CN107730476A - 一种基于压缩感知的图像增强方法及装置 - Google Patents
一种基于压缩感知的图像增强方法及装置 Download PDFInfo
- Publication number
- CN107730476A CN107730476A CN201710890307.7A CN201710890307A CN107730476A CN 107730476 A CN107730476 A CN 107730476A CN 201710890307 A CN201710890307 A CN 201710890307A CN 107730476 A CN107730476 A CN 107730476A
- Authority
- CN
- China
- Prior art keywords
- gray level
- image
- histogram
- level image
- equalization
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000002708 enhancing effect Effects 0.000 claims abstract description 14
- 238000005728 strengthening Methods 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims abstract description 6
- 230000009466 transformation Effects 0.000 claims description 9
- 230000001131 transforming effect Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 4
- 230000002441 reversible effect Effects 0.000 claims description 3
- 230000000052 comparative effect Effects 0.000 claims description 2
- 230000001965 increasing effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 241001085205 Prenanthella exigua Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005303 weighing Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
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
本发明涉及图像增强领域;一种基于压缩感知的图像增强方法,包括如下步骤:通过压缩感知采集图像数据,并通过压缩感知的逆过程处理所述图像数据得到原始图像;若所述原始图像为灰度图像,则根据所述灰度图像绘制原始图像的灰度图像直方图;对所述原始图像的灰度图像直方图均衡化处理得到均衡化后灰度图像直方图;将所述均衡化后灰度图像直方图进行规定化处理得到规定化后灰度图像直方图;将原始图像的灰度图像直方图进行增强处理并得到处理结果;以及将所述处理结果分别和均衡化后灰度图像直方图、规定化后灰度图像直方图进行对比完成图像增强。本发明通过获取原始数据,实现对所述原始数据的增强与重构。
Description
技术领域
本发明涉及图像增强领域,尤其是一种基于压缩感知的图像增强方法及装置。
背景技术
有目的地强调图像的整体或局部特性,将原来不清晰的图像变得清晰或强调某些感兴趣的特征,扩大图像中不同物体特征之间的差别,抑制不感兴趣的特征,使之改善图像质量、丰富信息量,加强图像判读和识别效果,满足某些特殊分析的需要。目前针对具有稀疏特性信号的压缩感知理论(CS)获取原始数据,在不损失信息的前提下Nyquist,采样定理要求的速率较高、还未建立有效的基于压缩感知的视频图像压缩算法、并且不能够实现压缩信号的重构。
发明内容
针对现有技术中的缺陷,本发明提供一种基于压缩感知的图像增强方法及装置通过获取原始数据,实现对所述原始数据的增强与重构。
为了实现上述目的,本发明提供的一种基于压缩感知的图像增强方法,包括如下步骤:
通过压缩感知采集图像数据,并通过压缩感知的逆过程处理所述图像数据得到原始图像;
若所述原始图像为灰度图像,则根据所述灰度图像绘制原始图像的灰度图像直方图;
对所述原始图像的灰度图像直方图均衡化处理得到均衡化后灰度图像直方图;
将所述均衡化后灰度图像直方图进行规定化处理得到规定化后灰度图像直方图;
将原始图像的灰度图像直方图进行增强处理并得到处理结果;以及将所述处理结果分别和均衡化后灰度图像直方图、规定化后灰度图像直方图进行对比完成图像增强。
进一步地,所述对所述灰度图像直方图均衡化处理得到均衡化后灰度图像直方图具体包括:
列出原始图像的灰度图像直方图的灰度级:
rk,k=0,1,2,…,l-1;其中k是自然数,l是自然数;
按照所述灰度级rk统计各灰度级的像素数目:
nk,k=0,1,2,…,l-1;
根据所述各灰度级的灰度级rk以及像素数目nk计算灰度图像直方图各灰度级的频数:
0≤r≤1,k=0,1,…,l-1,其n为各灰度级的像素总数;
各像素均衡化后的灰度值计算:
其中T为自定义函数名,rj表示灰度级为j所占像素总数的比例,nj表示灰度为j的像素数目;
对灰度值sk进行舍入处理,确定灰度级别;
计算对应每个sk的像素数目,绘制出均衡化后灰度图像直方图。
进一步地,所述原始图像的灰度图像包括8bit、16bit和32bit的至少一种。
进一步地,所述将均衡化后灰度图像直方图进行规定化处理具体包括令Pz()为均衡化后灰度图像直方图的灰度分布的概率密度函数,求得变换函数:
其中u为自定义函数结果名,G为自定义函数名,z为通过规定化后对应的值,z∈(0,+∞);w表示通过规定化后的值,w∈(0,z)。
进一步地,将原始图像的灰度图像直方图进行增强处理并得到处理结果具体包括令Pr(r)为原始图像的灰度图像直方图的灰度分布的概率密度函数,求得变换函数:s为自定义函数结果名;T为自定义函数结果名,r为通过增强处理的值r∈(0,+∞),w为通过增强处理后对应的值w∈(0,r)。
进一步地,将原始图像的灰度图像直方图分别和均衡化后灰度图像直方图、规定化后灰度图像直方图进行对比具体包括:
将原始图像的灰度图像直方图进行增强处理的结果和均衡化后灰度图像直方图进行对比;
将原始图像的灰度图像直方图进行增强处理的结果和均衡化后灰度图像直方图进行增强处理的结果对比。
进一步地,所述将均衡化后灰度图像直方图进行规定化处理可逆:
z=G-1(u),其中z为通过规定化后对应的值,G为自定义函数名,u为自定义函数结果名。
一种基于压缩感知的图像增强装置,包括原始图像获取模块、灰度图像直方图绘制模块、均衡化处理模块、规定化处理模块、原始图像的灰度图像直方图增强模块以及数据对比模块;
所述图像获取模块采集图像数据,并根据所述图像数据获得原始图像;
若所述原始图像为灰度图像,则所述灰度图像直方图绘制模块根据所述灰度图像绘制原始图像的灰度图像直方图;
所述均衡化处理模块对所述原始图像的灰度图像直方图均衡化处理得到均衡化后灰度图像直方图;
所述规定化处理模块将所述均衡化后灰度图像直方图进行规定化处理得到规定化后灰度图像直方图;
所述原始图像的灰度图像直方图增强模块将原始图像的灰度图像直方图进行增强处理并得到处理结果;
数据对比模块将所述处理结果分别和均衡化后灰度图像直方图、规定化后灰度图像直方图进行对比完成图像增强。
进一步地,所述均衡化处理模块对所述原始图像的灰度图像直方图均衡化处理得到均衡化后灰度图像直方图具体包括:
列出原始图像的灰度图像直方图的灰度级:
rk,k=0,1,2,…,l-1;其中k是自然数,l是自然数;
按照所述灰度级rk统计各灰度级的像素数目:
nk,k=0,1,2,…,l-1;
根据所述各灰度级的灰度级rk以及像素数目nk计算灰度图像直方图各灰度级的频数:
0≤r≤1,k=0,1,…,l-1,其n为各灰度级的像素总数;
各像素均衡化后的灰度值计算:
其中T为自定义函数名,rj表示灰度级为j所占像素总数的比例,nj表示灰度为j的像素数目;
对灰度值sk进行舍入处理,确定灰度级别;
计算对应每个sk的像素数目,绘制出均衡化后灰度图像直方图。
进一步地,所述规定化处理模块将所述均衡化后灰度图像直方图进行规定化处理得到规定化后灰度图像直方图具体包括:
令Pz(z)为均衡化后灰度图像直方图的灰度分布的概率密度函数,求得变换函数:
其中u为自定义函数结果名,G为自定义函数名,z表示通过规定化后对应的值,z∈(0,+∞);w表示通过规定化后的值,w∈(0,z)。
本发明的有益效果是:发明针对具有稀疏特性信号的压缩感知理论(CS)获取原始数据,在不损失信息的前提下,大大低于Nyquist采样定理要求的速率;建立基于压缩感知的视频图像压缩算法;在CS理论中的核心问题是压缩信号的重构,提出了空时三维直方图进行图像增强算法的实现。
附图说明
图1为本发明一种基于压缩感知的图像增强方法第一实施例的流程图;
图2为本发明一种基于压缩感知的图像增强方法第二实施例的流程图;
图3为本发明一种基于压缩感知的图像增强装置第一实施例的框图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。
如图1所述,一种基于压缩感知的图像增强方法第一实施例,包括如下步骤:
S1通过压缩感知采集图像数据;
S2通过压缩感知逆过程处理所述图像数据得到原始图像;
S3判断所述原始图像是否为灰度图像;若所述原始图像是灰度图像,则执行步骤S5,若所述原始图像不是灰度图像则执行步骤S4;
S4将所述原始图像转化为灰度图像;
S5根据所述灰度图像绘制原始图像的灰度图像直方图;
S6对所述原始图像的灰度图像直方图做均衡化处理得到均衡化后灰度图像直方图;
S7对所述均衡化后灰度图像直方图做规定化处理得到规定化后灰度图像直方图;
S8将原始图像的灰度图像直方图进行增强处理并得到处理结果;
S9将所述处理结果分别和均衡化后灰度图像直方图、规定化后灰度图像直方图进行对比完成图像增强。
如图2所述,一种基于压缩感知的图像增强方法第二实施例,包括如下步骤:
S01通过压缩感知采集图像数据;
由于大多数的数据是可以进行压缩的,使得可以通过压缩感知来进行数据采集,由于目前数据采集需要处理的信息量越来越大。随着信号频率的增大,带宽越来越宽和采样点数的增加,采样频率将会越来越高,最后采集到的数据量将会越来越大,不利于后续的信号处理及存储,通过压缩感知技术则可以很好得规避上述问题。
S02通过压缩感知逆过程处理所述图像数据得到原始图像;
通过所述压缩感知逆过程进行还原得到原始图像,克服了传统数据采集以及信号重构中数据缺失的问题。
S03判断所述原始图像是否为灰度图像;
若所述原始图像是灰度图像,则执行步骤S05,若所述原始图像不是灰度图像则执行步骤S04;在获得原始图像后通过判断原始图像的图像类别能够实现对彩色以及灰度图像的快速识别,进而选择对应的图像处理方式,既优化了处理步骤又能够处理不同类型的图像。
S04将所述原始图像转化为灰度图像;
灰度图像通常显示为从最暗黑色到最亮的白色的灰度,可以采样任何颜色的不同深浅,以及不同亮度上的不同颜色方便后续对其进行增强处理。
S05根据所述灰度图像绘制原始图像的灰度图像直方图;
灰度图像直方图是关于灰度级分布的具体表现,是对图像中灰度级分布的统计;是将灰度图像中的所有像素,按照灰度值的大小统计其出现的频率。
S06对所述原始图像的灰度图像直方图做均衡化处理得到均衡化后灰度图像直方图具体包括:
S061列出原始图像的灰度图像直方图的灰度级:
rk,k=0,1,2,…,l-1;
S062按照所述灰度级rk统计各灰度级的像素数目:
nk,k=0,1,2,…,l-1;
S063根据所述各灰度级的灰度级rk以及像素数目nk计算灰度图像直方图各灰度级的频数:
S064计算各像素均衡化后的灰度值:
S065对灰度值sk进行舍入处理,确定灰度级别;
S066计算对应每个sk的像素数目,绘制出均衡化后灰度图像直方图;
通过对所述原始图像的灰度图像直方图做均衡化处理得到均衡化后灰度图像直方图,克服了传统图像变换后的图像的灰度级减少,甚至于某些细节消失;对于有些图像,如直方图有高的峰值,经处理出现对比度不自然的过分增强,使得产生平坦的直方图能够获得绝对平坦的直方图。
S07对所述均衡化后灰度图像直方图做规定化处理得到规定化后灰度图像直方图具体包括令Pz(z)为均衡化后灰度图像直方图的灰度分布的概率密度函数,求得变换函数:
规定化处理优点主要在于能自动增强整幅图像的对比度,能得到全局均衡化处理的直方图。并能够根据不同的要求得到特定形状的直方图分布,以有选择地对某灰度范围进行局部的对比度增强,即能够实现想要得到已知直方图的增强图像。
S08将原始图像的灰度图像直方图进行增强处理并得到处理结果具体包括令Pr(r)为原始图像的灰度图像直方图的灰度分布的概率密度函数,求得变换函数:
所述将原始图像的灰度图像直方图进行增强处理为了通过增强其原始图像直方图进而确定一个类似于增强阈值,用来作为参照为后续对比作准备。
S09将所述处理结果分别和均衡化后灰度图像直方图、规定化后灰度图像直方图进行对比完成图像增强。
通过将处理结果与所述均衡化后灰度图像直方图作对比可以得到均衡化处理的效果是否达标若没有达标可以再次对原始图像的灰度图像直方图做均衡化处理直至符合标准;同理通过将处理结果与所述规定化后灰度图像直方图可以观测分析其规定化处理是否达标,若达标则完成图像增强步骤,若未达标则重复进行图强增强步骤。所述将均衡化后灰度图像直方图进行规定化处理可逆:z=G-1(u);处理方式更加灵活多样选择性更强适用范围更广。
在本实施例中,所述原始图像的灰度图像为8bit,则所述l=28;
在另外一个实施例中所述原始图像的灰度图像为16bit,则所述l=216;
在又一个实施例中所述原始图像的灰度图像为32bit,则所述l=232。
如图3所示,一种基于压缩感知的图像增强装置,包括原始图像获取模块、灰度图像直方图绘制模块、均衡化处理模块、规定化处理模块、原始图像的灰度图像直方图增强模块以及数据对比模块;
所述图像获取模块采集图像数据,并根据所述图像数据获得原始图像;
若所述原始图像为灰度图像,则所述灰度图像直方图绘制模块根据所述灰度图像绘制原始图像的灰度图像直方图;
所述均衡化处理模块对所述原始图像的灰度图像直方图均衡化处理得到均衡化后灰度图像直方图;
所述规定化处理模块将所述均衡化后灰度图像直方图进行规定化处理得到规定化后灰度图像直方图;
所述原始图像的灰度图像直方图增强模块将原始图像的灰度图像直方图进行增强处理并得到处理结果;
数据对比模块将所述处理结果分别和均衡化后灰度图像直方图、规定化后灰度图像直方图进行对比完成图像增强。
本实施例中,所述均衡化处理模块对所述原始图像的灰度图像直方图均衡化处理得到均衡化后灰度图像直方图具体包括:
列出原始图像的灰度图像直方图的灰度级:
rk,k=0,1,2,…,l-1;
按照所述灰度级rk统计各灰度级的像素数目:
nk,k=0,1,2,…,l-1;
根据所述各灰度级的灰度级rk以及像素数目nk计算灰度图像直方图各灰度级的频数:
各像素均衡化后的灰度值计算:
对灰度值sk进行舍入处理,确定灰度级别;
计算对应每个sk的像素数目,绘制出均衡化后灰度图像直方图。
本实施例中,所述规定化处理模块将所述均衡化后灰度图像直方图进行规定化处理得到规定化后灰度图像直方图具体包括:
令Pz(z)为均衡化后灰度图像直方图的灰度分布的概率密度函数,求得变换函数:
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种基于压缩感知的图像增强方法,其特征在于,包括如下步骤:
通过压缩感知采集图像数据,并通过压缩感知的逆过程处理所述图像数据得到原始图像;
若所述原始图像为灰度图像,则根据所述灰度图像绘制原始图像的灰度图像直方图;
对所述原始图像的灰度图像直方图均衡化处理得到均衡化后灰度图像直方图;
将所述均衡化后灰度图像直方图进行规定化处理得到规定化后灰度图像直方图;
将原始图像的灰度图像直方图进行增强处理并得到处理结果;以及将所述处理结果分别和均衡化后灰度图像直方图、规定化后灰度图像直方图进行对比完成图像增强。
2.根据权利要求1所述的一种基于压缩感知的图像增强方法,其特征在于,所述对所述灰度图像直方图均衡化处理得到均衡化后灰度图像直方图具体包括:
列出原始图像的灰度图像直方图的灰度级:
rk,k=0,1,2,…,l-1;其中k是自然数,l是自然数;
按照所述灰度级rk统计各灰度级的像素数目:
nk,k=0,1,2,…,l-1;
根据所述各灰度级的灰度级rk以及像素数目nk计算灰度图像直方图各灰度级的频数:
其n为各灰度级的像素总数;
各像素均衡化后的灰度值计算:
其中T为自定义函数名,rj表示灰度级为j所占像素总数的比例,nj表示灰度为j的像素数目;
对灰度值sk进行舍入处理,确定灰度级别;
计算对应每个sk的像素数目,绘制出均衡化后灰度图像直方图。
3.根据权利要求1所述的一种基于压缩感知的图像增强方法,其特征在于,所述原始图像的灰度图像包括8bit、16bit和32bit的至少一种。
4.根据权利要求1所述的一种基于压缩感知的图像增强方法,其特征在于,所述将均衡化后灰度图像直方图进行规定化处理具体包括令Pz(z)为均衡化后灰度图像直方图的灰度分布的概率密度函数,求得变换函数:
其中u为自定义函数结果名,G为自定义函数名,z为通过规定化后对应的值,z∈(0,+∞);w表示通过规定化后的值,w∈(0,z)。
5.根据权利要求1所述的一种基于压缩感知的图像增强方法,其特征在于,将原始图像的灰度图像直方图进行增强处理并得到处理结果具体包括令Pr(r)为原始图像的灰度图像直方图的灰度分布的概率密度函数,求得变换函数:s为自定义函数结果名;T为自定义函数结果名,r为通过增强处理的值r∈(0,+∞),w为通过增强处理后对应的值w∈(0,r)。
6.根据权利要求1所述的一种基于压缩感知的图像增强方法,其特征在于,将原始图像的灰度图像直方图分别和均衡化后灰度图像直方图、规定化后灰度图像直方图进行对比具体包括:
将原始图像的灰度图像直方图进行增强处理的结果和均衡化后灰度图像直方图进行对比;
将原始图像的灰度图像直方图进行增强处理的结果和均衡化后灰度图像直方图进行增强处理的结果对比。
7.根据权利要求4所述的一种基于压缩感知的图像增强方法,其特征在于,所述将均衡化后灰度图像直方图进行规定化处理可逆:
z=G-1(u),其中z为通过规定化后对应的值,G为自定义函数名,u为自定义函数结果名。
8.根据权利要求1-7任意一项所述的一种基于压缩感知的图像增强装置,其特征在于:包括原始图像获取模块、灰度图像直方图绘制模块、均衡化处理模块、规定化处理模块、原始图像的灰度图像直方图增强模块以及数据对比模块;
所述图像获取模块采集图像数据,并根据所述图像数据获得原始图像;
若所述原始图像为灰度图像,则所述灰度图像直方图绘制模块根据所述灰度图像绘制原始图像的灰度图像直方图;
所述均衡化处理模块对所述原始图像的灰度图像直方图均衡化处理得到均衡化后灰度图像直方图;
所述规定化处理模块将所述均衡化后灰度图像直方图进行规定化处理得到规定化后灰度图像直方图;
所述原始图像的灰度图像直方图增强模块将原始图像的灰度图像直方图进行增强处理并得到处理结果;
数据对比模块将所述处理结果分别和均衡化后灰度图像直方图、规定化后灰度图像直方图进行对比完成图像增强。
9.根据权利要求8所述的一种基于压缩感知的图像增强装置,其特征在于,所述均衡化处理模块对所述原始图像的灰度图像直方图均衡化处理得到均衡化后灰度图像直方图具体包括:
列出原始图像的灰度图像直方图的灰度级:
rk,k=0,1,2,…,l-1;其中k是自然数,l是自然数;
按照所述灰度级rk统计各灰度级的像素数目:
nk,k=0,1,2,…,l-1;
根据所述各灰度级的灰度级rk以及像素数目nk计算灰度图像直方图各灰度级的频数:
其n为各灰度级的像素总数;
各像素均衡化后的灰度值计算:
其中T为自定义函数名,rj表示灰度级为j所占像素总数的比例,nj表示灰度为j的像素数目;
对灰度值sk进行舍入处理,确定灰度级别;
计算对应每个sk的像素数目,绘制出均衡化后灰度图像直方图。
10.根据权利要求8所述的一种基于压缩感知的图像增强装置,其特征在于,所述规定化处理模块将所述均衡化后灰度图像直方图进行规定化处理得到规定化后灰度图像直方图具体包括:
令Pz(z)为均衡化后灰度图像直方图的灰度分布的概率密度函数,求得变换函数:
其中u为自定义函数结果名,G为自定义函数名,z表示通过规定化后对应的值,z∈(0,+∞);w表示通过规定化后的值,w∈(0,z)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710890307.7A CN107730476A (zh) | 2017-09-27 | 2017-09-27 | 一种基于压缩感知的图像增强方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710890307.7A CN107730476A (zh) | 2017-09-27 | 2017-09-27 | 一种基于压缩感知的图像增强方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107730476A true CN107730476A (zh) | 2018-02-23 |
Family
ID=61208165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710890307.7A Pending CN107730476A (zh) | 2017-09-27 | 2017-09-27 | 一种基于压缩感知的图像增强方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107730476A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108259911A (zh) * | 2018-03-29 | 2018-07-06 | 苏州佳智彩光电科技有限公司 | 一种OLED屏Demura数据无损压缩、解压缩方法 |
CN110807751A (zh) * | 2019-10-31 | 2020-02-18 | 栗智 | 一种消除工业环境成像时光照影响的方法 |
CN111311582A (zh) * | 2020-02-20 | 2020-06-19 | 上海华力集成电路制造有限公司 | Opc数据采集方法 |
CN116823730A (zh) * | 2023-06-01 | 2023-09-29 | 上海嘉岩供应链管理股份有限公司 | 一种精密轴承套圈的检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101742313A (zh) * | 2009-12-10 | 2010-06-16 | 北京邮电大学 | 基于压缩感知技术的分布式信源编码的方法 |
CN102123278A (zh) * | 2010-12-10 | 2011-07-13 | 北京邮电大学 | 基于分布式压缩感知技术的信源编码的方法 |
CN102142133A (zh) * | 2011-04-19 | 2011-08-03 | 西安电子科技大学 | 基于非下采样Directionlet变换和压缩感知的乳腺X线图像增强方法 |
CN104680500A (zh) * | 2015-02-07 | 2015-06-03 | 江西科技学院 | 一种基于直方图均衡化的图像增强算法 |
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 |
-
2017
- 2017-09-27 CN CN201710890307.7A patent/CN107730476A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101742313A (zh) * | 2009-12-10 | 2010-06-16 | 北京邮电大学 | 基于压缩感知技术的分布式信源编码的方法 |
CN102123278A (zh) * | 2010-12-10 | 2011-07-13 | 北京邮电大学 | 基于分布式压缩感知技术的信源编码的方法 |
CN102142133A (zh) * | 2011-04-19 | 2011-08-03 | 西安电子科技大学 | 基于非下采样Directionlet变换和压缩感知的乳腺X线图像增强方法 |
CN104680500A (zh) * | 2015-02-07 | 2015-06-03 | 江西科技学院 | 一种基于直方图均衡化的图像增强算法 |
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 (2)
Title |
---|
李国伟编著: "《Photoshop CC中文版完全自学教程》", 31 October 2014, 中国青年出版社 * |
龚声蓉等编著: "《数字图像处理与分析 第2版》", 31 May 2014, 清华大学出版社 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108259911A (zh) * | 2018-03-29 | 2018-07-06 | 苏州佳智彩光电科技有限公司 | 一种OLED屏Demura数据无损压缩、解压缩方法 |
CN110807751A (zh) * | 2019-10-31 | 2020-02-18 | 栗智 | 一种消除工业环境成像时光照影响的方法 |
CN111311582A (zh) * | 2020-02-20 | 2020-06-19 | 上海华力集成电路制造有限公司 | Opc数据采集方法 |
CN116823730A (zh) * | 2023-06-01 | 2023-09-29 | 上海嘉岩供应链管理股份有限公司 | 一种精密轴承套圈的检测方法 |
CN116823730B (zh) * | 2023-06-01 | 2024-04-05 | 上海嘉岩供应链管理股份有限公司 | 一种精密轴承套圈的检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107730476A (zh) | 一种基于压缩感知的图像增强方法及装置 | |
CN109872285B (zh) | 一种基于变分约束的Retinex低照度彩色图像增强方法 | |
CN113313657B (zh) | 一种用于低光照图像增强的非监督学习方法和系统 | |
CN103606137B (zh) | 保持背景和细节信息的直方图均衡化方法 | |
CN109345547B (zh) | 基于深度学习多任务网络的交通车道线检测方法及装置 | |
CN107038416B (zh) | 一种基于二值图像改进型hog特征的行人检测方法 | |
CN109191392B (zh) | 一种语义分割驱动的图像超分辨率重构方法 | |
CN111105371B (zh) | 一种低对比度红外图像的增强方法 | |
CN117218029B (zh) | 基于神经网络的夜间暗光图像智能处理方法 | |
CN108829711B (zh) | 一种基于多特征融合的图像检索方法 | |
CN101615244A (zh) | 手写板坯号自动识别方法及识别装置 | |
CN116310882B (zh) | 基于高分辨率遥感影像的林业信息识别方法 | |
CN111223110B (zh) | 一种显微图像增强方法、装置及计算机设备 | |
CN106447020A (zh) | 一种智能菌落计数方法 | |
CN110717921B (zh) | 改进型编码解码结构的全卷积神经网络语义分割方法 | |
CN107909112A (zh) | 一种红外光强与偏振图像多类变元组合的融合方法 | |
CN107945122A (zh) | 基于自适应直方图分段的红外图像增强方法及系统 | |
CN115331119A (zh) | 一种固体废弃物识别方法 | |
CN112465842A (zh) | 基于U-net网络的多通道视网膜血管图像分割方法 | |
CN103996179B (zh) | 一种基于单尺度Retinex的快速实时图像增强方法 | |
CN105426847A (zh) | 低质量自然光虹膜图像非线性增强方法 | |
CN111027564A (zh) | 基于深度学习一体化的低照度成像车牌识别方法及装置 | |
CN112541566A (zh) | 一种基于重构损失的图像翻译方法 | |
CN114638764B (zh) | 基于人工智能的多曝光图像融合方法及系统 | |
CN116596891A (zh) | 基于半监督多任务检测的木地板颜色分类及缺陷检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180223 |