CN108447072A - 一种晶体颗粒的图像分割方法及系统 - Google Patents
一种晶体颗粒的图像分割方法及系统 Download PDFInfo
- Publication number
- CN108447072A CN108447072A CN201810110879.3A CN201810110879A CN108447072A CN 108447072 A CN108447072 A CN 108447072A CN 201810110879 A CN201810110879 A CN 201810110879A CN 108447072 A CN108447072 A CN 108447072A
- Authority
- CN
- China
- Prior art keywords
- image
- crystal grain
- threshold
- gray value
- particle
- 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
- 239000013078 crystal Substances 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000005192 partition Methods 0.000 title claims abstract description 14
- 230000011218 segmentation Effects 0.000 claims abstract description 21
- 239000002245 particle Substances 0.000 claims abstract description 18
- 238000002425 crystallisation Methods 0.000 claims abstract description 9
- 230000008025 crystallization Effects 0.000 claims abstract description 9
- 230000006835 compression Effects 0.000 claims description 12
- 238000007906 compression Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 239000000243 solution Substances 0.000 claims description 10
- PXEDJBXQKAGXNJ-QTNFYWBSSA-L disodium L-glutamate Chemical compound [Na+].[Na+].[O-]C(=O)[C@@H](N)CCC([O-])=O PXEDJBXQKAGXNJ-QTNFYWBSSA-L 0.000 claims description 7
- 235000013923 monosodium glutamate Nutrition 0.000 claims description 7
- 229940073490 sodium glutamate Drugs 0.000 claims description 7
- 239000011521 glass Substances 0.000 claims description 6
- 238000003709 image segmentation Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 238000003760 magnetic stirring Methods 0.000 claims description 3
- 238000003756 stirring Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims description 2
- 239000012047 saturated solution Substances 0.000 claims description 2
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims 2
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 claims 1
- 229910021529 ammonia Inorganic materials 0.000 claims 1
- 238000009499 grossing Methods 0.000 claims 1
- 239000007788 liquid Substances 0.000 claims 1
- 230000000717 retained effect Effects 0.000 claims 1
- 229910052708 sodium Inorganic materials 0.000 claims 1
- 239000011734 sodium Substances 0.000 claims 1
- 239000000284 extract Substances 0.000 abstract 1
- 238000000605 extraction Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000008187 granular material Substances 0.000 description 2
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 1
- WHUUTDBJXJRKMK-UHFFFAOYSA-N Glutamic acid Natural products OC(=O)C(N)CCC(O)=O WHUUTDBJXJRKMK-UHFFFAOYSA-N 0.000 description 1
- 235000011941 Tilia x europaea Nutrition 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002050 diffraction method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 235000013922 glutamic acid Nutrition 0.000 description 1
- 239000004220 glutamic acid Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004571 lime Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000007704 transition Effects 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种晶体颗粒的图像分割方法及系统,针对晶体颗粒由于同时存在透射光导致的灰暗部分和反射光导致的光亮部分两种特征的分割问题,同时可解决背景光线不均衡导致的分割准确度低的问题。本发明首先利用图像采集系统得到实施晶体颗粒图像,并利用形态学运算组合对图像背景进行均衡,之后发明两步法Otsu双阈值分割算法对颗粒的两种特征进行提取,最后利用形态学算法对颗粒中的两部分连接合并。本发明可适用于多种不均衡背景光线下的晶体颗粒提取,并可以增加图像中晶体颗粒的击中率,对后续结晶控制或晶体特征研究提供准确数据。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种晶体颗粒的图像分割方法及系统。
背景技术
在化学试剂制备和生物制药领域,常常需要通过结晶过程获得最终的产品。结晶产品的好坏直接影响到产品的效用和下游的运输难度。一批优质的晶体颗粒尺寸应尽量较大,且同一批次的粒径大小较为均衡。为控制和结晶过程和检测晶体产品的质量,需要获得晶体的形状和粒径分布等信息。目前检测晶体粒度分布的方式包括光衍射法、光散射法、图像识别等方式。相比其他方式,图像识别的设备成本低廉,数据信息量大。
利用机器视觉的方式获取结晶皿中的晶体颗粒信息时,图像会出现以下几个问题:
第一、由于结晶皿中每个时刻每处晶体密度并不均衡,造成背景光线分布不均衡,获得的图片有明有暗。
第二、晶体颗粒由于透明的特性,表现在图像中会出现部分过亮部分过暗,中间的过渡部分与背景光相差不大,一般的图像分割技术较难实现颗粒的完整分割。
发明内容
为了解决现有技术的不足,本发明提供了一种晶体颗粒的图像分割方法及系统,其能够有效分割结晶皿中晶体颗粒,方便晶体颗粒的后续研究。
一种晶体颗粒的图像分割方法,包括:
步骤(1):采集溶液中晶体的图像;
步骤(2):对采集的图像进行预处理;
步骤(3):通过Otsu算法对预处理后的图像进行自适应双阈值图像分割;
步骤(4):利用数学形态学算法进行颗粒的连接和孔洞的填充。
所述步骤(1)中的溶液是指在3*3*6mm玻璃结晶皿中配置的谷氨酸钠饱和溶液,在溶液中加入设定质量的谷氨酸钠晶体颗粒,利用磁力搅拌器将晶体颗粒搅拌使其在溶液中均匀分布;采用工业相机作为平行结晶仪中的图像采集装置,对玻璃结晶皿进行高速拍照,获得1280*960像素的彩色图像,将采集的彩色图像传输到计算机终端。
所述步骤(2)的预处理过程,包括:图像灰度化、基于小波变换的图像压缩、背景光均衡和线性目标锐化。
所述图像灰度化,是指:运用NTSC彩色空间,对彩色图像进行加权平均获得灰度图像;
所述基于小波变换的图像压缩,是指:采用二维离散小波变换,对灰度图像进行压缩。
所述背景光均衡,是指:利用数学形态学的算法对压缩图像进行处理:
(21)去除图像亮部细节:利用数学形态学的结构元B对压缩图像F进行开运算操作,去除图像中的亮部细节,保留图像背景的灰度值和暗部细节不变;
(22)再利用结构元B对步骤(21)得到的图像进行闭运算操作,去除图像中的暗部细节,留存图像背景灰度值,得到背景图像FN;将得到背景图像FN作为提取出的不均衡的背景;
所述线性目标锐化,是指利用背景图像FN对压缩图像F进行光照补偿,再对目标像素点进行补偿,得到补偿后的图像Fout;补偿公式如下:
其中,b为补偿系数,u是压缩图像F的平均灰度值。
所述步骤(3)中:
针对补偿图像Fout,先将灰度值高于平均灰度值的像素用平均灰度值代替,得到第一代替图像,将得到的第一代替图像利用Otsu算法进行阈值分割,获得第一个二值化分割阈值点,将第一个二值化分割阈值点作为针对补偿图像Fout双阈值分割中的低阈值;
针对补偿图像Fout,将灰度值低于平均灰度值的像素用平均灰度值代替,得到第二代替图像,将得到的第二代替图像利用Otsu算法进行阈值分割,获得第二个二值化分割阈值点,将第二个二值化分割阈值点作为针对补偿图像Fout双阈值分割中的高阈值,
将低阈值和高阈值之间的像素作为图像背景,其余部分作为图像前景。
所述步骤(4)中:
针对每一个谷氨酸钠颗粒,计算任意两个相邻连通域的边界之间的直线距离,选择最大的直线距离,根据最大的直线距离选择第一结构元,选择第一结构元的标准是第一结构元能连通所属每一个颗粒的任意两个相邻的连通域,利用第一结构元做数学形态学闭运算,从而实现同一个颗粒所有的相邻两个连通域之间的连接;
针对图像前景中面积小于设定阈值的连通域,视为噪点,选择第二结构元,所述第二结构元能够完全覆盖噪点,利用第二结构元做数学形态学开运算,从而实现噪点的平滑处理;
最后利用数学形态学重建的方法对颗粒进行孔洞填充。
一种晶体颗粒的图像分割系统,包括:
存储器、处理器以及存储在存储器上,并在处理器上运行的计算机程序,所述计算机程序被处理器运行时,完成上述方法所述的步骤。
一种计算机可读存储介质,其上存储有计算机指令,所述计算机指令被处理器运行时,完成上述方法所述的步骤。
与现有技术相比,本发明的有益效果是:
采用本文的预处理手段,可以保证不均衡的背景光强灰度值保持在稳定的灰度范围之间,可为双阈值分割创造有利条件;
采用两步法Otsu双阈值分割,可以加快自适应双阈值的计算过程,更好地满足算法实时性要求的同时有效分辨高于背景灰度值和低于背景灰度值的两种晶粒形态。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1是根据本发明的实时结晶过程中的晶体颗粒分割方法流程图;
图2是根据本发明的图像采集系统框图;
图3(a)和图3(b)是根据本发明的谷氨酸晶体采集原始图像与预处理结果对比示意图;
图4(a)和图4(b)是根据本发明的局部晶体颗粒原始图像与阈值分割后的对比示意图;
图5是根据本发明的形态学连接填充后的得到的局部示意图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
如图1所示,根据本发明具体实施方式的实时结晶过程中晶体颗粒分割方法,包括以下步骤:
步骤1:图像采集:利用图像采集系统对晶体图像拍摄照片并传入工控机中,具体实施方式如图2系统框图所示。采集过程为:在3*3*6mm的玻璃结晶皿中,配置谷氨酸钠饱和溶液,在溶液中加入少量谷氨酸钠晶体颗粒,利用磁力搅拌器将晶体颗粒搅拌使其在溶液中均匀分布。采用工业相机作为平行结晶仪中的图像采集装置,对玻璃结晶皿进行高速拍照,获得1280*960像素的彩色图片,并通过千兆网端口将图片传输到工控机端。通过利用本发明中的分割算法对图像进行实时分析,在显示屏中显示每个结晶皿中分割后的图片效果。
步骤2:预处理过程包括灰度化、压缩图像、背景光均衡,目标锐化。预处理结果如
图3(a)和图3(b)所示。
步骤2.1灰度化:运用NTSC彩色空间,对彩色图像进行加权平均获得灰度图像。
步骤2.2压缩图像:采用二维离散小波变换,对灰度图像进行压缩。
步骤2.3背景光均衡:利用数学形态学的算法,做以下处理:
(201)去除图像亮部细节:利用数学形态学的结构元B对压缩图像F进行开操作,去除图像中的亮部细节,保留图像背景的灰度值和暗部细节不变。
(202)再利用结构元B对步骤(201)得到的图像进行闭操作,去除图像中的暗部细节,留存图像背景灰度值,得到背景图像FN;将得到背景图像FN作为提取出的不均衡的背景;
步骤2.4目标锐化:先利用背景图像FN对压缩图像F行光照补偿,再对目标像素点进行补偿,得到补偿后的图像Fout;补偿公式如下:
其中,b为补偿系数,u是压缩图像F的平均灰度值。
步骤3图像分割:利用两步法Otsu的双阈值分割算法:
先将灰度值高于平均灰度值的像素用平均灰度值代替,利用Otsu阈值分割得到低阈值t1;
再将灰度值低于平均灰度值的像素用平均灰度值代替,利用Otsu阈值分割得到高阈值t2,
两阈值之间的像素为背景(像素值为0),其余部分为前景(像素值为1)。
经过该步骤处理后分割得到的局部颗粒与原图的对比示意图如图4(a)和图4(b)所示。算法伪代码如下:
步骤4颗粒的连接填充:先进行形态学闭运算,将两部分连接在一起,再利用形态学重建的方式,填充孔洞。最终得到的局部颗粒二值化图像如图5所示。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种晶体颗粒的图像分割方法,其特征是,包括:
步骤(1):采集溶液中晶体的图像;
步骤(2):对采集的图像进行预处理;
步骤(3):通过Otsu算法对预处理后的图像进行自适应双阈值图像分割;
步骤(4):利用数学形态学算法进行颗粒的连接和孔洞的填充。
2.如权利要求1所述的一种晶体颗粒的图像分割方法,其特征是,所述步骤(1)中的溶液是指在3*3*6mm玻璃结晶皿中配置的谷氨酸钠饱和溶液,在溶液中加入设定质量的谷氨酸钠晶体颗粒,利用磁力搅拌器将晶体颗粒搅拌使其在溶液中均匀分布;采用工业相机作为平行结晶仪中的图像采集装置,对玻璃结晶皿进行高速拍照,获得1280*960像素的彩色图像,将采集的彩色图像传输到计算机终端。
3.如权利要求1所述的一种晶体颗粒的图像分割方法,其特征是,所述步骤(2)的预处理过程,包括:图像灰度化、基于小波变换的图像压缩、背景光均衡和线性目标锐化。
4.如权利要求3所述的一种晶体颗粒的图像分割方法,其特征是,所述图像灰度化,是指:运用NTSC彩色空间,对彩色图像进行加权平均获得灰度图像;所述基于小波变换的图像压缩,是指:采用二维离散小波变换,对灰度图像进行压缩。
5.如权利要求3所述的一种晶体颗粒的图像分割方法,其特征是,所述背景光均衡,是指:利用数学形态学的算法对压缩图像进行处理:
(21)去除图像亮部细节:利用数学形态学的结构元B对压缩图像F进行开运算操作,去除图像中的亮部细节,保留图像背景的灰度值和暗部细节不变;
(22)再利用结构元B对步骤(21)得到的图像进行闭运算操作,去除图像中的暗部细节,留存图像背景灰度值,得到背景图像FN。
6.如权利要求3所述的一种晶体颗粒的图像分割方法,其特征是,
所述线性目标锐化,是指利用背景图像FN对压缩图像F进行光照补偿,再对目标像素点进行补偿,得到补偿图像Fout。
7.如权利要求1所述的一种晶体颗粒的图像分割方法,其特征是,所述步骤(3)中:
针对补偿图像Fout,先将灰度值高于平均灰度值的像素用平均灰度值代替,得到第一代替图像,将得到的第一代替图像利用Otsu算法进行阈值分割,获得第一个二值化分割阈值点,将第一个二值化分割阈值点作为针对补偿图像Fout双阈值分割中的低阈值;
针对补偿图像Fout,将灰度值低于平均灰度值的像素用平均灰度值代替,得到第二代替图像,将得到的第二代替图像利用Otsu算法进行阈值分割,获得第二个二值化分割阈值点,将第二个二值化分割阈值点作为针对补偿图像Fout双阈值分割中的高阈值,
将低阈值和高阈值之间的像素作为图像背景,其余部分作为图像前景。
8.如权利要求1所述的一种晶体颗粒的图像分割方法,其特征是,所述步骤(4)中:
针对每一个谷氨酸钠颗粒,计算任意两个相邻连通域的边界之间的直线距离,选择最大的直线距离,根据最大的直线距离选择第一结构元,选择第一结构元的标准是第一结构元能连通所属每一个颗粒的任意两个相邻的连通域,利用第一结构元做数学形态学闭运算,从而实现同一个颗粒所有的相邻两个连通域之间的连接;
针对图像前景中面积小于设定阈值的连通域,视为噪点,选择第二结构元,所述第二结构元能够完全覆盖噪点,利用第二结构元做数学形态学开运算,从而实现噪点的平滑处理;
最后利用数学形态学重建的方法对颗粒进行孔洞填充。
9.一种晶体颗粒的图像分割系统,其特征是,包括:
存储器、处理器以及存储在存储器上,并在处理器上运行的计算机程序,所述计算机程序被处理器运行时,完成上述权利要求1-8任一所述方法的步骤。
10.一种计算机可读存储介质,其特征是,其上存储有计算机指令,所述计算机指令被处理器运行时,完成上述权利要求1-8任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810110879.3A CN108447072B (zh) | 2018-02-05 | 2018-02-05 | 一种晶体颗粒的图像分割方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810110879.3A CN108447072B (zh) | 2018-02-05 | 2018-02-05 | 一种晶体颗粒的图像分割方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108447072A true CN108447072A (zh) | 2018-08-24 |
CN108447072B CN108447072B (zh) | 2020-03-20 |
Family
ID=63191623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810110879.3A Active CN108447072B (zh) | 2018-02-05 | 2018-02-05 | 一种晶体颗粒的图像分割方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108447072B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109389614A (zh) * | 2018-10-24 | 2019-02-26 | 山东大学 | 一种快速光学成像数据分割方法 |
JP2020122894A (ja) * | 2019-01-31 | 2020-08-13 | 日本精工株式会社 | マニピュレーションシステム |
CN111681244A (zh) * | 2020-05-29 | 2020-09-18 | 山东大学 | 叶片图像分割方法、系统、设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105931225A (zh) * | 2016-04-14 | 2016-09-07 | 大连理工大学 | 一种基于实时图像检测技术分析晶体生长形状和尺寸分布的方法 |
-
2018
- 2018-02-05 CN CN201810110879.3A patent/CN108447072B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105931225A (zh) * | 2016-04-14 | 2016-09-07 | 大连理工大学 | 一种基于实时图像检测技术分析晶体生长形状和尺寸分布的方法 |
Non-Patent Citations (2)
Title |
---|
DE ANDA J C: "Multi-scale segmentation image analysis for the in-process monitoring of particle shape with batch crystallisers", 《CHEMICAL ENGINEERING SCIENCE》 * |
刘伟: "针状晶体图像目标识别方法", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109389614A (zh) * | 2018-10-24 | 2019-02-26 | 山东大学 | 一种快速光学成像数据分割方法 |
JP2020122894A (ja) * | 2019-01-31 | 2020-08-13 | 日本精工株式会社 | マニピュレーションシステム |
JP7188140B2 (ja) | 2019-01-31 | 2022-12-13 | 日本精工株式会社 | マニピュレーションシステム |
CN111681244A (zh) * | 2020-05-29 | 2020-09-18 | 山东大学 | 叶片图像分割方法、系统、设备及存储介质 |
CN111681244B (zh) * | 2020-05-29 | 2022-06-21 | 山东大学 | 叶片图像分割方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108447072B (zh) | 2020-03-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102319177B1 (ko) | 이미지 내의 객체 자세를 결정하는 방법 및 장치, 장비, 및 저장 매체 | |
CN109165697B (zh) | 一种基于注意力机制卷积神经网络的自然场景文字检测方法 | |
CN111539273B (zh) | 一种交通视频背景建模方法及系统 | |
CN102905058B (zh) | 产生去除了重影模糊的高动态范围图像的设备和方法 | |
CN111275696B (zh) | 一种医学图像处理的方法、图像处理的方法及装置 | |
CN103914813B (zh) | 彩色雾霾图像去雾与光照补偿的复原方法 | |
CN107507173A (zh) | 一种全切片图像的无参考清晰度评估方法及系统 | |
CN110490194A (zh) | 一种自适应权值的多特征分块融合交通标志的识别方法 | |
Ju et al. | BDPK: Bayesian dehazing using prior knowledge | |
CN108447072A (zh) | 一种晶体颗粒的图像分割方法及系统 | |
CN107240084A (zh) | 一种单幅图像去雨方法及装置 | |
CN110827312A (zh) | 一种基于协同视觉注意力神经网络的学习方法 | |
CN117173158B (zh) | 一种精密连接器质量智能检测方法及系统 | |
CN106657948A (zh) | 低照度Bayer图像的增强方法及增强装置 | |
CN110532959A (zh) | 基于双通道三维卷积神经网络的实时暴力行为检测系统 | |
CN108932449A (zh) | 一种基于聚类的条码二值化方法及系统 | |
CN115482523A (zh) | 轻量级多尺度注意力机制的小物体目标检测方法及系统 | |
CN108491857A (zh) | 一种视域重叠的多摄像机目标匹配方法 | |
Zheng et al. | Overwater image dehazing via cycle-consistent generative adversarial network | |
CN102156968B (zh) | 一种基于颜色立方先验的单一图像能见度复原方法 | |
CN113128411A (zh) | 跨域抓取识别方法、装置、电子设备及存储介质 | |
Li | (Retracted) Infrared image filtering and enhancement processing method based upon image processing technology | |
CN116500052A (zh) | 一种食用油杂质视觉检测系统及其使用方法 | |
CN110298824A (zh) | 基于彩色图像和卷积神经网络技术的鱿鱼自动分类方法 | |
Liu et al. | Attention-guided lightweight generative adversarial network for low-light image enhancement in maritime video surveillance |
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 |