CN105719254B - 一种图像降噪方法及系统 - Google Patents

一种图像降噪方法及系统 Download PDF

Info

Publication number
CN105719254B
CN105719254B CN201610043184.9A CN201610043184A CN105719254B CN 105719254 B CN105719254 B CN 105719254B CN 201610043184 A CN201610043184 A CN 201610043184A CN 105719254 B CN105719254 B CN 105719254B
Authority
CN
China
Prior art keywords
image
infrared
original
foreground
infrared image
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.)
Active
Application number
CN201610043184.9A
Other languages
English (en)
Other versions
CN105719254A (zh
Inventor
杨智远
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wang Conghai
Original Assignee
Yun Zhimeng Science And Technology Ltd Of Shenzhen
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 Yun Zhimeng Science And Technology Ltd Of Shenzhen filed Critical Yun Zhimeng Science And Technology Ltd Of Shenzhen
Priority to CN201610043184.9A priority Critical patent/CN105719254B/zh
Publication of CN105719254A publication Critical patent/CN105719254A/zh
Application granted granted Critical
Publication of CN105719254B publication Critical patent/CN105719254B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/10048—Infrared image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)

Abstract

本发明是提供一种图像降噪方法，包括：输入相机采集原深度图像和原红外图像；将采集的深度图像，前后景剔除，得到前后景剔除的原深度图像；将前后景剔除的原深度图像剔除地面，得到地面剔除的原深度图像；将采集的红外图像的灰度值进行重映射，得到重映射后的红外图像；将重映射后的红外图像的前后景剔除，得到前后景剔除的红外图像；将前后景剔除的红外图像地面过滤，得到过滤后的红外图像；将过滤后的红外图像进行二值化，得到二值化后的红外图像；将所述二值化的红外图像和所述地面剔除的原深度图像叠加降噪，得到降噪后的图像；将降噪后的图像，采用联合双边滤波算法对边缘部分进行增强，得到增强后的图像；将增强后的图像替换采集的原红外图像，得到增强降噪的红外图像。

Description

一种图像降噪方法及系统
技术领域
本发明涉及图像处理技术领域，尤其涉及一种图像降噪方法及系统。
背景技术
随着科技的发展，图像作为多媒体时代主要的信息载体之一，在采集、转换和传输过程中，易受到成像设备与外部环境噪声干扰等影响导致质量下降，因此，图像降噪是图像工程中一个基础和必要的预处理步骤，是图像感知、分类与识别的关键技术之一。图像降噪的本质是模式分类，即从有规律的“图像模式”中将具有点奇异的不规则“噪声模式”分离出来。
目前，图像降噪方法主要分为空域滤波、变换域滤波以及变换域统计建模分析等三大类。传统的大部分滤波方法属于空域滤波，如均值滤波、中值滤波等。实际上采用各种平滑函数对图像进行卷积处理，在便于硬件实现，削弱噪声的同时对图像的有用信息也进行了平滑。变换域统计建模分析方法对变换域系数进行统计建模，能够取得较好降噪效果，但是需要较多的先验信息，建立适合的模型进行训练，而且计算复杂度很高。在变换域滤波方法中，基于小波变换的收缩阈降噪方法最具代表性，但是变换域收缩阈值生失真，称为伪吉布斯现象。
已有的技术中，红外图像降噪的方法有：a.通过TOF（飞行时间）技术采集图像，在深度图像上直接应用双边滤波技术，该技术的主要问题是容易丢失图像的细节信息。b.通过TOF技术采集图像，将深度图像转化为灰度图像，利用灰度的梯度变化进行滤波，该技术的主要问题是：如果不做梯度变化自适应，则边缘保持效果不理想；如果做梯度变化自适应，则速度非常慢。c.通过TOF技术采集图像，在深度图像上直接应用中值滤波，该算法对椒盐噪声有很好的抑制效果，对其他类型的噪声则不理想。d.通过TOF采集图像，在深度图像上直接应用中值滤波，该算法对椒盐噪声有很好的抑制效果，对其他类型的噪声则不理想，另外TOF技术采集的深度图像中，椒盐噪声只是其中很少的一部分。e.通过TOF技术采集图像，采用多帧均值滤波，该技术要求采集多幅深度图像，该技术的主要问题有两个，一是对噪声的判断不稳定；二是会增加数据采集的时间。综合以上的方法，采用TOF技术的三维扫描仪采集到的深度图像在目标边缘部分存在比较严重的噪声。本发明旨在解决当前技术对这种深度图像降噪时存在着边缘细节信息容易丢失和速度慢的缺点。本发明基于TOF技术的三维扫描仪采集到的深度数据，在目标的边缘部分存在着比较严重的噪声，当前的深度图像降噪技术直接针对深度图像进行降噪时存在着边缘容易模糊（丢失细节信息），速度慢的问题。
发明内容
本发明的目的是提供一种图像降噪方法及系统，本发明利用TOF三维扫描仪采集的红外图像引导深度图像进行快速降噪处理、同时解决了其边缘图像的清晰、而且避免图像原有细节信息的丢失。
本发明是提供一种图像降噪方法，包括：
输入相机采集原深度图像和原红外图像；
将采集的深度图像，前后景剔除，得到前后景剔除的原深度图像；
将前后景剔除的原深度图像剔除地面，得到地面剔除的原深度图像；
将采集的红外图像的灰度值进行重映射，得到重映射后的红外图像；
将重映射后的红外图像的前后景剔除，得到前后景剔除的红外图像；
将前后景剔除的红外图像地面过滤，得到过滤后的红外图像；
将过滤后的红外图像进行二值化，得到二值化后的红外图像；
将所述二值化的红外图像和所述地面剔除的原深度图像叠加降噪，得到降噪后的图像；
将降噪后的图像，采用联合双边滤波算法对边缘部分进行增强，得到增强后的图像；
将增强后的图像替换采集的原红外图像，得到增强降噪的红外图像。
进一步地，所述的原深度图像和原红外图像是飞机时间相机同一时间采集的。
进一步地，所述的原深度图像前后景剔除距离的阈值公式为：
Figure 491994DEST_PATH_IMAGE001
其中，深度图像中一点P,其深度值为z，其灰度值为g,深度阈值为[Dmin,Dmax],深度过滤后的灰度值记为Gf。
进一步地，所述采集的原红外图像的灰度值进行重新映射，
灰度值重映射的算法为：
Gf = Max[min(Gorg/a*b*c,Cmax),Cmin]*255
其中Gorg表示原始灰度值，a表示灰度等级的最大值，一般用
Figure 767118DEST_PATH_IMAGE002
表示n表示灰度等级.
b表示红外成像设备的标准偏差，c表示红外图像的平均值.
Cmax
Figure 941747DEST_PATH_IMAGE003
,灰度映射范围最大值.
Cmin
Figure 73651DEST_PATH_IMAGE004
,灰度映射范围最小值.
a,b,c是跟设备相关的参数，其中，取a=
Figure 333731DEST_PATH_IMAGE005
,b=4.0,c=0.1,Cmax=1.0,Cmin=0.1
进一步地，所述深度图像中的地面剔除算法为：从剔除前后景的深度图像中，从下往上共取m行，在这m行中，采用横向扫描线原理，每点的灰度记为g(x,y),如果g(x,y)>0,则将该点加入集合Q，对非空集合Q(为了保证Q非空，m需要选择一个合适的值，取m=20)，计算出每一点的三维相机坐标，采用最小二乘法拟合出集合Q的平面方程P。
进一步地，所述深度图像中的地面剔除算法平面P的方程为
aX+bY+cZ+D=0
其中，平面的法线向量记为N（a,b,c),集合Q中的点Qi到平面的距离记为di,根据点到平面的距离公式有：
di=Qi*N+D;
其中，集合Q中元素的最终灰度值G为：
Figure 146966DEST_PATH_IMAGE006
本发明是提供一种图像降噪系统，包括：
所述相机采集模块，用于采集原深度图像和原红外图像；
所述第一前后景剔除模块，用于剔除原深度图像的前后景，得到前后景剔除的原深度图像；
所述第一地面剔除模块，用于剔除原深度图像的地面，得到地面剔除的原深度图像；
所述灰度值重映射模块，用于红外图像的灰度值进行重映射，得到重映射后的红外图像；
所述第二前后景剔除模块，用于剔除重映射后的红外图像的前后景，得到前后景剔除的红外图像；
所述地面过滤模块，用于前后景剔除的红外图像的地面过滤，得到过滤后的红外图像；
所述二值化模块，用于过滤后的红外图像进行二值化，得到二值化后的红外图像；
所述叠加降噪模块，用于所述二值化的红外图像和所述地面剔除的原深度图像叠加降噪，得到降噪后的图像；
所述第一图像模块，采用联合双边滤波算法对边缘部分进行增强，得到增强后的图像；
所述第二图像模块，用于增强后的图像替换采集的原红外图像，得到增强降噪的红外图像。
有益效果
本发明提供了一种图像降噪方法及系统，采用TOF技术的三维扫描仪采集到的深度图像在目标边缘部分存在比较严重的噪声，本发明旨在解决当前技术对这种深度图像降噪时存在着边缘细节信息容易丢失和速度慢的缺点。本发明基于TOF技术的三维扫描仪采集到的深度数据，在目标的边缘部分存在着比较严重的噪声，当前的深度图降噪技术直接针对深度图进行降噪时存在着边缘容易模糊（丢失细节信息），速度慢的问题。本发明综合利用TOF三维扫描仪采集到的深度图和红外图，利用红外图像清晰的边缘和低噪声，红外图和深度图同分辨率（能实现一一映射）的特点，由红外图引导深度图进行快速降噪，同时保持良好的边缘信息。
附图说明
图1是图像处理的流程图像
图2是TOF相机采集的原始深度图像
图3TOF相机采集的原始红外图像
图4是经过深度过滤后得到的人体深度图像
图5是经过深度过滤后得到得人体红外成像图像
图6是最终结果图像
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例1
本实施例提供一种图像降噪方法，包括：
输入相机采集原深度图像和原红外图像；
将采集的深度图像，前后景剔除，得到前后景剔除的原深度图像；
将前后景剔除的原深度图像剔除地面，得到地面剔除的原深度图像；
将采集的红外图像的灰度值进行重映射，得到重映射后的红外图像；
将重映射后的红外图像的前后景剔除，得到前后景剔除的红外图像；
将前后景剔除的红外图像地面过滤，得到过滤后的红外图像；
将过滤后的红外图像进行二值化，得到二值化后的红外图像；
将所述二值化的红外图像和所述地面剔除的原深度图像叠加降噪，得到降噪后的图像；
将降噪后的图像，采用联合双边滤波算法对边缘部分进行增强，得到增强后的图像；
将增强后的图像替换采集的原红外图像，得到增强降噪的红外图像。
实施例2
本实施例提供一种图像降噪方法，包括：
输入相机采集原深度图像和原红外图像；
将采集的原红外图像，前后景剔除，得到前后景剔除的原红外图像；
将前后景剔除的原红外图像剔除地面，得到地面剔除的原红外图像；
将采集的原深度图像的灰度值进行重映射，得到重映射后的深度图像；
将重映射后的深度图像的前后景剔除，得到前后景剔除的深度图像；
将前后景剔除的深度图像地面过滤，得到过滤后的深度图像；
将过滤后的深度图像进行二值化，得到二值化后的深度图像；
将所述二值化的深度图像和所述地面剔除的原红外图像叠加降噪，得到降噪后的图像；
将降噪后的图像，采用联合双边滤波算法对边缘部分进行增强，得到增强后的图像；
将增强后的图像替换采集的原深度图像，得到增强降噪的深度图像。
实施例3
本实施例提供一种图像降噪系统，包括：
相机采集模块，用于采集原深度图像和原红外图像；
第一前后景剔除模块，用于剔除原深度图像的前后景，得到前后景剔除的原深度图像；
第一地面剔除模块，用于剔除原深度图像的地面，得到地面剔除的原深度图像；
灰度值重映射模块，用于红外图像的灰度值进行重映射，得到重映射后的红外图像；
第二前后景剔除模块，用于剔除重映射后的红外图像的前后景，得到前后景剔除的红外图像；
地面过滤模块，用于前后景剔除的红外图像的地面过滤，得到过滤后的红外图像；
二值化模块，用于过滤后的红外图像进行二值化，得到二值化后的红外图像；
叠加降噪模块，用于所述二值化的红外图像和所述地面剔除的原深度图像叠加降噪，得到降噪后的图像；
第一图像模块，采用联合双边滤波算法对边缘部分进行增强，得到增强后的图像；
第二图像模块，用于增强后的图像替换采集的原红外图像，得到增强降噪的红外图像。
实施例4
本实施例提供一种图像降噪系统，包括：
相机采集模块，用于采集原深度图像和原红外图像；
第一前后景剔除模块，用于剔除原红外图像的前后景，得到前后景剔除的原红外图像；
第一地面剔除模块，用于剔除原红外图像的地面，得到地面剔除的原红外图像；
灰度值重映射模块，用于原深度图像的灰度值进行重映射，得到重映射后的深度图像；
第二前后景剔除模块，用于剔除重映射后的深度图像的前后景，得到前后景剔除的深度图像；
地面过滤模块，用于前后景剔除的深度图像的地面过滤，得到过滤后的深度图像；
二值化模块，用于过滤后的深度图像进行二值化，得到二值化后的深度图像；
叠加降噪模块，用于所述二值化的红外图像和所述地面剔除的原深度图像叠加降噪，得到降噪后的图像；
第一图像模块，采用联合双边滤波算法对边缘部分进行增强，得到增强后的图像；
第二图像模块，用于增强后的图像替换采集的原红外图像，得到增强降噪的红外图像。

Claims (6)

1.一种图像降噪方法，其特征在于，包括：
输入相机采集原深度图像和原红外图像；
将采集的原深度图像，前后景剔除，得到前后景剔除的原深度图像；
将前后景剔除的原深度图像剔除地面，得到地面剔除的原深度图像；所述的原深度图像前后景剔除距离的阈值公式为：
Figure FDA0002225500370000011
其中，深度图像中一点P,其深度值为z，其灰度值为g,深度阈值为[Dmin,Dmax],深度过滤后的灰度值记为Gf；
将采集的原红外图像的灰度值进行重映射，得到重映射后的红外图像；
将重映射后的红外图像的前后景剔除，得到前后景剔除的红外图像；
将前后景剔除的红外图像地面过滤，得到过滤后的红外图像；
将过滤后的红外图像进行二值化，得到二值化后的红外图像；
将所述二值化后的红外图像和所述地面剔除的原深度图像叠加降噪，得到降噪后的图像；
将降噪后的图像，采用联合双边滤波算法对边缘部分进行增强，得到增强后的图像；
将增强后的图像替换采集的原红外图像，得到增强降噪的红外图像。
2.如权利要求1所述的一种图像降噪方法，其特征在于：所述的原深度图像和原红外图像是飞机时间技术同一时间采集的。
3.如权利要求1所述的一种图像降噪方法，其特征在于：所述采集的原红外图像的灰度值进行重映射，
灰度值重映射的算法为：
Gf＝Max[min(Gorg/a*b*c,Cmax),Cmin]*255，
其中Gorg表示原始灰度值，a表示灰度等级的最大值，一般用2n表示n表示灰度等级，
b表示红外成像设备的标准偏差，c表示红外图像的平均值，
a,b,c是跟设备相关的参数，其中，取a＝216,b＝4.0,c＝0.1,Cmax＝1.0,Cmin＝0.1。
4.如权利要求1所述的一种图像降噪方法，其特征在于：所述深度图像中的地面剔除算法为：从剔除前后景的深度图像中，从下往上共取m行，在这m行中，采用横向扫描线原理，每点的灰度记为g(x,y),如果g(x,y)>0,则将该点加入集合Q，对非空集合Q，为了保证Q非空，取m＝20，计算出每一点的三维相机坐标，采用最小二乘法拟合出集合Q的平面方程P。
5.如权利要求4所述的一种图像降噪方法，其特征在于：所述深度图像中的地面剔除算法平面P的方程为
aX+bY+cZ+D＝0
其中，平面的法线向量记为N(a,b,c),集合Q中的点Qi到平面的距离记为di,根据点到平面的距离公式有：
di＝Qi*N+D；
其中，集合Q中元素的最终灰度值G为：
Figure FDA0002225500370000021
6.一种图像降噪系统，其特征在于，包括：
相机采集模块，用于采集原深度图像和原红外图像；
第一前后景剔除模块，用于剔除原深度图像的前后景，得到前后景剔除的原深度图像；所述的原深度图像前后景剔除距离的阈值公式为：
Figure FDA0002225500370000022
其中，深度图像中一点P,其深度值为z，其灰度值为g,深度阈值为[Dmin,Dmax],深度过滤后的灰度值记为Gf；
第一地面剔除模块，用于剔除原深度图像的地面，得到地面剔除的原深度图像；灰度值重映射模块，用于原红外图像的灰度值进行重映射，得到重映射后的红外图像；
第二前后景剔除模块，用于剔除重映射后的红外图像的前后景，得到前后景剔除的红外图像；
地面过滤模块，用于前后景剔除的红外图像的地面过滤，得到过滤后的红外图像；
二值化模块，用于过滤后的红外图像进行二值化，得到二值化后的红外图像；
叠加降噪模块，用于所述二值化后的红外图像和所述地面剔除的原深度图像叠加降噪，得到降噪后的图像；
第一图像模块，采用联合双边滤波算法对边缘部分进行增强，得到增强后的图像；
第二图像模块，用于增强后的图像替换采集的原红外图像，得到增强降噪的红外图像。
CN201610043184.9A 2016-01-23 2016-01-23 一种图像降噪方法及系统 Active CN105719254B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610043184.9A CN105719254B (zh) 2016-01-23 2016-01-23 一种图像降噪方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610043184.9A CN105719254B (zh) 2016-01-23 2016-01-23 一种图像降噪方法及系统

Publications (2)

Publication Number Publication Date
CN105719254A CN105719254A (zh) 2016-06-29
CN105719254B true CN105719254B (zh) 2020-02-21

Family

ID=56153819

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610043184.9A Active CN105719254B (zh) 2016-01-23 2016-01-23 一种图像降噪方法及系统

Country Status (1)

Country Link
CN (1) CN105719254B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108683846B (zh) * 2018-05-14 2020-09-29 维沃移动通信有限公司 一种图像补偿方法、装置及移动终端
CN110942427A (zh) 2018-09-21 2020-03-31 西安中兴新软件有限责任公司 一种图像降噪的方法及装置、设备、存储介质
CN109410206A (zh) * 2018-11-05 2019-03-01 江苏东保装饰集团有限公司 一种建筑装饰三维造型精度检验方法
CN109636748B (zh) * 2018-12-04 2021-03-16 青岛小鸟看看科技有限公司 一种深度图像的去噪方法、装置和电子设备
CN110264425A (zh) * 2019-06-21 2019-09-20 杭州一隅千象科技有限公司 基于向下倾角方向的单台tof相机人体降噪方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103854257A (zh) * 2012-12-07 2014-06-11 山东财经大学 一种基于自适应三边滤波的深度图像增强方法
CN104732492A (zh) * 2015-03-09 2015-06-24 北京工业大学 一种深度图像的去噪方法
CN104756490A (zh) * 2012-09-18 2015-07-01 Iee国际电子工程股份公司 深度图像增强方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102163728B1 (ko) * 2013-12-05 2020-10-08 삼성전자주식회사 거리영상 측정용 카메라 및 이를 이용한 거리영상 측정방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104756490A (zh) * 2012-09-18 2015-07-01 Iee国际电子工程股份公司 深度图像增强方法
CN103854257A (zh) * 2012-12-07 2014-06-11 山东财经大学 一种基于自适应三边滤波的深度图像增强方法
CN104732492A (zh) * 2015-03-09 2015-06-24 北京工业大学 一种深度图像的去噪方法

Also Published As

Publication number Publication date
CN105719254A (zh) 2016-06-29

Similar Documents

Publication Publication Date Title
CN105719254B (zh) 一种图像降噪方法及系统
CN108921799B (zh) 基于多尺度协同学习卷积神经网络的遥感图像薄云去除方法
CN107578418B (zh) 一种融合色彩和深度信息的室内场景轮廓检测方法
CN108564597B (zh) 一种融合高斯混合模型和h-s光流法的视频前景目标提取方法
KR102104403B1 (ko) 단일영상 내의 안개 제거 방법 및 장치
Hao et al. Improved self-adaptive edge detection method based on Canny
CN109636766B (zh) 基于边缘信息增强的偏振差分与光强图像多尺度融合方法
CN109377450B (zh) 一种边缘保护的去噪方法
CN110163818A (zh) 一种用于海事无人机的低照度视频图像增强方法
CN109509164A (zh) 一种基于gdgf的多传感器图像融合方法及系统
CN110675340A (zh) 一种基于改进的非局部先验的单幅图像去雾方法及介质
CN111179189A (zh) 基于生成对抗网络gan的图像处理方法、装置以及电子设备、存储介质
Yu et al. Image and video dehazing using view-based cluster segmentation
Wang et al. Single-image dehazing using color attenuation prior based on haze-lines
CN116823694A (zh) 基于多聚焦信息整合的红外与可见光图像融合方法及系统
CN106023097B (zh) 一种基于迭代法的流场图像预处理方法
CN104978720A (zh) 一种视频图像雨滴去除方法及装置
CN111652809A (zh) 一种增强细节的红外图像噪声抑制方法
Aponso et al. Review on state of art image enhancement and restoration methods for a vision based driver assistance system with De-weathering
CN103595933B (zh) 一种图像的降噪方法
Anantrasirichai et al. Mitigating the effects of atmospheric distortion using DT-CWT fusion
CN117636273A (zh) 基于对数变换和伽马校正加权光照补偿的夜间车道线识别方法
CN111652808A (zh) 一种红外图像细节增强及噪声抑制方法
Natarajan A review on underwater image enhancement techniques
CN115471802A (zh) 基于改进Canny算法的弱光照环境下机动车车道线检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240626

Address after: Gao Lou Zhen Hong Di Cun, Rui'an City, Wenzhou City, Zhejiang Province, 325200

Patentee after: Wang Conghai

Country or region after: China

Address before: 10 / F, Yihua financial technology building, 2388 Houhai Avenue, high tech park, Yuehai street, Nanshan District, Shenzhen, Guangdong 518000

Patentee before: SHENZHEN CLOUDREAM INFORMATION TECHNOLOGY CO.,LTD.

Country or region before: China