
S6:根据蒙板图像、处理图像与原图进行线性叠加;
S7:得到处理后的图像。
优选的,所述S2中,所述设定模糊半径的具体方式为:
根据选定的区域设定模糊半径,
选用圆形、方形或者不规则多边形选取要处理的区域;选取的区域越大,模糊半径越大,取值为基数,范围为[3 155]。
优选的,所述S2中,设定模糊半径的具体方式为:
S211:获取已知模糊半径的模糊图像,将模糊图像频谱图第二个暗圆的半径和已知的模糊半径作为训练样本;
S212:基于训练样本,通过支持向量机学习得到模糊半径与第二暗圆半径之间的关系模型;
S213:最后,利用关系模型来预测未知的模糊半径。
优选的,所述S2中,设定模糊半径的具体方式为:
S221:根据选定的区域设定模糊半径,选用圆形、方形或者不规则多边形选取要处理的区域;选取的区域越大,模糊半径越大,取值为基数,范围为[3 155];
S222:通过支持向量机学习得到模糊半径与第二暗圆半径之间的关系模型;利用关系模型来预测未知的模糊半径;
S223:通过根据选定的区域设定模糊半径、利用关系模型来预测未知的模糊半径的加权值作为模糊半径。
优选的,
还可以建立根据选定的区域设定模糊半径、利用关系模型来预测未知的模糊半径与技术人员选取的最优模糊半径的数学模型,再根据该数学模型进行最优模糊半径预测。
优选的,
所述S3中“根据选定的区域进行颜色调整”的具体方式为:
S311:获取图像像素的颜色值,归一化颜色值为f(i,j);
S312:选取迭代函数Φ(x)=1-[1-sin2(ax)],x∈[0,1];a的取值为:
其中,L是颜色图像灰度累积分布函数等于0.2时对应的灰阶;
S313:f(i,j)=Φ(f(i,j));
S314:调整后的颜色值fe(i,j)=f(i,j)Φ(f(i,j));
S315:转换为彩色图像并输出。
优选的,所述S3中“根据选定的区域进行颜色调整”的具体方式为:
S321:先将选取的区域转换到Lab颜色空间;
S322:采用基于等效圆的偏色检测算法计算k;
S323:若k大于设定阈值,则执行步骤S324;否则执行步骤S325;
S324:则进行中值滤波;采用白点矫正算法和灰度世界算法对颜色调整,结束颜色调整;
S325:如果小于设定阈值,则不处理颜色,结束调整。
优选的,所述步骤S4中,根据选定的区域构造蒙板图像的具体方法为:
在选择区域内填255,区域外填0,并进行模糊处理,构建与原图像一样大的蒙板图像;在原图选定的区域内进行颜色调整,区域外不处理,区域边界采用蒙板图像做平衡过渡。
优选的,所述模糊处理的具体方式为:
S41:分析选取图像的边缘是否复杂,若是,执行步骤S45;否则执行步骤S42;
S42:比较区域边缘的曲线数量和直线数量,若直线数量较多,执行步骤S43,否则执行步骤S44;
S43:采用直线型隶属函数进行模糊处理,结束模糊处理;
S44:选取S型或Z型的隶属函数对图像进行模糊处理,结束模糊处理;
S44:选取π型隶属函数对图像进行模糊化。
优选的,所述S5中,根据模糊半径对蒙板图像进行处理的具体方式为:
根据模糊半径,采用图像卷积运算对蒙版图像进行处理。
如图2-4,图2的原图受到沙尘影响变色,由于沙尘的厚度不一致,直接处理会导致局部色彩严重失真,如图3所示,采用人工圈选处理得到的图像较自然,如图4。
需要说明的是,对于前述的各个方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某一些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和单元并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其他实施例的相关描述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、ROM、RAM等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (9)
1.一种基于人工交互的航拍图像颜色调整方法,其特征在于,所述航拍图像颜色调整方法具体包括如下步骤:
S1:选取航拍图像中要处理的区域;
S2:设定模糊半径;
S3:根据选定的区域进行颜色调整;
S4:根据选定的区域构造蒙板图像;
S5:根据模糊半径对蒙板图像进行处理;
S6:根据蒙板图像、处理图像与原图进行线性叠加;
S7:得到处理后的图像。
2.一种如权利要求1所述的基于人工交互的航拍图像颜色调整方法,其特征在于,所述S2中,所述设定模糊半径的具体方式为:
根据选定的区域设定模糊半径,
选用圆形、方形或者不规则多边形选取要处理的区域;选取的区域越大,模糊半径越大,取值为基数,范围为[3 155]。
3.一种如权利要求1所述的基于人工交互的航拍图像颜色调整方法,其特征在于,所述S2中,设定模糊半径的具体方式为:
S211:获取已知模糊半径的模糊图像,将模糊图像频谱图第二个暗圆的半径和已知的模糊半径作为训练样本;
S212:基于训练样本,通过支持向量机学习得到模糊半径与第二暗圆半径之间的关系模型;
S213:最后,利用关系模型来预测未知的模糊半径。
4.一种如权利要求1所述的基于人工交互的航拍图像颜色调整方法,其特征在于,所述S2中,设定模糊半径的具体方式为:
S221:根据选定的区域设定模糊半径,选用圆形、方形或者不规则多边形选取要处理的区域;选取的区域越大,模糊半径越大,取值为基数,范围为[3 155];
S222:通过支持向量机学习得到模糊半径与第二暗圆半径之间的关系模型;利用关系模型来预测未知的模糊半径;
S223:通过根据选定的区域设定模糊半径、利用关系模型来预测未知的模糊半径的加权值作为模糊半径。
5.一种如权利要求1所述的基于人工交互的航拍图像颜色调整方法,其特征在于,所述S3中“根据选定的区域进行颜色调整”的具体方式为:
S311:获取图像像素的颜色值,归一化颜色值为f(i,j);
S312:选取迭代函数Φ(x)=1-[1-sin2(ax)],x∈[0,1];a的取值为:
<mrow>
<mi>a</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mi>&pi;</mi>
<mo>/</mo>
<mn>2</mn>
<mo>,</mo>
<mi>L</mi>
<mo>&le;</mo>
<mn>70</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1.4</mn>
<mo>,</mo>
<mn>70</mn>
<mo><</mo>
<mi>L</mi>
<mo>&le;</mo>
<mn>185</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1.2</mn>
<mo>,</mo>
<mi>L</mi>
<mo>></mo>
<mn>185</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,L是颜色图像灰度累积分布函数等于0.2时对应的灰阶;
S313:f(i,j)=Φ(f(i,j));
S314:调整后的颜色值fe(i,j)=f(i,j)Φ(f(i,j));
S315:转换为彩色图像并输出。
6.一种如权利要求1所述的基于人工交互的航拍图像颜色调整方法,其特征在于,所述S3中“根据选定的区域进行颜色调整”的具体方式为:
S321:先将选取的区域转换到Lab颜色空间;
S322:采用基于等效圆的偏色检测算法计算k;
S323:若k大于设定阈值,则执行步骤S324;否则执行步骤S325;
S324:则进行中值滤波;采用白点矫正算法和灰度世界算法对颜色调整,结束颜色调整;
S325:如果小于设定阈值,则不处理颜色,结束调整。
7.一种如权利要求1所述的基于人工交互的航拍图像颜色调整方法,其特征在于,所述步骤S4中,根据选定的区域构造蒙板图像的具体方法为:
在选择区域内填255,区域外填0,并进行模糊处理,构建与原图像一样大的蒙板图像;在原图选定的区域内进行颜色调整,区域外不处理,区域边界采用蒙板图像做平衡过渡。
8.一种如权利要求7所述的基于人工交互的航拍图像颜色调整方法,其特征在于,所述模糊处理的具体方式为:
S41:分析选取图像的边缘是否复杂,若是,执行步骤S45;否则执行步骤S42;
S42:比较区域边缘的曲线数量和直线数量,若直线数量较多,执行步骤S43,否则执行步骤S44;
S43:采用直线型隶属函数进行模糊处理,结束模糊处理;
S44:选取S型或Z型的隶属函数对图像进行模糊处理,结束模糊处理;
S44:选取π型隶属函数对图像进行模糊化。
9.一种如权利要求1所述的基于人工交互的航拍图像颜色调整方法,其特征在于,所述S5中,根据模糊半径对蒙板图像进行处理的具体方式为:
采用下式计算:
<mrow>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>s</mi>
<mo>=</mo>
<mo>-</mo>
<mi>a</mi>
</mrow>
<mi>a</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mo>-</mo>
<mi>b</mi>
</mrow>
<mi>b</mi>
</munderover>
<mi>w</mi>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>+</mo>
<mi>s</mi>
<mo>,</mo>
<mi>y</mi>
<mo>+</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
其中,g(x,y)为运算结果,w(s,t)为模糊模板,f(x+s,y+t)为蒙板图像,s和t为位置信息,对该邻域做点乘运算,得到结果赋值到邻域中心位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710884565.4A CN107657596A (zh) | 2017-09-26 | 2017-09-26 | 一种基于人工交互的航拍图像颜色调整方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710884565.4A CN107657596A (zh) | 2017-09-26 | 2017-09-26 | 一种基于人工交互的航拍图像颜色调整方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107657596A true CN107657596A (zh) | 2018-02-02 |
Family
ID=61116096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710884565.4A Pending CN107657596A (zh) | 2017-09-26 | 2017-09-26 | 一种基于人工交互的航拍图像颜色调整方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107657596A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103402117A (zh) * | 2013-08-06 | 2013-11-20 | 夏东 | 基于Lab色度空间的视频图像偏色检测方法 |
CN105608722A (zh) * | 2015-12-17 | 2016-05-25 | 成都品果科技有限公司 | 一种基于人脸关键点的自动***方法及*** |
-
2017
- 2017-09-26 CN CN201710884565.4A patent/CN107657596A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103402117A (zh) * | 2013-08-06 | 2013-11-20 | 夏东 | 基于Lab色度空间的视频图像偏色检测方法 |
CN105608722A (zh) * | 2015-12-17 | 2016-05-25 | 成都品果科技有限公司 | 一种基于人脸关键点的自动***方法及*** |
Non-Patent Citations (4)
Title |
---|
孟庆柏等: ""常用隶属函数在图像处理中的对比研究"", 《通信技术》 * |
张阳等: ""一种离焦模糊半径估计的新方法"", 《信息技术》 * |
徐晓昭等: ""基于图像分析的偏色检测及颜色校正方法"", 《测控技术》 * |
王守觉等: ""一种新的仿生彩色图像增强方法"", 《电子学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110807448B (zh) | 人脸关键点数据增强方法 | |
CN109766898A (zh) | 图像文字识别方法、装置、计算机设备及存储介质 | |
US9569684B2 (en) | Image enhancement using self-examples and external examples | |
CN110443778B (zh) | 一种检测工业品不规则缺陷的方法 | |
CN110660040A (zh) | 一种基于深度学习的工业品不规则缺陷检测方法 | |
CN105678806A (zh) | 一种基于Fisher判别的生猪行为轨迹自动跟踪方法 | |
CN107506795A (zh) | 一种面向图像匹配的局部灰度直方图特征描述子建立方法和图像匹配方法 | |
CN114926407A (zh) | 一种基于深度学习的钢材表面缺陷检测*** | |
CN113392854A (zh) | 一种图像纹理特征提取分类方法 | |
CN112184762A (zh) | 一种基于特征融合的灰狼优化粒子滤波目标跟踪算法 | |
CN116012721A (zh) | 一种基于深度学习的水稻叶片病斑检测方法 | |
CN107578393A (zh) | 一种基于人工交互的航拍图像亮度调节方法 | |
WO2020107308A1 (zh) | 一种基于Retinex的微光图像快速增强方法及其装置 | |
CN116934761B (zh) | 一种乳胶手套缺陷自适应检测方法 | |
Hu et al. | Stroke-based neural painting and stylization with dynamically predicted painting region | |
CN110930358B (zh) | 一种基于自适应算法的太阳能面板图像处理方法 | |
CN107680055A (zh) | 一种基于人工交互的航拍图像雾霾去除方法 | |
CN116452511B (zh) | 钻爆法隧道掌子面围岩级别智能判识方法、装置及介质 | |
CN112102175B (zh) | 图像对比度的增强方法、装置、存储介质及电子设备 | |
CN114283431B (zh) | 一种基于可微分二值化的文本检测方法 | |
CN111612802A (zh) | 一种基于现有图像语义分割模型的再优化训练方法及应用 | |
CN107657596A (zh) | 一种基于人工交互的航拍图像颜色调整方法 | |
CN115063679B (zh) | 一种基于深度学习的路面质量评估方法 | |
CN113012079B (zh) | 低亮度车底图像增强方法、装置及存储介质 | |
CN110298807A (zh) | 基于改进Retinex及量子菌群算法的NSCT域红外图像增强方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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: 20180202 |
|
RJ01 | Rejection of invention patent application after publication |