本发明涉及遥感图像处理技术领域,尤其是指一种基于小波多尺度分解的遥感图像去雾方法及装置,首先通过多尺度小波频率分解,将原始有雾遥感图像分为低频子带和高频子带,分离雾霾干扰和图像细节;然后对高频子带采用非线性动态增强函数强化细节,利用增强后的高频子带对低频子带进行多尺度导向滤波,抑制图像中的雾气成分;进一步通过残差空洞卷积与SE模块整合不同尺度下的特征信息强化全局结构与局部细节的感知能力,得到融合特征;最后对融合特征解码重建,恢复得到高分辨率的去雾遥感图像。本发明不仅有效提升遥感图像在轻度到重度雾霾条件下恢复后的清晰度、结构完整性与应用适应性,而且缩减了运算消耗,提升了算法执行速度。
📄 2025114035076
📂 G06T5_10
👤 江南大学
📅 2025-09-29
本申请属于图像处理技术领域,公开了一种基于显著边缘增强的多聚焦图像融合方法及相关设备,所述方法包括:基于变换域方法,获取两个源图像的初始融合图像;两个源图像的大小相同且相互配准,两个源图像的聚焦区互补;生成初始融合图像的显著图和两个源图像的显著图;生成初始融合图像的显著图与各源图像的显著图之间的差图;根据初始融合图像的显著图、两个源图像的显著图和差图,获取各源图像对应的初始决策图;对各初始决策图进行优化处理,得到各源图像对应的优化决策图;基于优化决策图对两个源图像进行融合,得到最终融合图像;从而能够使融合图像边缘信息更加丰富并且有效解决了边缘模糊以及伪影的问题,得到更清晰的高质量融合图像。
📄 2025104115426
📂 G06T5_10
👤 佛山大学
📅 2025-04-02
本发明公开了一种基于特征融合稀疏表示模型的合成孔径雷达(Synthetic Aperture Radar,SAR)图像车辆检测方法,目的是针对现有的SAR图像车辆检测方法在复杂场景中的不足之处,以提高SAR图像车辆检测的准确性。该方法首先基于训练目标数据的相关字典集,对每个测试目标所提取的一系列特征进行稀疏重构,生成一系列残差。然后将残差归一化并组成单个残差序列。基于所收集的所有特征的残差序列集合,依据线性融合策略来确定目标类别的最佳估计,依此获取测试目标的检测结果。本发明充分利用了基于特征融合稀疏表示模型的良好分辨能力,且考虑了图像中场景复杂度的变化,有效地提高了SAR图像车辆的检测率,准确度更高。
📄 201810325118X
📂 G06T5_10
👤 浙江理工大学
📅 2018-04-12