CN112330553A - 一种裂缝图像去噪方法、设备及存储介质 - Google Patents

一种裂缝图像去噪方法、设备及存储介质 Download PDF

Info

Publication number
CN112330553A
CN112330553A CN202011185475.4A CN202011185475A CN112330553A CN 112330553 A CN112330553 A CN 112330553A CN 202011185475 A CN202011185475 A CN 202011185475A CN 112330553 A CN112330553 A CN 112330553A
Authority
CN
China
Prior art keywords
image
brightness
structural elements
crack
background
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
CN202011185475.4A
Other languages
English (en)
Other versions
CN112330553B (zh
Inventor
徐劲力
李征瑞
黄丰云
许建宁
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.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
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 Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN202011185475.4A priority Critical patent/CN112330553B/zh
Publication of CN112330553A publication Critical patent/CN112330553A/zh
Application granted granted Critical
Publication of CN112330553B publication Critical patent/CN112330553B/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
    • 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
    • G06T5/90—Dynamic range modification of images or parts thereof
    • 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
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种裂缝图像去噪方法、设备及存储介质，方法包括：将RGB图像转化为第一灰度图像；对所述第一灰度图像进行取反，得到与所述第一灰度图像相反的第二灰度图像；采用多尺度形态学滤波法对所述第二灰度图像进行闭运算处理，以得到不同尺度的结构元素下的滤波图像后，将不同尺度的结构元素下的滤波图像进行叠加得到叠加图像；采用多尺度形态学滤波法对所述叠加图像进行开运算处理，以得到只含背景区域的背景图像后，对所述背景图像进行二维平滑处理；对所述二维平滑处理的背景图像进行亮度等级区域划分，对所述叠加图像中的正常亮度区域进行亮度均衡，以得到结果图像。本发明解决了目前在进行裂缝图像滤波时无法去除较大像素块的问题。

Description

一种裂缝图像去噪方法、设备及存储介质
技术领域
本发明涉及图像处理技术领域，尤其涉及一种裂缝图像去噪方法、设备及存储介质。
背景技术
AGV小车在进行车辆巡检的过程中对地面的平整度要求较高，地面存在的裂缝等会影响小车的定位精度，影响小车的行驶路线，对车辆巡检工作造成影响，因此在小车工作前应当对地面裂缝进行检测。近年来，国内外研究学者在图像预处理主要采用均值滤波、中值滤波、形态学滤波等方法，但这些方法同时存在不足。
同传统的滤波算法相比，数学形态学滤波是一种非线性滤波方法，该方法能够保存边缘特征的同时较好地去除噪声，但是其也存在无法去除较大像素块的缺陷。
发明内容
有鉴于此，有必要提供一种裂缝图像去噪方法、设备及存储介质，用以解决目前在进行裂缝图像滤波时无法在保存边缘特征、较好的去除噪声的同时，还能去除较大像素块的问题。
第一方面，本发明提供一种裂缝图像去噪方法，包括如下步骤：
获取RGB图像，将所述RGB图像转化为第一灰度图像；
对所述第一灰度图像进行取反，得到与所述第一灰度图像相反的第二灰度图像；
采用多尺度形态学滤波法对所述第二灰度图像进行闭运算处理，以得到不同尺度的结构元素下的滤波图像后，将不同尺度的结构元素下的滤波图像进行叠加得到叠加图像；
采用多尺度形态学滤波法对所述叠加图像进行开运算处理，以得到只含背景区域的背景图像后，对所述背景图像进行二维平滑处理；
对所述二维平滑处理的背景图像进行亮度等级区域划分，对所述叠加图像中的正常亮度区域进行亮度均衡，以得到结果图像；其中，所述正常亮度区域为亮度值不高于预设亮度值的区域。
优选的，所述的裂缝图像去噪方法中，所述采用多尺度形态学滤波法对所述第二灰度图像进行闭运算处理，以得到不同尺度的结构元素下的滤波图像后，将不同尺度的结构元素下的滤波图像进行叠加得到叠加图像的步骤包括：
将基本单元为K1,最小半径为R的圆盘形结构元素进行循环膨胀处理，得到多个不同尺度的结构元素；
利用多个不同尺度的结构元素对所述第二灰度图像进行闭运算处理，以得到各个尺度的结构元素下的滤波图像；
计算不同尺度的结构元素下的第二翻转图像和第二翻转图像之间的标准方差，并以所述标砖方差为权重，将不同尺度的结构元素的滤波图像进行叠加得到叠加图像。
优选的，所述的裂缝图像去噪方法中，所述标准方差的计算公式为：
Figure BDA0002751314520000021
其中，σi表示不同尺度的结构元素的滤波图像与第二灰度图像之间的标准方差，m和n为第二灰度图像的长和宽，x和y为第二灰度图像中任意像素点的横坐标和纵坐标，Gi为不同尺度的结构元素下的滤波图像，I2为第二灰度图像。
优选的，所述的裂缝图像去噪方法中，所述叠加图像的计算方法为：
Figure BDA0002751314520000031
其中，I3表示叠加图像，L表示尺度大小，σj为j尺度的结构元素下的标准方差，Gi为不同尺度的结构元素下的滤波图像。
优选的，所述的裂缝图像去噪方法中，所述采用多尺度形态学滤波法对所述叠加图像进行开运算处理，以得到只含背景区域的背景图像后，对所述背景图像进行二维平滑处理的步骤具体包括：
利用特定大小的结构元素，通过形态学开运算得到只含背景区域的背景图像后，对所述背景图像进行二维平滑处理。
优选的，所述的裂缝图像去噪方法中，所述对所述二维平滑处理的背景图像进行亮度等级区域划分，对所述叠加图像中的正常亮度区域进行亮度均衡处理，以得到结果图像；其中，所述正常亮度区域为亮度值不高于预设亮度值的区域的步骤包括：
对所述二维平滑处理的背景图像进行亮度等级区域划分；
计算所述叠加图像的正常亮度区域的平均亮度，以及每一个非正常亮度区域的平均亮度同正常亮度区域平均亮度的差值；
根据所述差值以及正常亮度区域的平均亮度，对所述正常亮度区域进行亮度均衡，以得到结果图像。
优选的，所述的裂缝图像去噪方法中，所述对所述二维平滑处理的背景图像进行亮度等级区域划分的步骤具体包括：
统计所述背景图像中每一个灰度值对应的像素点的数量和像素点的坐标，确定若干个灰度值阈值后，将所述背景图像划分为若干个不同的亮度等级区域。
优选的，所述的裂缝图像去噪方法中，对所述正常亮度区域进行亮度均衡的方法具体为：
Figure BDA0002751314520000041
其中，I4为结果图像，I3为多尺度形态学滤波后图像，d为正常亮度区域，h为非正常区域，Ih为亮点区域的平均亮度，Id为正常区域的平均亮度。
第二方面，本发明还提供一种裂缝图像去噪设备，包括处理器和存储器；
所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述处理器执行所述计算机可读程序时实现如上所述的裂缝图像去噪方法中的步骤。
第三方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的裂缝图像去噪方法中的步骤。
【有益效果】
本发明提供的裂缝图像去噪方法、设备及存储介质，为处理图像中含有复合噪声的情况，采用图像灰度反转能够初步增加图像中边缘特征同背景部分的对比度。改进的多尺度形态学算法结合传统形态学算法与纹理均衡的特点，使用多尺度闭运算，结合小尺度结构元素能较好保留边缘特征和大结构元素去噪能力强，去除图像中的椒盐噪声、高斯噪声等；再结合纹理均衡分析图像中的亮度特征，将图像分为正常亮度区域与非正常亮度区域，利用方差来均衡图像中的非正常亮度区域，去除图像背景中未被处理的面积较大的像素块，最终处理得到边缘特征与背景对比度较高且背景中基本不含噪声的裂缝图像。
附图说明
图1为本发明提供的裂缝图像去噪方法的一较佳实施例的流程图；
图2为本发明裂缝图像去噪程序的较佳实施例的运行环境示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
请参阅图1，本发明实施例提供的裂缝图像去噪方法，包括如下步骤：
S100、获取RGB图像，将所述RGB图像转化为第一灰度图像；
S200、对所述第一灰度图像进行取反，得到与所述第一灰度图像相反的第二灰度图像。
本实施例中，通过AGV小车上的设置的摄像头进行地面RGB图像的获取，然后将其进行灰度化处理，得到第一灰度图像，然后对第一灰度图像在图像灰度范围内去翻，得到一副与所述第一灰度图像相反的图像，从而增加裂缝特征同背景的对比度。即：
B＝Amax-A，
其中，A与B分别代表反转处理前后的图像灰度值，Amax代表出来前灰度图像最大灰度值。
S300、采用多尺度形态学滤波法对所述第二灰度图像进行闭运算处理，以得到不同尺度的结构元素下的滤波图像后，将不同尺度的结构元素下的滤波图像进行叠加得到叠加图像。
具体来说，多尺度形态学滤波是确定一定形状的结构元素，将其循环膨胀，使用不同尺度的结构元素对图像进行数学形态学运算的方法，从而达到在保存边缘特征的同时较好地去除噪声的目的。而将不同尺度的结构元素下的滤波图像进行叠加，可以增加图像的精度。具体实施时，所述步骤S300具体包括：
将基本单元为K1,最小半径为R的圆盘形结构元素进行循环膨胀处理，得到多个不同尺度的结构元素；
利用多个不同尺度的结构元素对所述第二灰度图像进行闭运算处理，以得到各个尺度的结构元素下的滤波图像；
计算不同尺度的结构元素下的第二翻转图像和第二翻转图像之间的标准方差，并以所述标砖方差为权重，将不同尺度的结构元素的滤波图像进行叠加得到叠加图像。
具体来说，所述结构元素的形状根据裂缝的方向和位置的随机性来确定，故本发明实施例中所述结构元素为圆盘形，其基本单元为K1,最小半径为R＝1。然后为了得到不同尺度的结构元素，将圆盘形基本单元循环膨胀后得到尺度为L，对应结构元素半径为Ri的结构元素，本实施例中，L为6，故Ri可以为1～6中的任意自然数，具体的形态学膨胀运算的过程可表述为：Ki＝K1⊕K1...⊕K1，即i个K1作形态学膨胀运算。
当得到了多个不同尺度的结构元素后，即可结合已得到的多个结构元素和尺度对第二灰度图像I2进行闭运算处理，得到各个尺度下的滤波图像Gi，即Gi＝I2·Ki。最后再进行利用标准方差进行叠加处理得到叠加图像，以得到精准的过渡图像。
进一步来说，所述标准方差的计算公式为：
Figure BDA0002751314520000061
其中，m和n为第二灰度图像的长和宽，x和y为第二灰度图像中任意像素点的横坐标和纵坐标，Gi为不同尺度的结构元素下的滤波图像，I2为第二灰度图像。需要说明的是，在图像处理的过程中，图像的大小和各个像素点的坐标均保持一致。
进一步的，所述叠加图像的计算方法为：
Figure BDA0002751314520000071
其中，I3表示叠加图像，L表示尺度大小，σj为j尺度的结构元素下的标准方差，Gi为不同尺度的结构元素下的滤波图像。
S400、采用多尺度形态学滤波法对所述叠加图像进行开运算处理，以得到只含背景区域的背景图像后，对所述背景图像进行二维平滑处理。
具体来说，为了去除多尺度形态学滤波后的图像中较亮的裂缝特征，需要对所述叠加图像进行开运算处理，以得到只含背景区域的图像，之后对背景图像进行二维平滑处理，可以减少路面其它特征对后续处理的影响。具体实施时，所述步骤S400具体包括：
利用特定大小的结构元素，通过形态学开运算得到只含背景区域的背景图像后，对所述背景图像进行二维平滑处理。
本实施例中，特定大小的结构元素为半径为5的圆盘形结构元素。
S500、对所述二维平滑处理的背景图像进行亮度等级区域划分，对所述叠加图像中的正常亮度区域进行亮度均衡处理，以得到结果图像；其中，所述正常亮度区域为亮度值不高于预设亮度值的区域。
具体的，本发明实施例通过统计图像中的每一个像素点的灰度值大小，将图像划分为正常亮度区域与非正常亮度区域，利用不同区域灰度值方差大小处理非正常区域，去除图像背景中未被处理的面积较大的像素块，最终处理得到边缘特征与背景对比度较高且背景中基本不含噪声的裂缝图像。通过与多尺度形态学滤波法的结合，共同完成裂缝灰度图像中复合噪声的去除。
具体实施时，所述步骤S500具体包括：
对所述二维平滑处理的背景图像进行亮度等级区域划分；
计算所述叠加图像的正常亮度区域的平均亮度，以及每一个非正常亮度区域的平均亮度同正常亮度区域平均亮度的差值；
根据所述差值以及正常亮度区域的平均亮度，对所述正常亮度区域进行亮度均衡，以得到结果图像。
其中，所述对所述二维平滑处理的背景图像进行亮度等级区域划分的步骤具体包括：
统计所述背景图像中每一个灰度值对应的像素点的数量和像素点的坐标，确定若干个灰度值阈值后，将所述背景图像划分为若干个不同的亮度等级区域。
具体实施时，统计I″3中0～255每一个灰度值对应的像素点的数量{M0,M1...M255}和像素点的坐标，确定n-1个阈值{p0,p1,p2...pn-2|0≤p0...pn-2≤255}将I″3划分为n个不同的亮度等级区域{P0,P1,P2...Pn-1}。
进一步的，在进行亮度计算时，选择T个亮度等级较高的图像区域作为非正常亮度区域，n-T个亮度等级作为正常亮度区域，计算正常亮度区域中的平均亮度Id，以及每一个非正常亮度区域的平均亮度同正常亮度区域的平均亮度的差值Ih-Id后，进行亮度均衡。其中，本实施例中，T取7/8n。
在进行亮度均衡时，对所述正常亮度区域进行亮度均衡的方法具体为：
Figure BDA0002751314520000091
其中，I4为结果图像，I3为多尺度形态学滤波后图像，d为正常亮度区域，h为非正常区域，Ih为亮点区域的平均亮度，Id为正常区域的平均亮度。
实验表明，本发明提供的裂缝图像去噪方法，相较于传统的中值滤波法、均值滤波法、多尺度形态学滤波法，不仅能够降低图像中的噪声，有效的保护裂缝边缘，同时有利于裂缝特征的分割。
如图2所示，基于上述裂缝图像去噪方法，本发明还相应提供了一种裂缝图像去噪设备，所述裂缝图像去噪设备可以是移动终端、桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该裂缝图像去噪设备包括处理器10、存储器20及显示器30。图2仅示出了裂缝图像去噪设备的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
所述存储器20在一些实施例中可以是所述裂缝图像去噪设备的内部存储单元，例如裂缝图像去噪设备的硬盘或内存。所述存储器20在另一些实施例中也可以是所述裂缝图像去噪设备的外部存储设备，例如所述裂缝图像去噪设备上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器20还可以既包括裂缝图像去噪设备的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述裂缝图像去噪设备的应用软件及各类数据，例如所述安装裂缝图像去噪设备的程序代码等。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有裂缝图像去噪程序40，该裂缝图像去噪程序40可被处理器10所执行，从而实现本申请各实施例的基于深度学习的原油切水方法。
所述处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他数据处理芯片，用于运行所述存储器20中存储的程序代码或处理数据，例如执行所述裂缝图像去噪方法等。
所述显示器30在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。所述显示器30用于显示在所述裂缝图像去噪设备的信息以及用于显示可视化的用户界面。所述裂缝图像去噪设备的部件10-30通过系统总线相互通信。
在一实施例中，当处理器10执行所述存储器20中裂缝图像去噪程序40时实现如上述实施例所述的裂缝图像去噪方法中的步骤，由于上文已对裂缝图像去噪方法进行详细描述，在此不再赘述。
综上所述，本发明提供的裂缝图像去噪方法、设备及存储介质，为处理图像中含有复合噪声的情况，采用图像灰度反转能够初步增加图像中边缘特征同背景部分的对比度。改进的多尺度形态学算法结合传统形态学算法与纹理均衡的特点，使用多尺度闭运算，结合小尺度结构元素能较好保留边缘特征和大结构元素去噪能力强，去除图像中的椒盐噪声、高斯噪声等；再结合纹理均衡分析图像中的亮度特征，将图像分为正常亮度区域与非正常亮度区域，利用方差来均衡图像中的非正常亮度区域，去除图像背景中未被处理的面积较大的像素块，最终处理得到边缘特征与背景对比度较高且背景中基本不含噪声的裂缝图像。
当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件(如处理器，控制器等)来完成，所述的程序可存储于一计算机可读取的存储介质中，该程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种裂缝图像去噪方法，其特征在于，包括如下步骤：
获取RGB图像，将所述RGB图像转化为第一灰度图像；
对所述第一灰度图像进行取反，得到与所述第一灰度图像相反的第二灰度图像；
采用多尺度形态学滤波法对所述第二灰度图像进行闭运算处理，以得到不同尺度的结构元素下的滤波图像后，将不同尺度的结构元素下的滤波图像进行叠加得到叠加图像；
采用多尺度形态学滤波法对所述叠加图像进行开运算处理，以得到只含背景区域的背景图像后，对所述背景图像进行二维平滑处理；
对所述二维平滑处理的背景图像进行亮度等级区域划分，对所述叠加图像中的正常亮度区域进行亮度均衡，以得到结果图像；其中，所述正常亮度区域为亮度值不高于预设亮度值的区域。
2.根据权利要求1所述的裂缝图像去噪方法，其特征在于，所述采用多尺度形态学滤波法对所述第二灰度图像进行闭运算处理，以得到不同尺度的结构元素下的滤波图像后，将不同尺度的结构元素下的滤波图像进行叠加得到叠加图像的步骤包括：
将基本单元为K1,最小半径为R的圆盘形结构元素进行循环膨胀处理，得到多个不同尺度的结构元素；
利用多个不同尺度的结构元素对所述第二灰度图像进行闭运算处理，以得到各个尺度的结构元素下的滤波图像；
计算不同尺度的结构元素下的第二翻转图像和第二翻转图像之间的标准方差，并以所述标砖方差为权重，将不同尺度的结构元素的滤波图像进行叠加得到叠加图像。
3.根据权利要求2所述的裂缝图像去噪方法，其特征在于，所述标准方差的计算公式为：
Figure FDA0002751314510000021
其中，σi表示不同尺度的结构元素的滤波图像与第二灰度图像之间的标准方差，m和n为第二灰度图像的长和宽，x和y为第二灰度图像中任意像素点的横坐标和纵坐标，Gi为不同尺度的结构元素下的滤波图像，I2为第二灰度图像。
4.根据权利要求3所述的裂缝图像去噪方法，其特征在于，所述叠加图像的计算方法为：
Figure FDA0002751314510000022
其中，I3表示叠加图像，L表示尺度大小，σj为j尺度的结构元素下的标准方差，Gi为不同尺度的结构元素下的滤波图像。
5.根据权利要求4所述的裂缝图像去噪方法，其特征在于，所述采用多尺度形态学滤波法对所述叠加图像进行开运算处理，以得到只含背景区域的背景图像后，对所述背景图像进行二维平滑处理的步骤具体包括：
利用特定大小的结构元素，通过形态学开运算得到只含背景区域的背景图像后，对所述背景图像进行二维平滑处理。
6.根据权利要求5所述的裂缝图像去噪方法，其特征在于，所述对所述二维平滑处理的背景图像进行亮度等级区域划分，对所述叠加图像中的正常亮度区域进行亮度均衡处理，以得到结果图像；其中，所述正常亮度区域为亮度值不高于预设亮度值的区域的步骤包括：
对所述二维平滑处理的背景图像进行亮度等级区域划分；
计算所述叠加图像的正常亮度区域的平均亮度，以及每一个非正常亮度区域的平均亮度同正常亮度区域平均亮度的差值；
根据所述差值以及正常亮度区域的平均亮度，对所述正常亮度区域进行亮度均衡，以得到结果图像。
7.根据权利要求6所述的裂缝图像去噪方法，其特征在于，所述对所述二维平滑处理的背景图像进行亮度等级区域划分的步骤具体包括：
统计所述背景图像中每一个灰度值对应的像素点的数量和像素点的坐标，确定若干个灰度值阈值后，将所述背景图像划分为若干个不同的亮度等级区域。
8.根据权利要求7所述的裂缝图像去噪方法，其特征在于，对所述正常亮度区域进行亮度均衡的方法具体为：
Figure FDA0002751314510000031
其中，I4为结果图像，I3为多尺度形态学滤波后图像，d为正常亮度区域，h为非正常区域，Ih为亮点区域的平均亮度，Id为正常区域的平均亮度。
9.一种裂缝图像去噪设备，其特征在于，包括处理器和存储器；
所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述处理器执行所述计算机可读程序时实现如权利要求1-8任意一项所述的裂缝图像去噪方法中的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-8任意一项所述的裂缝图像去噪方法中的步骤。
CN202011185475.4A 2020-10-30 2020-10-30 一种裂缝图像去噪方法、设备及存储介质 Active CN112330553B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011185475.4A CN112330553B (zh) 2020-10-30 2020-10-30 一种裂缝图像去噪方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011185475.4A CN112330553B (zh) 2020-10-30 2020-10-30 一种裂缝图像去噪方法、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112330553A true CN112330553A (zh) 2021-02-05
CN112330553B CN112330553B (zh) 2022-07-01

Family

ID=74297405

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011185475.4A Active CN112330553B (zh) 2020-10-30 2020-10-30 一种裂缝图像去噪方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112330553B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060239583A1 (en) * 2005-04-25 2006-10-26 Samsung Electronics Co., Ltd. Method and apparatus for adjusting brightness of image
JP2010010976A (ja) * 2008-06-25 2010-01-14 Noritsu Koki Co Ltd 写真画像処理方法、写真画像処理プログラム、及び写真画像処理装置
CN102175613A (zh) * 2011-01-26 2011-09-07 南京大学 基于图像亮度特征的ptz视频能见度检测方法
CN103810709A (zh) * 2014-02-25 2014-05-21 南京理工大学 基于血管的眼底图像与sd-oct投影图像配准方法
CN106651781A (zh) * 2016-09-26 2017-05-10 长春理工大学 一种激光主动成像的图像噪声抑制方法
WO2017101489A1 (zh) * 2015-12-14 2017-06-22 乐视控股（北京）有限公司 图像滤波方法及装置
CN108154519A (zh) * 2017-12-25 2018-06-12 吉林大学 眼底图像中血管的分割方法、装置及存储介质
CN108416732A (zh) * 2018-02-02 2018-08-17 重庆邮电大学 一种基于图像配准与多分辨率融合的全景图像拼接方法
CN109410205A (zh) * 2018-11-01 2019-03-01 西安建筑科技大学 一种复杂路面背景下的裂缝提取方法
CN109961416A (zh) * 2019-04-02 2019-07-02 西南交通大学 一种基于形态学梯度多尺度融合的营业执照信息提取方法
WO2020107866A1 (zh) * 2018-11-30 2020-06-04 平安科技（深圳）有限公司 一种文字区域获取方法、装置、存储介质及终端设备

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060239583A1 (en) * 2005-04-25 2006-10-26 Samsung Electronics Co., Ltd. Method and apparatus for adjusting brightness of image
JP2010010976A (ja) * 2008-06-25 2010-01-14 Noritsu Koki Co Ltd 写真画像処理方法、写真画像処理プログラム、及び写真画像処理装置
CN102175613A (zh) * 2011-01-26 2011-09-07 南京大学 基于图像亮度特征的ptz视频能见度检测方法
CN103810709A (zh) * 2014-02-25 2014-05-21 南京理工大学 基于血管的眼底图像与sd-oct投影图像配准方法
WO2017101489A1 (zh) * 2015-12-14 2017-06-22 乐视控股（北京）有限公司 图像滤波方法及装置
CN106651781A (zh) * 2016-09-26 2017-05-10 长春理工大学 一种激光主动成像的图像噪声抑制方法
CN108154519A (zh) * 2017-12-25 2018-06-12 吉林大学 眼底图像中血管的分割方法、装置及存储介质
CN108416732A (zh) * 2018-02-02 2018-08-17 重庆邮电大学 一种基于图像配准与多分辨率融合的全景图像拼接方法
CN109410205A (zh) * 2018-11-01 2019-03-01 西安建筑科技大学 一种复杂路面背景下的裂缝提取方法
WO2020107866A1 (zh) * 2018-11-30 2020-06-04 平安科技（深圳）有限公司 一种文字区域获取方法、装置、存储介质及终端设备
CN109961416A (zh) * 2019-04-02 2019-07-02 西南交通大学 一种基于形态学梯度多尺度融合的营业执照信息提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WENJIE XU等: "Deep Residual Convolutional Network for Natural Image Denoising and Brightness Enhancement", 《2018 INTERNATIONAL CONFERENCE ON PLATFORM AND SERVICE(PLATCON)》 *
金萍萍: "图像拼接和裂缝提取方法研究及在多足机器人桥梁检测中的应用", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *

Also Published As

Publication number Publication date
CN112330553B (zh) 2022-07-01

Similar Documents

Publication Publication Date Title
CN112950508B (zh) 一种基于计算机视觉的排水管道视频数据修复方法
CN114235758A (zh) 缺陷检测方法、装置、设备及存储介质
CN110751620B (zh) 估算体积和重量的方法、电子设备及计算机可读存储介质
CN113436162B (zh) 一种水下机器人液压油管道表面焊缝缺陷识别方法及装置
CN110415237B (zh) 皮肤瑕疵检测方法、检测装置、终端设备及可读存储介质
CN111539238B (zh) 二维码图像修复方法、装置、计算机设备和存储介质
Yang et al. Research and analysis of Image edge detection algorithm Based on the MATLAB
CN109636730B (zh) 用于过滤深度图中的伪像素的方法
CN112150371B (zh) 图像降噪方法、装置、设备及存储介质
US20080007747A1 (en) Method and apparatus for model based anisotropic diffusion
CN107545223B (zh) 图像识别方法及电子设备
CN109447117B (zh) 双层车牌识别方法、装置、计算机设备及存储介质
CN113781406B (zh) 电子元器件的划痕检测方法、装置及计算机设备
WO2021118463A1 (en) Defect detection in image space
CN112651953B (zh) 图片相似度计算方法、装置、计算机设备及存储介质
CN112991374B (zh) 基于Canny算法的边缘增强方法、装置、设备及存储介质
CN111105452A (zh) 基于双目视觉的高低分辨率融合立体匹配方法
CN116128849A (zh) 一种混凝土坝水下裂缝检测方法、装置、设备及存储介质
CN112528868A (zh) 一种基于改进Canny边缘检测算法的违章压线判别方法
CN115761826A (zh) 掌静脉有效区域提取方法、系统、介质及电子设备
CN113744142B (zh) 图像修复方法、电子设备及存储介质
CN112330553B (zh) 一种裂缝图像去噪方法、设备及存储介质
CN106778844B (zh) 隧道内裂缝匹配方法和系统
CN117333518A (zh) 激光扫描图像匹配方法、系统及计算机设备
Abir et al. An automatic enhanced filters with frequency-based copy-move forgery detection for social media images

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