CN115375561A - 一种优化亮度、反差及色差的遥感影像匀光匀色方法 - Google Patents
一种优化亮度、反差及色差的遥感影像匀光匀色方法 Download PDFInfo
- Publication number
- CN115375561A CN115375561A CN202210905732.XA CN202210905732A CN115375561A CN 115375561 A CN115375561 A CN 115375561A CN 202210905732 A CN202210905732 A CN 202210905732A CN 115375561 A CN115375561 A CN 115375561A
- Authority
- CN
- China
- Prior art keywords
- image
- remote sensing
- color
- sensing image
- contrast
- 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 23
- 230000004075 alteration Effects 0.000 title claims abstract description 13
- 238000011426 transformation method Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 7
- 230000009466 transformation Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 239000002243 precursor Substances 0.000 claims description 3
- 238000012937 correction Methods 0.000 abstract description 5
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种优化亮度、反差及色差的遥感影像匀光匀色方法,属于图像处理中的色彩校正技术领域。方案包括:首先将采集的遥感影像从RGB色彩空间转换为YCbCr色彩空间;然后对Y通道采用分块Wallis变换方法校正亮度和反差分布不均匀的现象;对Cb、Cr通道,将参数化的样条曲线作为颜色重映射函数,并使用影像重叠区域内计算的颜色对应关系加以约束,采用凸二次规划求解曲线的参数,用颜色重映射函数校正影像之间的色彩差异;最后将遥感影像从YCbCr色彩空间转换为RGB色彩空间。本发明在影像的不同通道中分别进行亮度和颜色校正,既能够改善单幅影像内亮度和反差分布不均的情况,又能够有效减小多幅影像之间的颜色差异。
Description
技术领域
本发明涉及图像处理中的色彩校正技术领域,特别涉及一种优化亮度、反差及色差的遥感影像匀光匀色方法。
背景技术
光学卫星易受季节和大气变化、光照和传感器失真等因素的影响。因此,覆盖大面积区域的卫星影像往往会出现明显的色差。近年来,随着对地观测迅速的发展,利用多视角遥感影像进行数据的匀色与拼接,可以产生一幅更为全面、可靠和完整的对地观测的全景影像。影像色彩差异的存在不仅影响影像的视觉效果,还会增加影像镶嵌的难度,降低镶嵌结果质量。在获得全景影像的处理中,如何消除影像之间的色彩差异,提高镶嵌影像的质量,显得尤为重要。
现有匀光匀色算法各有优点,但是都有其特殊性和针对性,在实际应用中为了达到令人满意的效果,通常需要人工交互调节参数。此外,匀光匀色处理时容易造成信息损失,引起影像质量的退化。由于遥感影像成像过程复杂,现有的匀光匀色模型常常采用灵活的样条曲线作为颜色重映射函数。
样条曲线是一种分段插值函数,每个局部曲线段仅由三个连续的锚点确定。常用的匀色算法以参数化的样条曲线为重映射函数,将多幅影像间的颜色差异表示为能量函数,然后对能量函数进行优化求解,最后,根据重映射函数进行色彩校正。这类算法通常能够有效的消除多幅影像之间的色彩差异,但是它无法同时消除影像内部亮度和反差的不一致性。
发明内容
针对上述问题,本发明提供了一种新型的遥感影像匀光匀色方法,解决了现有匀光匀色算法在校正影像色彩差异时,无法同时校正影像的亮度和反差的问题,提高了结果影像的质量
为了达到上述目的,本发明提供了一种优化亮度、反差及色差的遥感影像匀光匀色方法,包括如下步骤:
(1)将采集的遥感影像从RGB色彩空间转换为YCbCr色彩空间;
(2)对所述遥感影像的Y通道,采用分块Wallis变换方法校正所述遥感影像的亮度和反差分布不均匀的现象;
(3)对所述遥感影像的Cb、Cr通道,将参数化的样条曲线作为颜色重映射函数,并使用影像重叠区域内计算的颜色对应关系加以约束,采用凸二次规划求解曲线的参数,用所述颜色重映射函数校正影像之间的色彩差异;
(4)将所述遥感影像从YCbCr色彩空间转换为RGB色彩空间,以还原图像。
进一步的,所述步骤2中的分块Wallis变换方法包括:
(2.1)确定影像处理顺序:根据所述遥感影像的坐标信息构建邻接图,将所述遥感影像看作是邻接图的节点,对所述邻接图进行广度优先搜索,将访问图中节点的顺序作为所述影像处理的顺序;
(2.2)确定所述遥感影像的当前参考影像:根据广度优先搜索访问节点的顺序,将节点的前驱节点作为所述遥感影像的当前参考影像;
(2.3)确定所述遥感影像的原始参考影像:计算出所有待处理的所述遥感影像Y通道的平均梯度,取平均梯度最大的影像作为所有所述遥感影像的原始参考影像;
Δx=I(x+1,y)-I(x,y)
Δy=I(x,y+1)-I(x,y)
其中:G为平均梯度,W和H分别是所述遥感影像的宽度和高度;I(x,y)是所述遥感影像像素点(x,y)的灰度值;
(2.4)确定所述遥感影像的参考均值和标准差:将所述当前参考影像和所述原始参考影像的均值、标准差按照1:1的权重进行加权平均,求得所述遥感影像Y通道的参考均值和参考标准差;
(2.5)确定所述遥感影像分块数:根据影像块的预设宽度和高度w和h,划分影像块,计算所述遥感影像Y通道的行列方向的分块数:
其中:CV是所述遥感影像的变异系数;CVref是所述当前参考影像的变异系数;r和c分别是所述遥感影像的行数和列数,W和H分别是所述遥感影像Y通道的行列方向的分块数;
然后,针对划分好的所述影像块,计算其均值和标准差;
(2.6)确定所述影像块角点参数:根据角点所属影像块个数,把所属影像块的均值的均值和标准偏差的均值赋给该角点,当影像块的均值或标准差为零时,该影像块不参加角点参数的计算;
(2.7)确定所述影像块内像元的均值和标准差:根据所述影像块角点的均值和标准差,采用双线性插值方法计算所述影像块内像元的均值和标准差;
(2.8)进行Wallis变换:对于每一个所述影像块的像元,进行Wallis变换,以完成所述遥感影像Y通道的匀光处理;
其中,g(x,y)是原影像像素点(x,y)的灰度值;mg和sg分别为原影像的均值和标准差;f(x,y)是结果影像像素点(x,y)的灰度值;mref和sref分别是所述遥感影像Y通道的参考均值和参考标准差。
进一步的,所述分块Wallis变换方法步骤(2.5)中对于宽度和高度都在8000像素左右的所述遥感影像,所述影像块的w和h都设为512,其它尺寸的所述遥感影像根据其自身宽高与8000的比值,对所述影像块的尺寸进行等比例缩放。
进一步的,所述分块Wallis变换方法步骤(2.6)中所述角点所属影像块个数:对于所述影像块的四个角点,分为:
第一种情况是所述角点只属于一个影像块;
第二种情况是所述角点由两个影像块共有;
第三种情况是所述角点由四个影像块共有。
进一步的,所述参数化的样条曲线,包括:
根据所述遥感图像Cb和Cr通道的色域范围,分别设置N个等间距锚点和然后根据锚点构造两条所述参数化样条曲线作为颜色重映射曲线,使其能分别覆盖所述遥感图像Cb和Cr通道的强度范围,和为已知参数,和为未知参数,所述参数化样条曲线分别由未知参数和进行参数化表示。
进一步的,所述步骤3中的颜色对应关系的约束,包括:
其中t∈[0,1]为插值系数。
进一步的,所述步骤3中的采用凸二次规划求解曲线的参数,包括:
并对所述参数化样条曲线fi和fj的斜率的上限和下限以及颜色重映射的值域加以约束:
其中:τl和τu是所述参数化样条曲线斜率的下限和上限;[vmin,vmax]是所述Cb和Cr通道中颜色重映射的色域范围;
本发明的有益效果:
1、采用分块Wallis变换算法对影像的Y通道进行校正能够有效的减小单幅影像内亮暗分布不均的情况,与此同时,该算法能够调整影像反差不一致的情况,以平衡影像内的反差,提升影像的质量。
2、样条曲线模型的灵活性使得它能够有效地表示遥感影像之间的色彩差异。因此,用该模型对影像的Cb,Cr通道进行匀色,能够有效地校正较大的色彩差异。
3、在影像的不同通道中分别进行亮度校正和颜色校正,既能够改善单幅影像内亮度和反差分布不均的情况,又能够有效减小多幅影像之间的颜色差异。
附图说明
图1是本发明实施例优化亮度、反差及色差的遥感影像匀光匀色方法的总体结构示意图。
图2是本发明实施例分段二次样条曲线建模的颜色重映射曲线的示意图。
图3是本发明实施例影像重叠区域内的两条CDF曲线的示意图。
图4是本发明实施例在Landsat-8数据集上实验结果的示意图。
具体实施方式
下面结合附图及较佳实施例详细说明本发明的具体实施方式。
如图1所示,本发明实施例提供了一种优化亮度、反差及色差的遥感影像匀光匀色方法,包括如下步骤:
S101、将采集的遥感影像从RGB色彩空间转换为YCbCr色彩空间;
S102、对所述遥感影像的Y通道,采用分块Wallis变换方法校正所述遥感影像的亮度和反差分布不均匀的现象;
包括如下步骤:
(1)先对输入的影像,根据其地理坐标信息,构建邻接图来记录影像之间的重叠关系,然后对邻接图进行广度优先搜索,将访问节点的顺序作为影像匀光处理的顺序,将节点的前驱节点作为影像的当前参考影像。
(2)通过公式计算出所有待处理影像Y通道的平均梯度,取平均梯度值最大的影像作为所有影像的原始参考影像。
Δx=I(x+1,y)-I(x,y)
Δy=I(x,y+1)-I(x,y)
其中:G为平均梯度,W和H分别是遥感影像的宽度和高度;I(x,y)是遥感影像像素点(x,y)的灰度值;
(3)将当前参考影像和原始参考影像的均值,标准差按照1:1的权重进行加权平均,求得每幅遥感影像Y通道的参考均值和参考标准差。
(4)根据实验的影像尺寸,对于宽度和高度都在8000像素左右的遥感影像,影像块的w和h都设为512,其它尺寸的遥感影像根据其自身宽高与8000的比值,对影像块的尺寸进行等比例缩放;然后通过公式计算影像Y通道的行列方向的分块数,并算出每一个影像块的均值和标准差,分块数计算公式如下:
其中:CV是遥感影像的变异系数;CVref是当前参考影像的变异系数;r和c分别是遥感影像的行数和列数,W和H分别是遥感影像Y通道的行列方向的分块数。
(5)根据角点所属影像块个数:
第一种情况是角点只属于一个影像块。
第二种情况是角点由两个影像块共有。
第三种情况是角点由四个影像块共有。
把所属影像块的均值的均值和标准偏差的均值赋给该角点,当影像块的参数(均值或标准差)为零时,该影像块不参加角点参数的计算。
(6)根据影像块角点的均值和标准差,采用双线性插值方法计算影像块内像元的均值和标准差。
(7)对于每一个影像块的像元,采用公式进行Wallis变换,以完成影像Y通道的匀光处理。
其中,g(x,y)是原影像像素点(x,y)的灰度值;mg和sg分别为原影像的均值和标准差;f(x,y)是结果影像像素点(x,y)的灰度值;mref和sref分别是遥感影像Y通道的参考均值和参考标准差。
S103、对所述遥感影像的Cb、Cr通道,将参数化的样条曲线作为颜色重映射函数,并使用影像重叠区域内计算的颜色对应关系加以约束,采用凸二次规划求解曲线的参数,用所述颜色重映射函数校正影像之间的色彩差异;
(1)参数化的样条曲线:
如图2所示,根据遥感图像Cb和Cr通道的色域范围,分别设置N个等间距锚点(图中的交叉点)和实验中,N=6;然后根据锚点构造两条参数化样条曲线作为颜色重映射曲线,使其能分别覆盖所述遥感图像Cb和Cr通道的强度范围,和为已知参数,和为未知参数,样条曲线分别由未知参数和进行参数化表示。
(2)颜色对应关系的约束
其中t∈[0,1]为插值系数。
(3)采用凸二次规划求解曲线的参数
并对所述参数化样条曲线fi和fj的斜率的上限和下限以及颜色重映射的值域加以约束:
其中:τl和τu是所述参数化样条曲线斜率的下限和上限;[vmin,vmax]是所述Cb和Cr通道中颜色重映射的色域范围。
实验中,曲线斜率的下限设置为0.3,曲线斜率的上限设置为5,颜色重映射后结果影像Cb或Cr通道的值域保持不变。
S104、将所述遥感影像从YCbCr色彩空间转换为RGB色彩空间,以还原图像。
实验的结果,如图4所示。为了表示影像之间存在的色彩差异,图中白色框突出了颜色不一致的区域。
性能评估上使用的评价指标有:SSIM(Structural Similarity结构相似性)、QCCED(Quality Considered Color EuclideanDistance考虑颜色欧氏距离的质量)和OEI(One-dimensional Entropy of Images影像的一维熵)。
指标SSIM分别从亮度、对比度和结构三方面度量影像之间的相似性,取值范围为[0,1],值越大表示影像失真越小,其公式如下:
SSIM(X,Y)=l(X,Y)·c(X,Y)·s(X,Y)
其中,μX、μY和σX、σY分别表示影像X与影像Y的均值和标准差。σXY表示影像X和影像Y的协方差。C1,C2和C3为常数,为了避免分母为零,通常取C1=(k1L)2,C2=(k2L)2,一般地k1=0.01,k2=0.03,L=255。
指标QCCED包括颜色欧式距离(CED)和平均梯度(MG)。CED反映了影像之间像素值的差异。CED越小,影像之间的颜色差异越小。MG反映了影像纹理的清晰度。MG越高,结果影像的质量越高。然后可以使用以下公式计算指标QCCED,其中c是保持稳定的常数;通常将其设置为1。
指标OEI是一种特征的统计形式,它反映了影像中平均信息量的多少,表示影像灰度分布的聚集特征所包含的信息量。其公式如下:
其中,pi表示影像中灰度值为i的像素所占的比例。影像的一维熵越大,则影像的信息量越大,与此同时,影像包含的灰度级也就越丰富。
通过与现有的两种匀光匀色算法进行对比,我们发现本发明提出的方法具有最佳的性能,具体如下表所示。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,因此,本发明的保护范围由所附权利要求书限定。
Claims (7)
1.一种优化亮度、反差及色差的遥感影像匀光匀色方法,其特征在于,包括如下步骤:
(1)将采集的遥感影像从RGB色彩空间转换为YCbCr色彩空间;
(2)对所述遥感影像的Y通道,采用分块Wallis变换方法校正所述遥感影像的亮度和反差分布不均匀的现象;
(3)对所述遥感影像的Cb、Cr通道,将参数化的样条曲线作为颜色重映射函数,并使用影像重叠区域内计算的颜色对应关系加以约束,采用凸二次规划求解曲线的参数,用所述颜色重映射函数校正影像之间的色彩差异;
(4)将所述遥感影像从YCbCr色彩空间转换为RGB色彩空间,以还原图像。
2.根据权利要求1所述的优化亮度、反差及色差的遥感影像匀光匀色方法,其特征在于,所述步骤2中分块Wallis变换方法包括:
(2.1)确定影像处理顺序:根据所述遥感影像的坐标信息构建邻接图,将所述遥感影像看作是邻接图的节点,对所述邻接图进行广度优先搜索,将访问图中节点的顺序作为所述影像处理的顺序;
(2.2)确定所述遥感影像的当前参考影像:根据广度优先搜索访问节点的顺序,将节点的前驱节点作为所述遥感影像的当前参考影像;
(2.3)确定所述遥感影像的原始参考影像:计算出所有待处理的所述遥感影像Y通道的平均梯度,取平均梯度最大的影像作为所有所述遥感影像的原始参考影像;
Δx=I(x+1,y)-I(x,y)
Δy=I(x,y+1)-I(x,y)
其中:G为所述遥感影像的平均梯度,W和H分别是所述遥感影像的宽度和高度;I(x,y)是所述遥感影像像素点(x,y)的灰度值;
(2.4)确定所述遥感影像的参考均值和标准差:将所述当前参考影像和所述原始参考影像的均值、标准差按照1:1的权重进行加权平均,求得所述遥感影像Y通道的参考均值和参考标准差;
(2.5)确定所述遥感影像分块数:根据预设的影像块宽度和高度w和h,采用下式计算所述遥感影像Y通道的行列方向的分块数:
其中:CV是所述遥感影像的变异系数;CVref是所述当前参考影像的变异系数;r和c分别是所述遥感影像的行数和列数,W和H分别为所述遥感影像Y通道的行列方向的影像块的数量;
然后,针对划分好的所述影像块,计算其均值和标准差;
(2.6)确定所述影像块角点参数:根据角点所属影像块个数,把所属影像块的均值的均值和标准差的均值赋给该角点,当所述影像块的均值或标准差为零时,该影像块不参加角点参数的计算;
(2.7)确定所述影像块内像元的均值和标准差:根据所述影像块角点的均值和标准差,采用双线性插值方法计算所述影像块内像元的均值和标准差;
(2.8)进行Wallis变换:对于每一个所述影像块的像元,进行Wallis变换,以完成所述遥感影像Y通道的匀光处理;
其中,g(x,y)是原影像像素点(x,y)的灰度值;mg和sg分别为原影像的均值和标准差;f(x,y)是结果影像像素点(x,y)的灰度值;mref和sref分别是所述遥感影像Y通道的参考均值和参考标准差。
3.根据权利要求2所述的优化亮度、反差及色差的遥感影像匀光匀色方法,其特征在于,所述分块Wallis变换方法步骤(2.5)中对于宽度和高度都在8000像素左右的所述遥感影像,影像块的w和h都设为512,其它尺寸的所述遥感影像根据其自身宽高与8000的比值,对影像块的尺寸进行等比例缩放。
4.根据权利要求2所述的优化亮度、反差及色差的遥感影像匀光匀色方法,其特征在于,所述分块Wallis变换方法步骤(2.6)中所述角点所属影像块个数:对于所述影像块的四个角点,分为:
第一种情况是所述角点只属于一个影像块;
第二种情况是所述角点由两个影像块共有;
第三种情况是所述角点由四个影像块共有。
7.根据权利要求6所述的优化亮度、反差及色差的遥感影像匀光匀色方法,其特征在于,所述步骤3中的采用凸二次规划求解曲线的参数,包括:
并对所述参数化样条曲线fi和fj的斜率的上限和下限以及颜色重映射的值域加以约束:
其中:τl和τu是所述参数化样条曲线斜率的下限和上限;[vmin,vmax]是所述Cb和Cr通道中颜色重映射的色域范围;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210905732.XA CN115375561A (zh) | 2022-07-29 | 2022-07-29 | 一种优化亮度、反差及色差的遥感影像匀光匀色方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210905732.XA CN115375561A (zh) | 2022-07-29 | 2022-07-29 | 一种优化亮度、反差及色差的遥感影像匀光匀色方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115375561A true CN115375561A (zh) | 2022-11-22 |
Family
ID=84064063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210905732.XA Pending CN115375561A (zh) | 2022-07-29 | 2022-07-29 | 一种优化亮度、反差及色差的遥感影像匀光匀色方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115375561A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115937050A (zh) * | 2023-03-02 | 2023-04-07 | 图兮数字科技(北京)有限公司 | 图像处理方法、装置、电子设备和存储介质 |
-
2022
- 2022-07-29 CN CN202210905732.XA patent/CN115375561A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115937050A (zh) * | 2023-03-02 | 2023-04-07 | 图兮数字科技(北京)有限公司 | 图像处理方法、装置、电子设备和存储介质 |
CN115937050B (zh) * | 2023-03-02 | 2023-10-13 | 图兮数字科技(北京)有限公司 | 图像处理方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107016647B (zh) | 全景图像色调一致性纠正方法及*** | |
WO2018040463A1 (zh) | DeMura表的数据压缩、解压缩方法及Mura补偿方法 | |
US20090010538A1 (en) | Apparatus and method for automatically computing gamma correction curve | |
CN109191460B (zh) | 一种对于色调映射图像的质量评价方法 | |
CN110136083B (zh) | 一种结合交互式的底图更新方法及装置 | |
CN111985381B (zh) | 一种基于伸缩卷积神经网络的引导区域密集人群计数方法 | |
CN111242878A (zh) | 基于布谷鸟搜索的矿井下图像增强方法 | |
CN112529813B (zh) | 图像去雾处理方法、装置及计算机存储介质 | |
CN115375561A (zh) | 一种优化亮度、反差及色差的遥感影像匀光匀色方法 | |
CN111563866B (zh) | 一种多源遥感图像融合方法 | |
CN114240767A (zh) | 一种基于曝光融合的图像宽动态范围处理方法及装置 | |
CN113935917B (zh) | 一种基于云图运算和多尺度生成对抗网络的光学遥感影像薄云去除方法 | |
CN110738693A (zh) | 一种地基成像雷达多角度图像配准方法 | |
CN114463196A (zh) | 一种基于深度学习的图像校正方法 | |
CN111476746A (zh) | 一种基于ihs变换与自适应区域特征的遥感图像融合方法 | |
KR20210096925A (ko) | 대용량 항공정사영상의 효율적인 색상보정 방법 | |
CN113409196A (zh) | 一种用于实时视频拼接的高速全局色差矫正方法 | |
KR20210096926A (ko) | 대용량 항공정사영상의 저해상도 컬러영상을 이용한 색상보정 방법 | |
Wang et al. | CD-iNet: Deep Invertible Network for Perceptual Image Color Difference Measurement | |
CN112907485B (zh) | 一种基于lαβ空间色彩映射的遥感影像批量调色方法 | |
CN117809162B (zh) | 校正透镜成像不均一性、提取透镜参数的方法及装置 | |
CN112734660B (zh) | 一种基于移动窗口粒子群优化的过曝图像质量增强方法 | |
CN117670747A (zh) | 一种面向区域遥感影像匀色处理的最优化方法及*** | |
CN117671036B (zh) | 校正参数标定方法、装置、计算机设备和存储介质 | |
CN117575960B (zh) | 一种遥感影像空缺填补方法及*** |
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 |