CN113256587A - 一种电离层等离子体泡气辉图像自动化处理方法及装置 - Google Patents
一种电离层等离子体泡气辉图像自动化处理方法及装置 Download PDFInfo
- Publication number
- CN113256587A CN113256587A CN202110599247.XA CN202110599247A CN113256587A CN 113256587 A CN113256587 A CN 113256587A CN 202110599247 A CN202110599247 A CN 202110599247A CN 113256587 A CN113256587 A CN 113256587A
- Authority
- CN
- China
- Prior art keywords
- image
- airglow
- plasma bubble
- images
- original
- 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
- 238000004501 airglow Methods 0.000 title claims abstract description 152
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000012937 correction Methods 0.000 claims abstract description 32
- 238000005516 engineering process Methods 0.000 claims abstract description 16
- 239000005443 ionospheric plasma Substances 0.000 claims abstract description 15
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 11
- 238000000605 extraction Methods 0.000 claims description 14
- 239000005433 ionosphere Substances 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000012634 optical imaging Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole 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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T2207/20004—Adaptive image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种电离层等离子体泡气辉图像自动化处理方法及装置,包括以下步骤:获取全天空气辉成像仪的光学观测资料,为气辉图像批量处理提供数据支撑;根据电离层等离子体泡原始图像中的参量信息,提取出天顶的坐标位置,并计算方位校正所需旋转的角度。通过批量读取已有的多张原始气辉图像,构建自适应图像处理算法模型,获取清晰分辨率高的等离子体泡图像产品。根据不同的原始气辉图像亮度差异的特点,通过采用图像平均灰度值智能识别方法,利用自适应图像亮度增强技术,对气辉原始观测资料进行批量处理,以达到气辉图像自动化处理的目标。本发明采用气辉图像批量自动化图像处理方法,解决了大量气辉图像需要手动处理效率低的问题。
Description
技术领域
本发明涉及电离层光学成像技术领域,具体涉及一种电离层等离子体泡气辉图像自动化处理方法及装置。
背景技术
光学观测手段是大范围、低成本观测电离层等离子体泡的有效手段,电离层F区等离子体不规则结构(又称等离子体泡)是低纬度电离层闪烁的主要原因,研究电离层等离子体泡具有很强的科学意义和应用价值,其主要通过对电离层高度上某特定波长的气辉进行成像观测,得到与气辉发射强度相关的等离子体密度和运动等信息,可以反映电离层等离子体泡的位置、结构、大小和运动速度等多种信息。全天空气辉成像仪利用窄带滤波片提取中高层大气特征高度区域的气辉辐射的强度信息,使用高灵敏度CCD记录全天空气辉辐射强度分布;具有很宽的视场,可以连续进行多波段的拍照,并形成数字化的二维气辉图像,可以获得全天空180°范围的气辉信息。气辉成像仪观测获得的夜气辉图像亮度很低,图片的整体灰度值偏小,以及背景辐射对气辉的影响,图像的亮度不均匀,并存在星星的亮点噪声,无法从原始图像中直接观测到等离子体泡的信息。
为了便于对等离子体泡图像进行分析研究,需要采用图像处理的方法手段,对获取的原始气辉图像进行图像处理。通过采用图像增强、方位校正、中值滤波等一系列数字图像处理的技术方法,对原始观测图像进行预处理,以便获得能够清晰识别的电离层等离子体泡图像产品。但是,由于等离子体泡的图像预处理通常采用手动的处理方式,而原始图像资料数据较多,导致气辉图像处理效率较低。
发明内容
本发明的目的在于克服现有技术中的不足,本发明的目的在于提供一种电离层等离子体泡气辉图像自动化处理方法及装置,能够高效、自动化处理等离子体泡图像。
为达到上述目的,本发明是采用下述技术方案实现的:
第一方面,本发明提供了一种电离层等离子体泡气辉图像自动化处理方法及装置,所述方法包括以下步骤:
获取等离子体泡原始气辉图像;
将所述等离子体泡原始气辉图像进行批量读取,获得相应数量的二维气辉灰度图像和等离子体泡气辉图像的数量;
利用图像参量智能识别技术,对所述二维气辉灰度图像进行自适应亮度提升,获取增强等离子体泡图像;
将所述增强等离子体泡图像进行圆形模板提取,并进行方位校正,获得电离层等离子体泡图像产品;
将所述电离层等离子体泡图像产品批量输出到指定文件夹。
进一步的,利用图像参量智能识别技术,对所述二维气辉灰度图像进行自适应亮度提升,获取增强等离子体泡图像的方法包括以下步骤:
将所述二维气辉灰度图像输入自适应图像处理算法模型,通过气辉图像平均灰度值的智能判别技术,得到每张气辉图像的平均灰度值Ave(n);
采用自适应图像亮度增强算法,将亮度差异明显不同的二维气辉灰度图像进行区别化图像处理,获得亮度分布均匀可识别的增强等离子体泡图像。
进一步的,气辉图像平均灰度值Ave(n)的计算公式为:
其中,Ave(n)为气辉图像的平均灰度值,Aij为气辉图像各像素点的灰度值,N2为气辉图像的像素点个数。
进一步的,二维气辉灰度图像的平均灰度值Ave(n)的阈值设置为128;
所述等离子体泡原始气辉图像的平均灰度值在0-255之间;
所述增强等离子体泡图像的灰度值均匀分布在0-255之间,平均灰度值大约为128。
进一步的,将所述增强等离子体泡图像进行圆形模板提取,并进行方位校正的方法包括以下步骤:
基于所述等离子体泡原始气辉图像,计算出天顶的位置坐标(X0,Y0)和方位校正所需旋转的角度θ;
将所述天顶的位置坐标(X0,Y0)作为圆形模板圆心的位置,通过圆形模板提取出气辉图像的圆形等离子体泡图像;
采用最邻近插值法将所述气辉图像的圆形等离子体泡图像逆时针旋转方位校正所需旋转的角度θ,得到方位校正后的电离层等离子体泡图像产品。
进一步的,采用最邻近插值法将所述气辉图像的圆形等离子体泡图像逆时针旋转方位校正所需旋转的角度θ的方法包括:以下列公式对图像进行旋转:
X/x=W/w
Y/y=H/h
f(X,Y)=f(W/w*x,H/h*y)
其中,W和H为原图的像素大小,w和h为缩放后图片的像素大小,(X,Y)为原图的像素点,(x,y)为缩放后的图片像素点,f(x,y)为气辉图像对应像素点的灰度值。
进一步的,计算出天顶的位置坐标(X0,Y0)的方法包括:以下列公式求解计算:
θ1=Azim2-Azim1
θ2=Azim3-Azim1
其中,(X1,Y1),(X2,Y2),(X3,Y3)为选取的气辉图像中分布均匀的三个星点的坐标,(X0,Y0)为提取圆形模板的圆心位置,也即天顶位置;θ1andθ2为三个星星点连接的两个三角形的夹角,Azim1,Azim2,Azim3为三颗星星在星空图中对应的方位角。
进一步的,计算方位校正所需旋转的角度θ的方法包括:以下列公式求解计算:
其中,(X0,Y0)为圆心即天顶的位置,(Xn,Yn)为北极星的像素位置,θN为北极星的方位角。
第二方面,本发明提供了一种电离层等离子体泡气辉图像自动化处理装置,所述装置包括:
图像获取模块:用于获取等离子体泡原始气辉图像;
批量读取模块:用于将所述等离子体泡原始气辉图像进行批量读取,获得相应数量的二维气辉灰度图像和等离子体泡气辉图像的数量;
图像增强模块:用于利用图像参量智能识别技术,对所述二维气辉灰度图像进行自适应亮度提升,获取增强等离子体泡图像;
提取校正模块:用于将所述增强等离子体泡图像进行圆形模板提取,并进行方位校正,获得电离层等离子体泡图像产品;
批量输出模块:用于将所述电离层等离子体泡图像产品批量输出到指定文件夹。
与现有技术相比,本发明所达到的有益效果:
1、本发明与常用的等离子体泡图像预处理方法不同,采用自适应图像亮度提升技术,解决了大量气辉图像需手动处理并且步骤繁琐的问题,有效的提高了气辉图像的处理效率;
2、本发明打破传统手动处理气辉图像的思路,采用图像平均灰度值智能识别方法,利用自适应图像亮度增强技术,实现电离层等离子体泡气辉图像的批量自动化处理,能够高效、自动化处理等离子体泡图像;
3、本发明为后续低纬电离层闪烁实时监测、临近预报提供先进的高时空分辨率的光学成像技术基础和技术支撑。
附图说明
图1为本发明中气辉图像自动化处理流程图。
图2为本发明中获取的原始气辉图像资料。
图3为本发明自动化处理后的增强气辉图像。
图4为本发明原始气辉图像和自动化处理图像的灰度分布检验结果对比图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例一:
本实施例提供一种电离层等离子体泡气辉图像自动化处理方法,包括以下步骤:获取等离子体泡原始气辉图像;将所述等离子体泡原始气辉图像进行批量读取,获得相应数量的二维气辉灰度图像和等离子体泡气辉图像的数量;利用图像参量智能识别技术,对所述二维气辉灰度图像进行自适应亮度提升,获取增强等离子体泡图像;将所述增强等离子体泡图像进行圆形模板提取,并进行方位校正,获得电离层等离子体泡图像产品;将所述电离层等离子体泡图像产品批量输出到指定文件夹。
本实施例的一种电离层等离子体泡气辉图像批量自动化处理方法对任意数量的原始气辉图像进行批量自动化图像处理,获得清晰可识别的等离子体泡图像产品。所以首先批量读取等离子体泡原始气辉观测数据,其次利用图像参量智能识别技术,对原始气辉图像采取自适应亮度提升,将增强后的图像进行圆形模板提取,并进行方位校正,最终将处理后的气辉图像批量输出到指定文件夹。本方法为低纬电离层闪烁实时监测、临近预报提供先进的高时空分辨率的光学成像技术支撑。
如图1所示,本实施例的方法具体包括以下步骤:
步骤1:从子午工程数据中心网站上下载电离层等离子体泡的光学观测数据。
利用获取的若干等离子体泡原始气辉图像,将其中一张图像亮度提升4.5倍;根据增强后的图像选取其中分布均匀的三个星点,坐标分别为(X1,Y1),(X2,Y2),(X3,Y3);根据余弦定理计算求得天顶的位置坐标(X0,Y0),通过星图软件stellarium定位到北极星,并获取北极星的像素位置,进而计算出方位校正所需旋转的角度θ。
步骤2:将步骤1中得到的原始气辉图像进行批量读取,获得相应数量png格式的二维气辉灰度图像;这些气辉图像是由1024*1024的网格点构成,其灰度值范围为0-255;由Matlab软件读取到的等离子体泡气辉图像的数量为N。
步骤3:将步骤2获取的气辉数据输入自适应图像处理算法模型,通过对气辉图像的平均灰度值进行智能判别,获得每张图像的平均灰度值Ave(n);并采用自适应图像亮度增强算法,将亮度差别各异的多张气辉图像进行区别化图像处理,从而得到亮度分布均匀可识别的等离子体泡图像。
步骤4:对亮度增强后的等离子体泡图像采取进一步图像处理,将其进行圆形模板提取和方位校正,利用步骤1计算得出的天顶位置(X0,Y0),即提取圆形模板圆心的位置,提取出气辉图像的圆形等离子体泡图像;接着将图像以天顶位置为中心逆时针旋转θ,采用最邻近线性插值法对图像进行旋转,以获得准确的校正后图像,最终获取方位校正后清晰的电离层等离子体泡图像产品;并将处理后的等离子体泡图像批量输出并存储在指定的文件夹内。
在本实施例中,所述步骤1具体方法为求出天顶的位置坐标(X0,Y0)和方位校正旋转的角度θ,主要公式为:
其中,(X1,Y1),(X2,Y2),(X3,Y3)为选取的气辉图像中分布均匀的三个星点的坐标,(X0,Y0)为提取圆形模板的圆心位置,也即天顶位置。θ1andθ2为三个星星点连接的两个三角形的夹角,Azim1,Azim2,Azim3为三颗星星在stellarium软件星空图对应的方位角。
为计算气辉图像方位校正需要旋转的角度θ,具体公式为:
其中,(X0,Y0)为圆心即天顶的位置,(Xn,Yn)为北极星的图片像素位置,θN为北极星的方位角。
在本实施例中,所述步骤3中通过对二维气辉图像的平均灰度值Ave(n)进行智能识别,获得每张图像的平均灰度值Ave(n),具体公式为:
其中,Ave(n)为气辉图像的平均灰度值,Aij为气辉图像各像素点的灰度值,N2为气辉图像的像素点个数。
在本实施例中,所述步骤4利用最邻近线性插值法对图像进行旋转,具体公式为:
X/x=W/w (4)
Y/y=H/h (5)
f(X,Y)=f(W/w*x,H/h*y) (6)
其中,W和H为原图的像素大小,w和h为缩放后图片的像素大小,(X,Y)为原图的像素点,(x,y)为缩放后的图片像素点,f(x,y)为气辉图像对应像素点的灰度值。
基于上述,该种为了得到大量的气辉图像数据,从子午工程数据中心网站获取2014年9月1日至9月30日每天的气辉等离子体泡原始观测数据,构成由1024*1024网格点组成的原始气辉图像,利用获取的等离子体泡原始气辉图像,从中提取出所需的参量信息,计算出天顶的位置坐标(X0,Y0)和方位校正所需旋转的角度θ。本发明中获取的原始气辉图像资料如图2所示,图3为本发明自动化处理后的增强气辉图像,图4为本发明原始气辉图像和自动化处理图像的灰度分布检验结果对比图,示例为2014年9月23日16:57:07UT时刻的气辉数据。图4中左图(a)分别为原始气辉图像灰度分布检验结果图,图4中右图(b)分别为自动化处理图像灰度分布检验结果图。
将步骤一中得到的气辉图像进行批量读取,获得相应数量的二维气辉灰度图像,得到等离子体泡气辉图像的数量N。将步骤二中处理过的气辉数据输入到自适应图像处理算法模型中,通过气辉图像平均灰度值的智能判别技术,得到每张图像的平均灰度值Ave(n);并采用自适应图像亮度增强算法,将亮度差异明显不同的气辉图像进行区别化图像处理,获得亮度分布均匀可识别的等离子体泡图像。将亮度增强后的等离子体泡图像采取进一步图像处理,对其进行圆形模板提取和方位校正,利用步骤一得到的天顶的位置(X0,Y0),即提取圆形模板圆心的位置,提取出气辉图像的圆形等离子体泡图像;进而将图像逆时针旋转θ,最终得到方位校正后清晰的电离层等离子体泡图像产品;并将处理后的等离子体泡图像批量输出并存储在指定的文件夹内。
实施例二:
本实施例提供一种电离层等离子体泡气辉图像自动化处理装置,所述装置包括:
图像获取模块:用于获取等离子体泡原始气辉图像;
批量读取模块:用于将所述等离子体泡原始气辉图像进行批量读取,获得相应数量的二维气辉灰度图像和等离子体泡气辉图像的数量;
图像增强模块:用于利用图像参量智能识别技术,对所述二维气辉灰度图像进行自适应亮度提升,获取增强等离子体泡图像;
提取校正模块:用于将所述增强等离子体泡图像进行圆形模板提取,并进行方位校正,获得电离层等离子体泡图像产品;
批量输出模块:用于将所述电离层等离子体泡图像产品批量输出到指定文件夹。
该装置可实现以下方法:
步骤1:从子午工程数据中心网站上下载电离层等离子体泡的光学观测数据,
利用获取的若干等离子体泡原始气辉图像,将其中一张图像亮度提升4.5倍;根据增强后的图像选取其中分布均匀的三个星点,坐标分别为(X1,Y1),(X2,Y2),(X3,Y3);根据余弦定理计算求得天顶的位置坐标(X0,Y0),通过星图软件stellarium定位到北极星,并获取北极星的像素位置,进而计算出方位校正所需旋转的角度θ。
步骤2:将步骤1中得到的原始气辉图像进行批量读取,获得相应数量png格式的二维气辉灰度图像;这些气辉图像是由1024*1024的网格点构成,其灰度值范围为0-255;由Matlab软件读取到的等离子体泡气辉图像的数量为N。
步骤3:将步骤2获取的气辉数据输入自适应图像处理算法模型,通过对气辉图像的平均灰度值进行智能判别,获得每张图像的平均灰度值Ave(n);并采用自适应图像亮度增强算法,将亮度差别各异的多张气辉图像进行区别化图像处理,从而得到亮度分布均匀可识别的等离子体泡图像。
步骤4:对亮度增强后的等离子体泡图像采取进一步图像处理,将其进行圆形模板提取和方位校正,利用步骤1计算得出的天顶位置(X0,Y0),即提取圆形模板圆心的位置,提取出气辉图像的圆形等离子体泡图像;接着将图像以天顶位置为中心逆时针旋转θ,采用最邻近线性插值法对图像进行旋转,以获得准确的校正后图像,最终获取方位校正后清晰的电离层等离子体泡图像产品;并将处理后的等离子体泡图像批量输出并存储在指定的文件夹内。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种电离层等离子体泡气辉图像自动化处理方法,其特征在于,所述方法包括以下步骤:
获取等离子体泡原始气辉图像;
将所述等离子体泡原始气辉图像进行批量读取,获得相应数量的二维气辉灰度图像和等离子体泡气辉图像的数量;
利用图像参量智能识别技术,对所述二维气辉灰度图像进行自适应亮度提升,获取增强等离子体泡图像;
将所述增强等离子体泡图像进行圆形模板提取,并进行方位校正,获得电离层等离子体泡图像产品;
将所述电离层等离子体泡图像产品批量输出到指定文件夹。
2.根据权利要求1所述的电离层等离子体泡气辉图像自动化处理方法,其特征在于,利用图像参量智能识别技术,对所述二维气辉灰度图像进行自适应亮度提升,获取增强等离子体泡图像的方法包括以下步骤:
将所述二维气辉灰度图像输入自适应图像处理算法模型,通过气辉图像平均灰度值的智能判别技术,得到每张气辉图像的平均灰度值Ave(n);
采用自适应图像亮度增强算法,将亮度差异明显不同的二维气辉灰度图像进行区别化图像处理,获得亮度分布均匀可识别的增强等离子体泡图像。
4.根据权利要求2所述的电离层等离子体泡气辉图像自动化处理方法,其特征在于,二维气辉灰度图像的平均灰度值Ave(n)的阈值设置为128;
所述等离子体泡原始气辉图像的平均灰度值在0-255之间;
所述增强等离子体泡图像的灰度值均匀分布在0-255之间,平均灰度值在128附近。
5.根据权利要求1所述的电离层等离子体泡气辉图像自动化处理方法,其特征在于,将所述增强等离子体泡图像进行圆形模板提取,并进行方位校正的方法包括以下步骤:
基于所述等离子体泡原始气辉图像,计算出天顶的位置坐标(X0,Y0)和方位校正所需旋转的角度θ;
将所述天顶的位置坐标(X0,Y0)作为圆形模板圆心的位置,通过圆形模板提取出气辉图像的圆形等离子体泡图像;
采用最邻近插值法将所述气辉图像的圆形等离子体泡图像逆时针旋转方位校正所需旋转的角度θ,得到方位校正后的电离层等离子体泡图像产品。
6.根据权利要求5所述的电离层等离子体泡气辉图像自动化处理方法,其特征在于,所述气辉图像的圆形等离子体泡图像由903*903网格点构成,所述提取圆形模板的半径为451。
7.根据权利要求5所述的电离层等离子体泡气辉图像自动化处理方法,其特征在于,采用最邻近插值法将所述气辉图像的圆形等离子体泡图像逆时针旋转方位校正所需旋转的角度θ的方法包括:以下列公式对图像进行旋转:
X/x=W/w
Y/y=H/h
f(X,Y)=f(W/w*x,H/h*y)
其中,W和H为原图的像素大小,w和h为缩放后图片的像素大小,(X,Y)为原图的像素点,(x,y)为缩放后的图片像素点,f(x,y)为气辉图像对应像素点的灰度值。
10.一种电离层等离子体泡气辉图像自动化处理装置,其特征在于,所述装置包括:
图像获取模块:用于获取等离子体泡原始气辉图像;
批量读取模块:用于将所述等离子体泡原始气辉图像进行批量读取,获得相应数量的二维气辉灰度图像和等离子体泡气辉图像的数量;
图像增强模块:用于利用图像参量智能识别技术,对所述二维气辉灰度图像进行自适应亮度提升,获取增强等离子体泡图像;
提取校正模块:用于将所述增强等离子体泡图像进行圆形模板提取,并进行方位校正,获得电离层等离子体泡图像产品;
批量输出模块:用于将所述电离层等离子体泡图像产品批量输出到指定文件夹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110599247.XA CN113256587A (zh) | 2021-05-31 | 2021-05-31 | 一种电离层等离子体泡气辉图像自动化处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110599247.XA CN113256587A (zh) | 2021-05-31 | 2021-05-31 | 一种电离层等离子体泡气辉图像自动化处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113256587A true CN113256587A (zh) | 2021-08-13 |
Family
ID=77183849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110599247.XA Pending CN113256587A (zh) | 2021-05-31 | 2021-05-31 | 一种电离层等离子体泡气辉图像自动化处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113256587A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156953A (zh) * | 2011-03-17 | 2011-08-17 | 深圳市五巨科技有限公司 | 一种实现图片批量处理的方法和装置 |
CN104166969A (zh) * | 2014-08-25 | 2014-11-26 | 广东威创视讯科技股份有限公司 | 数字图像增强方法和*** |
CN106210742A (zh) * | 2016-07-15 | 2016-12-07 | 东北大学 | 基于共性特征的批量图像压缩传输与还原的***及方法 |
CN106294705A (zh) * | 2016-08-08 | 2017-01-04 | 长安大学 | 一种批量遥感影像预处理方法 |
CN107516305A (zh) * | 2017-09-22 | 2017-12-26 | 四川长虹电器股份有限公司 | 批量源图像降模糊程度处理方法 |
CN109146794A (zh) * | 2018-09-29 | 2019-01-04 | 哈尔滨工业大学 | 一种光场图像旋转误差校正方法 |
CN109272461A (zh) * | 2018-09-04 | 2019-01-25 | 张家港江苏科技大学产业技术研究院 | 基于中值滤波和全局直方图的红外图像增强方法 |
CN109801240A (zh) * | 2019-01-15 | 2019-05-24 | 武汉鸿瑞达信息技术有限公司 | 一种图像增强方法以及图像增强装置 |
CN109934784A (zh) * | 2019-03-12 | 2019-06-25 | 中国科学院长春光学精密机械与物理研究所 | 图像增强方法、装置、设备及计算机可读存储介质 |
CN112213312A (zh) * | 2019-07-10 | 2021-01-12 | 云账户技术(天津)有限公司 | 一种***质量自动批量检测***及其检测的方法 |
-
2021
- 2021-05-31 CN CN202110599247.XA patent/CN113256587A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156953A (zh) * | 2011-03-17 | 2011-08-17 | 深圳市五巨科技有限公司 | 一种实现图片批量处理的方法和装置 |
CN104166969A (zh) * | 2014-08-25 | 2014-11-26 | 广东威创视讯科技股份有限公司 | 数字图像增强方法和*** |
CN106210742A (zh) * | 2016-07-15 | 2016-12-07 | 东北大学 | 基于共性特征的批量图像压缩传输与还原的***及方法 |
CN106294705A (zh) * | 2016-08-08 | 2017-01-04 | 长安大学 | 一种批量遥感影像预处理方法 |
CN107516305A (zh) * | 2017-09-22 | 2017-12-26 | 四川长虹电器股份有限公司 | 批量源图像降模糊程度处理方法 |
CN109272461A (zh) * | 2018-09-04 | 2019-01-25 | 张家港江苏科技大学产业技术研究院 | 基于中值滤波和全局直方图的红外图像增强方法 |
CN109146794A (zh) * | 2018-09-29 | 2019-01-04 | 哈尔滨工业大学 | 一种光场图像旋转误差校正方法 |
CN109801240A (zh) * | 2019-01-15 | 2019-05-24 | 武汉鸿瑞达信息技术有限公司 | 一种图像增强方法以及图像增强装置 |
CN109934784A (zh) * | 2019-03-12 | 2019-06-25 | 中国科学院长春光学精密机械与物理研究所 | 图像增强方法、装置、设备及计算机可读存储介质 |
CN112213312A (zh) * | 2019-07-10 | 2021-01-12 | 云账户技术(天津)有限公司 | 一种***质量自动批量检测***及其检测的方法 |
Non-Patent Citations (1)
Title |
---|
XIN MA 等: "Optical observation of plasma bubbles and comparative study of multiple methods of observing the ionosphere over China", 《ADVANCES IN SPACE RESEARCH》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210049769A1 (en) | Vibe-based three-dimensional sonar point cloud image segmentation method | |
CN110286126A (zh) | 一种基于视觉图像的晶圆表面缺陷分区域检测方法 | |
WO2018232518A1 (en) | DETERMINING POSITIONS AND OBJECT ORIENTATIONS | |
CN111507908B (zh) | 图像矫正处理方法、装置、存储介质及计算机设备 | |
CN111369495B (zh) | 一种基于视频的全景图像的变化检测方法 | |
CN105740868B (zh) | 一种基于圆形算子的图像边缘提取方法和装置 | |
CN111369605B (zh) | 一种基于边缘特征的红外与可见光图像的配准方法和*** | |
CN113160053B (zh) | 一种基于位姿信息的水下视频图像复原与拼接方法 | |
CN110580481B (zh) | 一种基于epi的光场图像关键位置检测方法 | |
CN116110053B (zh) | 基于图像识别的集装箱表面信息检测方法 | |
CN113012157B (zh) | 一种设备缺陷视觉检测方法及*** | |
CN116168028B (zh) | 低可见度下基于边缘滤波的高铁原始图像处理方法和*** | |
CN117333489A (zh) | 一种薄膜破损检测装置及检测*** | |
CN117557565B (zh) | 一种锂电池极片的检测方法及其装置 | |
WO2018098736A1 (zh) | 一种基于遥感成像的蓝藻监测方法及装置 | |
CN116503567B (zh) | 基于ai大数据的智慧建模管理*** | |
CN113256587A (zh) | 一种电离层等离子体泡气辉图像自动化处理方法及装置 | |
CN111797832A (zh) | 一种图像感兴趣区域自动生成方法及***及图像处理方法 | |
CN116129191A (zh) | 基于遥感ai的多目标智能识别与精细分类方法 | |
CN114445726B (zh) | 一种基于深度学习的样本库建立方法和装置 | |
CN113421301B (zh) | 一种田间作物中心区域定位方法及*** | |
CN112132135B (zh) | 一种基于图像处理的电网传输线检测方法、存储介质 | |
CN114742849A (zh) | 一种基于图像增强的水准仪距离测量方法 | |
CN111429411B (zh) | 一种碳纤维复合芯导线的x射线缺陷图像样本生成方法 | |
CN114037832A (zh) | 一种卫星遥感图像中典型区域的提取方法及*** |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210813 |