CN105243649A - 基于二次噪点检测的图像降噪方法 - Google Patents
基于二次噪点检测的图像降噪方法 Download PDFInfo
- Publication number
- CN105243649A CN105243649A CN201510757953.7A CN201510757953A CN105243649A CN 105243649 A CN105243649 A CN 105243649A CN 201510757953 A CN201510757953 A CN 201510757953A CN 105243649 A CN105243649 A CN 105243649A
- Authority
- CN
- China
- Prior art keywords
- point
- noise
- window
- image
- gray
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及图象处理领域,为提供新的基于方向信息的自适应二次噪声点检测方法,该方法可以有效地降低了非噪声点的误判概率,并且能够更有效地去除图像中的椒盐噪声,对不同强度噪声去噪的鲁棒性较强。为此,本发明采取的技术方案是,基于二次噪点检测的图像降噪方法,首先确定椒盐噪声密度情况,对图像中所有灰度值进行统计,计算灰度值为0和255的像素点个数,并与总像素点个数相除,得到近似的噪声概率密度pa,当pa≥S时对所有灰度值为0或255的点进行滤波,当pa<S时,对这些点进行二次噪声点检测,检测原理主要根据图像中边缘信息具有的方向特征;然后进行自适应滤波。本发明主要应用于图象处理场合。
Description
技术领域
本发明涉及图象处理领域,尤其涉及在对图像进行椒盐噪声去除处理时,对于噪声点的区分判定以及滤除问题。具体讲涉及基于二次噪点检测的图像降噪方法。
技术背景
在进行图像目标识别与跟踪时,摄像机所采集的图像,在成像、数字化以及传输过程中,难免会受到各种各样噪声的干扰,图像的质量往往会出现不尽人意的退化,影响了图像的视觉效果。通常这些噪声干扰使得图像退化,表现为图像模糊,特征淹没,这会对图像分析产生不利,使所获得的图像质量较低。对这样的图像直接进行目标的识别与跟踪是比较困难的。抑制使图像退化的各种干扰信号、增强图像中的有用信号,以及将观测到的不同图像在同一约束条件下进行校正处理就显得非常重要。所以可以通过平滑、滤波等一系列方式对图像中的噪声进行处理可以改善图像质量。椒盐噪声的滤除是图像预处理过程中的重要步骤,通常的降噪算法在滤除椒盐噪声的同时,容易造成图像细节模糊,这使得如何在降噪的同时实现对图像细节的保护成为一个难题。
非线性滤波算法是一类有效地去除椒盐噪声的滤波算法,其中标准中值滤波(SMF)算法是一种典型的非线性滤波方法。它采用周围邻域像素的中间值来代替噪声像素,能够对椒盐噪声起到良好的平滑效果,同时还对图像中的一些细节起到保护作用,得到了较为广泛的应用。然而,SMF算法对图像中所有像素点采取统一的处理方式,对噪声点起到平滑作用的同时,也改变了非噪声点的原像素值,使边缘和细节信息弱化或丢失。
针对标准中值滤波算法的局限性,一些改进的算法纷纷被提出,如自适应滤波算法(AMF)、开关中值滤波算法、Minmax滤波算法、改进的极值中值滤波算法、递进开关中值滤波算法、方向加权中值滤波算法、灰色关联度的中值滤波算法、模糊中值滤波算法等。这些算法在去噪的过程中较好地保持了图像的边缘和细节,但也相应地存在着不足,如计算量大、高密度噪声去噪效果差、通用性差等。
所以对于噪声点和边缘点的判别并对其进行不同处理时图象去噪一个关键步骤。
发明内容
为克服现有技术的不足,提供一种新的基于方向信息的自适应二次噪声点检测方法,该方法可以有效地降低了非噪声点的误判概率,并且能够更有效地去除图像中的椒盐噪声,对不同强度噪声去噪的鲁棒性较强。为此,本发明采取的技术方案是,基于二次噪点检测的图像降噪方法,首先确定椒盐噪声密度情况,对图像中所有灰度值进行统计,计算灰度值为0和255的像素点个数,并与总像素点个数相除,得到近似的噪声概率密度pa,当pa≥S时对所有灰度值为0或255的点进行滤波,当pa<S时,对这些点进行二次噪声点检测,检测原理主要根据图像中边缘信息具有的方向特征;
然后进行自适应滤波,自适应滤波分为方法自适应和窗口自适应:所述窗口自适应指的是:在噪声滤除过程中,如果3×3窗口内噪声像素点数量较少时,采用窗口内信号点来计算被污染点的像素值,如果窗口内噪声点的数量较多时,则扩大窗口的尺寸增加可用信号点的数量,以便更好地平滑噪声点;当可用信号点数小于某一自定义阈值B时,扩大窗口尺寸,当达到最大尺寸时,窗口中可用信号点仍然小于B,则对该窗口进行中值滤波输出;当信号点足够大时,进行采用自适应滤波。
根据图像中边缘信息的方向性特征,检测原理具体为:设每行5个像素点,共5行,分别取四个方向中去除中心点13的12或14个点,即方向1上的点4,5,8,9,10,12,14,16,17,18,21,22;方向2上的点1,2,6,7,8,12,14,18,19,20,24,25;方向3上的点2,3,4,7,8,9,12,14,17,18,19,22,23,24;方向4上的点6,7,8,9,10,11,12,14,15,16,17,18,19,20。选择其中灰度值不为255和0的点,根据下式进行计算,中心点判断为噪声点有一下几种情况:(1)当中心点灰度值为255且满足时该点为噪声点;(2)当中心点灰度值为0且满足时该点为噪声点;(3)当邻域均为疑似噪声像素点时,判断该点为噪声点,其中J为需进行计算的边缘信息参数,T1,T2为自定义阈值。
当中心点灰度为255时,该点周围的像素越偏离255,J越大,该点为噪声点的概率越大,同理,当中心点灰度为0时,改点周围像素越偏离0,J越大,该点为噪声点的概率越大,根据边缘的方向性,取四个方向上的与T1或T2进行判断。
自适应滤波具体实现方法:当窗口中可用信号数大于等于某一值B时,对该窗口中灰度值非0和255的信号点进行统计,当信号点密度大于等于某个阈值A时,此时窗口大小一定为3×3,采用加权均值滤波,系数由使用者自行确定,计算过程需要进行归一化处理;当确定信号点密度小于某个阈值A时,对可用信号点个数进行判断,当其为奇数时,采用中值滤波,为偶数时,采用均值滤波。
本发明的技术特点及效果:
本方法通过预判断椒盐噪声密度,自适应的选择是否进行二次噪点检测,二次噪点检测时,分别取四个方向中去除中心点的12或14个点,选择其中灰度值不为255和0的点,计算其与255以及0点的接近程度,判断该点是否为噪点,降低了只用某个邻域内几个点将边缘点误判为噪声点的概率,使对噪声点的判断更为准确。
本发明采用的自适应滤波方法能够根据邻域内非噪声点数目自适应的调整窗口大小,并根据非噪声点密度选取不同的滤波方式,提高滤波速度和效果。
附图说明:
图1降噪流程图。
图2二次检测中的方向选择示意图。
具体实施方式
本发明采用的技术方案:如图1降噪流程图所示,本发明首先确定大概的椒盐噪声密度情况,对图像中所有灰度值进行统计,计算灰度值为0和255的像素点个数,并与总像素点个数相除,得到近似的噪声概率密度pa,当pa≥S时对所有灰度值为0或255的点进行滤波,当pa<S时,对这些点进行二次噪声点检测,检测原理根据边缘信息的方向性。
如图2所示,分别取四个方向中去除中心点13的12或14个点,即方向1上的点4,5,8,9,10,12,14,16,17,18,21,22;方向2上的点1,2,6,7,8,12,14,18,19,20,24,25;方向3上的点2,3,4,7,8,9,12,14,17,18,19,22,23,24;方向4上的点6,7,8,9,10,11,12,14,15,16,17,18,19,20。选择其中灰度值不为255和0的点,根据下式进行计算,中心点判断为噪声点有一下几种情况:(1)当中心点灰度值为255且满足时该点为噪声点;(2)当中心点灰度值为0且满足时该点为噪声点;(3)当邻域均为疑似噪声像素点时,判断该点为噪声点。
当中心点灰度为255时,该点周围的像素越偏离255,J越大,该点为噪声点的概率越大,同理,当中心点灰度为0时,改点周围像素越偏离0,J越大,该点为噪声点的概率越大,根据边缘的方向性,取四个方向上的与T1或T2进行判断。
如图1所示降噪流程图中,当对噪声点的判断完成后,需要对其进行滤波。本文提出的自适应滤波分为方法自适应和窗口自适应。所谓窗口自适应指的是:在噪声滤除过程中,如果3×3窗口内噪声像素点数量较少时,采用窗口内信号点来计算被污染点的像素值,如果窗口内噪声点的数量较多时,则扩大窗口的尺寸增加可用信号点的数量,以便更好地平滑噪声点。本文中当可用信号点数小于某一自定义阈值B时,扩大窗口尺寸。当达到最大尺寸时,窗口中可用信号点仍然小于B,则对该窗口进行中值滤波输出。当信号点足够大时,进行采用概率及奇偶自适应滤波方法,具体实现方法如下:
当窗口中可用信号数大于等于某一值B时,对该窗口中灰度值非0和255的信号点进行统计,当信号点密度大于等于某个阈值A时,此时窗口大小一定为3×3,采用加权均值滤波,系数可由使用者自行确定,计算过程需要进行归一化处理,采用加权均值滤波主要是因为对于小密度椒盐噪声均值滤波的效果要优于中值滤波,并且对于小窗口尺寸对于图像细节也能更好的保留。
当确定信号点密度小于某个阈值A时,对可用信号点个数进行判断,当其为奇数时,采用中值滤波,为偶数时,采用均值滤波。
如图2所示,给出的是一个5×5邻域为示例,在不同的情况下,使用者可以根据实际需要进行噪声点检测的图像的尺寸以及对比度的不同选取不同大小的邻域,图像尺寸越大为了节约噪声点判断时间可以选择类似较小邻域,而为了判断的准确性,又可以适量的增大邻域尺寸,同样的对于几组局部数据的选择也可以根据不同的图像特征进行自定义选取以适应不同图像环境需求,达到较准确的判断。
本发明进行二次噪声点检测的椒盐噪声密度阈值为60%,当检测到的噪声密度大于60%时,不对其进行二次噪点检测以提高效率并避免将噪声点漏掉,当检测到的噪声密度小于60%时对其进行二次噪声点检测,采用的是对比度为255的灰度图,图像尺寸为256×256,邻域大小选取为5×5,分别取四个方向中去除中心点的12或14个点,选择其中灰度值不为255和0的点,当中心点灰度为255时,该点周围的像素越偏离255,J越大,该点为噪声点的概率越大,同理,当中心点灰度为0时,改点周围像素越偏离0,J越大,该点为噪声点的概率越大,根据边缘的方向性,取四个方向上的与T1或T2进行判断,取
在进行噪声点去除时,先采用3×3的滤波窗口,确定其中信号点数目,当信号点数目大于等于2时,进行概率及奇偶自适应滤波,即当窗口中可用信号数大于等于2时,对该窗口中灰度值非0和255的信号点进行统计,当信号点密度大于等于70%时,此时窗口大小一定为3×3,采用加权均值滤波,系数如下式所示,计算过程需要进行归一化处理。
当确定信号点密度小于70%时,对可用信号点个数进行判断,当其为奇数时,采用中值滤波,为偶数时,采用均值滤波。当信号点数目小于2时,扩大滤波窗口至5×5,若信号点数目大于等于2时,进行滤波,当信号点数目小于2时,扩大滤波窗口至7×7,此时不论信号点数目为何值都不再扩大滤波窗口,直接进行中值滤波处理。
Claims (3)
1.一种基于二次噪点检测的图像降噪方法,其特征是,首先确定椒盐噪声密度情况,对图像中所有灰度值进行统计,计算灰度值为0和255的像素点个数,并与总像素点个数相除,得到近似的噪声概率密度pa,当pa≥S时对所有灰度值为0或255的点进行滤波,当pa<S时,对这些点进行二次噪声点检测,检测原理主要根据图像中边缘信息具有的方向特征;
然后进行自适应滤波,自适应滤波分为方法自适应和窗口自适应:所述窗口自适应指的是:在噪声滤除过程中,如果3×3窗口内噪声像素点数量较少时,采用窗口内信号点来计算被污染点的像素值,如果窗口内噪声点的数量较多时,则扩大窗口的尺寸增加可用信号点的数量,以便更好地平滑噪声点;当可用信号点数小于某一自定义阈值B时,扩大窗口尺寸,当达到最大尺寸时,窗口中可用信号点仍然小于B,则对该窗口进行中值滤波输出;当信号点足够大时,进行采用自适应滤波。
2.如权利要求1所述的基于二次噪点检测的图像降噪方法,其特征是,
根据图像中边缘信息的方向性特征,检测原理具体为:设每行5个像素点,共5行,分别取四个方向中去除中心点13的12或14个点,即方向1上的点4,5,8,9,10,12,14,16,17,18,21,22;方向2上的点1,2,6,7,8,12,14,18,19,20,24,25;方向3上的点2,3,4,7,8,9,12,14,17,18,19,22,23,24;方向4上的点6,7,8,9,10,11,12,14,15,16,17,18,19,20。选择其中灰度值不为255和0的点,根据下式进行计算,中心点判断为噪声点有一下几种情况:(1)当中心点灰度值为255且满足时该点为噪声点;(2)当中心点灰度值为0且满足时该点为噪声点;(3)当邻域均为疑似噪声像素点时,判断该点为噪声点,其中J为需进行计算的边缘信息参数,T1,T2为自定义阈值;
当中心点灰度为255时,该点周围的像素越偏离255,J越大,该点为噪声点的概率越大,同理,当中心点灰度为0时,改点周围像素越偏离0,J越大,该点为噪声点的概率越大,根据边缘的方向性,取四个方向上的与T1或T2进行判断。
3.如权利要求1所述的基于二次噪点检测的图像降噪方法,其特征是,自适应滤波具体实现方法:当窗口中可用信号数大于等于某一值B时,对该窗口中灰度值非0和255的信号点进行统计,当信号点密度大于等于某个阈值A时,此时窗口大小一定为3×3,采用加权均值滤波,系数由使用者自行确定,计算过程需要进行归一化处理;当确定信号点密度小于某个阈值A时,对可用信号点个数进行判断,当其为奇数时,采用中值滤波,为偶数时,采用均值滤波。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510757953.7A CN105243649A (zh) | 2015-11-09 | 2015-11-09 | 基于二次噪点检测的图像降噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510757953.7A CN105243649A (zh) | 2015-11-09 | 2015-11-09 | 基于二次噪点检测的图像降噪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105243649A true CN105243649A (zh) | 2016-01-13 |
Family
ID=55041282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510757953.7A Pending CN105243649A (zh) | 2015-11-09 | 2015-11-09 | 基于二次噪点检测的图像降噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105243649A (zh) |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105719258A (zh) * | 2016-01-28 | 2016-06-29 | 河南师范大学 | 最小十字窗中值与均值迭代滤波的图像噪声滤除方法 |
CN106373098A (zh) * | 2016-08-30 | 2017-02-01 | 天津大学 | 基于非相似像素统计的随机脉冲噪声去除方法 |
CN107038688A (zh) * | 2017-03-01 | 2017-08-11 | 武汉科技大学 | 基于Hessian矩阵的图像噪点检测及去噪方法 |
CN107104658A (zh) * | 2017-04-27 | 2017-08-29 | 深圳怡化电脑股份有限公司 | 一种滤波模板可重配置的滤波方法及装置 |
CN107199853A (zh) * | 2017-05-24 | 2017-09-26 | 刘琨 | 车窗挡风设备自控方法 |
CN107454349A (zh) * | 2017-09-29 | 2017-12-08 | 天津工业大学 | 一种基于sCMOS相机的固定噪声自适应检测与校正方法 |
CN108460741A (zh) * | 2018-03-08 | 2018-08-28 | 广东电网有限责任公司珠海供电局 | 一种高压电缆瓷套终端红外图像滤波方法 |
CN109309877A (zh) * | 2018-08-10 | 2019-02-05 | 张利军 | 视频文件读取分析系统 |
CN109309862A (zh) * | 2018-07-26 | 2019-02-05 | 浠诲嘲 | 多媒体数据编辑系统 |
CN109325917A (zh) * | 2017-08-01 | 2019-02-12 | 深圳市中兴微电子技术有限公司 | 一种检测图像中噪点的方法及装置、计算机可读存储介质 |
CN109327721A (zh) * | 2018-08-06 | 2019-02-12 | 钱文伟 | 节能型观众状态识别机构 |
CN109859124A (zh) * | 2019-01-11 | 2019-06-07 | 深圳奥比中光科技有限公司 | 一种深度图像降噪方法及装置 |
CN110390650A (zh) * | 2019-07-23 | 2019-10-29 | 中南大学 | 基于密集连接和生成对抗网络的oct图像去噪方法 |
CN110675337A (zh) * | 2019-09-11 | 2020-01-10 | 哈尔滨工程大学 | 一种图像降噪的扩散式遍历方法 |
CN110930330A (zh) * | 2019-11-22 | 2020-03-27 | 合肥中科离子医学技术装备有限公司 | 一种基于图像分割和区域增长的椒盐噪声降噪算法 |
CN111311512A (zh) * | 2020-02-11 | 2020-06-19 | 上海奕瑞光电子科技股份有限公司 | 随机噪点校正方法 |
CN111931008A (zh) * | 2020-08-10 | 2020-11-13 | 张峻豪 | 一种视觉传达设计信息管理系统 |
CN112907684A (zh) * | 2021-03-12 | 2021-06-04 | 珠海格力电器股份有限公司 | 一种湿度检测方法、装置、设备及介质 |
CN113628120A (zh) * | 2020-05-06 | 2021-11-09 | 北京君正集成电路股份有限公司 | 一种简单的去噪编码方法 |
CN113963305A (zh) * | 2021-12-21 | 2022-01-21 | 网思科技股份有限公司 | 一种视频关键帧和特写片段提取方法 |
CN114051127A (zh) * | 2022-01-14 | 2022-02-15 | 深圳市艾科维达科技有限公司 | 网络机顶盒的图像传输降噪方法 |
CN114820394A (zh) * | 2022-06-29 | 2022-07-29 | 北京科技大学 | 一种基于稳健参数估计的图像噪点滤波方法及装置 |
CN115063302A (zh) * | 2022-05-10 | 2022-09-16 | 华南理工大学 | 针对指纹图像椒盐噪声的有效去除方法 |
CN115271033A (zh) * | 2022-07-05 | 2022-11-01 | 西南财经大学 | 基于联邦知识蒸馏医学图像处理模型构建及其处理方法 |
CN115272684A (zh) * | 2022-09-29 | 2022-11-01 | 山东圣点世纪科技有限公司 | 一种静脉图像增强过程中伪噪声的处理方法 |
CN115409742A (zh) * | 2022-11-02 | 2022-11-29 | 金乡县林业保护和发展服务中心(金乡县湿地保护中心、金乡县野生动植物保护中心、金乡县国有白洼林场) | 一种基于园林绿化的植被覆盖密度评估方法 |
CN115471503A (zh) * | 2022-11-03 | 2022-12-13 | 江西捷锐机电设备有限公司 | 用于数控剖锭机的设备异常检测方法 |
CN115953790A (zh) * | 2022-09-29 | 2023-04-11 | 江苏智联天地科技有限公司 | 一种标签检测识别方法与系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150733A (zh) * | 2013-03-25 | 2013-06-12 | 中国矿业大学(北京) | 一种应用于数字图像的自适应多级加权中值滤波算法 |
CN103236039A (zh) * | 2013-04-16 | 2013-08-07 | 日立数字安防系统(上海)有限公司 | 一种用于检测摄像机机芯去雾程度的方法 |
CN103971374A (zh) * | 2014-05-22 | 2014-08-06 | 日立数字安防系统(上海)有限公司 | 一种针对多种亮度条件下图像可视化程度检测的评估方法 |
CN104217405A (zh) * | 2014-09-23 | 2014-12-17 | 闽江学院 | 融合局部与全局信息的图像椒盐噪声滤波方法 |
-
2015
- 2015-11-09 CN CN201510757953.7A patent/CN105243649A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150733A (zh) * | 2013-03-25 | 2013-06-12 | 中国矿业大学(北京) | 一种应用于数字图像的自适应多级加权中值滤波算法 |
CN103236039A (zh) * | 2013-04-16 | 2013-08-07 | 日立数字安防系统(上海)有限公司 | 一种用于检测摄像机机芯去雾程度的方法 |
CN103971374A (zh) * | 2014-05-22 | 2014-08-06 | 日立数字安防系统(上海)有限公司 | 一种针对多种亮度条件下图像可视化程度检测的评估方法 |
CN104217405A (zh) * | 2014-09-23 | 2014-12-17 | 闽江学院 | 融合局部与全局信息的图像椒盐噪声滤波方法 |
Non-Patent Citations (5)
Title |
---|
PEIXUAN ZHANG 等: "A New Adaptive Weighted Mean Filter for Removing Salt-and-Pepper Noise", 《IEEE SIGNAL PROCESSING LETTERS》 * |
常丹华 等: "基于二级检测的椒盐噪声滤除算法", 《激光与红外》 * |
武英: "一种图像椒盐噪声自适应滤除方法", 《微电子学与计算机》 * |
沈德海 等: "一种窗口自适应的去椒盐噪声滤波算法", 《现代电子技术》 * |
陈健 等: "基于方向中值的图像椒盐噪声检测算法", 《计算机应用》 * |
Cited By (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105719258B (zh) * | 2016-01-28 | 2018-10-12 | 河南师范大学 | 最小十字窗中值与均值迭代滤波的图像噪声滤除方法 |
CN105719258A (zh) * | 2016-01-28 | 2016-06-29 | 河南师范大学 | 最小十字窗中值与均值迭代滤波的图像噪声滤除方法 |
CN106373098A (zh) * | 2016-08-30 | 2017-02-01 | 天津大学 | 基于非相似像素统计的随机脉冲噪声去除方法 |
CN106373098B (zh) * | 2016-08-30 | 2019-04-23 | 天津大学 | 基于非相似像素统计的随机脉冲噪声去除方法 |
CN107038688A (zh) * | 2017-03-01 | 2017-08-11 | 武汉科技大学 | 基于Hessian矩阵的图像噪点检测及去噪方法 |
CN107104658A (zh) * | 2017-04-27 | 2017-08-29 | 深圳怡化电脑股份有限公司 | 一种滤波模板可重配置的滤波方法及装置 |
CN107104658B (zh) * | 2017-04-27 | 2020-08-18 | 深圳怡化电脑股份有限公司 | 一种滤波模板可重配置的滤波方法及装置 |
CN107199853A (zh) * | 2017-05-24 | 2017-09-26 | 刘琨 | 车窗挡风设备自控方法 |
CN109325917A (zh) * | 2017-08-01 | 2019-02-12 | 深圳市中兴微电子技术有限公司 | 一种检测图像中噪点的方法及装置、计算机可读存储介质 |
CN107454349A (zh) * | 2017-09-29 | 2017-12-08 | 天津工业大学 | 一种基于sCMOS相机的固定噪声自适应检测与校正方法 |
CN108460741A (zh) * | 2018-03-08 | 2018-08-28 | 广东电网有限责任公司珠海供电局 | 一种高压电缆瓷套终端红外图像滤波方法 |
CN108460741B (zh) * | 2018-03-08 | 2021-08-03 | 广东电网有限责任公司珠海供电局 | 一种高压电缆瓷套终端红外图像滤波方法 |
CN109309862A (zh) * | 2018-07-26 | 2019-02-05 | 浠诲嘲 | 多媒体数据编辑系统 |
CN109327721A (zh) * | 2018-08-06 | 2019-02-12 | 钱文伟 | 节能型观众状态识别机构 |
CN109309877A (zh) * | 2018-08-10 | 2019-02-05 | 张利军 | 视频文件读取分析系统 |
CN109859124A (zh) * | 2019-01-11 | 2019-06-07 | 深圳奥比中光科技有限公司 | 一种深度图像降噪方法及装置 |
CN109859124B (zh) * | 2019-01-11 | 2020-12-18 | 深圳奥比中光科技有限公司 | 一种深度图像降噪方法及装置 |
CN110390650B (zh) * | 2019-07-23 | 2022-02-11 | 中南大学 | 基于密集连接和生成对抗网络的oct图像去噪方法 |
CN110390650A (zh) * | 2019-07-23 | 2019-10-29 | 中南大学 | 基于密集连接和生成对抗网络的oct图像去噪方法 |
CN110675337A (zh) * | 2019-09-11 | 2020-01-10 | 哈尔滨工程大学 | 一种图像降噪的扩散式遍历方法 |
CN110675337B (zh) * | 2019-09-11 | 2022-10-25 | 哈尔滨工程大学 | 一种图像降噪的扩散式遍历方法 |
CN110930330A (zh) * | 2019-11-22 | 2020-03-27 | 合肥中科离子医学技术装备有限公司 | 一种基于图像分割和区域增长的椒盐噪声降噪算法 |
CN110930330B (zh) * | 2019-11-22 | 2022-05-31 | 合肥中科离子医学技术装备有限公司 | 一种基于图像分割和区域增长的椒盐噪声降噪算法 |
CN111311512A (zh) * | 2020-02-11 | 2020-06-19 | 上海奕瑞光电子科技股份有限公司 | 随机噪点校正方法 |
CN111311512B (zh) * | 2020-02-11 | 2024-05-03 | 上海奕瑞光电子科技股份有限公司 | 随机噪点校正方法 |
CN113628120A (zh) * | 2020-05-06 | 2021-11-09 | 北京君正集成电路股份有限公司 | 一种简单的去噪编码方法 |
CN113628120B (zh) * | 2020-05-06 | 2023-05-26 | 北京君正集成电路股份有限公司 | 一种简单的去噪编码方法 |
CN111931008A (zh) * | 2020-08-10 | 2020-11-13 | 张峻豪 | 一种视觉传达设计信息管理系统 |
CN112907684A (zh) * | 2021-03-12 | 2021-06-04 | 珠海格力电器股份有限公司 | 一种湿度检测方法、装置、设备及介质 |
CN113963305B (zh) * | 2021-12-21 | 2022-03-11 | 网思科技股份有限公司 | 一种视频关键帧和特写片段提取方法 |
CN113963305A (zh) * | 2021-12-21 | 2022-01-21 | 网思科技股份有限公司 | 一种视频关键帧和特写片段提取方法 |
CN114051127A (zh) * | 2022-01-14 | 2022-02-15 | 深圳市艾科维达科技有限公司 | 网络机顶盒的图像传输降噪方法 |
CN115063302A (zh) * | 2022-05-10 | 2022-09-16 | 华南理工大学 | 针对指纹图像椒盐噪声的有效去除方法 |
CN115063302B (zh) * | 2022-05-10 | 2024-03-29 | 华南理工大学 | 针对指纹图像椒盐噪声的有效去除方法 |
CN114820394A (zh) * | 2022-06-29 | 2022-07-29 | 北京科技大学 | 一种基于稳健参数估计的图像噪点滤波方法及装置 |
CN114820394B (zh) * | 2022-06-29 | 2022-09-02 | 北京科技大学 | 一种基于稳健参数估计的图像噪点滤波方法及装置 |
CN115271033A (zh) * | 2022-07-05 | 2022-11-01 | 西南财经大学 | 基于联邦知识蒸馏医学图像处理模型构建及其处理方法 |
CN115271033B (zh) * | 2022-07-05 | 2023-11-21 | 西南财经大学 | 基于联邦知识蒸馏医学图像处理模型构建及其处理方法 |
CN115953790A (zh) * | 2022-09-29 | 2023-04-11 | 江苏智联天地科技有限公司 | 一种标签检测识别方法与系统 |
CN115272684B (zh) * | 2022-09-29 | 2022-12-27 | 山东圣点世纪科技有限公司 | 一种静脉图像增强过程中伪噪声的处理方法 |
CN115953790B (zh) * | 2022-09-29 | 2024-04-02 | 江苏智联天地科技有限公司 | 一种标签检测识别方法与系统 |
CN115272684A (zh) * | 2022-09-29 | 2022-11-01 | 山东圣点世纪科技有限公司 | 一种静脉图像增强过程中伪噪声的处理方法 |
CN115409742A (zh) * | 2022-11-02 | 2022-11-29 | 金乡县林业保护和发展服务中心(金乡县湿地保护中心、金乡县野生动植物保护中心、金乡县国有白洼林场) | 一种基于园林绿化的植被覆盖密度评估方法 |
CN115471503A (zh) * | 2022-11-03 | 2022-12-13 | 江西捷锐机电设备有限公司 | 用于数控剖锭机的设备异常检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105243649A (zh) | 基于二次噪点检测的图像降噪方法 | |
CN102521813B (zh) | 基于双平台直方图的红外图像自适应增强方法 | |
CN109741356B (zh) | 一种亚像素边缘检测方法及系统 | |
CN102034239B (zh) | 一种基于局部灰度突变的红外小目标检测方法 | |
CN102256048B (zh) | 一种自适应密度的图像椒盐噪声开关滤波方法 | |
CN102547365B (zh) | 视频图像的黑边检测方法及装置 | |
CN102855617B (zh) | 自适应图像处理方法及系统 | |
CN105528768A (zh) | 一种图像去噪方法 | |
CN107230208B (zh) | 一种高斯噪声的图像噪声强度估计方法 | |
CN103729828B (zh) | 视频去雨方法 | |
CN104463814A (zh) | 基于局部纹理方向性的图像增强方法 | |
CN105225244A (zh) | 基于最小局部均方差计算的噪点检测方法 | |
CN103337053A (zh) | 一种基于开关非局部全变分的椒盐噪声污染图像滤波方法 | |
CN103400357A (zh) | 一种去除图像椒盐噪声的方法 | |
CN103093443A (zh) | 基于ga-bp神经网络的图像椒盐噪声自适应滤波方法 | |
CN111724315B (zh) | 一种基于自适应加权中值滤波的红外图像噪声去除方法 | |
CN103996177A (zh) | 一种无参考检测消除雪花噪声算法 | |
CN102750675B (zh) | 一种斑点噪声污染图像的非局部均值滤波方法 | |
CN106530254A (zh) | 一种基于小波阈值函数与改进中值滤波融合的抑制图像混合噪声算法 | |
CN103971345A (zh) | 一种基于改进双边滤波的图像去噪方法 | |
CN104794689A (zh) | 一种增强声呐图像对比度的预处理方法 | |
CN102509265A (zh) | 基于灰度值差和局部能量的数字图像去噪方法 | |
CN104537637A (zh) | 一种单幅静态图像深度估计方法及装置 | |
CN115063302B (zh) | 针对指纹图像椒盐噪声的有效去除方法 | |
CN112785513B (zh) | 一种用于过滤脉冲噪声的自适应中值滤波方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160113 |