RU2746038C1 - Method for fractal complexing of multifrequency radar images - Google Patents

Method for fractal complexing of multifrequency radar images Download PDF

Info

Publication number
RU2746038C1
RU2746038C1 RU2020129376A RU2020129376A RU2746038C1 RU 2746038 C1 RU2746038 C1 RU 2746038C1 RU 2020129376 A RU2020129376 A RU 2020129376A RU 2020129376 A RU2020129376 A RU 2020129376A RU 2746038 C1 RU2746038 C1 RU 2746038C1
Authority
RU
Russia
Prior art keywords
images
image
base image
radar
fractal
Prior art date
Application number
RU2020129376A
Other languages
Russian (ru)
Inventor
Виктор Андреевич Кузнецов
Александр Алексеевич Потапов
Елбек Абдукаимович Аликулов
Original Assignee
Виктор Андреевич Кузнецов
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 Виктор Андреевич Кузнецов filed Critical Виктор Андреевич Кузнецов
Priority to RU2020129376A priority Critical patent/RU2746038C1/en
Application granted granted Critical
Publication of RU2746038C1 publication Critical patent/RU2746038C1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

FIELD: radar and digital image processing.
SUBSTANCE: method of fractal complexing of multifrequency radar images, which consists in the fact that with the help of a multi-band radar station, initial images are obtained and the components are combined, characterized in that after receiving the images, the original images are ranked in descending order of the carrier frequencies or the width of the spectrum of the probing signals on which they were obtained, the base image is determined according to the criterion of the maximum frequency of the probing signal, the scale of the original images is calculated, the section of the scene corresponding to the base image on the remaining images selected, the selected sections of the remaining images are brought to the base image resolution, the dynamic range of the images aligned taking into account the calculated values ​​of their scale, the integration is carried out by formation of a field of fractal dimensions simultaneously for all image areas selected and reduced to a single resolution and dynamic range.
EFFECT: technical result consists in increasing the information content of the image containing the elements of the original images of the same scene, obtained at different frequency ranges.
1 cl, 3 dwg

Description

Изобретение относится к радиолокации и области цифровой обработки изображений и может быть использовано для комплексирования цифровых радиолокационных изображений одной и той же сцены, полученных в разных частотных диапазонах. The invention relates to radar and the field of digital image processing and can be used to integrate digital radar images of the same scene, obtained in different frequency ranges.

Наиболее близким по технической сущности к заявленному способу (прототип) является способ комплексирования цифровых многоспектральных изображений земной поверхности (пат. РФ 2520424 Рос. Федерация: МПК G06T 5/40 / Никитин О.Р., Кисляков А.Н., Шулятьев А.А.; заявитель и патентообладатель Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых»; заявл. 11.07.12; опубл. 27.06.14. Бюл. №18), включающий получение исходных изображений, комплексирование компонент, основанное на принципе взвешенного суммирования для каждого пикселя, причем после получения изображений определяют наиболее информативное изображение путем вычисления собственной энтропии каждого изображения, проводят вычисление морфологической формы наиболее информативного изображения на основе гистограммной сегментации с заданным количеством мод гистограммы, вычисляют морфологические проекции остальных изображений на форму наиболее информативного изображения, а комплексирование проводят путем суммирования яркостей пикселей наиболее информативного изображения, которое принимают за базовое, и проекций остальных изображений на форму этого изображения.The closest in technical essence to the claimed method (prototype) is a method for integrating digital multispectral images of the earth's surface (US Pat. RF 2520424 Russian Federation: IPC G06T 5/40 / Nikitin O.R., Kislyakov A.N., Shulyat'ev A.A. .; applicant and patentee Federal State Budgetary Educational Institution of Higher Professional Education "Vladimir State University named after Alexander Grigorievich and Nikolai Grigorievich Stoletovs"; filed. 07/11/12; publ. 06/27/14. Bul. No. 18), including obtaining initial images, integration component based on the principle of weighted summation for each pixel, and after obtaining the images, the most informative image is determined by calculating its own entropy of each image, the morphological form of the most informative image is calculated based on the histogram segmentation with a given number of histogram modes, the morphological the projections of the remaining images onto the shape of the most informative image, and the complexation is carried out by summing the brightness of the pixels of the most informative image, which is taken as the base image, and the projections of the remaining images onto the shape of this image.

Основным недостатком способа-прототипа является искажение или потеря некоторых элементов исходных изображений в результате вычисления морфологических проекций изображений на форму наиболее информативного изображения (см., например, Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB. М.: Техносфера, 2006. 616 с.), что, например, в случае потери «блестящих точек» на радиолокационных изображениях обуславливает снижение информативности изображения, содержащего элементы исходных изображений одной и той же сцены, полученных в различных частотных диапазонах. Кроме того, определение наиболее информативного изображения по критерию максимума собственной энтропии изображения может привести к ошибке выбора наиболее информативного изображения, поскольку в реальных условиях функционирования радиолокационных систем дестабилизирующие факторы различной природы обусловливают снижение разрешающей способности и искажения на радиолокационных изображениях (см., например, Дудник П.И., Кондратенков Г.С., Татарский Б.Г., Ильчук А.Р., Герасимов А.А. Авиационные радиолокационные комплексы и системы. Учебник для слушателей и курсантов ВУЗов ВВС / Под ред. П.И. Дудника. М.: ВВИА, 2006. 1112 с.), что ведет к существенному повышению энтропии радиолокационного изображения, и, в конечном итоге, также приводит к снижению информативности изображения.The main disadvantage of the prototype method is the distortion or loss of some elements of the original images as a result of calculating morphological projections of images onto the form of the most informative image (see, for example, R. Gonzalez, R. Woods, S. Eddins. Digital image processing in MATLAB. M. : Technosphere, 2006. 616 pp.), Which, for example, in the case of loss of "shiny points" on radar images causes a decrease in the information content of the image containing elements of the original images of the same scene, obtained in different frequency ranges. In addition, the determination of the most informative image according to the criterion of the maximum intrinsic entropy of the image can lead to an error in choosing the most informative image, since in real conditions of the operation of radar systems destabilizing factors of various nature cause a decrease in resolution and distortion in radar images (see, for example, Dudnik P I.I., Kondratenkov G.S., Tatarsky B.G., Ilchuk A.R., Gerasimov A.A.Aircraft radar complexes and systems.A textbook for listeners and cadets of the Air Force Universities / Edited by P.I.Dudnik. M .: VVIA, 2006. 1112 p.), Which leads to a significant increase in the entropy of the radar image, and, ultimately, also leads to a decrease in the information content of the image.

Техническим результатом изобретения является повышение информативности изображения, содержащего элементы исходных изображений одной и той же сцены, полученных одновременно в различных частотных диапазонах, за счет ранжирования изображений в порядке убывания значений несущих частот или ширины спектра зондирующих сигналов, определения базового изображения по критерию максимальной частоты или ширины спектра зондирующего сигнала, вычисления масштаба исходных изображений, выделения на остальных изображениях участка сцены, соответствующего базовому, приведения выделенных участков остальных изображений к разрешению базового изображения, выравнивания динамического диапазона исходных изображений с учетом их масштабов и формирования поля фрактальных размерностей, вычисленных одновременно по всем изображениям.The technical result of the invention is to increase the information content of an image containing elements of the original images of the same scene, obtained simultaneously in different frequency ranges, by ranking the images in descending order of carrier frequencies or the width of the probe signal spectrum, determining the base image by the criterion of maximum frequency or width the spectrum of the probing signal, calculating the scale of the original images, highlighting a section of the scene corresponding to the base image on the remaining images, bringing the selected sections of the remaining images to the resolution of the base image, leveling the dynamic range of the original images taking into account their scales and forming a field of fractal dimensions calculated simultaneously for all images.

Указанный технический результат достигается тем, что в известном способе комплексирования цифровых многоспектральных изображений земной поверхности, включающем получение исходных изображений и комплексирование компонент, согласно изобретению после получения изображений ранжируют исходные изображения в порядке убывания значений несущих частот или ширины спектра зондирующих сигналов, на которых они получены, определяют базовое изображение по критерию максимальной частоты зондирующего сигнала, вычисляют масштаб исходных изображений, выделяют на остальных изображениях участок сцены, соответствующий базовому изображению, приводят выделенные участки остальных изображений к разрешению базового, выравнивают динамический диапазон изображений с учетом вычисленных значений их масштаба, комплексирование проводят путем формирования поля фрактальных размерностей, вычисленных методом покрытий (см., например, Потапов А.А. Фракталы в радиофизике и радиолокации: Топология выборки. Изд. 2-е, перераб. и доп. М.: Университетская книга, 2005. 848 с.) одновременно по всем выделенным и приведенным к единому разрешению и динамическому диапазону участкам изображений.The specified technical result is achieved by the fact that in the known method of complexing digital multispectral images of the earth's surface, including obtaining initial images and combining components, according to the invention, after obtaining the images, the initial images are ranked in descending order of the carrier frequencies or the width of the spectrum of the probing signals on which they were obtained, the base image is determined according to the criterion of the maximum frequency of the probing signal, the scale of the original images is calculated, the scene area corresponding to the base image is selected in the remaining images, the selected areas of the remaining images are brought to the base image resolution, the dynamic range of the images is equalized taking into account the calculated values of their scale, the integration is carried out by forming fields of fractal dimensions calculated by the coverage method (see, for example, Potapov A.A.Fractals in radiophysics and radar: Sampling topology. op. M .: Universitetskaya kniga, 2005.848 p.) Simultaneously for all selected and reduced to a single resolution and dynamic range image areas.

За счет этого происходит повышение информативности изображения, содержащего элементы исходных изображений одной и той же сцены, полученных одновременно в различных частотных диапазонах.Due to this, there is an increase in the information content of an image containing elements of the original images of the same scene, obtained simultaneously in different frequency ranges.

Сущность изобретения заключается в том, что с помощью многодиапазонной радиолокационной станции с синтезированной апертурой антенны (МД РСА) с Q каналами или Q РСА, функционирующих на разных несущих частотах, с разной шириной спектра зондирующих сигналов и размещенных на одном носителе, получают радиолокационные изображения (РЛИ) подстилающей поверхности, как показано на фиг. 1, отличающиеся разрешением

Figure 00000001
,
Figure 00000002
, динамическим диапазоном и зоной обзора, обусловленной интервалом накопления (синтезирования) зондирующего сигнала
Figure 00000003
, полученные радиолокационные изображения ранжируют в порядке убывания значений несущей частоты
Figure 00000004
,
Figure 00000002
, или ширины спектра
Figure 00000005
 зондирующих сигналов, с помощью которых они получены, радиолокационное изображение, полученное на максимальной частоте или при максимальной ширине спектра зондирующего сигнала из всех Q имеющихся на носителе диапазонов частот электромагнитных волн, считают наиболее информативным и принимают за базовое изображение z размером M×N пикселей, вычисляют масштаб
Figure 00000006
 каждого исходного n-го изображения согласно выражению:The essence of the invention lies in the fact that using a multi-band radar with a synthetic aperture antenna (MD RSA) with Q channels or Q RSA operating at different carrier frequencies, with different spectral widths of sounding signals and placed on the same carrier, receive radar images (RLI ) of the underlying surface, as shown in FIG. 1, differing in resolution
Figure 00000001
 ,
Figure 00000002
 , dynamic range and field of view due to the interval of accumulation (synthesis) of the probing signal
Figure 00000003
 , the obtained radar images are ranked in descending order of carrier frequency values
Figure 00000004
 ,
Figure 00000002
 , or the spectrum width
Figure 00000005
 of the probing signals with which they were obtained, the radar image obtained at the maximum frequency or at the maximum width of the probe signal spectrum out of all Q available on the carrier frequency ranges of electromagnetic waves is considered the most informative and is taken as the base image z with a size of M × N pixels, calculate scale
Figure 00000006
 of each original n-th image according to the expression:

Figure 00000007
,
Figure 00000007
 ,

где

Figure 00000008
– операция округления к большему, n – порядковый номер ранжированного изображения,
Figure 00000009
 – число элементов изображения, соответствующих линейному размеру l0 некоторого эталонного объекта, с – абсолютная величина скорости распространения электромагнитных волн в вакууме, относительно середины интервалов накопления зондирующих сигналов
Figure 00000010
,
Figure 00000011
, выделяют на остальных изображениях участок сцены, соответствующий базовому изображению, приводят выделенные участки остальных изображений к разрешению базового изображения M×N пикселей, выравнивают динамический диапазон исходных изображений, как показано на фиг. 2, например, путем нормировки с учетом масштабов
Figure 00000012
, например, согласно выражению:Where
Figure 00000008
 - operation of rounding up, n is the ordinal number of the ranged image,
Figure 00000009
 Is the number of image elements corresponding to the linear size l 0 of a certain reference object, s is the absolute value of the propagation velocity of electromagnetic waves in vacuum, relative to the middle of the intervals of accumulation of probing signals
Figure 00000010
 ,
Figure 00000011
 , a section of the scene corresponding to the base image is selected in the remaining images, the selected sections of the remaining images are brought to a resolution of the base image of M × N pixels, the dynamic range of the original images is aligned, as shown in FIG. 2, for example, by normalizing taking into account the scales
Figure 00000012
 , for example, according to the expression:

Figure 00000013
,
Figure 00000013
 ,

где

Figure 00000014
– множество значений яркости элементов преобразованного n-го изображения с учетом масштаба, zn – множество значений яркости элементов исходного n-го изображения, min(zn) и max(zn) – минимальное и максимальное значения яркости исходного n-го изображения соответственно, комплексирование проводят путем формирования поля фрактальных размерностей
Figure 00000015
,
Figure 00000016
,
Figure 00000017
, для этого в скользящем окне размером W×W, где W – нечетное целое число, рассчитывают локальную мультифрактальную размерность Lq (см., например, Yong Xia, Dagan Feng, Rongchun Zhao Morphology-Based Multifractal Estimation for Texture Segmentation // IEEE Transactions on Image Processing, 2006. Vol. 15. No. 3) согласно выражению:Where
Figure 00000014
 - the set of brightness values of the elements of the transformed n-th image, taking into account the scale, z n is the set of brightness values of the elements of the original n-th image, min (z n ) and max (z n ) are the minimum and maximum brightness values of the original n-th image, respectively , complexation is carried out by forming a field of fractal dimensions
Figure 00000015
 ,
Figure 00000016
 ,
Figure 00000017
 , for this, in a sliding window of size W × W, where W is an odd integer, the local multifractal dimension L q is calculated (see, for example, Yong Xia, Dagan Feng, Rongchun Zhao Morphology-Based Multifractal Estimation for Texture Segmentation // IEEE Transactions on Image Processing, 2006. Vol. 15. No. 3) according to the expression:

Figure 00000018
,
Figure 00000018
 ,

где q – порядок скейлингового момента, при

Figure 00000019
локальная мультифрактальная размерность соответствует фрактальной размерности, при
Figure 00000020
 выявляются мультифрактальные свойства, которые также возможно использовать в изобретении для повышения информативности,
Figure 00000021
,
Figure 00000022
,
Figure 00000023
 – масштаб базового изображения z,
Figure 00000024
, вычисленное значение
Figure 00000025
 каждого центрального элемента скользящего окна запоминают в соответствующем элементе двумерной матрицы
Figure 00000015
,
Figure 00000016
,
Figure 00000017
, а в случае
Figure 00000020
 – в соответствующем элементе трехмерной матрицы
Figure 00000026
, содержащей элементы исходных радиолокационных изображений одной и той же сцены, полученных одновременно в различных частотных диапазонах. where q is the order of the scaling moment, for
Figure 00000019
 the local multifractal dimension corresponds to the fractal dimension, at
Figure 00000020
 reveals multifractal properties, which can also be used in the invention to increase information content,
Figure 00000021
 ,
Figure 00000022
 ,
Figure 00000023
 - the scale of the base image z,
Figure 00000024
 , calculated value
Figure 00000025
 each central element of the sliding window is stored in the corresponding element of the two-dimensional matrix
Figure 00000015
 ,
Figure 00000016
 ,
Figure 00000017
 , and in the case
Figure 00000020
 - in the corresponding element of the three-dimensional matrix
Figure 00000026
 containing elements of the original radar images of the same scene, obtained simultaneously in different frequency ranges.

Сущность изобретения поясняет фиг. 3.The essence of the invention is illustrated in FIG. 3.

После получения исходных двумерных цифровых полутоновых изображений (z1,…,zn,…,zQ) и соответствующих им значений несущих частот (f01,…,f0n,…, f0Q) или ширины спектра (Δf1,…, Δfn,…, ΔfQ) зондирующих сигналов проводится процедура 1 ранжирования в порядке убывания значений несущей частоты

Figure 00000004
,
Figure 00000002
 или ширины спектра
Figure 00000005
 зондирующих сигналов, с помощью которых они получены, определения наиболее информативного (базового) изображения z и вычисления масштаба
Figure 00000006
 исходных изображений, далее на остальных изображениях проводится процедура 2 выделения участка сцены базового изображения относительно середины интервалов накопления зондирующих сигналов (
Figure 00000027
,…,
Figure 00000010
,…,
Figure 00000028
), а также процедура 3 приведения выделенных участков изображений к разрешению базового изображения M×N пикселей, затем проводится процедура 4 выравнивания динамического диапазона всех изображений, в том числе и базового, например, путем нормировки с учетом вычисленных масштабов
Figure 00000006
, преобразованные таким образом изображения подвергаются процедуре комплексирования 5, основанной на формировании с помощью скользящего окна W×W двумерного или трехмерного поля фрактальных размерностей D. After obtaining the original two-dimensional digital halftone images (z 1 , ..., z n , ..., z Q ) and the corresponding values of the carrier frequencies (f 01 , ..., f 0n , ..., f 0Q ) or the spectrum width (Δf 1 , ..., Δf n , ..., Δf Q ) of the probing signals, the procedure of 1 ranking is carried out in descending order of the values of the carrier frequency
Figure 00000004
 ,
Figure 00000002
 or spectrum width
Figure 00000005
 probing signals with which they are obtained, determining the most informative (base) image z and calculating the scale
Figure 00000006
 of the original images, then on the remaining images, procedure 2 is performed for selecting a section of the base image scene relative to the middle of the intervals of accumulation of probe signals (
Figure 00000027
 , ...,
Figure 00000010
 , ...,
Figure 00000028
 ), as well as procedure 3 for bringing the selected areas of images to the resolution of the base image M × N pixels, then procedure 4 is performed to align the dynamic range of all images, including the base one, for example, by normalizing taking into account the calculated scales
Figure 00000006
 , the images transformed in this way are subjected to the complexing procedure 5 based on the formation of a two-dimensional or three-dimensional field of fractal dimensions D using a sliding window W × W.

Таким образом, повышение информативности достигается за счет ранжирования изображений в порядке убывания значений несущих частот или ширины спектра зондирующих сигналов, определения базового изображения по критерию максимальной частоты или ширины спектра зондирующего сигнала, вычисления масштаба исходных изображений, выделения на остальных изображениях участка сцены, соответствующего базовому, приведения выделенных участков остальных изображений к разрешению базового изображения, выравнивания динамического диапазона исходных изображений с учетом их масштабов и формирования поля фрактальных размерностей, содержащего информацию об участке сцены на различных масштабах измерения, обусловленных частотными диапазонами электромагнитных волн.Thus, an increase in information content is achieved by ranking the images in descending order of the carrier frequencies or the width of the spectrum of the probing signals, determining the base image by the criterion of the maximum frequency or the width of the probe signal spectrum, calculating the scale of the original images, highlighting the scene section corresponding to the base one in the remaining images. reduction of the selected areas of the remaining images to the resolution of the base image, alignment of the dynamic range of the original images, taking into account their scales and the formation of a fractal dimension field containing information about the scene area at different measurement scales due to the frequency ranges of electromagnetic waves.

Предлагаемое техническое решение практически применимо, так как для его реализации могут быть использованы элементы, широко распространенные в области электроники, электротехники и цифровой обработки изображений.The proposed technical solution is practically applicable, since elements widely used in the field of electronics, electrical engineering and digital image processing can be used for its implementation.

Claims (1)

Способ фрактального комплексирования многочастотных радиолокационных изображений, заключающийся в том, что с помощью многодиапазонной радиолокационной станции с синтезированной апертурой антенны (МД РСА) или нескольких РСА, функционирующих на разных несущих частотах, с разной шириной спектра зондирующих сигналов и размещенных на одном носителе, получают исходные изображения и комплексируют компоненты, отличающийся тем, что после получения изображений ранжируют исходные изображения в порядке убывания значений несущих частот или ширины спектра зондирующих сигналов, на которых они получены, определяют базовое изображение по критерию максимальной частоты зондирующего сигнала, вычисляют масштаб исходных изображений, выделяют на остальных изображениях участок сцены, соответствующий базовому изображению, приводят выделенные участки остальных изображений к разрешению базового, выравнивают динамический диапазон изображений с учетом вычисленных значений их масштаба, комплексирование проводят путем формирования поля фрактальных размерностей одновременно по всем выделенным и приведенным к единому разрешению и динамическому диапазону участкам изображений.The method of fractal complexing of multifrequency radar images, which consists in the fact that using a multi-band synthetic aperture radar (RSA) or several SARs operating at different carrier frequencies, with different widths of the spectrum of probing signals and placed on the same carrier, obtain the original images and complex the components, characterized in that after obtaining the images, the original images are ranked in descending order of the carrier frequencies or the width of the spectrum of the probing signals on which they were obtained, the base image is determined by the criterion of the maximum frequency of the probing signal, the scale of the original images is calculated, and the remaining images are extracted the area of the scene corresponding to the base image, the selected areas of the remaining images are brought to the resolution of the base image, the dynamic range of the images is equalized taking into account the calculated values of their scale, the integration is carried out by We form a field of fractal dimensions simultaneously for all selected and reduced to a single resolution and dynamic range image areas.
RU2020129376A 2020-09-05 2020-09-05 Method for fractal complexing of multifrequency radar images RU2746038C1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2020129376A RU2746038C1 (en) 2020-09-05 2020-09-05 Method for fractal complexing of multifrequency radar images

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2020129376A RU2746038C1 (en) 2020-09-05 2020-09-05 Method for fractal complexing of multifrequency radar images

Publications (1)

Publication Number Publication Date
RU2746038C1 true RU2746038C1 (en) 2021-04-06

Family

ID=75353426

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2020129376A RU2746038C1 (en) 2020-09-05 2020-09-05 Method for fractal complexing of multifrequency radar images

Country Status (1)

Country Link
RU (1) RU2746038C1 (en)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2342701C1 (en) * 2007-08-15 2008-12-27 Российская Федерация, от имени которой выступает Министерство обороны Российской Федерации Method of complexing digital multispectral half-tone images
US7751639B1 (en) * 2005-04-20 2010-07-06 University Of East Anglia Obtaining intrinsic images
CN102214364A (en) * 2011-04-27 2011-10-12 天津大学 Automatic coloring method of gray level images in combination with histogram regression and texture analysis
RU2520424C2 (en) * 2012-07-11 2014-06-27 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых" (ВлГУ) Method for complexion digital multispectral images of earth's surface
RU2667800C1 (en) * 2017-12-26 2018-09-24 Акционерное общество "Научно-технический центр ЭЛИНС" Method for integrating two digital halftone images

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7751639B1 (en) * 2005-04-20 2010-07-06 University Of East Anglia Obtaining intrinsic images
RU2342701C1 (en) * 2007-08-15 2008-12-27 Российская Федерация, от имени которой выступает Министерство обороны Российской Федерации Method of complexing digital multispectral half-tone images
CN102214364A (en) * 2011-04-27 2011-10-12 天津大学 Automatic coloring method of gray level images in combination with histogram regression and texture analysis
RU2520424C2 (en) * 2012-07-11 2014-06-27 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых" (ВлГУ) Method for complexion digital multispectral images of earth's surface
RU2667800C1 (en) * 2017-12-26 2018-09-24 Акционерное общество "Научно-технический центр ЭЛИНС" Method for integrating two digital halftone images

Similar Documents

Publication Publication Date Title
Vasile et al. Coherency matrix estimation of heterogeneous clutter in high-resolution polarimetric SAR images
Chen et al. PolInSAR complex coherence estimation based on covariance matrix similarity test
TWI575245B (en) Signal-processing systems and methods for echo ranging systems, and related computer program products
Zhou et al. A fast back-projection algorithm based on cross correlation for GPR imaging
US8125370B1 (en) Polarimetric synthetic aperture radar signature detector
CN109557535A (en) System and method for using the occupancy detection of millimetre-wave radar sensor
Davidson et al. Multiresolution phase unwrapping for SAR interferometry
US3935575A (en) Circuitry for determining direction of impingement of a received signal
CN110837079B (en) Target detection method and device based on radar
Li et al. NUFFT-based near-field imaging technique for far-field radar cross section calculation
Hamdollahzadeh et al. Moving target localization in bistatic forward scatter radars: Performance study and efficient estimators
CN110596706B (en) Radar scattering sectional area extrapolation method based on three-dimensional image domain projection transformation
RU2746038C1 (en) Method for fractal complexing of multifrequency radar images
Feghhi et al. Design of a low-cost UWB time-domain radar system for subcentimeter image resolution
Kidera et al. High-resolution and real-time three-dimensional imaging algorithm with envelopes of spheres for UWB radars
Al-Nuaimy et al. Automatic detection of hyperbolic signatures in ground-penetrating radar data
CN102495407B (en) Characterization method of similarity of polarized synthetic aperture radar image
US20210223389A1 (en) Synthetic aperture radar signal analysis device, synthetic aperture radar signal analysis method, and synthetic aperture radar signal analysis program
Dierking Sea ice classification on different spatial scales for operational and scientific use
JP2019144077A (en) Azimuth estimation method and device
Lu et al. Curvelet approach for deep-sea sonar image denoising, contrast enhancement and fusion
Sun et al. MT-BCS-Based two-dimensional diffraction tomographic GPR imaging algorithm with multiview–multistatic configuration
Burfeindt et al. Fidelity Evaluation of the Phase-Encoded Linear Sampling Method and Backprojection Imaging
Riccio et al. Fractal dimension images from SAR images
Thompson et al. Target separation in SAR image with the MUSIC algorithm