CN107895355A - 一种移动侦测和图像对比度自适应增强系统及其方法 - Google Patents
一种移动侦测和图像对比度自适应增强系统及其方法 Download PDFInfo
- Publication number
- CN107895355A CN107895355A CN201711240155.2A CN201711240155A CN107895355A CN 107895355 A CN107895355 A CN 107895355A CN 201711240155 A CN201711240155 A CN 201711240155A CN 107895355 A CN107895355 A CN 107895355A
- Authority
- CN
- China
- Prior art keywords
- image
- information
- block
- carried out
- characteristic
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 title claims abstract description 15
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 11
- 238000013507 mapping Methods 0.000 claims abstract description 29
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 230000011218 segmentation Effects 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000006835 compression Effects 0.000 claims description 6
- 238000007906 compression Methods 0.000 claims description 6
- 230000003628 erosive effect Effects 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims 1
- 238000005260 corrosion Methods 0.000 claims 1
- 230000007797 corrosion Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000000872 buffer Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000001028 reflection method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/215—Motion-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G06T2207/20004—Adaptive image processing
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种移动侦测和图像对比度自适应增强系统及其方法,本系统由像素信息分割模块、像素信息特征提取模块、像素特征帧级缓存模块、特征匹配与输出模块和曲线生成与映射模块组成。本方法利用时域中相邻时间节点内帧图像信息的相关性,对空域图像的亮度分量进行分割和运动特征提取,再对一段时间内提取的特征进行帧间匹配与比较,进而把图像分为运动物体和背景两部分,根据场景应用需求,对两部分分别赋予不同权重,统计图出像对比度分配信息,再经过对比度分析和映射曲线生成模块,实现根据不同场景和应用实时自适应地拉伸和压缩图像对比度,从而提升图像效果的目的,满足当前图像采集设备对于高帧率、高清晰度、高实时性日益增长的需求。
Description
技术领域
本发明属于视频处理领域,尤其是涉及一种移动侦测和图像对比度自适应增强系统及其方法。
背景技术
目前行业中对于图像对比度增强的主要方法为固定曲线映射法或单帧图像生成映射曲线的方法,上述固定曲线映射法对于图像不同场景的适应性有明显缺陷,容易造成有效信息被压缩的情况,而上述的单帧图像生成映射曲线的方法,由于缺乏对目标物体和背景的区分,往往容易把增强目标放在背景上,难以做到合理且有选择的图像增强。因此,研发一种基于FPGA平台的移动侦测和图像对比度自适应增强系统及其方法是个亟待解决的问题。
发明内容
有鉴于此,本发明旨在提出一种移动侦测和图像对比度自适应增强系统及其方法,本方法能够应用在不同场景,不同应用中来对图像进行实时的运动特征提取和分割,从而做到有效的增强运动物体和周边场景,使运动物体图像效果达到最优的目的。
为达到上述目的,本发明的技术方案是这样实现的:
一种基于FPGA平台的移动侦测和图像对比度自适应增强系统,包括像素信息分割模块、像素信息特征提取模块、像素特征帧级缓存模块、特征匹配与输出模块、曲线生成与映射模块。
进一步的,所述像素信息分割模块根据不同需求对图像进行分割并记录加权系数,加权系数与分割面积成正比;所述像素信息特征提取模块根据每个图像分割区域的灰度信息和面积信息,算出等效亮度值,并构建掩模内核,对不同模块图像进行二值化和腐蚀,去除噪声干扰,再通过不同方向的卷积操作求取图像上各物体的边界值,把运动图像进行降维度操作;所述像素特征帧级缓存模块对外部设定间隔的每一帧图像的分割块灰度及边界信息进行记录和缓存;所述特征匹配与输出模块利用缓存的各帧图像特征值,根据不同分割块进行时域匹配,根据信息变化规律确定图像各部分的类型是运动物体还是背景信息,并将结果缓存;所述曲线生成与映射模块根据缓存的图像运动特征匹配结果,判断对比度压缩和拉伸的灰度区间和拉伸强度,生成映射曲线,并将映射结果输出。
进一步的,一种基于FPGA平台的移动侦测和图像对比度自适应增强方法,具体过程如下:
假设源图像F及其前后间隔n帧的图像分别为F、F-n和F+n(n可根据场景应用需求设置,一般监控或交通应用推荐n=帧率,即每秒取1帧),采用流水线操作,以图像F为例;
1、对输入的视频流进行像素信息分割:图像分割为M*N块,放入RAM进行缓存,每块加权系数T(m,n)是相等的;
2、进行像素信息特征提取:每个图像块求出灰度均值,进行二值化后得出像块的二值化图像,再通过腐蚀算子对二值化图进行卷积,每点卷积的4个值取与操作,得出腐蚀化二值图,再根据scharr二维边界卷积算子:和对腐蚀化二值图进行卷积,提取边界信息,3个方向取最大值,得出当前帧m*n个像块的边界信息;
3、进行像素特征帧级缓存:把第二步提取到的特征信息进行缓存,形成特征信息流,再用第F贞的特征信息,与F-n和F+n的对应像块边界信息进行比对,
4、进行特征匹配与输出:比对的结果,若差值变化超过25%,则认为该像块图像处在变化中,为运动物体的一部分,反之则为背景,然后根据移动物体和背景的权重(监控和交通应用中建议比值为4:1),对每个像块的灰度值进行权重计算,求出运动物体和背景加权的图像灰度均值和运动像块标准差,标准差求取公式为:其中mf*nf为运动像块个数,F(x,y)为像块(x,y)的灰度值,GF为运动像块的平均灰度值(有面积加权);
5、进行曲线生成与映射:用预存的两条对比度映射曲线(拉伸和压缩)和一条1:1直线进行拟合,生成映射曲线,并将映射结果输出。
进一步的,拟合方式为:根据灰度均值确定对比度拉伸拐点位置,灰度均值越高,拉伸拐点越高,同时根据标准差确定两条曲线和直线的权重,标准差越大,拉伸曲线权重越高。
相对于现有技术,本发明所述的基于FPGA平台的移动侦测和图像对比度自适应增强系统及其方法具有以下优势:
(1)本系统包括像素信息分割模块、像素信息特征提取模块、像素特征帧级缓存模块、特征匹配与输出模块、曲线生成与映射模块,可应用于监控或智能交通领域,在提升图像质量的同时有效地降低了图像多帧缓存带来的存储资源消耗,对于实时图像的对比度优化具有很明显的效果。
(2)本方法基于传统的图像对比度增强算法进行改进,利用时域中相邻时间节点内帧图像信息的相关性,对空域图像的亮度分量进行分割和运动特征提取,再对一段时间内提取的特征进行帧间匹配与比较,进而把图像分为运动物体和背景两部分,根据场景应用需求,对两部分分别赋予不同权重,统计图出像对比度分配信息,再经过对比度分析和映射曲线生成模块,实现根据不同场景和应用实时自适应地拉伸和压缩图像对比度,从而有针对性地实现基于移动侦测的图像对比度自适应增强。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明的系统示意图。
图2-4为本发明实施例所述的曲线拟合过程示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面将参考附图并结合实施例来详细说明本发明。
如图1所示,一种基于FPGA平台的移动侦测和图像对比度自适应增强系统,包括像素信息分割模块、像素信息特征提取模块、像素特征帧级缓存模块、特征匹配与输出模块、曲线生成与映射模块。所述像素信息分割模块根据不同需求对图像进行分割并记录加权系数,加权系数与分割面积成正比;所述像素信息特征提取模块根据每个图像分割区域的灰度信息和面积信息,算出等效亮度值,并构建掩模内核,对不同模块图像进行二值化和腐蚀,去除噪声干扰,再通过不同方向的卷积操作求取图像上各物体的边界值,把运动图像进行降维度操作;所述像素特征帧级缓存模块对外部设定间隔的每一帧图像的分割块灰度及边界信息进行记录和缓存;所述特征匹配与输出模块利用缓存的各帧图像特征值,根据不同分割块进行时域匹配,根据信息变化规律确定图像各部分的类型是运动物体还是背景信息,并将结果缓存;所述曲线生成与映射模块根据缓存的图像运动特征匹配结果,判断对比度压缩和拉伸的灰度区间和拉伸强度,生成映射曲线,并将映射结果输出。
基于上述系统的方法,实现方式为:
假设源图像F及其前后间隔n帧的图像分别为F,F-n和F+n(n可根据场景应用需求设置,一般监控或交通应用推荐n=帧率,即每秒取1帧),采用流水线操作,以图像F为例。
假设源图像F及其前后间隔n帧的图像分别为F、F-n和F+n(n可根据场景应用需求设置,一般监控或交通应用推荐n=帧率,即每秒取1帧),采用流水线操作,以图像F为例;
1、对输入的视频流进行像素信息分割:图像分割为M*N块,放入RAM进行缓存,每块加权系数T(m,n)是相等的;
2、进行像素信息特征提取:每个图像块求出灰度均值,进行二值化后得出像块的二值化图像,再通过腐蚀算子对二值化图进行卷积,每点卷积的4个值取与操作,得出腐蚀化二值图,再根据scharr二维边界卷积算子:和对腐蚀化二值图进行卷积,提取边界信息,3个方向取最大值,得出当前帧m*n个像块的边界信息;
3、进行像素特征帧级缓存:把第二步提取到的特征信息进行缓存,形成特征信息流,再用第F贞的特征信息,与F-n和F+n的对应像块边界信息进行比对,
4、进行特征匹配与输出:比对的结果,若差值变化超过25%,则认为该像块图像处在变化中,为运动物体的一部分,反之则为背景,然后根据移动物体和背景的权重(监控和交通应用中建议比值为4:1),对每个像块的灰度值进行权重计算,求出运动物体和背景加权的图像灰度均值和运动像块标准差,标准差求取公式为:其中mf*nf为运动像块个数,F(x,y)为像块(x,y)的灰度值,GF为运动像块的平均灰度值(有面积加权);
5、进行曲线生成与映射:用预存的两条对比度映射曲线(拉伸和压缩)和一条1:1直线进行拟合,生成映射曲线,并将映射结果输出。拟合方式为:根据灰度均值确定对比度拉伸拐点位置,灰度均值越高,拉伸拐点越高,同时根据标准差确定两条曲线和直线的权重,标准差越大,拉伸曲线权重越高,曲线拟合过程如图2到4所示。
本方法采用流水线的方式,可以支持多帧的时域匹配,把输入的图像信息在特征提取模块进行降维度,有效减少了缓存数据量,降低了对于FPGA片外DDR缓存的依赖,同时,尽量做到简化卷积算子,使图像行缓存操作减少,降低对片内RAM资源的使用数量,基于对FPGA流水线处理实时性的优势和开方等复杂运算操作的局限性,将特征匹配与输出模块中的标准差计算公式简化为有效避免了运算资源的而消耗,提升了视频处理速度,满足当前图像采集设备对于高帧率、高清晰度、高实时性日益增长的需求。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种移动侦测和图像对比度自适应增强系统,其特征在于:包括像素信息分割模块、像素信息特征提取模块、像素特征帧级缓存模块、特征匹配与输出模块、曲线生成与映射模块。
2.根据权利要求1所述的一种移动侦测和图像对比度自适应增强系统,其特征在于:所述像素信息分割模块根据不同需求对图像进行分割并记录加权系数,加权系数与分割面积成正比;所述像素信息特征提取模块根据每个图像分割区域的灰度信息和面积信息,算出等效亮度值,并构建掩模内核,对不同模块图像进行二值化和腐蚀,去除噪声干扰,再通过不同方向的卷积操作求取图像上各物体的边界值,把运动图像进行降维度操作;所述像素特征帧级缓存模块对外部设定间隔的每一帧图像的分割块灰度及边界信息进行记录和缓存;所述特征匹配与输出模块利用缓存的各帧图像特征值,根据不同分割块进行时域匹配,根据信息变化规律确定图像各部分的类型是运动物体还是背景信息,并将结果缓存;所述曲线生成与映射模块根据缓存的图像运动特征匹配结果,判断对比度压缩和拉伸的灰度区间和拉伸强度,生成映射曲线,并将映射结果输出。
3.用于权利要求1或2所述的移动侦测和图像对比度自适应增强方法,其特征在于,具体过程如下:
假设源图像F及其前后间隔n帧的图像分别为F、F-n和F+n(n可根据场景应用需求设置,一般监控或交通应用推荐n=帧率,即每秒取1帧),采用流水线操作,以图像F为例;
1)对输入的视频流进行像素信息分割:图像分割为M*N块,放入RAM进行缓存,每块加权系数T(m,n)是相等的;
2)进行像素信息特征提取:每个图像块求出灰度均值,进行二值化后得出像块的二值化图像,再通过腐蚀算子对二值化图进行卷积,每点卷积的4个值取与操作,得出腐蚀化二值图,再根据scharr二维边界卷积算子:和对腐蚀化二值图进行卷积,提取边界信息,3个方向取最大值,得出当前帧m*n个像块的边界信息;
3)进行像素特征帧级缓存:把第二步提取到的特征信息进行缓存,形成特征信息流,再用第F贞的特征信息,与F-n和F+n的对应像块边界信息进行比对,
4)进行特征匹配与输出:比对的结果,若差值变化超过25%,则认为该像块图像处在变化中,为运动物体的一部分,反之则为背景,然后根据移动物体和背景的权重(监控和交通应用中建议比值为4:1),对每个像块的灰度值进行权重计算,求出运动物体和背景加权的图像灰度均值和运动像块标准差,标准差求取公式为:其中mf*nf为运动像块个数,F(x,y)为像块(x,y)的灰度值,GF为运动像块的平均灰度值(有面积加权);
5)进行曲线生成与映射:用预存的两条对比度映射曲线(拉伸和压缩)和一条1:1直线进行拟合,生成映射曲线,并将映射结果输出。
4.根据权利要求3所述的一种移动侦测和图像对比度自适应增强方法,其特征在于:在步骤五中,拟合方式为:根据灰度均值确定对比度拉伸拐点位置,灰度均值越高,拉伸拐点越高,同时根据标准差确定两条曲线和直线的权重,标准差越大,拉伸曲线权重越高。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711240155.2A CN107895355B (zh) | 2017-11-30 | 2017-11-30 | 一种移动侦测和图像对比度自适应增强系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711240155.2A CN107895355B (zh) | 2017-11-30 | 2017-11-30 | 一种移动侦测和图像对比度自适应增强系统及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107895355A true CN107895355A (zh) | 2018-04-10 |
CN107895355B CN107895355B (zh) | 2021-08-20 |
Family
ID=61807069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711240155.2A Active CN107895355B (zh) | 2017-11-30 | 2017-11-30 | 一种移动侦测和图像对比度自适应增强系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107895355B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020000538A1 (zh) * | 2018-06-29 | 2020-01-02 | 深圳市华星光电技术有限公司 | 一种增强对比度的装置及显示器 |
CN116801047A (zh) * | 2023-08-17 | 2023-09-22 | 深圳市艾科维达科技有限公司 | 基于权重归一化的机顶盒图像处理模块及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289668A (zh) * | 2011-09-07 | 2011-12-21 | 谭洪舟 | 基于像素邻域特征的自适应文字图像的二值化处理方法 |
CN105608676A (zh) * | 2015-12-23 | 2016-05-25 | 浙江宇视科技有限公司 | 一种视频图像的增强方法及装置 |
CN106454014A (zh) * | 2016-11-04 | 2017-02-22 | 安徽超远信息技术有限公司 | 一种提高逆光场景车辆抓拍图像质量的方法及装置 |
US20170083762A1 (en) * | 2015-06-22 | 2017-03-23 | Photomyne Ltd. | System and Method for Detecting Objects in an Image |
CN106952283A (zh) * | 2017-03-23 | 2017-07-14 | 广东省农业科学院农业资源与环境研究所 | 图像分割方法及装置 |
CN107403413A (zh) * | 2017-04-14 | 2017-11-28 | 杭州当虹科技有限公司 | 一种视频多帧去噪及增强方法 |
-
2017
- 2017-11-30 CN CN201711240155.2A patent/CN107895355B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289668A (zh) * | 2011-09-07 | 2011-12-21 | 谭洪舟 | 基于像素邻域特征的自适应文字图像的二值化处理方法 |
US20170083762A1 (en) * | 2015-06-22 | 2017-03-23 | Photomyne Ltd. | System and Method for Detecting Objects in an Image |
CN105608676A (zh) * | 2015-12-23 | 2016-05-25 | 浙江宇视科技有限公司 | 一种视频图像的增强方法及装置 |
CN106454014A (zh) * | 2016-11-04 | 2017-02-22 | 安徽超远信息技术有限公司 | 一种提高逆光场景车辆抓拍图像质量的方法及装置 |
CN106952283A (zh) * | 2017-03-23 | 2017-07-14 | 广东省农业科学院农业资源与环境研究所 | 图像分割方法及装置 |
CN107403413A (zh) * | 2017-04-14 | 2017-11-28 | 杭州当虹科技有限公司 | 一种视频多帧去噪及增强方法 |
Non-Patent Citations (2)
Title |
---|
LALIT MAURYA 等: ""A social spider optimized image fusion approach for contrast enhancement and brightness preservation"", 《APPLIED SOFT COMPUTING》 * |
李艳梅: ""图像增强的相关技术及应用研究"", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020000538A1 (zh) * | 2018-06-29 | 2020-01-02 | 深圳市华星光电技术有限公司 | 一种增强对比度的装置及显示器 |
CN116801047A (zh) * | 2023-08-17 | 2023-09-22 | 深圳市艾科维达科技有限公司 | 基于权重归一化的机顶盒图像处理模块及方法 |
CN116801047B (zh) * | 2023-08-17 | 2024-02-13 | 深圳市艾科维达科技有限公司 | 基于权重归一化的机顶盒图像处理模块及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107895355B (zh) | 2021-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921800B (zh) | 基于形状自适应搜索窗口的非局部均值去噪方法 | |
CN105225210B (zh) | 一种基于暗通道的自适应直方图增强去雾方法 | |
CN101262559B (zh) | 一种序列图像噪声消除的方法及装置 | |
CN103440630A (zh) | 基于引导滤波器的大动态范围红外图像显示与细节增强方法 | |
RU2009127749A (ru) | Сжатие и снятие сжатия изображения | |
KR20090101910A (ko) | 디지털 비디오 콘텐츠에서 밴딩 아티팩트 검출 | |
US20190164259A1 (en) | Method and apparatus for removing turbid objects in an image | |
CN109429051B (zh) | 基于多视图特征学习的无参考立体视频质量客观评价方法 | |
CN106875358A (zh) | 基于Bayer格式的图像增强方法及图像增强装置 | |
CN102752483A (zh) | 基于fpga平台的滤波降噪系统及滤波降噪方法 | |
CN111340717A (zh) | 一种用于非制冷红外热像仪的图像预处理装置 | |
CN105427255A (zh) | 一种基于grhp的无人机红外图像细节增强方法 | |
CN107895355A (zh) | 一种移动侦测和图像对比度自适应增强系统及其方法 | |
CN117252773A (zh) | 基于自适应颜色校正和导向滤波的图像增强方法及系统 | |
Maragatham et al. | Contrast enhancement by object based histogram equalization | |
CN111161177A (zh) | 图像自适应降噪方法和装置 | |
CN109410134A (zh) | 一种基于图像块分类的自适应去噪方法 | |
Ahmed et al. | Contrast-distorted image quality assessment based on curvelet domain features | |
CN114881883A (zh) | 一种红外图像多维降噪方法、存储介质及装置 | |
Chandana et al. | An optimal image dehazing technique using dark channel prior | |
Huang et al. | Low illumination color image enhancement based on dynamic bistable stochastic resonance | |
CN114565543A (zh) | 一种基于uv直方图特征的视频色彩增强方法及系统 | |
CN109300086B (zh) | 基于清晰度的图像分块方法 | |
Shi et al. | An improved method of removing fog and haze effect from images | |
CN110647843A (zh) | 一种人脸面部图像处理方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210901 Address after: No.8, Haitai Huake 2nd Road, Huayuan Industrial Zone, Binhai New Area, Tianjin, 300450 Patentee after: TIANDY TECHNOLOGIES Co.,Ltd. Address before: Room a220, complex building, No.8, Haitai Huake 2nd Road, Huayuan Industrial Zone, Binhai New Area, Tianjin, 300384 Patentee before: TIANJIN TIANDI JIYE TECHNOLOGY Co.,Ltd. |
|
TR01 | Transfer of patent right |