CN110443767A - 去除彩色图像乘性噪声的计算机装置及设备 - Google Patents
去除彩色图像乘性噪声的计算机装置及设备 Download PDFInfo
- Publication number
- CN110443767A CN110443767A CN201910726085.4A CN201910726085A CN110443767A CN 110443767 A CN110443767 A CN 110443767A CN 201910726085 A CN201910726085 A CN 201910726085A CN 110443767 A CN110443767 A CN 110443767A
- Authority
- CN
- China
- Prior art keywords
- denoising
- color image
- model
- noise
- multiplicative noise
- 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
- 238000009434 installation Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000010276 construction Methods 0.000 claims abstract description 11
- 230000003190 augmentative effect Effects 0.000 claims abstract description 7
- 238000005457 optimization Methods 0.000 claims abstract description 7
- 230000008878 coupling Effects 0.000 claims abstract description 5
- 238000010168 coupling process Methods 0.000 claims abstract description 5
- 238000005859 coupling reaction Methods 0.000 claims abstract description 5
- 230000000694 effects Effects 0.000 claims description 20
- 230000003993 interaction Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000750 progressive effect Effects 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
- G06T5/70—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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种去除彩色图像乘性噪声的计算机装置及设备。其中,计算机装置包括用于对输入待处理彩色图像进行乘性噪声去除的噪声去除组件,噪声去除组件包括获取待处理彩色图像的图像采集器和预先构建去噪模型并确定去噪模型的各项参数的模型构建模块。模型构建模块包括用于基于通用乘性噪声模型的数据项确定待处理彩色图像和去噪后彩色图像间相似度的相似度处理子模块、用于基于耦合MTV模型和高阶TC模型的规则项确定去噪后彩色图像的光滑度的光滑处理子模块;用于利用增广拉格朗日方法和交替优化乘子法计算去噪模型的各项参数的数据处理子模块。本申请去后噪图像的非边缘区平滑自然且消除了阶梯效应,很好地保持了彩色图像的边缘和角点。
Description
技术领域
本发明实施例涉及图像处理技术领域,特别是涉及一种去除彩色图像乘性噪声的计算机装置及设备。
背景技术
随着计算机视觉技术的快速发展,其在各行各业以及日常生活中的应用越来越广泛,图像处理为计算机视觉技术中关键的一环,如何通过图像处理得到高质量图像在计算机视觉的具体实现过程中非常重要。
可以理解的是,图像在传输或存储过程中会产生噪声,而噪声对图像质量影响较大,有效去除图像中的噪声有利于得到高质量图像,增大信噪比,更好地体现原始图像携带的信息。根据噪声和信号之间的关系,图像噪声可分为加性噪声和乘性噪声。目前的图像去噪方法对图像加性噪声效果很好,而像遥感图像、合成孔径雷达图像和医学超声图像等图像中存在的乘性噪声并不能直接利用相关图像去噪方法进行去除。
为了实现去除图像中的乘性噪声,例如乘性高斯噪声、乘性伽马噪声、乘性瑞利噪声等,相关技术提出了利用乘性噪声模型进行乘性噪声的去除。但是,利用现有的乘性噪声模型对图像进行噪声去除后,图像会存在阶梯效应、细节缺失以及图像边缘模糊的缺点。
发明内容
本公开实施例提供了一种去除彩色图像乘性噪声的计算机装置及设备,解决了现有图像去噪存在的弊端,去噪图像的非边缘区平滑自然且消除了阶梯效应,可以很好地保持彩色图像的边缘和角点,而且对彩色图像的对比度和纹理细节处理非常好。
为解决上述技术问题,本发明实施例提供以下技术方案:
本发明实施例一方面提供了一种去除彩色图像乘性噪声的计算机装置,包括用于对输入待处理彩色图像进行乘性噪声去除的噪声去除组件,所述噪声去除组件包括图像采集器和模型构建模块;
所述图像采集器用于获取所述待处理彩色图像;所述模型构建模块用于预先构建去噪模型并确定所述去噪模型的各项参数,所述模型构建模块包括相似度处理子模块、光滑处理子模块以及数据处理子模块;
其中,所述相似度处理子模块用于基于通用乘性噪声模型的数据项确定所述待处理彩色图像和去噪后彩色图像间的相似度;
所述光滑处理子模块用于基于耦合MTV模型和高阶TC模型的规则项确定所述去噪后彩色图像的光滑度;
所述数据处理子模块用于利用增广拉格朗日方法和交替优化乘子法计算所述去噪模型的各项参数。
可选的,所述光滑处理子模块用于基于规则项耦合关系计算式确定所述去噪后彩色图像的光滑度,所述规则项耦合关系计算式为:
式中,α1为惩罚参数,l为所述待处理彩色图像的层数,fi为所述待处理彩色图像,ui为去噪后彩色图像,a、c、b为确定所述去噪模型类型的常数,α2为惩罚参数。
可选的,所述去噪模型用于当c=0,a=-1,b=1时去除乘性高斯噪声,所述去噪模型用于当b=0,a=c=1时去除乘性伽马噪声,所述去噪模型用于当b=0,b=c=1时去除乘性瑞利噪声。
可选的,所述数据处理模块为用于基于数据项关系计算式确定所述待处理彩色图像和去噪后彩色图像的相似度,所述数据项关系计算式为:
式中,α3为惩罚参数,l为所述待处理彩色图像的层数,ui为去噪后彩色图像。
可选的,所述去噪模型为基于乘性噪声去除关系计算式构建,所述乘性噪声去除关系计算式为:
式中,α1为惩罚参数,l为所述待处理彩色图像的层数,fi为所述待处理彩色图像,ui为去噪后彩色图像,a、c、b为确定所述去噪模型类型的常数,α2为惩罚参数,α3为惩罚参数。
可选的,还包括与所述噪声去除组件相连的去噪验证模块,所述去噪验证模块包括去噪效果判断子模块和参数重新计算子模块;
所述去噪效果判断子模块用于判断所述去噪后彩色图像的去噪效果是否符合预设去噪标准;
参数重新计算子模块用于若所述去噪后彩色图像的去噪效果不符合预设去噪标准,则发送重新计算所述去噪模型的各项参数的指令。
可选的,还包括与所述噪声去除组件相连的人机交互模块;所述人机交互模块用于接收用户输入指令并展示所述去噪后彩色图像。
可选的,还包括与所述人机交互模块相连的格式转化模块,所述格式转化模块用于根据用户输入的图像格式类型指令将所述去噪后图像的格式转化为相应图像格式。
本发明实施例另一方面提供了一种去除彩色图像乘性噪声的设备,包括如前任一项所述去除彩色图像乘性噪声的计算机装置。
本申请提供的技术方案的优点在于,能够结合MTV模型较好的边缘保持能力,在去噪的同时保持彩色图像的边缘和角点,并且拥有TC模型的角点和光滑度的保持能力,使得去噪图像的非边缘区平滑自然且消除了阶梯效应,可以很好地保持彩色图像的边缘和角点,而且对彩色图像的对比度和纹理细节处理非常好。此外,采用增广拉格朗日方法和交替优化乘子法确定去噪模型的各项参数,大幅提升了数据计算效率,有利于提升图像去噪效率。
此外,本发明实施例还针对去除彩色图像乘性噪声的计算机装置提供了相应的实现设备,进一步使得所述计算机装置更具有实用性,所述设备具有相应的优点。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
为了更清楚的说明本发明实施例或相关技术的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单的介绍,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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的去除彩色图像乘性噪声的计算机装置的一种具体实施方式结构图;
图2为本发明实施例提供的去除彩色图像乘性噪声的计算机装置的另一种具体实施方式结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。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。
本申请的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可包括没有列出的步骤或单元。
在介绍了本发明实施例的技术方案后,下面详细的说明本申请的各种非限制性实施方式。
首先参见图1,图1为本发明实施例提供的去除彩色图像乘性噪声的计算机装置在一种具体实施方式下的结构框架示意图,本发明实施例可包括以下内容:
去除彩色图像乘性噪声的计算机装置可包括噪声去除组件1,噪声去除组件1用于对输入待处理彩色图像进行乘性噪声去除。噪声去除组件1可包括图像采集器11和模型构建模块12。
可以理解的是,图像采集器11可用于获取待处理彩色图像,待处理彩色图像即为需要进行去噪处理的彩色图像,可以采用任何一种可实现从系统中获取待处理图像的装置或器件,本申请对此不做任何限定。
在本实施例中,模型构建模块12可用于预先构建去噪模型并确定去噪模型的各项参数。模型构建模块12可包括相似度处理子模块121、光滑处理子模块122以及数据处理子模块123。
其中,相似度处理子模块121用于基于通用乘性噪声模型的数据项确定待处理彩色图像和去噪后彩色图像间的相似度。该模块决定了原始彩色图像和去噪后所得图像之间的逼真程度,相似度处理子模块121的处理效果越好,去噪后所得图像的失真度越小。基于TV规则项的通用乘性噪声模型可为:
式中,f(x):Ω→R为定义于图像空间Ω上的含噪声的灰度图像,u(x):Ω→R为噪声去除后的图像。a、c、b为确定去噪模型类型常数。其中,c=a+b且a,b≥0。当c=0,a=-1,b=1时,去噪模型为乘性高斯噪声模型;当b=0,a=c=1时,去噪模型为乘性伽马噪声模型;当b=0,b=c=1时,去噪模型为乘性瑞利噪声模型。也就是说,本申请中的去噪模型在c=0,a=-1,b=1时可用于去除乘性高斯噪声,在b=0,a=c=1时可用于去除乘性伽马噪声,在b=0,b=c=1时可用于去除乘性瑞利噪声。
光滑处理子模块122用于基于耦合MTV模型和高阶TC模型的规则项确定去噪后彩色图像的光滑度。该模块决定了去噪后所得图像的光滑程度,光滑处理子模块122的处理效果越好,去噪后所得图像越光滑,图像质量越高。高阶TC(Total Curvature)模型的规则项为图像均值曲率,尽管高阶TC模型可以有效的防止阶梯效应并保持图像细节,但对图像的边缘保持效果,还需要进一步提升。而局部耦合的MTV(Multi-channel Total Variation)模型去噪效果和边缘保持更好,但是依然存阶梯效应。本申请耦合MTV模型和高阶TC模型的规则项作为去噪模型的规则项,去噪后图像质量更高。
数据处理子模块123可用于利用增广拉格朗日方法和交替优化乘子法计算去噪模型的各项参数,也就是说,利用增广拉格朗日方法和交替优化乘子法求解去噪模型,利用求解得到的去噪模型对待处理彩色图像进行去噪处理。
在本发明实施例提供的技术方案中,能够结合MTV模型较好的边缘保持能力,在去噪的同时保持彩色图像的边缘和角点,并且拥有TC模型的角点和光滑度的保持能力,使得去噪图像的非边缘区平滑自然且消除了阶梯效应,可以很好地保持彩色图像的边缘和角点,而且对彩色图像的对比度和纹理细节处理非常好。此外,采用增广拉格朗日方法和交替优化乘子法确定去噪模型的各项参数,大幅提升了数据计算效率,有利于提升图像去噪效率。
作为一种优选的实施方式中,光滑处理子模块122可用于基于规则项耦合关系计算式确定去噪后彩色图像的光滑度,规则项耦合关系计算式可为:
式中,α1为惩罚参数,l为待处理彩色图像的层数,fi为待处理彩色图像,ui为去噪后彩色图像,a、c、b为确定去噪模型类型的常数,α2为惩罚参数。充分考虑待处理彩色图像的图层间的耦合性,可以得到好的对比度和细腻的纹理细节。
在另一种优选的实施方式中,数据处理模块123还可为用于基于数据项关系计算式确定待处理彩色图像和去噪后彩色图像的相似度,数据项关系计算式课为:
式中,α3为惩罚参数,l为待处理彩色图像的层数,ui为去噪后彩色图像。
可选的,本申请的去噪模型可为基于乘性噪声去除关系计算式构建,乘性噪声去除关系计算式可为:
式中,α1为惩罚参数,l为待处理彩色图像的层数,fi为待处理彩色图像,ui为去噪后彩色图像,a、c、b为确定去噪模型类型的常数,α2为惩罚参数,α3为惩罚参数。
基于乘性噪声去除关系计算式构建的去噪模型可采用下述方法进行求解:
引入变量wi,wi=log ui可表达去噪模型中的曲率项,其取对数可得引入辅助变量后,去噪模型可为基于下述关系计算式构建:
通过交替最优化方法,去噪模型的参数计算过程可等同于计算si、wi、pi、qi、ni和mi。si是方便计算wi的分裂变量,pi是与梯度ui有关的向量,qi是与向量ni的散度有关的标量,而ni是与ui的单位向量有关的向量;mi为一个用于松弛变量ni的向量;λi,i=1,2,3……为增广拉格朗日乘子,约束几何分量;βi,i=1,2,3……为辅助变量,约束数据分量;k为迭代步数。
其中,可使用快速傅里叶算法计算关于si的欧拉方程:
为了计算变量si,离散化并引入恒等运算符Isi=si和移位算子通过傅里叶反变换FFT-1求的值如下:
式中,代表取复数的实数部分,xi=1,...,N1,yj=1,...,N2。
对wi求欧拉-拉格朗日方程:
用梯度下降法计算wi k+1:
对pi求欧拉-拉格朗日方程:
使用广义软阈值关系计算式可得:
对qi求欧拉-拉格朗日方程:近似的软阈值关系计算式可为:
对ni求欧拉-拉格朗日方程:离散化形式可为:
其中ni=(n1i,n2i),上述线性方程的FFT形式如下:
运用傅里叶反变换FFT-1,可以计算得到n1i和n2i的值。
对mi求欧拉-拉格朗日方程,并约束|mi|≤1,利用投影方法可得到:
在一种具体的实施方式中,请参阅2,去除彩色图像乘性噪声的计算机装置还可包括与噪声去除组件1相连的去噪验证模块2。去噪验证模块2可包括去噪效果判断子模块21和参数重新计算子模块22。去噪效果判断子模块21可用于判断去噪后彩色图像的去噪效果是否符合预设去噪标准;去噪标准可为本领域技术人员根据实际应用场景和用户需求的图像精度来预先指定,在利用噪声去除组件1对彩色图像进行去噪处理后,可判断去噪后的彩色图像的去噪效果达到去噪标准,若没有,则利用参数重新计算子模块发送重新计算去噪模型的各项参数的指令,直至去噪后的彩色图像的去噪效果达到预设标准,有利于保证去噪模型构建的准确度。
作为一种优选的实施方式,为了提升用户使用灵活度,如图2所示,去除彩色图像乘性噪声的计算机装置还可包括与噪声去除组件相连1的人机交互模块3,人机交互模块3用于接收用户输入指令并展示去噪后彩色图像。人机交互模块3例如可包括显示器、输入输出设备如鼠标键盘等等。
此外,为了方便将去噪后彩色图像应用于不同场景中,提升普适性,如图2所示,去除彩色图像乘性噪声的计算机装置还可包括与人机交互模块3相连的格式转化模块4,格式转化模块4可用于根据用户输入的图像格式类型指令将去噪后图像的格式转化为相应图像格式。
本发明实施例还提供了一种去除彩色图像乘性噪声的设备,可包括如上任意一实施例所述去除彩色图像乘性噪声的计算机装置。
本发明实施例所述去除彩色图像乘性噪声的设备的各功能模块的功能可根据上述装置实施例中的具体实现,其具体实现过程可以参照上述实施例的相关描述,此处不再赘述。
由上可知,本发明实施例解决了现有图像去噪存在的弊端,去噪图像的非边缘区平滑自然且消除了阶梯效应,可以很好地保持彩色图像的边缘和角点,而且对彩色图像的对比度和纹理细节处理非常好。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,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、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的一种去除彩色图像乘性噪声的方法、装置、设备及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (9)
1.一种去除彩色图像乘性噪声的计算机装置,其特征在于,包括用于对输入待处理彩色图像进行乘性噪声去除的噪声去除组件,所述噪声去除组件包括图像采集器和模型构建模块;
所述图像采集器用于获取所述待处理彩色图像;所述模型构建模块用于预先构建去噪模型并确定所述去噪模型的各项参数,所述模型构建模块包括相似度处理子模块、光滑处理子模块以及数据处理子模块;
其中,所述相似度处理子模块用于基于通用乘性噪声模型的数据项确定所述待处理彩色图像和去噪后彩色图像间的相似度;
所述光滑处理子模块用于基于耦合MTV模型和高阶TC模型的规则项确定所述去噪后彩色图像的光滑度;
所述数据处理子模块用于利用增广拉格朗日方法和交替优化乘子法计算所述去噪模型的各项参数。
2.根据权利要求1所述的去除彩色图像乘性噪声的计算机装置,其特征在于,所述光滑处理子模块用于基于规则项耦合关系计算式确定所述去噪后彩色图像的光滑度,所述规则项耦合关系计算式为:
式中,α1为惩罚参数,l为所述待处理彩色图像的层数,fi为所述待处理彩色图像,ui为所述去噪后彩色图像,a、c、b为确定所述去噪模型类型的常数,α2为惩罚参数。
3.根据权利要求2所述的去除彩色图像乘性噪声的计算机装置,其特征在于,所述去噪模型用于当c=0,a=-1,b=1时去除乘性高斯噪声,所述去噪模型用于当b=0,a=c=1时去除乘性伽马噪声,所述去噪模型用于当b=0,b=c=1时去除乘性瑞利噪声。
4.根据权利要求1所述的去除彩色图像乘性噪声的计算机装置,其特征在于,所述数据处理模块为用于基于数据项关系计算式确定所述待处理彩色图像和去噪后彩色图像的相似度,所述数据项关系计算式为:
式中,α3为惩罚参数,l为所述待处理彩色图像的层数,ui为去噪后彩色图像。
5.根据权利要求1-4任意一项所述的去除彩色图像乘性噪声的计算机装置,其特征在于,所述去噪模型为基于乘性噪声去除关系计算式构建,所述乘性噪声去除关系计算式为:
式中,α1为惩罚参数,l为所述待处理彩色图像的层数,fi为所述待处理彩色图像,ui为去噪后彩色图像,a、c、b为确定所述去噪模型类型的常数,α2为惩罚参数,α3为惩罚参数。
6.根据权利要求1-4任意一项所述的去除彩色图像乘性噪声的计算机装置,其特征在于,还包括与所述噪声去除组件相连的去噪验证模块,所述去噪验证模块包括去噪效果判断子模块和参数重新计算子模块;
所述去噪效果判断子模块用于判断所述去噪后彩色图像的去噪效果是否符合预设去噪标准;
参数重新计算子模块用于若所述去噪后彩色图像的去噪效果不符合预设去噪标准,则发送重新计算所述去噪模型的各项参数的指令。
7.根据权利要求6所述的去除彩色图像乘性噪声的计算机装置,其特征在于,还包括与所述噪声去除组件相连的人机交互模块;所述人机交互模块用于接收用户输入指令并展示所述去噪后彩色图像。
8.根据权利要求7所述的去除彩色图像乘性噪声的计算机装置,其特征在于,还包括与所述人机交互模块相连的格式转化模块,所述格式转化模块用于根据用户输入的图像格式类型指令将所述去噪后图像的格式转化为相应图像格式。
9.一种去除彩色图像乘性噪声的设备,其特征在于,包括如权利要求1至8任一项所述去除彩色图像乘性噪声的计算机装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910726085.4A CN110443767A (zh) | 2019-08-07 | 2019-08-07 | 去除彩色图像乘性噪声的计算机装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910726085.4A CN110443767A (zh) | 2019-08-07 | 2019-08-07 | 去除彩色图像乘性噪声的计算机装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110443767A true CN110443767A (zh) | 2019-11-12 |
Family
ID=68433817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910726085.4A Pending CN110443767A (zh) | 2019-08-07 | 2019-08-07 | 去除彩色图像乘性噪声的计算机装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110443767A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107644401A (zh) * | 2017-08-11 | 2018-01-30 | 西安电子科技大学 | 基于深度神经网络的乘性噪声去除方法 |
CN107705265A (zh) * | 2017-10-11 | 2018-02-16 | 青岛大学 | 一种基于总曲率的sar图像变分去噪方法 |
CN108416753A (zh) * | 2018-03-14 | 2018-08-17 | 大连理工大学 | 一种基于非参数化交替方向乘子法的图像去噪算法 |
-
2019
- 2019-08-07 CN CN201910726085.4A patent/CN110443767A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107644401A (zh) * | 2017-08-11 | 2018-01-30 | 西安电子科技大学 | 基于深度神经网络的乘性噪声去除方法 |
CN107705265A (zh) * | 2017-10-11 | 2018-02-16 | 青岛大学 | 一种基于总曲率的sar图像变分去噪方法 |
CN108416753A (zh) * | 2018-03-14 | 2018-08-17 | 大连理工大学 | 一种基于非参数化交替方向乘子法的图像去噪算法 |
Non-Patent Citations (4)
Title |
---|
LU TAN ET AL: ""Color Image Restoration and Inpainting via Multi-Channel Total Curvature"", 《APPLIED MATHEMATICAL MODELLING》 * |
WEI ZHU ET AL: ""a augmented lagrangian method for a mean curvature based image denoising model"", 《INVERSE PROBLEMS AND IMAGING》 * |
XINLI XU ET AL: ""Multiplicative Noise Removal Based on Total Generalized Variation"", 《IGTA2017》 * |
杨帆: "《数字图像处理与分析》", 31 January 2019 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112528977B (zh) | 目标检测方法、装置、电子设备和存储介质 | |
JP6961139B2 (ja) | 知覚的な縮小方法を用いて画像を縮小するための画像処理システム | |
US9626586B2 (en) | Optimized fast hessian matrix computation architecture | |
CN107729996A (zh) | 零系数跳过卷积神经网络引擎 | |
CN112288665B (zh) | 图像融合的方法、装置、存储介质及电子设备 | |
CN101902561B (zh) | 图像处理装置及图像处理方法 | |
JP7271244B2 (ja) | Cnn処理装置、cnn処理方法、およびプログラム | |
CN107958446A (zh) | 信息处理设备和信息处理方法 | |
CN110809126A (zh) | 一种基于自适应可变形卷积的视频帧插值方法及系统 | |
KR20220106848A (ko) | 비디오 특수 효과 처리 방법 및 장치 | |
CN107481203A (zh) | 一种图像导向滤波方法及计算设备 | |
WO2000019718A1 (fr) | Procede de traitement de donnees, processeur de donnees et support d'enregistrement de programmes | |
CN110443767A (zh) | 去除彩色图像乘性噪声的计算机装置及设备 | |
WO2023193613A1 (zh) | 高光渲染方法、装置、介质及电子设备 | |
CN103618904B (zh) | 基于像素的运动估计方法及装置 | |
CN114640796B (zh) | 视频处理方法、装置、电子设备及存储介质 | |
CN110349108A (zh) | 处理图像的方法、装置、电子设备、及存储介质 | |
CN117011130A (zh) | 图像超分辨率的方法、装置、设备、介质及程序产品 | |
AU2006252248B2 (en) | Efficient kernel calculation for interpolation | |
CN108401125A (zh) | 视频数据处理方法、装置及存储介质 | |
CN110349109B (zh) | 基于鱼眼畸变校正方法及其系统、电子设备 | |
US9077963B2 (en) | Systems and methods for generating a depth map and converting two-dimensional data to stereoscopic data | |
JP2013229839A (ja) | 情報信号処理システム、情報信号処理装置、情報信号処理回路、及び情報記憶媒体 | |
US7386169B2 (en) | Method for edge detection and contour stroke generation | |
WO2015178085A1 (ja) | 画像処理装置、画像処理方法、およびプログラム |
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: 20191112 |