CN110298805B - 一种多光谱图像的去噪和滤波方法及装置 - Google Patents
一种多光谱图像的去噪和滤波方法及装置 Download PDFInfo
- Publication number
- CN110298805B CN110298805B CN201910596659.0A CN201910596659A CN110298805B CN 110298805 B CN110298805 B CN 110298805B CN 201910596659 A CN201910596659 A CN 201910596659A CN 110298805 B CN110298805 B CN 110298805B
- Authority
- CN
- China
- Prior art keywords
- pixel
- filtering
- filtered
- value
- region
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000009421 internal insulation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请提供了一种多光谱图像的去噪和滤波方法及装置,其中,所述方法包括:确定待滤波像素的导向区域;计算所述导向区域的导向值;利用像素差值,计算所述待滤波像素的滤波算子;根据所述滤波算子,对所述待滤波像素进行第一重滤波,得到一次滤波像素;计算所述一次滤波像素与所述待滤波像素的像素残差值;如果所述像素残差值大于预设残差值阈值,则对所述一次滤波像素按照上述步骤再次滤波,直至所述像素残差值小于预设残差值阈值。本申请所提供的一种多光谱图像的去噪和滤波方法及装置,能够有效去除多光谱图像中的噪声,令多光谱图像更加清晰,进而令变压器的检查更加准确。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种一种多光谱图像的去噪和滤波方法及装置。
背景技术
变压器漏油不仅导致内部绝缘系统破坏,降低变压器的绝缘强度,还可能导致变压器的电力故障。使用多光谱对变压器进行拍摄获取多光谱图像,能够通过该多光谱图像及时、有效、方便地发现变压器油液渗漏的问题,提高设备的运维质量。
但是,由于变压器的使用环境复杂,导致拍摄所得的多光谱图像往往存在许多的噪声,严重干扰对变压器漏油情况的分析,因此,使用有效的方法对多光谱图像进行去噪和滤波具有重要地意义。
发明内容
本申请提供了一种多光谱图像的去噪和滤波方法及装置,以解决现有多光谱图像不清晰的问题。
第一方面,本申请提供了一种多光谱图像的去噪和滤波方法,包括:
确定待滤波像素的导向区域,所述导向区域为所述待滤波像素对应的待滤波区域,及围绕所述待滤波区域在内的8个相邻区域中像素变化幅度最小的区域;
计算所述导向区域的导向值,所述导向值为所述待滤波区域及8个所述相邻区域所对应像素值的平均值;
利用像素差值,计算所述待滤波像素的滤波算子,所述像素差值为所述待滤波像素及相邻像素与所述导向值的差值,其中,所述相邻像素为相邻区域所对应的像素;
根据所述滤波算子,对所述待滤波像素进行第一重滤波,得到一次滤波像素;
计算所述一次滤波像素与所述待滤波像素的像素残差值;
如果所述像素残差值大于预设残差值阈值,则对所述一次滤波像素按照上述步骤再次滤波,直至所述像素残差值小于预设残差值阈值。
可选地,所述确定待滤波像素的导向区域包括:
分别计算待滤波区域及8个所述相邻区域的平坦度;
确定导向区域,所述导向区域为最小平坦度对应的区域。
可选地,所述分别计算待滤波区域及8个相邻区域的平坦度包括:
采用水平、垂直、45°和135°四个算子,分别计算当前区域在四个方向上的梯度;
计算四个梯度的平均值,得到平坦度。
可选地,所述利用像素差值,计算待滤波像素的滤波算子包括:
分别计算所述待滤波区域的像素、8个所述相邻区域的像素与所述导向值的差值;
计算各差值绝对值的倒数,得到处理后差值;
计算各处理后差值与全部处理后差值总和的比值,得到滤波算子参数;
根据各所述滤波算子参数,生成滤波算子。
第二方面,本申请提供了一种多光谱图像的去噪和滤波装置,包括:
导向区域确定单元,用于确定待滤波像素的导向区域,所述导向区域为所述待滤波像素对应的待滤波区域,及围绕所述待滤波区域在内的8个相邻区域中像素变化幅度最小的区域;
导向值计算单元,用于计算所述导向区域的导向值,所述导向值为所述待滤波区域及8个所述相邻区域所对应像素值的平均值;
滤波算子计算单元,用于利用像素差值,计算所述待滤波像素的滤波算子,所述像素差值为所述待滤波像素及相邻像素与所述导向值的差值,其中,所述相邻像素为相邻区域所对应的像素;
第一重滤波单元,用于根据所述滤波算子,对所述待滤波像素进行第一重滤波,得到一次滤波像素;
像素残差值计算单元,用于计算所述一次滤波像素与所述待滤波像素的像素残差值;
二次滤波单元,用于如果所述像素残差值大于预设残差值阈值,则对所述一次滤波像素按照上述步骤再次滤波,直至所述像素残差值小于预设残差值阈值。
可选地,所述导向区域确定单元包括:
平坦度计算单元,用于分别计算待滤波区域及8个所述相邻区域的平坦度;
最小平坦度区域确定单元,用于确定导向区域,所述导向区域为最小平坦度对应的区域。
可选地,所述平坦度计算单元包括:
梯度计算单元,用于采用水平、垂直、45°和135°四个算子,分别计算当前区域在四个方向上的梯度;
平坦度确定单元,用于计算四个梯度的平均值,得到平坦度。
可选地,所述滤波算子计算单元包括:
差值计算单元,用于分别计算所述待滤波区域的像素、8个所述相邻区域的像素与所述导向值的差值;
处理后差值计算单元,用于计算各差值绝对值的倒数,得到处理后差值;
滤波算子参数计算单元,用于计算各处理后差值与全部处理后差值总和的比值,得到滤波算子参数;
滤波算子生成单元,用于根据各所述滤波算子参数,生成滤波算子。
由以上技术可知,本申请提供了一种多光谱图像的去噪和滤波方法及装置,其中,所述方法包括:确定待滤波像素的导向区域;计算所述导向区域的导向值;利用像素差值,计算所述待滤波像素的滤波算子;根据所述滤波算子,对所述待滤波像素进行第一重滤波,得到一次滤波像素;计算所述一次滤波像素与所述待滤波像素的像素残差值;如果所述像素残差值大于预设残差值阈值,则对所述一次滤波像素按照上述步骤再次滤波,直至所述像素残差值小于预设残差值阈值。使用时,首先确定多光谱图像中待滤波像素的导向区域,然后通过计算待滤波区域及8个相邻区域的像素值的平均值,得到导向值。利用待滤波像素及相邻像素与导向值的差值,计算待滤波像素的滤波算子,并根据该滤波算子对待滤波像素进行第一重滤波,得到一次滤波像素。对比一次滤波像素与待滤波像素的像素残差值,如果该像素残差值小于预设残差值阈值则说明滤波成功,可以将一次滤波像素作为最终像素点;如果该像素残差值大于预设差值阈值,则说明还需要进一步按照上述步骤再次滤波,直至该像素残差值小于预设残差值,得到最终像素点。本申请所提供的一种多光谱图像的去噪和滤波方法及装置,能够有效去除多光谱图像中的噪声,令多光谱图像更加清晰,进而令变压器的检查更加准确。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,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为本申请实施例提供一种多光谱图像的去噪和滤波方法的流程图;
图2为本申请实施例提供的一种确定待滤波像素的导向区域的方法的流程图;
图3(1)(2)(3)(4)(5)(6)(7)(8)(9)为本申请实施例提供的9种单元区域的结构示意图;
图4为本申请实施例提供的一种计算平坦度的方法的流程图;
图5为本申请实施例提供的一种计算滤波算子的方法的流程图;
图6为本申请实施例提供的一种多光谱图形的去噪和滤波装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,为本申请实施例提供一种多光谱图像的去噪和滤波方法的流程图,所述方法包括:
S1、确定待滤波像素的导向区域,所述导向区域为所述待滤波像素对应的待滤波区域,及围绕所述待滤波区域在内的8个相邻区域中像素变化幅度最小的区域。
多光谱图像由各个像素点构成,其中,各个像素点即为待滤波像素,待滤波像素的导向区域,也可称为Guided区域。
具体地,如图2所示,为本申请实施例提供的一种确定待滤波像素的导向区域的方法的流程图,所述方法包括:
S101、分别计算待滤波区域及8个所述相邻区域的平坦度;
S102、确定导向区域,所述导向区域为最小平坦度对应的区域。
如图3(5)所示,以待滤波区域为中心,其左上、上、右上、左、右、左下、下、右下,8个相邻区域组成一个单元区域。其中,如果待滤波像素对应的区域位于多光谱图像的边缘,则如图3(1)、3(2)、3(3)、3(4)、3(6)、3(7)、3(8)所示,以包含该待滤波区域在内,由相邻区域构成正方形区域为单元区域。
每个区域均有相应的平坦度,具体地,如图4所示,为本申请实施例提供的一种计算平坦度的方法的流程图,所述方法包括:
S1011、采用水平、垂直、45°和135°四个算子,分别计算当前区域在四个方向上的梯度;
S1012、计算四个梯度的平均值,得到平坦度。
通过计算四个梯度的平均值f=(g1+g2+g3+g4)/4,得到该区域对应的平坦度。
导向区域应为单元区域中变化最不显著的一个区域,即平坦度最小的区域,因此,通过各个区域的平坦度值,能够准确确定待滤波像素的导向区域。
S2、计算所述导向区域的导向值,所述导向值为所述待滤波区域及8个所述相邻区域所对应像素值的平均值。
确定导向区域之后,以单元区域内9个区域各自对应像素值的平均值作为导向区域的导向值,如果各个区域的像素值依次为V1、V2、V3、V4、V5、V6、V7、V8、V9,则导向值为G=(V1+V2+V3+V4+V5+V6+V7+V8+V9)/9。
S3、利用像素差值,计算所述待滤波像素的滤波算子,所述像素差值为所述待滤波像素及相邻像素与所述导向值的差值,其中,所述相邻像素为相邻区域所对应的像素。
具体地,如图5所示,为本申请实施例提供的一种计算滤波算子的方法的流程图,所述方法包括:
S301、分别计算所述待滤波区域的像素、8个所述相邻区域的像素与所述导向值的差值;
S302、计算各差值绝对值的倒数,得到处理后差值;
S303、计算各处理后差值与全部处理后差值总和的比值,得到滤波算子参数;
S304、根据各所述滤波算子参数,生成滤波算子。
假设待滤波区域的像素值为p0,与其相邻的8个相邻区域的像素值依次为p1、p2、p3、p4、p5、p6、p7、p8,分别计算导向值G与上述9个像素值的差值,并计算该差值绝对值的倒数为di=1/|G-pi|,i=0,1,2,…,8,处理后差值总和为则得到滤波算子参数为
S4、根据所述滤波算子,对所述待滤波像素进行第一重滤波,得到一次滤波像素;
S5、计算所述一次滤波像素与所述待滤波像素的像素残差值。
假设待滤波像素的像素值为p,一次滤波像素的像素值为p’,则像素残差值为d=|p-p’|。
S6、如果所述像素残差值大于预设残差值阈值,则对所述一次滤波像素按照上述步骤再次滤波,直至所述像素残差值小于预设残差值阈值。
对比一次滤波像素与待滤波像素的像素残差值,如果该像素残差值小于预设残差值阈值则说明滤波成功,可以将一次滤波像素作为最终像素点;如果该像素残差值大于预设差值阈值,则说明还需要进一步按照上述步骤再次滤波,直至该像素残差值小于预设残差值,得到最终像素点。本申请所提供的一种多光谱图像的去噪和滤波方法及装置,能够有效去除多光谱图像中的噪声,令多光谱图像更加清晰,进而令变压器的检查更加准确。
请参阅图6,为本申请实施例提供的一种多光谱图形的去噪和滤波装置的结构示意图,所述装置包括:
导向区域确定单元1,用于确定待滤波像素的导向区域,所述导向区域为所述待滤波像素对应的待滤波区域,及围绕所述待滤波区域在内的8个相邻区域中像素变化幅度最小的区域;
导向值计算单元2,用于计算所述导向区域的导向值,所述导向值为所述待滤波区域及8个所述相邻区域所对应像素值的平均值;
滤波算子计算单元3,用于利用像素差值,计算所述待滤波像素的滤波算子,所述像素差值为所述待滤波像素及相邻像素与所述导向值的差值,其中,所述相邻像素为相邻区域所对应的像素;
第一重滤波单元4,用于根据所述滤波算子,对所述待滤波像素进行第一重滤波,得到一次滤波像素;
像素残差值计算单元5,用于计算所述一次滤波像素与所述待滤波像素的像素残差值;
二次滤波单元6,用于如果所述像素残差值大于预设残差值阈值,则对所述一次滤波像素按照上述步骤再次滤波,直至所述像素残差值小于预设残差值阈值。
可选地,所述导向区域确定单元1包括:平坦度计算单元,用于分别计算待滤波区域及8个所述相邻区域的平坦度;最小平坦度区域确定单元,用于确定导向区域,所述导向区域为最小平坦度对应的区域。
可选地,所述平坦度计算单元包括:
梯度计算单元,用于采用水平、垂直、45°和135°四个算子,分别计算当前区域在四个方向上的梯度;平坦度确定单元,用于计算四个梯度的平均值,得到平坦度。
可选地,所述滤波算子计算单元3包括:差值计算单元,用于分别计算所述待滤波区域的像素、8个所述相邻区域的像素与所述导向值的差值;处理后差值计算单元,用于计算各差值绝对值的倒数,得到处理后差值;滤波算子参数计算单元,用于计算各处理后差值与全部处理后差值总和的比值,得到滤波算子参数;滤波算子生成单元,用于根据各所述滤波算子参数,生成滤波算子。
值得注意的是,具体实现中,本发明还提供一种计算机存储介质,其中,该计算机存储介质可存储有程序,该程序执行时可包括本发明提供的用户身份的服务提供方法或用户注册方法的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文:read-only memory,简称:ROM)或随机存储记忆体(英文:random accessmemory,简称:RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,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)执行本发明各个实施例或者实施例的某些部分所述的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (6)
1.一种多光谱图像的去噪和滤波方法,其特征在于,所述方法包括:
确定待滤波像素的导向区域,所述导向区域为所述待滤波像素对应的待滤波区域,及围绕所述待滤波区域在内的8个相邻区域中像素变化幅度最小的区域;
计算所述导向区域的导向值,所述导向值为所述待滤波区域及8个所述相邻区域所对应像素值的平均值;
计算所述待滤波区域的像素、8个所述相邻区域的像素与所述导向值的差值,并计算各差值绝对值的倒数,得到处理后差值;
计算各处理后差值与全部处理后差值总和的比值,得到滤波算子参数,根据各所述滤波算子参数,生成滤波算子;
根据所述滤波算子,对所述待滤波像素进行第一重滤波,得到一次滤波像素;
计算所述一次滤波像素与所述待滤波像素的像素残差值;
如果所述像素残差值大于预设残差值阈值,则对所述一次滤波像素按照上述步骤再次滤波,直至所述像素残差值小于预设残差值阈值。
2.根据权利要求1所述的方法,其特征在于,所述确定待滤波像素的导向区域包括:
分别计算待滤波区域及8个所述相邻区域的平坦度;
确定导向区域,所述导向区域为最小平坦度对应的区域。
3.根据权利要求2所述的方法,其特征在于,所述分别计算待滤波区域及8个相邻区域的平坦度包括:
采用水平、垂直、45°和135°四个算子,分别计算当前区域在四个方向上的梯度;
计算四个梯度的平均值,得到平坦度。
4.一种多光谱图像的去噪和滤波装置,其特征在于,所述装置包括:
导向区域确定单元,用于确定待滤波像素的导向区域,所述导向区域为所述待滤波像素对应的待滤波区域,及围绕所述待滤波区域在内的8个相邻区域中像素变化幅度最小的区域;
导向值计算单元,用于计算所述导向区域的导向值,所述导向值为所述待滤波区域及8个所述相邻区域所对应像素值的平均值;
滤波算子计算单元,用于利用像素差值,计算所述待滤波像素的滤波算子,其中滤波算子计算单元中的差值计算单元,用于分别计算所述待滤波区域的像素、8个所述相邻区域的像素与所述导向值的差值,滤波算子计算单元中的处理后差值计算单元,用于计算各差值绝对值的倒数,得到处理后差值,滤波算子计算单元中的滤波算子参数计算单元,用于计算各处理后差值与全部处理后差值总和的比值,得到滤波算子参数,滤波算子计算单元中的滤波算子生成单元,用于根据各所述滤波算子参数,生成滤波算子;
第一重滤波单元,用于根据所述滤波算子,对所述待滤波像素进行第一重滤波,得到一次滤波像素;
像素残差值计算单元,用于计算所述一次滤波像素与所述待滤波像素的像素残差值;
二次滤波单元,用于如果所述像素残差值大于预设残差值阈值,则对所述一次滤波像素按照上述步骤再次滤波,直至所述像素残差值小于预设残差值阈值。
5.根据权利要求4所述的装置,其特征在于,所述导向区域确定单元包括:
平坦度计算单元,用于分别计算待滤波区域及8个所述相邻区域的平坦度;
最小平坦度区域确定单元,用于确定导向区域,所述导向区域为最小平坦度对应的区域。
6.根据权利要求5所述的装置,其特征在于,所述平坦度计算单元包括:
梯度计算单元,用于采用水平、垂直、45°和135°四个算子,分别计算当前区域在四个方向上的梯度;
平坦度确定单元,用于计算四个梯度的平均值,得到平坦度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910596659.0A CN110298805B (zh) | 2019-07-03 | 2019-07-03 | 一种多光谱图像的去噪和滤波方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910596659.0A CN110298805B (zh) | 2019-07-03 | 2019-07-03 | 一种多光谱图像的去噪和滤波方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110298805A CN110298805A (zh) | 2019-10-01 |
CN110298805B true CN110298805B (zh) | 2023-04-21 |
Family
ID=68030164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910596659.0A Active CN110298805B (zh) | 2019-07-03 | 2019-07-03 | 一种多光谱图像的去噪和滤波方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110298805B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113298761B (zh) * | 2021-05-07 | 2023-07-04 | 奥比中光科技集团股份有限公司 | 一种图像滤波方法、装置、终端和计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116875A (zh) * | 2013-02-05 | 2013-05-22 | 浙江大学 | 自适应双边滤波图像去噪方法 |
CN105913396A (zh) * | 2016-04-11 | 2016-08-31 | 湖南源信光电科技有限公司 | 一种噪声估计的图像边缘保持混合去噪方法 |
CN105957031A (zh) * | 2016-04-26 | 2016-09-21 | 南京大学 | 一种投影滤波式快速光谱去噪方法 |
CN109658351A (zh) * | 2018-11-26 | 2019-04-19 | 浙江工业大学 | 一种结合l0梯度约束和局部低秩矩阵恢复的高光谱图像去噪方法 |
CN109741287A (zh) * | 2018-12-27 | 2019-05-10 | 湖南国科微电子股份有限公司 | 图像导向滤波方法及装置 |
CN109767400A (zh) * | 2019-01-14 | 2019-05-17 | 三峡大学 | 一种导向三边滤波的超声图像散斑噪声去除方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102221116B1 (ko) * | 2015-02-27 | 2021-02-26 | 에스케이하이닉스 주식회사 | 크로스 커널 구조의 중간값 필터를 이용한 영상 잡음 제거장치 및 방법 |
-
2019
- 2019-07-03 CN CN201910596659.0A patent/CN110298805B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116875A (zh) * | 2013-02-05 | 2013-05-22 | 浙江大学 | 自适应双边滤波图像去噪方法 |
CN105913396A (zh) * | 2016-04-11 | 2016-08-31 | 湖南源信光电科技有限公司 | 一种噪声估计的图像边缘保持混合去噪方法 |
CN105957031A (zh) * | 2016-04-26 | 2016-09-21 | 南京大学 | 一种投影滤波式快速光谱去噪方法 |
CN109658351A (zh) * | 2018-11-26 | 2019-04-19 | 浙江工业大学 | 一种结合l0梯度约束和局部低秩矩阵恢复的高光谱图像去噪方法 |
CN109741287A (zh) * | 2018-12-27 | 2019-05-10 | 湖南国科微电子股份有限公司 | 图像导向滤波方法及装置 |
CN109767400A (zh) * | 2019-01-14 | 2019-05-17 | 三峡大学 | 一种导向三边滤波的超声图像散斑噪声去除方法 |
Non-Patent Citations (3)
Title |
---|
Hybridization of Adaptive Wavelet Shrinkage with Guided Filter for Speckle Reduction in Ultrasound Images;Palwinder Singh等;《Procedia Computer Science》;20180608;第132卷;1718-1727 * |
SAR图像NSCT域显著图去噪变化检测;慕彩红等;《西安电子科技大学学报》;20170928(第02期);19-25 * |
线阵CCD全景图像的噪声分析与去噪方法研究;周水庆等;《光学仪器》;20110215(第01期);54-57 * |
Also Published As
Publication number | Publication date |
---|---|
CN110298805A (zh) | 2019-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5839631B2 (ja) | ブロックノイズの検出方法 | |
CN102682446B (zh) | 使用自适应联合双边滤波器生成稠密深度图的设备和方法 | |
KR101001086B1 (ko) | 주파수 도메인에서 필름 그레인 패턴을 모델링하는 방법 및장치 | |
US20120121162A1 (en) | Filtering apparatus and method for high precision restoration of depth image | |
US20160314563A1 (en) | Method for correcting fragmentary or deformed quadrangular image | |
US9443286B2 (en) | Gray image processing method and apparatus based on wavelet transformation | |
CN111402152B (zh) | 视差图的处理方法、装置、计算机设备和存储介质 | |
US20130223760A1 (en) | Microscopic image fusion method based on region growing | |
CN111105452B (zh) | 基于双目视觉的高低分辨率融合立体匹配方法 | |
Trentacoste et al. | Unsharp masking, countershading and halos: enhancements or artifacts? | |
CN110298805B (zh) | 一种多光谱图像的去噪和滤波方法及装置 | |
CN114820417A (zh) | 图像异常检测方法、装置、终端设备和可读存储介质 | |
CN115082775A (zh) | 基于图像分块的超分辨率增强小目标检测方法 | |
DE112015003148T5 (de) | Sichtlinieneingabeparameterkorrekturvorrichtung und Sichtlinieneingabevorrichtung | |
CN114202476A (zh) | 一种红外图像增强方法、装置、设备及计算机可读介质 | |
CN105662412A (zh) | 一种磁共振系统的一阶匀场方法、装置及设备 | |
CN115222755B (zh) | 一种基于医疗成像设备的医疗图像目标分割方法及装置 | |
US8335401B2 (en) | Blind blocking artifact measurement approaches for digital imagery | |
CN110458856A (zh) | 一种熔池图像边缘检测方法、装置及存储介质 | |
US20120045143A1 (en) | Apparatus and method for high speed filtering of image for high precision | |
CN116385390A (zh) | 贴胶质量检测方法、检测装置、电子设备和存储介质 | |
CN111986124B (zh) | 一种深度图像缺失像素的填充方法及装置 | |
CN114487961A (zh) | 一种图像校正方法、系统、存储介质及电子设备 | |
KR101682407B1 (ko) | 측정 데이터를 스무딩하기 위한 최적 기준 데이터 수의 결정 방법 및 측정 데이터의 보정 방법 | |
CN108288267B (zh) | 一种基于暗通道的扫描电镜图像清晰度无参考评价方法 |
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 |