CN111696067A - 一种基于图像融合***的宝石图像融合方法 - Google Patents

一种基于图像融合***的宝石图像融合方法 Download PDF

Info

Publication number
CN111696067A
CN111696067A CN202010545686.8A CN202010545686A CN111696067A CN 111696067 A CN111696067 A CN 111696067A CN 202010545686 A CN202010545686 A CN 202010545686A CN 111696067 A CN111696067 A CN 111696067A
Authority
CN
China
Prior art keywords
image
fusion
gem
images
decomposition
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
Application number
CN202010545686.8A
Other languages
English (en)
Other versions
CN111696067B (zh
Inventor
潘明华
黄小青
孙绍华
刘宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guilin University of Electronic Technology
Original Assignee
Guilin University of Electronic Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guilin University of Electronic Technology filed Critical Guilin University of Electronic Technology
Priority to CN202010545686.8A priority Critical patent/CN111696067B/zh
Publication of CN111696067A publication Critical patent/CN111696067A/zh
Application granted granted Critical
Publication of CN111696067B publication Critical patent/CN111696067B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20064—Wavelet transform [DWT]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于图像融合***的宝石图像融合方法，该方法是先选取需要融合的2幅宝石图像，检测输入图像大小是否相等；然后利用图像融合方法对两幅宝石图像进行融合，对两张输入图像进行匹配度大小的比较，最终得到宝石融合图像。本发明针对存在局部高光、模糊等问题的宝石图像，利用融合规则提供多种方法可选融合算法，经过融合后可以获得更为完整清晰的宝石图像。***可以较好地保持宝石图像的信息和完整轮廓，具有融合快、效率高、操作简单等优点。

Description

一种基于图像融合***的宝石图像融合方法
技术领域
本发明涉及宝石图像处理，具体是一种基于图像融合***的宝石图像融合方法。
背景技术
宝石是一种常见的饰品，其一般硬度高、反射率大，在光照下明亮闪耀。但也因其强反射特性，在利用数字图像技术进行宝石图像采集时会出现宝石反光，导致成像后的宝石结构不完整或者难以辨析等问题，影响后续的宝石检测与挑拣等工作。
发明内容
本发明的目的是针对现有技术中成像后宝石结构不完整或者难以辨析等问题，而提出一种基于图像融合***的宝石图像融合方法，该方法利用图像融合技术对宝石图像进行融合，较好的保持了宝石图像的信息和完整轮廓，具有融合快、效率高、操作简单等优点。
实现本发明目的的技术方案是：
一种基于图像融合***的宝石图像融合方法，包括图像融合***，与现有技术不同的是：还包括如下步骤：
（1）选取需要融合的2幅宝石图像，自动检测输入图像大小是否相等；
（2）利用图像融合方法对两幅宝石图像进行融合，对两张输入图像进行匹配度大小的比较，最终得到宝石融合图像。
步骤（2）所述图像融合方法，包括拉普拉斯金字塔融合算法、小波融合算法、基于余弦变换的多聚焦图像融合算法和基于局部能量特征融合算法，较优地，对于宝石图像融合推荐使用基于局部能量特征融合算法。其中：
所述拉普拉斯金字塔融合算法是对输入的两张宝石图像，分别通过下采样和高斯卷积进行构建高斯金字塔，上采样和高斯卷积构建拉普拉斯金字塔，再利用最小值融合规则对由拉普拉斯金字塔重新构建高斯金字塔进行融合。其融合方法具体如下：
1）构建高斯金字塔：通过高斯金字塔算法把宝石图像分解成N层，构建宝石图像的A 0，…，A N 高斯金字塔；高斯金字塔的底层为A 0，为输入的待融合宝石图像的源图像；其它第l（l=1,2,…,N）层宝石图像是通过式（1）第l-1层图像与高斯核做卷积，卷积运算得到的结果去掉其偶数行和偶数列后得到的宝石图像；通过不断的反复操作进行高斯金字塔的构建。
Figure DEST_PATH_IMAGE001
（1）
其中，
Figure 22177DEST_PATH_IMAGE002
是
Figure DEST_PATH_IMAGE003
的列数，
Figure 560082DEST_PATH_IMAGE004
是
Figure 907886DEST_PATH_IMAGE003
的行数，采用的高斯核w(m, n)为：
Figure DEST_PATH_IMAGE005
（2）
2）构建拉普拉斯金字塔：利用图像的纹理和边缘等特点依据不同的分解层数可以分解到不同分辨率的层数上，然后将两张或者多张宝石图像相对应的层数根据融合规则进行融合，得到融合后的融合金字塔，再通过重构得到最终的融合图；通过在高斯金字塔的第l层偶数行和偶数列***0，即将高斯金字塔的第l层放大4倍使图像恢复到与第l-1层图像大小一样，最后使用高斯核w(m, n)对第l层进行卷积运算得到图像
Figure 379319DEST_PATH_IMAGE006
：
Figure DEST_PATH_IMAGE007
（3）
3）用
Figure 715753DEST_PATH_IMAGE006
与高斯金字塔的每一层图像与上一层图像经过上采样和高斯卷积得到的图像进行差运算，差运算的规则为：
Figure 473494DEST_PATH_IMAGE008
（4）
其中N为拉普拉斯金字塔的层数，而拉普拉斯金字塔则是由LP 1, LP 2,…, LP N 组成的；
4）比较两幅相应位置的像素值，考虑宝石的高反射特性，取像素值较小的作为融合后的像数值，由拉普拉斯金字塔的第N层开始重新构建高斯金字塔，最终得到的塔底图像就是最终的融合结果图：
Figure DEST_PATH_IMAGE009
（5）
拉普拉斯金字塔图像融合通过高斯金字塔与拉普拉斯金字塔的相重构的方法进行图像融合，通过比较两张重构得到的图像进行像素值比较进行最终的融合，可以保留源图像的更多信息。
所述小波融合算法，是先对输入两张宝石图像利用分解函数进行小波N层分解，对分解得到的小波分解矩阵进行低频融合算法即设置实验比较阈值，再比较两个输入图像的分解层数计算其方差匹配度，通过计算的两个方差匹配度进行大小的比较选择不同的分解系数方法；再比较分解得到的高频分量即分解矩阵进行大小比较利用高频融合算法，最后利用小波逆变换得到最终融合的效果，其方法步骤如下：
a、将输入的两幅宝石图像利用分解函数进行小波分解，分解层数由实验多次测定；较优地，对宝石测试获得分解层数为3；
b、对分解得到的小波分解系矩阵进行低频融合算法；首先设置实验阈值，再计算两个输入分解层数的方差匹配度与阈值的大小；若方差匹配度小于实验阈值则取区域方差大的相应点分解系数作为融合图像的分解系数，否则采用加权平均方法；
c、通过高频融合算法，比较分解矩阵大小，取最小像素值；
d、利用小波逆变换，得出最终的融合后的宝石图像。
所述基于余弦变换的多聚焦图像融合：是采用的分块离散余弦变换（DCT）融合算法，将输入的两张宝石图像进行分块处理，再分别对每一块子图像进行余弦变换，求出每一张子图像的方差进行大小的比较，选择方差小的图像进行最终的融合；其算法包括如下步骤：
a、将输入的两幅宝石图像进行分块处理；
b、对每一块图像分别进行离散余弦（DCT）变换；
c、求出每一块图像的方差；
d、将方差的大小作为融合规则，对两幅宝石图中相应位置的每一块方差进行比较，选择方差小的进行融合；
e、采用一致性判别准则去除孤点；
f、 进行DCT逆变换。
所述基于局部能量特征融合算法：是先对输入宝石图像进行计算出以某点的像素值为中心的平方和即局部能量特征，然后对两张输入图像进行匹配度大小的比较，考虑宝石的高反射特性，选择能量值较小的进行融合，最终得到的宝石融合图像，其融合算法流程如下：
a、输入两张待融合宝石图像，根据实验经验设计一个阈值E；优选地，对于宝石图像经过多次实验后，采用的阈值是E=0.6；
b、计算输入图像的梯度图，即计算输入宝石图像的局部能量图；
c、计算两张宝石图像的匹配度M：
Figure 528169DEST_PATH_IMAGE010
d、比较图像相同点的匹配度，如匹配度M<E,则选择能量较小的图；
e、如果图像相同点的匹配度M>E，对能量大小进行分配权重，将能量小的权重定义为
Figure DEST_PATH_IMAGE011
，能量值大的权重定义为
Figure 537713DEST_PATH_IMAGE012
。
本发明的有益效果：本方法利用图像融合技术，通过在不同光照或者不同拍摄角度的宝石图根据提取特征进行选取不同的融合规则进行融合，对于不同的融合规则有不同的融合效果，因此通过多种融合规则选取合适的融合规则达到最佳的融合效果。在自动融合过程中只需对少量的数字图像信息进行处理和计算即可，融合速度快，效率高、实用性强。
附图说明
图1为本发明实施例的方法流程图。
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阐述。
实施例1：
一种基于图像融合***的宝石图像融合方法，包括图像融合***，其图像融合方法步骤如下：
（1）选取需要融合的2幅宝石图像，检测输入图像大小是否相等；
（2）利用拉普拉斯金字塔融合算法对两幅宝石图像进行融合，其融合方法步骤如下：
1）构建高斯金字塔：通过高斯金字塔算法把宝石图像分解成N层，构建宝石图像的A 0，…，A N 高斯金字塔；高斯金字塔的底层为A 0，为输入的待融合宝石图像的源图像；其它第l（l=1,2,…,N）层宝石图像是通过式（1）第l-1层图像与高斯核做卷积，卷积运算得到的结果去掉其偶数行和偶数列后得到的宝石图像；通过不断的反复操作进行高斯金字塔的构建。
Figure DEST_PATH_IMAGE013
（1）
其中，
Figure 243501DEST_PATH_IMAGE002
是
Figure 657296DEST_PATH_IMAGE003
的列数，
Figure 855059DEST_PATH_IMAGE004
是
Figure 199453DEST_PATH_IMAGE003
的行数，采用的高斯核w(m, n)为：
Figure 290905DEST_PATH_IMAGE014
（2）
2）构建拉普拉斯金字塔：利用图像的纹理和边缘等特点依据不同的分解层数可以分解到不同分辨率的层数上，然后将两张或者多张宝石图像相对应的层数根据融合规则进行融合，得到融合后的融合金字塔，再通过重构得到最终的融合图；通过在高斯金字塔的第l层偶数行和偶数列***0，即将高斯金字塔的第l层放大4倍使图像恢复到与第l-1层图像大小一样，最后使用高斯核w(m, n)对第l层进行卷积运算得到图像
Figure 265815DEST_PATH_IMAGE006
：
Figure DEST_PATH_IMAGE015
（3）
3）用
Figure 26573DEST_PATH_IMAGE006
与高斯金字塔的每一层图像与上一层图像经过上采样和高斯卷积得到的图像进行差运算，差运算的规则为：
Figure 174657DEST_PATH_IMAGE016
（4）
其中N为拉普拉斯金字塔的层数，而拉普拉斯金字塔则是由LP 1, LP 2,…, LP N 组成的；
4）比较两幅相应位置的像素值，考虑宝石的高反射特性，取像素值较小的作为融合后的像数值，由拉普拉斯金字塔的第N层开始重新构建高斯金字塔，最终得到的塔底图像就是最终的融合结果图：
Figure DEST_PATH_IMAGE017
（5）
拉普拉斯金字塔图像融合的算法融合实现流程如下所示：
a、输入两张宝石图像，分别对输入的宝石图像进行高斯金字塔的构建，构建实现如式（1）所示，高斯金字塔采用的高斯核w(m, n)如式（2）所示。特别地，对于宝石，通过实验测试较优地选取高斯层数为2层；
b、除了高斯金字塔的最高层外，对高斯金字塔的剩余层数根据式（3）进行处理，得到的图像和高斯金字塔的每一层图像与上一层图像经过上采样和高斯卷积得到的图像进行如式（4）所示的差运算；
c、选取拉普拉斯金字塔的第一层作为塔顶，其余层数与高斯金字塔相加如式(5)所示，得到最终的图像；
d、比较两张图像的像素值，选择像素值较小的作为最终的融合图像。
实施例2：
一种基于图像融合***的宝石图像融合方法，包括图像融合***，其图像融合方法步骤如下：
1）选取需要融合的2幅宝石图像，检测输入图像大小是否相等；
2）利用小波融合算法对两幅宝石图像进行融合，其融合方法步骤如下：
a、将输入的两幅宝石图像利用分解函数进行小波分解，分解层数由实验多次测定；较优地，对宝石测试获得分解层数为3；
b、对分解得到的小波分解系矩阵进行低频融合算法；首先设置实验阈值，再计算两个输入分解层数的方差匹配度与阈值的大小；若方差匹配度小于实验阈值则取区域方差大的相应点分解系数作为融合图像的分解系数，否则采用加权平均方法；
c、通过高频融合算法，比较分解矩阵大小，取最小像素值；
d、利用小波逆变换，得出最终的融合后的宝石图像。
实施例3：
一种基于图像融合***的宝石图像融合方法，包括图像融合***，其图像融合方法步骤如下：
（1）选取需要融合的2幅宝石图像，检测输入图像大小是否相等；
（2）利用基于余弦变换的多聚焦图像融合算法对两幅宝石图像进行融合，其融合方法步骤如下：
a、将输入的两幅宝石图像进行分块处理；
b、对每一块图像分别进行离散余弦（DCT）变换；
c、求出每一块图像的方差；
d、将方差的大小作为融合规则，对两幅宝石图中相应位置的每一块方差进行比较，选择方差小的进行融合；
e、采用一致性判别准则去除孤点；
f、 进行DCT逆变换。
实施例4：
一种基于图像融合***的宝石图像融合方法，包括图像融合***，其图像融合方法步骤如下：
1）选取需要融合的2幅宝石图像，检测输入图像大小是否相等；
2）利用基于局部能量特征融合算法对两幅宝石图像进行融合，其融合方法步骤如下：
a、输入两张待融合宝石图像，根据实验经验设计一个阈值E；优选地，对于宝石图像经过多次实验后，采用的阈值是E=0.6；
b、计算输入图像的梯度图，即计算输入宝石图像的局部能量图；
c、计算两张宝石图像的匹配度M:
Figure 323879DEST_PATH_IMAGE018
；
d、比较图像相同点的匹配度，如匹配度M<E,则选择能量较小的图；
e、如果图像相同点的匹配度M>E，对能量大小进行分配权重，将能量小的权重定义为
Figure DEST_PATH_IMAGE019
，能量值大的权重定义为
Figure 876214DEST_PATH_IMAGE020
。

Claims (5)

1.一种基于图像融合***的宝石图像融合方法，包括图像融合***，其特征是：还包括如下步骤：
（1）选取需要融合的2幅宝石图像，检测输入图像大小是否相等；
（2）利用图像融合方法对两幅宝石图像进行融合，对两张输入图像进行匹配度大小的比较，最终得到宝石融合图像；所述图像融合方法，包括拉普拉斯金字塔融合算法、小波融合算法、基于余弦变换的多聚焦图像融合算法和基于局部能量特征融合算法。
2. 根据权利要求1所述的宝石图像融合方法，其特征是：所述拉普拉斯金字塔融合算法是对输入的两张宝石图像，通过下采样和高斯卷积进行构建高斯金字塔，上采样和高斯卷积构建拉普拉斯金字塔，再利用最小值融合规则对最终的由拉普拉斯金字塔重新构建高斯金字塔进行融合；其融合方法步骤如下：
1）构建高斯金字塔：通过高斯金字塔算法把宝石图像分解成N层，构建宝石图像的A 0，…，A N 高斯金字塔；高斯金字塔的底层为A 0，为输入的待融合宝石图像的源图像；其它第l（l=1,2,…,N）层宝石图像是通过式（1）第l-1层图像与高斯核做卷积，卷积运算得到的结果去掉其偶数行和偶数列后得到的宝石图像；通过不断的反复操作进行高斯金字塔的构建；
Figure DEST_PATH_IMAGE002
（1）
其中，
Figure DEST_PATH_IMAGE004
是
Figure DEST_PATH_IMAGE006
的列数，
Figure DEST_PATH_IMAGE008
是
Figure 610551DEST_PATH_IMAGE006
的行数，采用的高斯核w(m,n)为：
Figure DEST_PATH_IMAGE010
（2）
2）构建拉普拉斯金字塔：利用图像的纹理和边缘等特点依据不同的分解层数可以分解到不同分辨率的层数上，然后将两张或者多张宝石图像相对应的层数根据融合规则进行融合，得到融合后的融合金字塔，再通过重构得到最终的融合图；通过在高斯金字塔的第l层偶数行和偶数列***0，即将高斯金字塔的第l层放大4倍使图像恢复到与第l-1层图像大小一样，最后使用高斯核w(m, n)对第l层进行卷积运算得到图像
Figure DEST_PATH_IMAGE012
：
Figure DEST_PATH_IMAGE014
（3）
3）用
Figure 906534DEST_PATH_IMAGE012
与高斯金字塔的每一层图像与上一层图像经过上采样和高斯卷积得到的图像进行差运算，差运算的规则为：
Figure DEST_PATH_IMAGE016
（4）
其中N为拉普拉斯金字塔的层数，而拉普拉斯金字塔则是由LP 1,LP 2,…,LP N 组成的；
4）比较两幅相应位置的像素值，考虑宝石的高反射特性，取像素值较小的作为融合后的像数值，由拉普拉斯金字塔的第N层开始重新构建高斯金字塔，最终得到的塔底图像就是最终的融合结果图：
Figure DEST_PATH_IMAGE018
（5）
拉普拉斯金字塔图像融合通过高斯金字塔与拉普拉斯金字塔的相重构的方法进行图像融合，通过比较两张重构得到的图像进行像素值的比较进行最终的融合，可以保留源图像的更多信息。
3.根据权利要求1所述的宝石图像融合方法，其特征是：所述小波融合算法，是先对输入两张宝石图像利用分解函数进行小波N层分解，对分解得到的小波分解矩阵进行低频融合算法即设置实验比较阈值，再比较两个输入图像的分解层数计算其方差匹配度，通过计算的两个方差匹配度进行大小的比较选择不同的分解系数方法；再比较分解得到的高频分量即分解矩阵进行大小比较利用高频融合算法，最后利用小波逆变换得到最终融合的效果，其方法步骤如下：
a、将输入的两幅宝石图像利用分解函数进行小波分解，分解层数由实验多次测定；较优地，对宝石测试获得分解层数为3；
b、对分解得到的小波分解系矩阵进行低频融合算法；首先设置实验阈值，再计算两个输入分解层数的方差匹配度与阈值的大小；若方差匹配度小于实验阈值则取区域方差大的相应点分解系数作为融合图像的分解系数，否则采用加权平均方法；
c、通过高频融合算法，比较分解矩阵大小，取最小像素值；
d、利用小波逆变换，得出最终的融合后的宝石图像。
4.根据权利要求1所述的宝石图像融合方法，其特征是：所述基于余弦变换的多聚焦图像融合算法：是采用的是分块离散余弦变换（DCT）融合算法，将输入的两张宝石图像进行分块处理，再分别对每一块子图像进行余弦变换，求出每一张子图像的方差进行大小的比较，选择方差小的图像进行最终的融合；其算法包括如下步骤：
a、将输入的两幅宝石图像进行分块处理；
b、对每一块图像分别进行离散余弦（DCT）变换；
c、求出每一块图像的方差；
d、将方差的大小作为融合规则，对两幅宝石图中相应位置的每一块方差进行比较，选择方差小的进行融合；
e、采用一致性判别准则去除孤点；
f、 进行DCT逆变换。
5.根据权利要求1所述的宝石图像融合方法，其特征是：所述基于局部能量特征融合算法：是先对输入宝石图像进行计算出以某点的像素值为中心的平方和即局部能量特征，然后对两张输入图像进行匹配度大小的比较，考虑宝石的高反射特性，选择能量值较小的进行融合，最终得到的宝石融合图像，其融合算法流程如下：
a、输入两张待融合宝石图像，根据实验经验设计一个阈值E；优选地，对于宝石图像经过多次实验后，采用的阈值是E=0.6；
b、计算输入图像的梯度图，即计算输入宝石图像的局部能量图；
c、计算两张宝石图像的匹配度M:
Figure DEST_PATH_IMAGE020
；
d、比较图像相同点的匹配度，如匹配度M<E,则选择能量较小的图；
e、如果图像相同点的匹配度M>E，对能量大小进行分配权重，将能量小的权重定义为
Figure DEST_PATH_IMAGE022
，能量值大的权重定义为
Figure DEST_PATH_IMAGE024
。
CN202010545686.8A 2020-06-16 2020-06-16 一种基于图像融合***的宝石图像融合方法 Active CN111696067B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010545686.8A CN111696067B (zh) 2020-06-16 2020-06-16 一种基于图像融合***的宝石图像融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010545686.8A CN111696067B (zh) 2020-06-16 2020-06-16 一种基于图像融合***的宝石图像融合方法

Publications (2)

Publication Number Publication Date
CN111696067A true CN111696067A (zh) 2020-09-22
CN111696067B CN111696067B (zh) 2023-04-07

Family

ID=72481133

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010545686.8A Active CN111696067B (zh) 2020-06-16 2020-06-16 一种基于图像融合***的宝石图像融合方法

Country Status (1)

Country Link
CN (1) CN111696067B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112580711A (zh) * 2020-12-14 2021-03-30 北京华能新锐控制技术有限公司 一种基于风电机组故障识别的视频图像融合方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1994017493A1 (en) * 1993-01-29 1994-08-04 Q-Dot Photonics, Inc. Methods and apparatus for image processing
US20060018539A1 (en) * 2004-07-26 2006-01-26 Matsushita Electric Industrial Co., Ltd. Image processing method, image processing apparatus, and image processing program
US20110157603A1 (en) * 2008-09-02 2011-06-30 Cristina Alvarez Diez Method and device for determining a position of an object
CN103679651A (zh) * 2013-11-29 2014-03-26 桂林电子科技大学 水下图像增强处理方法
CN104285175A (zh) * 2012-05-02 2015-01-14 法国国家科学研究中心 使用小波分析进行单颗粒定位的方法和装置
CN104835130A (zh) * 2015-04-17 2015-08-12 北京联合大学 一种多曝光图像融合方法
US20160074833A1 (en) * 2014-09-12 2016-03-17 Paul Gregory O'BRIEN Nanostructured solar selective catalytic supports
US20160125599A1 (en) * 2013-06-07 2016-05-05 Paul Scherrer Institut Image fusion scheme for differential phase contrast imaging
CN107133962A (zh) * 2017-07-07 2017-09-05 哈尔滨理工大学 一种基于边缘检测的金刚石锯片裂纹提取方法
CN107346535A (zh) * 2017-06-22 2017-11-14 上海海洋大学 基于多尺度几何分析和pca变换的高光谱遥感图像融合方法
CN111178392A (zh) * 2019-12-10 2020-05-19 中国民航大学 基于深度神经网络的航空发动机孔探图像损伤分割方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1994017493A1 (en) * 1993-01-29 1994-08-04 Q-Dot Photonics, Inc. Methods and apparatus for image processing
US20060018539A1 (en) * 2004-07-26 2006-01-26 Matsushita Electric Industrial Co., Ltd. Image processing method, image processing apparatus, and image processing program
US20110157603A1 (en) * 2008-09-02 2011-06-30 Cristina Alvarez Diez Method and device for determining a position of an object
CN104285175A (zh) * 2012-05-02 2015-01-14 法国国家科学研究中心 使用小波分析进行单颗粒定位的方法和装置
US20160125599A1 (en) * 2013-06-07 2016-05-05 Paul Scherrer Institut Image fusion scheme for differential phase contrast imaging
CN103679651A (zh) * 2013-11-29 2014-03-26 桂林电子科技大学 水下图像增强处理方法
US20160074833A1 (en) * 2014-09-12 2016-03-17 Paul Gregory O'BRIEN Nanostructured solar selective catalytic supports
CN104835130A (zh) * 2015-04-17 2015-08-12 北京联合大学 一种多曝光图像融合方法
CN107346535A (zh) * 2017-06-22 2017-11-14 上海海洋大学 基于多尺度几何分析和pca变换的高光谱遥感图像融合方法
CN107133962A (zh) * 2017-07-07 2017-09-05 哈尔滨理工大学 一种基于边缘检测的金刚石锯片裂纹提取方法
CN111178392A (zh) * 2019-12-10 2020-05-19 中国民航大学 基于深度神经网络的航空发动机孔探图像损伤分割方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
蔡云骧 等: "基于分形布朗模型的数码迷彩图案生成方法研究" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112580711A (zh) * 2020-12-14 2021-03-30 北京华能新锐控制技术有限公司 一种基于风电机组故障识别的视频图像融合方法
CN112580711B (zh) * 2020-12-14 2024-03-12 北京华能新锐控制技术有限公司 一种基于风电机组故障识别的视频图像融合方法

Also Published As

Publication number Publication date
CN111696067B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
Engin et al. Cycle-dehaze: Enhanced cyclegan for single image dehazing
CN111915530B (zh) 一种基于端到端的雾霾浓度自适应神经网络图像去雾方法
CN112507997B (zh) 一种基于多尺度卷积和感受野特征融合的人脸超分辨***
WO2019148739A1 (zh) 一种模糊图像综合处理方法和***
CN105976332B (zh) 基于图像中亮条纹信息的图像去模糊方法
US11301965B2 (en) Method and image processing device for image super resolution, image enhancement, and convolutional neural network model training
CN110232653A (zh) 快速轻型超分辨率重建密集残差网络
CN108961180B (zh) 红外图像增强方法及***
CN105335972B (zh) 基于小波轮廓波变换与视觉显著性的经编织物疵点检测方法
JPH04218881A (ja) 改良された画像処理技術
CN111091503A (zh) 基于深度学习的图像去失焦模糊方法
Akl et al. A survey of exemplar-based texture synthesis methods
CN113469191B (zh) 基于多层特征融合注意力机制的sar图像叠掩区提取方法
CN112734642A (zh) 多尺度纹理转移残差网络的遥感卫星超分辨率方法及装置
CN112580381A (zh) 一种基于深度学习的二维码超辨率重构增强方法及***
JP2006332785A (ja) 画像補完装置及び画像補完方法並びにプログラム
CN113744142A (zh) 图像修复方法、电子设备及存储介质
CN111696067B (zh) 一种基于图像融合***的宝石图像融合方法
Seo Image denoising and refinement based on an iteratively reweighted least squares filter
CN112164006B (zh) 一种影像匀色方法、装置、电子设备及存储介质
CN117315336A (zh) 花粉颗粒识别方法、装置、电子设备及存储介质
CN115272131A (zh) 基于自适应多光谱编码的图像去摩尔纹***及方法
CN114219738A (zh) 单幅图像多尺度超分辨重建网络结构及方法
Shobi et al. Review on Image Inpainting using Intelligence Mining Techniques.
CN114862713A (zh) 基于注意力平滑膨胀卷积的两阶段图像去雨方法

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
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20200922

Assignee: Guangxi Taijiexin Technology Co.,Ltd.

Assignor: GUILIN University OF ELECTRONIC TECHNOLOGY

Contract record no.: X2023980044263

Denomination of invention: A Gemstone Image Fusion Method Based on Image Fusion System

Granted publication date: 20230407

License type: Common License

Record date: 20231025

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20200922

Assignee: Guangxi Zilan Media Technology Co.,Ltd.

Assignor: GUILIN University OF ELECTRONIC TECHNOLOGY

Contract record no.: X2023980045856

Denomination of invention: A Gemstone Image Fusion Method Based on Image Fusion System

Granted publication date: 20230407

License type: Common License

Record date: 20231106