CN111062878A - 图像的去噪方法、装置及计算机可读存储介质 - Google Patents

图像的去噪方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN111062878A
CN111062878A CN201911058893.4A CN201911058893A CN111062878A CN 111062878 A CN111062878 A CN 111062878A CN 201911058893 A CN201911058893 A CN 201911058893A CN 111062878 A CN111062878 A CN 111062878A
Authority
CN
China
Prior art keywords
image
denoising
area
region
edge
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
Application number
CN201911058893.4A
Other languages
English (en)
Other versions
CN111062878B (zh
Inventor
陈荣亮
蔡小川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN201911058893.4A priority Critical patent/CN111062878B/zh
Publication of CN111062878A publication Critical patent/CN111062878A/zh
Application granted granted Critical
Publication of CN111062878B publication Critical patent/CN111062878B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06T7/13—Edge detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本申请公开了一种图像的去噪方法，包括：将待处理图像分为多个图像区域；对每个图像区域的边缘进行扩展，得到扩展区域；扩展区域包括图像区域及边缘区域，边缘区域包括与图像区域相邻的其他图像区域中的像素点；采用预设算法对每个扩展区域进行去噪处理，得到去噪扩展区域；舍弃每一去噪扩展区域中的去噪边缘区域，将去噪图像区域保留，并组合构成去噪图像。本申请可实现快速有效的图像去噪。

Description

图像的去噪方法、装置及计算机可读存储介质
技术领域
本申请涉及图像处理领域，特别是涉及一种图像的去噪方法、装置以及计算机可读存储介质。
背景技术
日常生活中，图像处理技术已经应用到人类生活的方方面面，例如手机终端拍摄、显示屏上图像显示、医疗航空等领域的图像去噪分析等。其中，图像去噪技术也在很多重要领域得到应用，如何在保真的情况下实现去噪称为研究重点。
当前的图像去噪技术需要复杂的迭代算法实现，计算过程复杂，所需的计算资源较多，并且计算时间较长。
发明内容
本申请提供一种图像的去噪方法、装置以及计算机可读存储介质，以解决现有技术中图像去噪计算复杂的问题。
为解决上述技术问题，本申请提出一种图像的去噪方法，包括：将待处理图像分为多个图像区域；对每个图像区域的边缘进行扩展，得到扩展区域；扩展区域包括图像区域和边缘区域，边缘区域包括与所述图像区域相邻的其他图像区域中的像素点；采用预设算法对每个扩展区域进行去噪处理，得到去噪扩展区域；舍弃每一去噪扩展区域中的去噪边缘区域，将去噪图像区域保留，并组合构成去噪图像。
其中，对每个图像区域的边缘进行扩展，得到扩展区域，包括：沿着图像区域的边缘形状，对图像区域进行扩展，得到与图像区域具有相同形状的扩展区域。
其中，沿着图像区域的边缘形状，对图像区域进行扩展，包括：沿着图像区域的边缘形状，将图像区域的边缘扩展预设数量个像素点，预设数量大于等于1。
其中，将待处理图像分为多个图像区域包括：将待处理图像均等划分为多个矩形的图像区域。
其中，图像为3D图像，将待处理图像分为多个图像区域包括：依据待处理图像的三维坐标，将待处理图像分割为多个三维的图像区域。
其中，采用预设算法对每个扩展区域进行去噪处理，包括：对扩展区域建立图像去噪ROF模型，对图像去噪ROF模型的Euler-Lagrange方程进行求解，以对扩展区域进行去噪处理；图像去噪ROF模型的Euler-Lagrange方程为：
Figure BDA0002255780280000021
其中，uk为第k个去噪图像区域，zk为第k个图像区域，
Figure BDA0002255780280000022
为第k个扩展区域，n为所划分图像区域的外法向向量，k大于等于1小于等于n，α和β均为预设参数。
其中，所述α和所述β的取值取决于期望去噪程度，所述期望去噪程度越大，所述α和所述β的取值越小。
其中，采用预设算法对每个扩展区域进行去噪处理，包括：采用NKS算法对每个扩展区域进行去噪处理。
为解决上述技术问题，本申请提出一种图像的去噪装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述方法的步骤。
为解决上述技术问题，本申请提出一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法的步骤。
本申请图像的去噪方法包括：将待处理图像分为多个图像区域；然后对每个图像区域的边缘进行扩展，得到扩展区域；扩展区域包括图像区域及边缘区域，边缘区域包括与图像区域相邻的其他图像区域中的像素点；采用预设算法对每个扩展区域进行去噪处理，得到去噪扩展区域；舍弃每一去噪扩展区域中的去噪边缘区域，将去噪图像区域保留，并组合构成去噪图像。本申请中将图像划分为多个区域进行计算，减小计算规模，并且对边缘进行扩展，且在去噪计算后，将去噪结果不好的扩展边缘区域去除，高效的提高去噪效果。
附图说明
图1是本申请图像的去噪方法一实施例的流程示意图；
图2是图1所示实施例中图像区域的扩展示意图；
图3是图1所示实施例中3D图像的图像区域划分示意图；
图4是使用图1所示实施例对图像进行去噪处理后的效果图；
图5是本申请图像的去噪装置一实施例的结构示意图；
图6是本申请计算机可读存储介质一实施例的结构示意图。
具体实施方式
为使本领域的技术人员更好地理解本申请的技术方案，下面结合附图和具体实施方式对发明所提供的一种图像的去噪方法、图像的去噪装置以及计算机可读存储介质做进一步详细描述。
本申请图像的去噪方法特别适用于大规模的图像，本申请方法中首先会将待处理图像划分为多个图像区域，以分别对多个图像区域进行去噪处理，即减小计算规模。并且，本申请发明人在研究中发现，在直接对划分后的图像区域进行去噪时，由于图像边缘处的像素周边没有关联像素可参考以进行去噪，因此其去噪效果并不好。本申请中将图像进行扩展后进行去噪计算，此时边缘处为扩展后的像素，原边缘处的像素现位于扩展区域内部，可保证原边缘处像素的去噪效果；完成计算后，舍弃扩展后边缘处的去噪结果，即保留去噪效果比较好的部分重组构成图像。本申请通过上述方式保证了整个图像的去噪效果。
请参阅图1，图1是本申请图像的去噪方法一实施例的流程示意图，本实施例包括以下步骤。
S101：将待处理图像分为多个图像区域。
本申请中首先将待处理图像划分为多个图像区域，可通过不同的处理器实现多个图像区域的并行计算。
若待处理图像为二维图像，本实施例中是将待处理图像均等划分为多个矩形的图像区域，方便计算，可均等化计算负担，提高整体的计算效率。如图2所示，图2是图1所示实施例中图像区域的扩展示意图，图2中待处理图像被划分为多个图像区域
Figure BDA0002255780280000041
若待处理图像为三维图像，在对三维图像进行划分时，依据待处理图像的三维坐标，将其分为多个三维的图像区域。如图3所示，图3是图1所示实施例中3D图像的图像区域划分示意图。其中，沿着相互垂直的三个轴对三维的待处理图像进行分割，从而获得划分后的三维的图像区域。区别于将三维图像通过切片改为二维图像的计算方式，本实施例中直接以三维数据进行计算，速度更快，效果更好。
S102：对每个图像区域的边缘进行扩展，得到扩展区域。
在计算每个图像区域时，需对每个图像区域的边缘进行扩展，以保证图像区域边缘的去噪效果。所得到的扩展区域包括图像区域和边缘区域，边缘区域包括与图像区域相邻的其他图像区域中的像素点。
结合图2理解，图2中，将待处理图像分为多个图像区域
Figure BDA0002255780280000042
对每个图像区域
Figure BDA0002255780280000043
的边缘进行扩展，得到扩展区域
Figure BDA0002255780280000044
扩展区域
Figure BDA0002255780280000045
则包括图像区域
Figure BDA0002255780280000046
和边缘区域δ。为方便理解，在图2中，边缘区域δ仅示出了图像区域下边缘扩展的部分，当然在上、左、右边缘扩展的部分也为边缘区域。边缘区域δ为相邻的其他图像区域中的像素点，即相邻扩展区域之间相互重叠。
具体来说，为了保证图像区域边缘的每个像素点均有较好的去噪效果，对于边缘的每个像素点均做扩展，因而本实施例中的扩展是沿着图像区域的边缘形状，对图像区域进行扩展，得到与图像区域具有相同形状的扩展区域。具体将图像区域的边缘扩展预设数量个像素点，预设数量大于等于1，进一步设置为小于等于5，例如在图2中，即扩展了2个像素点。
边缘处像素点之所以会有去噪效果不佳的问题，是因为在计算时，并没有考虑其周边关联的像素点，在图像中相邻的像素点内容一般是相互关联的。因而本实施例中对图像区域进行扩展后再计算，而关联的像素点数量并不会很多，因此本实施例中将扩展的像素点数量设定为1-5，当然数量越多计算负担越大，在发明人的实验验证后，采用2个像素点即能达到较好的计算效果及较快的计算速度。
S103：采用预设算法对每个扩展区域进行去噪处理，得到去噪扩展区域。
在完成对图像区域的扩展后，采用预设算法对扩展区域进行去噪处理，即进行数学计算。
首先将图像去噪问题用数学语言进行描述的话，具体如下：
z(x)＝u(x)+ε(x)，
Figure BDA0002255780280000051
其中，u(x)表示需恢复的理想去噪图像，z(x)表示原始观测到的待处理图像，ε(x)表示需去除的图像噪声，
Figure BDA0002255780280000052
表示图像为二维图像或三维图像。对待处理图像进行去噪处理，即找到理想的去噪图像u(x)。
本实施例中对上述图像去噪问题建立图像去噪ROF(Rudin-Osher-Fatemi)模型以进行求解，模型具体如下：
Figure BDA0002255780280000053
Figure BDA0002255780280000054
其中，
Figure BDA0002255780280000055
为扩展区域
Figure BDA0002255780280000056
上的有噪声的子图像数据。
将上述ROF模型转换为Euler-Lagrange方程形式，以方便求解。
Figure BDA0002255780280000057
其中，α为正参数。β也为正参数，避免
Figure BDA0002255780280000058
为0时出现奇点。k表示第k个区域，n表示所划分图像区域的外法向向量。本实施例中，在具体计算时，uk为第k个去噪图像区域的像素值，zk为第k个图像区域的像素值，即原始像素值。而α和β的取值取决于期望去噪程度，若期望去噪程度越大，则α和β的取值越小；本实施例中，期望去噪声程度较大，如图4所示的去噪声效果，其中α＝0.18，β＝1.0×10-4。
对于上述图像去噪问题，本实施例中还可采用NKS(Newton-Krylov-Schwarz)算法进行计算，该算法的具体过程如下：
1.将待处理图像所划分的图像区域作为初始图像u0
2.1建立Jacobian矩阵Jk
2.2用Krylov子空间法模糊计算以下右前置条件的Jacobian系统
Figure BDA0002255780280000061
2.3进行三次线搜索以确定步长Tk
2.4uk+1＝uk+Tksk
迭代进行上述2.1-2.4，k＝0，1，...直至收敛。
其中，F(u0)＝0，表示上述Euler-Lagrange方程中的以下公式在矩形或六面体网格上的有限差分离散化所产生的非线性系统。
Figure BDA0002255780280000062
Jk表示F(uk)的全Jacobian矩阵，
Figure BDA0002255780280000063
表示附加的Schwarz预处理算子。
模糊计算表示Jacobian计算的精确度取决于参数η，基于此
||F(uk)+J(uk)sk||≤η||F(uk)||
在NKS算法计算时，所划分的图像区域的数量等于求解器的数量，该求解器为不完全LU分解。用于线性求解器和非线性求解器的相对的剩余停止条件分别为10-4和10-6，Schwarz预处理算子中的重叠设置为1。
在本步骤中计算每个扩展区域均得到去噪扩展区域，去噪扩展区域包括去噪图像区域和去噪边缘区域。
S104：舍弃每一去噪扩展区域中的去噪边缘区域，将去噪图像区域保留并组合构成去噪图像。
当计算完上述扩展区域
Figure BDA0002255780280000064
后，去除边缘区域部分，保留图像区域部分
Figure BDA0002255780280000065
并且把所有的去噪图像区域组合，得到去噪图像u，数学计算过程具体如下：
Figure BDA0002255780280000071
其中，
Figure BDA0002255780280000072
为由扩展区域
Figure BDA0002255780280000073
到图像区域
Figure BDA0002255780280000074
的限制算子，即，向量uk定义在扩展区域
Figure BDA0002255780280000075
中，
Figure BDA0002255780280000076
则仅属于图像区域
Figure BDA0002255780280000077
Figure BDA0002255780280000078
为由图像区域
Figure BDA0002255780280000079
到整个图像Ω的扩展算子，即，定义m为图像Ω的像素点数量，mk为扩展区域
Figure BDA00022557802800000710
中的像素点数量，
Figure BDA00022557802800000711
则为m×mk矩阵，矩阵中的元素
Figure BDA00022557802800000712
能够对应到图像区域
Figure BDA00022557802800000713
中的像素，则为1，否则为0。
本实施例图像的去噪方法中首先将待处理图像分为多个图像区域，减小计算规模，并且对边缘进行扩展，且在去噪计算后，将去噪结果不好的扩展边缘区域去除，高效的提高去噪效果。具体可采用ROF模型或者NKS算法进行计算，对于大规模的图像，可实现高效快速的计算。
上述图像的去噪方法在具体实现时，通常利用一段计算机程序来表示其逻辑过程，即表示去噪方法的各个步骤；并构建相应的软件系统，基于硬件设备来实现上述去噪方法。
对于硬件设备，请参阅图5，图5是本申请图像的去噪装置一实施例的结构示意图，本实施例去噪装置100包括处理器11和存储器12，存储器12上存储有计算机程序，处理器11在执行该计算机程序时可实现上述去噪方法。
对于计算机程序，可存储在一计算机可读存储介质中，上述图像的去噪方法以软件形式实现并作为独立的产品销售或使用时，可存储在一个电子设备可读取存储介质中，即，本申请还提供一种计算机可读存储介质，请参阅图6，图6是本申请计算机可读存储介质一实施例的结构示意图，计算机可读存储介质200中存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。计算机可读存储介质可以为U盘、光盘、服务器等。
以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种图像的去噪方法，其特征在于，所述方法包括：
将待处理图像分为多个图像区域；
对每个所述图像区域的边缘进行扩展，得到扩展区域；所述扩展区域包括所述图像区域及边缘区域，所述边缘区域包括与所述图像区域相邻的其他图像区域中的像素点；
采用预设算法对每个所述扩展区域进行去噪处理，得到去噪扩展区域；
舍弃每一去噪扩展区域中的去噪边缘区域，将去噪图像区域保留，并组合构成去噪图像。
2.根据权利要求1所述的方法，其特征在于，所述对每个所述图像区域的边缘进行扩展，得到扩展区域，包括：
沿着所述图像区域的边缘形状，对所述图像区域进行扩展，得到与所述图像区域具有相同形状的扩展区域。
3.根据权利要求2所述的方法，其特征在于，所述沿着所述图像区域的边缘形状，对所述图像区域进行扩展，包括：
沿着所述图像区域的边缘形状，将所述图像区域的边缘扩展预设数量个像素点，所述预设数量大于等于1。
4.根据权利要求1所述的方法，其特征在于，所述将待处理图像分为多个图像区域，包括：
将待处理图像均等划分为多个矩形的所述图像区域。
5.根据权利要求1所述的方法，其特征在于，所述待处理图像为三维图像，所述将待处理图像分为多个图像区域，包括：
依据所述待处理图像的三维坐标，将待处理图像分割为多个三维的图像区域。
6.根据权利要求1所述的方法，其特征在于，所述采用预设算法对每个所述扩展区域进行去噪处理，包括：
对所述扩展区域建立图像去噪ROF模型，对所述图像去噪ROF模型的Euler-Lagrange方程进行求解，以对所述扩展区域进行去噪处理；
所述ROF模型的Euler-Lagrange方程为：
Figure FDA0002255780270000021
其中，所述uk为第k个去噪图像区域的像素值，所述zk为第k个图像区域，所述
Figure FDA0002255780270000022
为第k个扩展区域，所述n为所划分图像区域的外法向向量，所述k大于等于1小于等于n，所述α和所述β均为预设参数。
7.根据权利要求6所述的方法，其特征在于，所述α和所述β的取值取决于期望去噪程度，所述期望去噪程度越大，所述α和所述β的取值越小。
8.根据权利要求1所述的方法，其特征在于，所述采用预设算法对每个所述扩展区域进行去噪处理，包括：
采用NKS算法对每个所述扩展区域进行去噪处理。
9.一种图像的去噪装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-8中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-8中任一项所述方法的步骤。
CN201911058893.4A 2019-10-31 2019-10-31 图像的去噪方法、装置及计算机可读存储介质 Active CN111062878B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911058893.4A CN111062878B (zh) 2019-10-31 2019-10-31 图像的去噪方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911058893.4A CN111062878B (zh) 2019-10-31 2019-10-31 图像的去噪方法、装置及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN111062878A true CN111062878A (zh) 2020-04-24
CN111062878B CN111062878B (zh) 2023-04-18

Family

ID=70297576

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911058893.4A Active CN111062878B (zh) 2019-10-31 2019-10-31 图像的去噪方法、装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN111062878B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113572955A (zh) * 2021-06-25 2021-10-29 维沃移动通信（杭州）有限公司 图像处理方法、装置及电子设备
CN114781464A (zh) * 2022-06-20 2022-07-22 北京闪马智建科技有限公司 数据去噪方法及装置、存储介质、电子装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5687258A (en) * 1991-02-12 1997-11-11 Eastman Kodak Company Border treatment in image processing algorithms
WO2009018445A1 (en) * 2007-08-01 2009-02-05 Yeda Research & Development Co. Ltd. Multiscale edge detection and fiber enhancement using differences of oriented means
CN102163323A (zh) * 2011-03-21 2011-08-24 山东大学 基于nsct系数的3d方向窗图像去噪方法
CN102201110A (zh) * 2011-04-27 2011-09-28 华中科技大学 一种利用目标图像频谱特性的频域滤波去噪方法
CN102903087A (zh) * 2012-10-25 2013-01-30 西安电子科技大学 基于gpu编程的sar图像去噪方法
WO2014064968A1 (ja) * 2012-10-22 2014-05-01 Eizo株式会社 画像処理装置、画像処理方法及びコンピュータプログラム
CN105069764A (zh) * 2015-08-28 2015-11-18 上海斐讯数据通信技术有限公司 一种基于边缘跟踪的图像去噪方法及系统
JP2017038167A (ja) * 2015-08-07 2017-02-16 株式会社リコー 画像処理装置、画像処理方法及びプログラム
CN106683108A (zh) * 2016-12-07 2017-05-17 乐视控股（北京）有限公司 确定视频帧中平坦区域的方法、装置及电子设备
CN107784631A (zh) * 2016-08-24 2018-03-09 中安消物联传感（深圳）有限公司 图像去模糊方法及装置
JP2019045981A (ja) * 2017-08-30 2019-03-22 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5687258A (en) * 1991-02-12 1997-11-11 Eastman Kodak Company Border treatment in image processing algorithms
WO2009018445A1 (en) * 2007-08-01 2009-02-05 Yeda Research & Development Co. Ltd. Multiscale edge detection and fiber enhancement using differences of oriented means
CN102163323A (zh) * 2011-03-21 2011-08-24 山东大学 基于nsct系数的3d方向窗图像去噪方法
CN102201110A (zh) * 2011-04-27 2011-09-28 华中科技大学 一种利用目标图像频谱特性的频域滤波去噪方法
WO2014064968A1 (ja) * 2012-10-22 2014-05-01 Eizo株式会社 画像処理装置、画像処理方法及びコンピュータプログラム
CN102903087A (zh) * 2012-10-25 2013-01-30 西安电子科技大学 基于gpu编程的sar图像去噪方法
JP2017038167A (ja) * 2015-08-07 2017-02-16 株式会社リコー 画像処理装置、画像処理方法及びプログラム
CN105069764A (zh) * 2015-08-28 2015-11-18 上海斐讯数据通信技术有限公司 一种基于边缘跟踪的图像去噪方法及系统
CN107784631A (zh) * 2016-08-24 2018-03-09 中安消物联传感（深圳）有限公司 图像去模糊方法及装置
CN106683108A (zh) * 2016-12-07 2017-05-17 乐视控股（北京）有限公司 确定视频帧中平坦区域的方法、装置及电子设备
JP2019045981A (ja) * 2017-08-30 2019-03-22 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113572955A (zh) * 2021-06-25 2021-10-29 维沃移动通信（杭州）有限公司 图像处理方法、装置及电子设备
CN114781464A (zh) * 2022-06-20 2022-07-22 北京闪马智建科技有限公司 数据去噪方法及装置、存储介质、电子装置

Also Published As

Publication number Publication date
CN111062878B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
CN109840477B (zh) 基于特征变换的受遮挡人脸识别方法及装置
EP3074945B1 (en) Content-aware image rotation
EP2884745A1 (en) Virtual view generating method and apparatus
JP2013192227A (ja) タイル単位に基づいて大きい入力映像の不均一モーションブラーを除去する方法及び装置
WO2020186385A1 (zh) 图像处理方法、电子设备及计算机可读存储介质
CN112967381B (zh) 三维重建方法、设备和介质
CN111062878B (zh) 图像的去噪方法、装置及计算机可读存储介质
CN107358005B (zh) 基于真实微观组织结构sem-ebsd图像的有限元模型建模方法
Zhang et al. Image inpainting based on wavelet decomposition
CN110598717A (zh) 图像特征的提取方法、装置及电子设备
CN111951167A (zh) 超分辨率图像重建方法、装置、计算机设备和存储介质
CN111681165A (zh) 图像处理方法、装置、计算机设备和计算机可读存储介质
JP2022188301A (ja) 情報処理装置、情報処理方法
Simoes et al. A framework for fast image deconvolution with incomplete observations
CN110827301B (zh) 用于处理图像的方法和装置
JP2023541350A (ja) 表畳み込みおよびアクセラレーション
CN113393468A (zh) 图像处理方法、模型训练方法、装置和电子设备
CN111598817A (zh) 一种深度图像的缺失像素的填充方法及系统
US10521918B2 (en) Method and device for filtering texture, using patch shift
CN106778550A (zh) 一种人脸检测的方法和装置
Li et al. Image inpainting algorithm based on partial differential equation technique
CN113077477A (zh) 图像矢量化方法、装置及终端设备
CN111339969A (zh) 人体姿势估计方法、装置、设备及存储介质
Hongying et al. Image completion by a fast and adaptive exemplar-based image inpainting
WO2021081903A1 (zh) 图像的去噪方法、装置及计算机可读存储介质

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