位置:成果数据库 > 期刊 > 期刊详情页
原油产能预测中色谱指纹的特征选取方法研究
  • ISSN号:0490-6756
  • 期刊名称:《四川大学学报:自然科学版》
  • 时间:0
  • 分类:TP391.41[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]中国电子科技集团公司第二十九研究所,四川成都610036, [2]四川大学电子信息学院,四川成都610065
  • 相关基金:联合基于学习的超分辨率技术和多传感器超分辨率技术在红外图像复原中的研究,国家自然科学基金(No.61271330); 图像识别及图像增强关键技术研究(四川省重大科技支撑计划,No.2014GZ0005)
中文摘要:

红外成像技术具有隐蔽性强、环境适应能力强、可探测隐蔽物体的优点,因此被广泛应用于军事等领域。受成像原理、硬件设备及环境等因素影响,导致的红外图像整体对比度低、细节模糊、噪声多、视觉效果差等特性,限制了红外图像应用范围。本文利用红外图像自相关性与可见光图像自相关性判断红外图像与可见光图像相关性;并利用红外图像与可见光图像相关性增强红外图像细节信息。实验结果表明,基于异源图像引导的红外图像增强算法,在增强图像对比度、图像细节,改善图像视觉效果的基础上,可有效增强图像细节清晰度。

英文摘要:

Infrared imaging technology has several obvious advantages such as strong concealment,environmental adaptability,hidden objects detecting. Because of these advantages,Infrared imaging technology has been widely applied in military,aerospace,industrial testing,medical diagnosis and other fields.Affected by the image-forming principle,hardware equipment,environmental and other factors,Infrared image has the characteristics of low contrast,blurred image details,noise-corrupted,poor visual effect and so on. We proposed an infrared image enhancement algorithm based on heterogeneous image correction. We use the heterogeneous( visible) image to guide the infrared image detail enhancement:First,we propose to use the infrared image autocorrelation and the visible image autocorrelation to judge the similarity between the infrared image and the visible image. Secondly,we propose to use the infrared image and the visible image correlation similarity enhancement infrared image detail information. The experiment results demonstrate that our algorithm based on heterogeneous image correction can effectively enhance the image detail clearly.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《四川大学学报:自然科学版》
  • 中国科技核心期刊
  • 主管单位:国家教育部
  • 主办单位:四川大学
  • 主编:刘应明
  • 地址:成都九眼桥望江路29号
  • 邮编:610064
  • 邮箱:
  • 电话:028-85410393 85412393
  • 国际标准刊号:ISSN:0490-6756
  • 国内统一刊号:ISSN:51-1595/N
  • 邮发代号:62-127
  • 获奖情况:
  • 国家“双效”期刊,四川省十佳科技期刊,教育部全国高校优秀学报二等奖(1995,1999),四川省科技优秀期刊一等奖(1996,2000)
  • 国内外数据库收录:
  • 美国化学文摘(网络版),美国数学评论(网络版),德国数学文摘,美国生物科学数据库,英国动物学记录,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:10542