CN105894481B - 用于视频监控设备的直方图均衡化方法及装置 - Google Patents
用于视频监控设备的直方图均衡化方法及装置 Download PDFInfo
- Publication number
- CN105894481B CN105894481B CN201610255904.8A CN201610255904A CN105894481B CN 105894481 B CN105894481 B CN 105894481B CN 201610255904 A CN201610255904 A CN 201610255904A CN 105894481 B CN105894481 B CN 105894481B
- Authority
- CN
- China
- Prior art keywords
- histogram
- curve
- cumulative distribution
- distribution function
- transformation curve
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012544 monitoring process Methods 0.000 title claims abstract description 29
- 230000009466 transformation Effects 0.000 claims abstract description 89
- 230000001186 cumulative effect Effects 0.000 claims abstract description 44
- 238000005315 distribution function Methods 0.000 claims abstract description 43
- 230000008569 process Effects 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 206010016256 fatigue Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明适用于视频监控技术领域,提供了用于视频监控设备的直方图均衡化方法及装置,包括:获取当前输入图像所用的灰度变换曲线的逆变换曲线;基于当前输出图像的直方图,计算所述当前输出图像的累积分布函数CDF0;通过所述逆变换曲线对所述累积分布函数CDF0进行逆变换后,得到累积分布函数CDF1;对所述累积分布函数CDF1执行逆计算过程,求得所述当前输入图像的直方图;根据所述当前输入图像的直方图计算出所述当前输入图像的灰度变换曲线,以用于下一输入图像的直方图均衡化。本发明在视频监控领域通过直方图均衡化法实现了图像增强,很好地改善了输出图像的整体效果。
Description
技术领域
本发明属于视频监控技术领域,尤其涉及用于视频监控设备的直方图均衡化方法及装置。
背景技术
直方图均衡化是进行图像增强的一种重要手段,在实现过程中,需要基于输入图像的直方图信息计算得到灰度变换曲线,根据灰度变换曲线对输入图像进行灰度映射,得到的灰度级存在一定程度的拉伸,从而使得图像的对比度得到增强,实现对输出图像整体效果的改善。
然而,对很多视频监控摄像机来说,由于所采用的图像处理平台本身的限制,无法获取到输入图像的直方图信息,而是只能获取到输出图像的直方图信息,因此,现有的直方图均衡化方法无法在视频监控领域被直接运用,导致图像增强效果不理想。
发明内容
有鉴于此,本发明实施例提供了用于视频监控设备的直方图均衡化方法及装置,以解决现有的直方图均衡化方法无法在视频监控领域部分主流图像处理平台中被直接运用,导致图像增强效果不理想的问题。
第一方面,提供了用于视频监控设备的直方图均衡化方法,包括:
获取当前输入图像所用的灰度变换曲线的逆变换曲线;
基于所述当前输出图像的直方图,计算所述当前输出图像的累积分布函数CDF0;
通过所述逆变换曲线对所述累积分布函数CDF0进行逆变换后,得到累积分布函数CDF1;
对所述累积分布函数CDF1执行逆计算过程,求得所述当前输入图像的直方图;
根据所述当前输入图像的直方图计算出所述当前输入图像的灰度变换曲线,以用于下一输入图像的直方图均衡化。
第二方面,提供了用于视频监控设备的直方图均衡化装置,包括:
第一获取单元,用于获取当前输入图像所用的灰度变换曲线的逆变换曲线;
第一计算单元,用于基于所述当前输出图像的直方图,计算所述当前输出图像的累积分布函数CDF0;
第二获取单元,用于通过所述逆变换曲线对所述累积分布函数CDF0进行逆变换后,得到累积分布函数CDF1;
逆计算单元,用于对所述累积分布函数CDF1执行逆计算过程,求得所述当前输入图像的直方图;
第二计算单元,用于根据所述当前输入图像的直方图计算出所述当前输入图像的灰度变换曲线,以用于下一输入图像的直方图均衡化。
在本发明实施例中,根据当前帧的输出图像的直方图信息重建出该当前帧的输入图像的直方图信息,以在视频监控领域通过直方图均衡化法实现了图像增强,很好地改善了输出图像的整体效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的用于视频监控设备的直方图均衡化方法的实现流程图;
图2是本发明实施例提供的用于视频监控设备的直方图均衡化方法S101的具体实现流程图;
图3是本发明实施例提供的灰度变换曲线的逆变换示例图;
图4是本发明实施例提供的累积分布函数CDF1的获取示例图;
图5是本发明实施例提供的用于视频监控设备的直方图均衡化方法的实现示意图;
图6是本发明实施例提供的用于视频监控设备的直方图均衡化装置的结构框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
获取当前输入图像所用的灰度变换曲线的逆变换曲线;基于当前输出图像的直方图,计算所述当前输出图像的累积分布函数CDF0;通过所述逆变换曲线对所述累积分布函数CDF0进行逆变换后,得到累积分布函数CDF1;对所述累积分布函数CDF1执行逆计算过程,求得所述当前输入图像的直方图;根据所述当前输入图像的直方图计算出所述当前输入图像的灰度变换曲线,以用于下一输入图像的直方图均衡化。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
图1示出了本发明实施例提供的用于视频监控设备的直方图均衡化方法的实现流程,详述如下:
在S101中,获取当前输入图像所用的灰度变换曲线的逆变换曲线。
在灰度映射中,灰度变换曲线T所起的作用,是将输入图像中灰度值为0,1,2……255的像素值映射为T[0],T[1],T[2]……T[255],从而得到输出图像,同时也将输入图像的直方图进行相应的移位及合并,得到输出图像的直方图分布H0。在本发明实施例中,基于背景技术中阐述的对视频监控摄像机所采用的部分主流图像处理平台无法获取到输入图像的直方图信息的问题,需要从输出图像的直方图分布H0中重建出输入图像的直方图分布,在重建过程中,首先需要求出灰度变换曲线T所对应的逆变换曲线TR,其获取过程如图2所示:
在S201中,获取灰度变换曲线T关于直线y=x对称的曲线T’。
由于逆变换曲线TR与灰度变换曲线T关于直线y=x对称,因而,计算逆变换曲线的第一步就是求出灰度变换曲线T关于直线y=x对称的曲线T’:
令X0=0,1,2……255,Y0=T[0],T[1],T[2]……T[255],则(X0,Y0)表示的即为灰度变换曲线T,令X1=Y0,Y1=X0,则(X1,Y1)表示的即为曲线T’。
在S202中,对所述曲线T’进行插值和去重处理,求得所述灰度变换曲线T的逆变换曲线TR。
由于逆变换曲线TR要求在0~255均有取值,而灰度变换曲线T却几乎不可能是完全线性的,这将导致其可能在0~255中的某些位置存在两个值或多个值,而在某些位置则没有取值,因此,在S202中需要对曲线T’中在0~255没有取值的位置进行插值处理,对在0~255中有多个重复值的位置进行去重处理,具体地:
令X2=0,1,2……255,则对于i=0,1,2……255,有
通过上式,即可求得逆变换曲线TR=Y2。
图3左图即为灰度变换曲线T与其对应的曲线T’、逆变换曲线TR的示例图,图3右图为图3左图的局部图。
在S102中,基于当前输出图像的直方图,计算所述当前输出图像的累积分布函数CDF0。
累积分布函数表示的是小于或等于每个灰度等级的像素数量与像素总数量的比例,其计算公式如下:
所述当前输出图像为所述当前输入图像对应的输出图像,在此,乘以255是为了将结果转换到0~255的范围,以方便下一步的逆变换。
需要说明的是,在本发明实施例中,S101和S102的执行顺序并没有要求,可以同时执行也可以任一步骤先行执行。
在S103中,通过所述逆变换曲线对所述累积分布函数CDF0进行逆变换后,得到累积分布函数CDF1。
令X3=0,1,2……255,Y3=CDF0,则(X3,Y3)为CDF0对应的累积分布曲线,其中横坐标为输出图像的灰度值,由于逆变换曲线TR的作用是将输出图像的灰度值恢复成输入图像的灰度值,因此若要得到输入图像的累积分布函数CDF1,需要根据逆变换曲线TR对(X3,Y3)的横坐标进行逆变换。设变换后的曲线为(XR,Y3),则XR=TR[X3[i]]=TR[i],即XR=TR。
由于逆变换曲线TR的值几乎不可能完整覆盖0~255的灰度值范围,因此曲线(XR,Y3)在XR的某些位置会没有值,而在某些位置则会有多个值,需要对没有取值的位置进行插值处理,并对有多个值的位置进行去重处理,经过去重和插值处理后的曲线即为CDF1所对应的曲线,具体地:
设有(X4,Y4),其中X4=0,1,2……255,则对于i=0,1,2……255,有
通过上式,即可求得逆变换后的累积分布函数曲线CDF1=Y4。
举例说明,图4左图为曲线(X3,Y3)的局部,假设逆变换曲线TR的前11个数值为:[3,4,5,6,8,8,9,9,10,11,13],则将曲线(X3,Y3)的横坐标经逆变换曲线TR映射后得到图4中图所的曲线(XR,Y3),再对该曲线进行去重和插值处理,即得到图4右图所示的曲线(X4,Y4)。
在S104中,对所述累积分布函数CDF1执行逆计算过程,求得所述当前输入图像的直方图。
由于逆变换后的累积分布函数曲线CDF1等效于将输入图像的直方图按与S102相同的步骤求取,因此,要得到重建后的输入图像的直方图H1,需要采取S102的逆过程:
其中,N为当前输入图像的像素总数量。
在S105中,根据所述当前输入图像的直方图计算出所述当前输入图像的灰度变换曲线,以用于下一输入图像的直方图均衡化。
如图5所示,在获取到当前输入图像的直方图之后,根据该直方图计算出当前输入图像的灰度变换曲线,并将该灰度变换曲线作用于下一帧输入图像的灰度映射过程,以实现下一输入图像的直方图均衡化,由于在视频监控领域,相邻图像帧之间的变化通常不大,因此,尽管输入图像和其所采用的灰度变换曲线的获取时间不同,但对输出图像的图像增强效果影响却不大,且通过直方图均衡化法很好地改善了输出图像的整体效果。
在本发明实施例中,根据当前帧的输出图像的直方图信息重建出该当前帧的输入图像的直方图信息,以在视频监控领域通过直方图均衡化法实现了图像增强,很好地改善了输出图像的整体效果。与此同时,在逆变换过程中使用累积分布函数,而并非是使用直方图分布,也使得整个处理过程更为直观,且插值过程也更为简单。
需要说明的是,由于在灰度映射的过程中存在灰度级别的合并,因而直方图均衡化是不完全可逆的过程,故按本发明实施例方法重建的直方图会有一定的误差,且当直方图均衡化所使用的灰度变换曲线越陡峭时,会越容易引起较大的误差,因而需要对灰度变换曲线进行一定的限制。实际上,在视频图像的直方图均衡化应用中,若对灰度变换曲线不设任何限制,会很容易导致噪声过度放大、灰度级过度减少等缺陷,因而在实际应用中所采用的直方图均衡化方法通常会对灰度变换曲线进行限制,例如,设定一个阈值,对于在灰度分布直方图中像素数超过该阈值的灰度值,则将该灰度值上的像素数限位为该阈值,同时将超出阈值的部分平均分配到所有其他的灰度值上去,通过这种方式,使最终所得的灰度变化曲线的最大斜率得到合理的限制。在这种情况下,本发明实施例方法具有良好的适应性,可以满足大多数场景的需求。具体的灰度变换曲线限制和计算方法在此不作限定。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
对应于上文实施例所述的用于视频监控设备的直方图均衡化方法,图6示出了本发明实施例提供的用于视频监控设备的直方图均衡化装置的结构框图,所述用于视频监控设备的直方图均衡化装置可以是内置于视频监控系统或视频监控系统的图像处理设备内的软件单元、硬件单元或者是软硬结合的单元。为了便于说明,仅示出了与本实施例相关的部分。
参照图6,该装置包括:
第一获取单元61,获取当前输入图像所用的灰度变换曲线的逆变换曲线;
第一计算单元62,基于当前输出图像的直方图,计算所述当前输出图像的累积分布函数CDF0;
第二获取单元63,通过所述逆变换曲线对所述累积分布函数CDF0进行逆变换后,得到累积分布函数CDF1;
逆计算单元64,对所述累积分布函数CDF1执行逆计算过程,求得所述当前输入图像的直方图;
第二计算单元65,根据所述当前输入图像的直方图计算出所述当前输入图像的灰度变换曲线,以用于下一输入图像的直方图均衡化。
可选地,所述第一获取单元61包括:
第一子单元,获取所述灰度变换曲线T关于直线y=x对称的曲线T’;
第二子单元,对所述曲线T’进行插值和去重处理,求得所述灰度变换曲线T的逆变换曲线TR。
可选地,所述第二获取单元63具体用于:
在所述通过所述逆变换曲线对所述累积分布函数CDF0进行逆变换后,经过去重和插值处理得到所述累积分布函数CDF1。
可选地,所述逆计算单元64具体用于:
计算
其中,所述H1为所述当前输入图像的直方图,所述N为所述当前输入图像的像素总数量,i=0,1,2……255。
可选地,所述第一计算单元62具体用于:
计算其中,i=0,1,2……255,所述H0为所述当前输出图像的直方图。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明实施例各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种用于视频监控设备的直方图均衡化方法,其特征在于,包括:
获取当前输入图像所用的灰度变换曲线的逆变换曲线;
基于当前输出图像的直方图,计算所述当前输出图像的累积分布函数CDF0;
通过所述逆变换曲线对所述累积分布函数CDF0进行逆变换后,得到累积分布函数CDF1;
对所述累积分布函数CDF1执行逆计算过程,求得所述当前输入图像的直方图;
根据所述当前输入图像的直方图计算出所述当前输入图像的用于下一输入图像的直方图均衡化的灰度变换曲线。
2.如权利要求1所述的方法,其特征在于,所述获取当前输入图像所用的灰度变换曲线的逆变换曲线包括:
获取所述灰度变换曲线T关于直线y=x对称的曲线T’;
对所述曲线T’进行插值和去重处理,求得所述灰度变换曲线T的逆变换曲线TR。
3.如权利要求1所述的方法,其特征在于,在所述通过所述逆变换曲线对所述累积分布函数CDF0进行逆变换后,经过去重和插值处理得到所述累积分布函数CDF1。
4.如权利要求1所述的方法,其特征在于,所述对所述累积分布函数CDF1执行逆计算过程,求得所述当前输入图像的直方图包括:
计算
其中,所述H1为所述当前输入图像的直方图,所述N为所述当前输入图像的像素总数量,i=0,1,2……255。
5.如权利要求1所述的方法,其特征在于,所述基于当前输出图像的直方图,计算所述当前输出图像的累积分布函数CDF0包括:
计算其中,i=0,1,2……255,所述H0为所述当前输出图像的直方图。
6.一种用于视频监控设备的直方图均衡化装置,其特征在于,包括:
第一获取单元,用于获取当前输入图像所用的灰度变换曲线的逆变换曲线;
第一计算单元,用于基于当前输出图像的直方图,计算所述当前输出图像的累积分布函数CDF0;
第二获取单元,用于通过所述逆变换曲线对所述累积分布函数CDF0进行逆变换后,得到累积分布函数CDF1;
逆计算单元,用于对所述累积分布函数CDF1执行逆计算过程,求得所述当前输入图像的直方图;
第二计算单元,用于根据所述当前输入图像的直方图计算出所述当前输入图像的用于下一输入图像的直方图均衡化的灰度变换曲线。
7.如权利要求6所述的装置,其特征在于,所述第一获取单元包括:
第一子单元,用于获取所述灰度变换曲线T关于直线y=x对称的曲线T’;
第二子单元,用于对所述曲线T’进行插值和去重处理,求得所述灰度变换曲线T的逆变换曲线TR。
8.如权利要求6所述的装置,其特征在于,所述第二获取单元具体用于:
在所述通过所述逆变换曲线对所述累积分布函数CDF0进行逆变换后,经过去重和插值处理得到所述累积分布函数CDF1。
9.如权利要求6所述的装置,其特征在于,所述逆计算单元具体用于:
计算
其中,所述H1为所述当前输入图像的直方图,所述N为所述当前输入图像的像素总数量,i=0,1,2……255。
10.如权利要求6所述的装置,其特征在于,所述第一计算单元具体用于:
计算其中,i=0,1,2……255,所述H0为所述当前输出图像的直方图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610255904.8A CN105894481B (zh) | 2016-04-22 | 2016-04-22 | 用于视频监控设备的直方图均衡化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610255904.8A CN105894481B (zh) | 2016-04-22 | 2016-04-22 | 用于视频监控设备的直方图均衡化方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105894481A CN105894481A (zh) | 2016-08-24 |
CN105894481B true CN105894481B (zh) | 2019-02-05 |
Family
ID=56704435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610255904.8A Active CN105894481B (zh) | 2016-04-22 | 2016-04-22 | 用于视频监控设备的直方图均衡化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105894481B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110874822B (zh) * | 2018-08-31 | 2023-12-15 | 瑞昱半导体股份有限公司 | 利用动态视窗平滑滤波器的信号滤波方法与系统 |
CN110634114A (zh) * | 2019-09-16 | 2019-12-31 | 江苏鼎速网络科技有限公司 | 图像均衡方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156963A (zh) * | 2014-08-12 | 2014-11-19 | 中山大学 | 一种电气火灾熔痕物证的自动鉴定方法 |
CN105139366A (zh) * | 2015-09-23 | 2015-12-09 | 成都融创智谷科技有限公司 | 一种基于空间域的图像增强方法 |
-
2016
- 2016-04-22 CN CN201610255904.8A patent/CN105894481B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156963A (zh) * | 2014-08-12 | 2014-11-19 | 中山大学 | 一种电气火灾熔痕物证的自动鉴定方法 |
CN105139366A (zh) * | 2015-09-23 | 2015-12-09 | 成都融创智谷科技有限公司 | 一种基于空间域的图像增强方法 |
Non-Patent Citations (1)
Title |
---|
骨质疏松症的相关物理问题研究;刘文军;《中国博士学位论文全文数据库》;20040415;第E065-17页 |
Also Published As
Publication number | Publication date |
---|---|
CN105894481A (zh) | 2016-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lan et al. | MADNet: a fast and lightweight network for single-image super resolution | |
Zhao et al. | Discrete cosine transform network for guided depth map super-resolution | |
Pan et al. | Deep blind video super-resolution | |
Ji et al. | Robust wavelet-based super-resolution reconstruction: theory and algorithm | |
Yin et al. | Highly accurate image reconstruction for multimodal noise suppression using semisupervised learning on big data | |
Wang et al. | Depth upsampling based on deep edge-aware learning | |
CN112215755B (zh) | 一种基于反投影注意力网络的图像超分辨率重建方法 | |
TWI770432B (zh) | 圖像復原方法、電子設備、儲存介質 | |
CN110782397B (zh) | 一种图像处理方法、生成式对抗网络、电子设备及存储介质 | |
CN114004754B (zh) | 一种基于深度学习的场景深度补全系统及方法 | |
Gong et al. | Combining sparse representation and local rank constraint for single image super resolution | |
CN111986092B (zh) | 一种基于双重网络的图像超分辨率重建方法及系统 | |
Tao et al. | Spectrum-to-kernel translation for accurate blind image super-resolution | |
CN105894481B (zh) | 用于视频监控设备的直方图均衡化方法及装置 | |
CN110782398B (zh) | 图像处理方法、生成式对抗网络系统和电子设备 | |
CN111091517A (zh) | 一种残差加权成像方法和装置 | |
Cui et al. | Exploring the potential of channel interactions for image restoration | |
CN113096032A (zh) | 一种基于图像区域划分的非均匀一致模糊去除方法 | |
CN114445273A (zh) | 磁共振图像处理方法、计算机设备及存储介质 | |
CN116452431A (zh) | 基于多分支渐进式深度网络的弱光图像增强方法 | |
CN113269812B (zh) | 图像预测模型的训练及应用方法、装置、设备、存储介质 | |
Zheng et al. | Memory-efficient multi-scale residual dense network for single image rain removal | |
CN112801866B (zh) | 图像重建模型的生成方法、图像重建方法及相关设备 | |
Cui et al. | PSNet: Towards efficient image restoration with self-attention | |
CN115358962A (zh) | 一种端到端视觉里程计方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |