CN112419190B - 一种基于局部统计信息和几何距离的脉冲噪声滤波方法、系统 - Google Patents
一种基于局部统计信息和几何距离的脉冲噪声滤波方法、系统 Download PDFInfo
- Publication number
- CN112419190B CN112419190B CN202011325028.4A CN202011325028A CN112419190B CN 112419190 B CN112419190 B CN 112419190B CN 202011325028 A CN202011325028 A CN 202011325028A CN 112419190 B CN112419190 B CN 112419190B
- Authority
- CN
- China
- Prior art keywords
- pixel
- noise
- image
- filtering
- pixels
- 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 66
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 10
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000011218 segmentation 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于局部统计信息和几何距离的脉冲噪声滤波方法,所述方法具体包括以下步骤:S1:对待测图像的所有噪声像素进行滤波处理,获得滤波后的图像;S2:判断滤波后的图像是否符合判断规则,若不符合则重新获取滤波后的图像。通过以上的步骤可以对噪声像素的图像进行滤波去噪,得到更加干净的像素。
Description
技术领域
本发明涉及图像去噪技术领域,尤其涉及一种基于局部统计信息和几何距离的脉冲噪声滤波方法、系统。
背景技术
目前在图像的采集和传输过程中,由于传感器设备的原因,数字图像经常被脉冲噪声破坏。随机值脉冲噪声(RVIN)是其中一种脉冲噪声,其噪声像素值随机位于0到255之间,因此很难处理。为了后面对图像进行轮廓提取、区域分割和目标识别等操作,有必要对噪声图像进行恢复,目前主流的去噪算法主要可分为基于块匹配的方法、基于卷积神经网络的方法和基于模糊规则的方法,从近几年流行的去噪算法来看,由于引入了模糊规则和卷积神经网络,虽然取得了很好的滤波效果,但也导致了算法的复杂度增加,运行时间变长,设备成本高。
因此,需要一种基于局部统计信息和几何距离的脉冲噪声滤波方法、系统。
发明内容
鉴以此,本发明的目的在于提供一种基于局部统计信息和几何距离的脉冲噪声滤波方法、系统,可以对图像进行高效去噪处理,以解决现有技术中图像去噪算法复杂度高,运行时间长的问题。
本发明第一方面提出一种基于局部统计信息和几何距离的脉冲噪声滤波方法,所述方法具体包括以下步骤:
S1:对待测图像的所有噪声像素进行滤波处理,获得滤波后的图像;
S2:判断滤波后的图像是否符合判断规则,若不符合则重新获取滤波后的图像;
所述判断规则包括:
计算滤波后图像的第一PSNR值,计算待测图像的第二PSNR值,当第一PSNR值大于第二PSNR值时,滤波后的图像符合要求;
当第一PSNR值小于第二PSNR值时,重新获取滤波后图像的噪声像素;
对待测图像的所有噪声像素进行滤波处理,包括:
对待测图像的一个噪声像素x进行滤波处理;
对待测图像的其他噪声像素依次迭代进行滤波处理,获得滤波后的图像;
所述待测图像的噪声像素的获得过程如下:
计算待测图像中每个像素的局部统计信息值,包括:
对ζx采用以下公式进行标准化操作:
在上式中,D(x,y)为像素x与像素y之间的欧式距离,I(x,y)为像素x与像素y之间的灰度差;(s,t)表示像素x在邻域中的位置,(m,n)表示像素y在邻域/>中的位置,σD为欧氏距离的调节参数,σI为灰度差的调节参数,LSX为像素x的局部统计信息值,可以表示像素是否为噪声的概率;
对待测图像的一个噪声像素x进行滤波处理,包括:
计算噪声像素x建立的邻域和邻域的其他像素y的欧式距离
计算噪声像素x建立的邻域和邻域的其他像素y的灰度差
根据灰度差与欧式距离对噪声像素x进行滤波计算
其中(s,t)和(m,n)表示像素x和y在局部区域中的位置,D(x,y)和L(x,y)分别表示x和y之间的欧式距离和灰度差,σD表示欧氏距离的调节参数,/>表示像素X领域内的任一像素y的局部统计信息值的最大值平方,Ixf表示滤波后像素x的新的灰度值,Iy是/>中的像素y的强度值。
进一步的,第一PSNR值、第二PSNR值通过Matlab程序获得。
本发明第二方面提出一种基于局部统计信息和几何距离的脉冲噪声滤波系统,所述系统包括滤波模块和判断模块,所述滤波模块和判断模块采用如第一方面提出的所述的方法进行滤波和判断,所述滤波模块用于对待测图像进行滤波处理,所述判断模块用于对滤波处理的结果进行判断。
与现有技术相比,本发明的有益效果是:
本发明提供的一种基于局部统计信息和几何距离的脉冲噪声滤波方法、系统,通过恢复图像的噪声像素,在恢复的噪声像素的图像上寻找到每个像素的LS值,然后检测噪声像素并进行滤波;通过滤波可以把噪声像素和干净像素筛选出来,使得本发明提供的图像噪声检测方法准确度和灵敏度较高,解决了现有技术中检测脉冲噪声的方法准确度和灵敏度较低的问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的优选实施例,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是本发明实施例提供的一种基于局部统计信息和几何距离的脉冲噪声滤波方法的整体结构流程图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所列举实施例只用于解释本发明,并非用于限定本发明的范围。
实施例一
参照图1,本发明提供一种基于局部统计信息和几何距离的脉冲噪声滤波方法,
所述方法具体包括以下步骤:
S1:对待测图像的所有噪声像素进行滤波处理,获得滤波后的图像;
S2:判断滤波后的图像是否符合判断规则,若不符合则重新获取滤波后的图像;
所述判断规则包括:
计算滤波后图像的第一PSNR值,计算待测图像的第二PSNR值,当第一PSNR值大于第二PSNR值时,滤波后的图像符合要求;
当第一PSNR值小于第二PSNR值时,重新获取滤波后图像的噪声像素;
对待测图像的所有噪声像素进行滤波处理,包括:
对待测图像的一个噪声像素x进行滤波处理;
对待测图像的其他噪声像素依次迭代进行滤波处理,获得滤波后的图像;
所述待测图像的噪声像素的获得过程如下:
计算待测图像中每个像素的局部统计信息值,包括:
对ζx采用以下公式进行标准化操作:
在上式中,D(x,y)为像素x与像素y之间的欧式距离,I(x,y)为像素x与像素y之间的灰度差;(s,t)表示像素x在邻域中的位置,(m,n)表示像素y在邻域/>中的位置,σD为欧氏距离的调节参数,σI为灰度差的调节参数,LSX为像素x的局部统计信息值,可以表示像素是否为噪声的概率;
对待测图像的一个噪声像素x进行滤波处理,包括:
计算噪声像素x建立的邻域和邻域的其他像素y的欧式距离
计算噪声像素x建立的邻域和邻域的其他像素y的灰度差
根据灰度差与欧式距离对噪声像素x进行滤波计算
其中(s,t)和(m,n)表示像素x和y在局部区域中的位置,D(x,y)和L(x,y)分别表示x和y之间的欧式距离和灰度差,σD表示欧氏距离的调节参数,/>表示像素X领域内的任一像素y的局部统计信息值的最大值平方,Ixf表示滤波后像素x的新的灰度值,Iy是/>中的像素y的强度值。
第一PSNR值、第二PSNR值通过Matlab程序获得。
在式中,D(x,y)为像素x与像素y之间的欧式距离,I(x,y)为像素x与像素y之间的灰度差,当两个像素之间的距离和灰度级差变大时,它们都减小,这也意味着如果两个像素之间的灰度差大或距离远,则它们的相似度很小,甚至欧几里德距离也可被省略;(s,t)表示像素x在邻域中的位置,(m,n)表示像素y在邻域/>中的位置,σD为欧氏距离的调节参数,σI为灰度差的调节参数,可以分别通过调整这两个参数的值来更改它们对D(x,y)和I(x,y)的影响ζX为相似度之和,LSX为像素x的局部统计信息值,可以表示像素是否为噪声的概率。如果LSX值越小,表明像素x与其邻域内的像素的相似度越小,也就意味着像素x是噪声的概率更大。
判断待测图像中每个像素处于平坦区域还是复杂区域,包括:
根据所述标准偏差,判断给定像素x是否为处于平坦区域还是复杂区域:
式中,W1和W2为LSy的权重,用来调整干净像素和噪声像素对计算局部方差影响的比重,a、b为归一化的参数,Tσ为区分像素是处于复杂区域还是平坦区域的阈值,LSy为邻域内的所有像素的局部统计信息值的最大值,uy是具有局部统计信息值的最大值的像素y的灰度值。
在本实施例的一个优选实施方式中,所述Tσ的范围为[0.3,8]
计算平坦区域的第一噪声检测阈值,计算复杂区域的第二噪声检测阈值,包括:
在待测图像中选取若干个大小为M的平坦区域,判断平坦区域中的异常像素与非异常像素:
当ΙX-Ιy>θ时,像素x为异常像素,当ΙX-Ιy≤θ时,像素x为非异常像素,ΙX为像素x的强度,Ιy为像素y的强度,其强度为像素的灰度值,通过将待测图像导入相应的Matlab程序中,可获得待测图像的像素灰度值;
在本实施例的一个优选实施方式中,所述θ的范围为[5,8]。
在本实施例的又一个优选实施方式中,所述θ的范围为[0,20]。
估算每个区域的噪声水平:
通过对每个区域的噪声水平进行加权平均运算获得图像的整体噪声水平:
计算平坦区域的第一噪声检测阈值:
θf=-0.12σ3+0.07σ2+0.75σ+0.19
计算复杂区域的第二噪声检测阈值:
θc=0.31σ3+0.63σ2+0.52σ+0.03
其中,Qn为异常像素个数,而QC为非异常像素个数,d为平坦区域的数量,θ是经验阈值。
在某一像素处于平坦区域且该像素的局部统计信息值小于第一噪声检测阈值的情况下,将该像素判定为噪声像素,否则为干净像素;
在某一像素处于复杂区域且该像素的局部统计信息值小于第二噪声检测阈值的情况下,将该像素判定为噪声像素,否则为干净像素,上述具体方式为:
当像素x处于平坦区域时,比较像素x的LSX值与第一噪声检测阈值的大小:
当LSX≤θC时,像素x为噪声像素,当LSX>θC时,像素x为干净像素。
当像素x处于复杂区域时,比较像素x的LSX值与第二噪声检测阈值的大小:
当LSX≤θf时,像素x为噪声像素,当LSX>θf时,像素x为干净像素。
对待测图像的所有噪声像素进行滤波处理,包括:
对待测图像的一个噪声像素x进行滤波处理;
对待测图像的其他噪声像素依次迭代进行滤波处理,获得滤波后的图像。
对待测图像的一个噪声像素x进行滤波处理,包括:
计算噪声像素x建立的邻域和邻域的其他像素y的欧式距离
计算噪声像素x建立的邻域和邻域的其他像素y的灰度差
根据灰度差与欧式距离对噪声像素x进行滤波计算
其中(s,t)和(m,n)表示像素x和y在局部区域中的位置,D(x,y)和L(x,y)分别表示x和y之间的欧式距离和灰度差,σD表示欧氏距离的调节参数,/>表示像素X领域内的任一像素y的LS值,Ixf表示滤波后像素x的新的灰度值,Iy是/>中的像素y的强度值。
对噪声图像计算每个像素的LS值,然后用一个固定的阈值去判断哪些像素是噪声,哪些像素不是噪声(干净像素),对于干净像素选择忽略掉,其灰度值保持和原来的一样,对于任一噪声像素,以其为中心,构建一个5×5的滤波窗口,那么像素x的邻域里有24个像素y1~y24,对任意的y求其的LS值(也就是LSy),第一条公式是用来算x和任一个像素y之间的欧氏距离的高斯函数值D(x,y),第二条公式就是LSy的平方。第三条公式表示滤波后像素x的新的灰度值,从公式可以知道,x的新的灰度值是跟它邻域里的24个像素的灰度值是有关的,而这24个像素的灰度值对这个x的新的灰度值的影响的权重,跟这两个因素有关,第一是几何距离,第二是LSy。像素y跟x距离越近,那么它的灰度值对x的新灰度值的影响就越大;如果像素y的LS值越大,表示像素y越可能是干净像素,那么它对像素x的影响也就越大。
所述判断规则包括:
计算滤波后图像的第一PSNR值,计算待测图像的第二PSNR值,当第一PSNR值小于第二PSNR值时,滤波后的图像符合要求;
当第一PSNR值大于第二PSNR值时,重新获取滤波后图像的噪声像素。
对待测图像噪声像素进行滤波处理,计算第一PSNR值,然后再次滤波,计算第二PSNR值,通过迭代判断PSNR值开始下降时,停止滤波。
第一PSNR值、第二PSNR值通过Matlab程序获得。
本发明还提出一种基于局部统计信息和几何距离的脉冲噪声滤波系统,所述系统包括滤波模块和判断模块,所述滤波模块和判断模块采用如上述实施例提出的所述的方法进行滤波和判断,所述滤波模块用于对待测图像进行滤波处理,所述判断模块用于对滤波处理的结果进行判断。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (3)
1.一种基于局部统计信息和几何距离的脉冲噪声滤波方法,其特征在于,所述方法具体包括以下步骤:
S1:对待测图像的所有噪声像素进行滤波处理,获得滤波后的图像;
S2:判断滤波后的图像是否符合判断规则,若不符合则重新获取滤波后的图像;
所述判断规则包括:
计算滤波后图像的第一PSNR值,计算待测图像的第二PSNR值,当第一PSNR值大于第二PSNR值时,滤波后的图像符合要求;
当第一PSNR值小于第二PSNR值时,重新获取滤波后图像的噪声像素;
对待测图像的所有噪声像素进行滤波处理,包括:
对待测图像的一个噪声像素x进行滤波处理;
对待测图像的其他噪声像素依次迭代进行滤波处理,获得滤波后的图像;
所述待测图像的噪声像素的获得过程如下:
计算待测图像中每个像素的局部统计信息值,包括:
对ζx采用以下公式进行标准化操作:
在上式中,D(x,y)为像素x与像素y之间的欧式距离,I(x,y)为像素x与像素y之间的灰度差;(s,t)表示像素x在邻域中的位置,(m,n)表示像素y在邻域/>中的位置,σD为欧氏距离的调节参数,σI为灰度差的调节参数,LSX为像素x的局部统计信息值,可以表示像素是否为噪声的概率;
对待测图像的一个噪声像素x进行滤波处理,包括:
计算噪声像素x建立的邻域和邻域的其他像素y的欧式距离
计算噪声像素x建立的邻域和邻域的其他像素y的灰度差
根据灰度差与欧式距离对噪声像素x进行滤波计算
2.根据权利要求1所述的一种基于局部统计信息和几何距离的脉冲噪声滤波方法,其特征在于,第一PSNR值、第二PSNR值通过Matlab程序获得。
3.一种基于局部统计信息和几何距离的脉冲噪声滤波系统,其特征在于,所述系统包括滤波模块和判断模块,所述滤波模块和判断模块采用如权利要求1-2任一项所述的方法进行滤波和判断,所述滤波模块用于对待测图像进行滤波处理,所述判断模块用于对滤波处理的结果进行判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011325028.4A CN112419190B (zh) | 2020-11-24 | 2020-11-24 | 一种基于局部统计信息和几何距离的脉冲噪声滤波方法、系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011325028.4A CN112419190B (zh) | 2020-11-24 | 2020-11-24 | 一种基于局部统计信息和几何距离的脉冲噪声滤波方法、系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112419190A CN112419190A (zh) | 2021-02-26 |
CN112419190B true CN112419190B (zh) | 2023-06-20 |
Family
ID=74778371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011325028.4A Active CN112419190B (zh) | 2020-11-24 | 2020-11-24 | 一种基于局部统计信息和几何距离的脉冲噪声滤波方法、系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112419190B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107067376A (zh) * | 2017-01-15 | 2017-08-18 | 四川精目科技有限公司 | 一种rbf插值椒盐噪声图像修复方法 |
CN107392864A (zh) * | 2017-07-01 | 2017-11-24 | 南京理工大学 | 一种去除高斯噪声和脉冲噪声的混合噪声滤波方法 |
CN108648184A (zh) * | 2018-05-10 | 2018-10-12 | 电子科技大学 | 一种遥感图像高空卷云的检测方法 |
CN109961405A (zh) * | 2017-12-25 | 2019-07-02 | 合肥君正科技有限公司 | 一种图像滤波方法和装置 |
CN111179186A (zh) * | 2019-12-12 | 2020-05-19 | 南京理工大学 | 一种保护图像细节的图像去噪系统 |
CN111507919A (zh) * | 2020-04-16 | 2020-08-07 | 北京深测科技有限公司 | 一种三维点云数据的去噪处理方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7463771B2 (en) * | 2005-09-08 | 2008-12-09 | Kun Shan University | Method for retrieving original intact characteristics of heavily polluted images and its image processing |
US7783124B2 (en) * | 2007-03-02 | 2010-08-24 | Huper Laboratories Co., Ltd. | Method for reducing image noise |
US10572978B2 (en) * | 2016-12-05 | 2020-02-25 | Kennesaw State University Research And Service Foundation, Inc. | Moran's / for impulse noise detection and removal in color images |
-
2020
- 2020-11-24 CN CN202011325028.4A patent/CN112419190B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107067376A (zh) * | 2017-01-15 | 2017-08-18 | 四川精目科技有限公司 | 一种rbf插值椒盐噪声图像修复方法 |
CN107392864A (zh) * | 2017-07-01 | 2017-11-24 | 南京理工大学 | 一种去除高斯噪声和脉冲噪声的混合噪声滤波方法 |
CN109961405A (zh) * | 2017-12-25 | 2019-07-02 | 合肥君正科技有限公司 | 一种图像滤波方法和装置 |
CN108648184A (zh) * | 2018-05-10 | 2018-10-12 | 电子科技大学 | 一种遥感图像高空卷云的检测方法 |
CN111179186A (zh) * | 2019-12-12 | 2020-05-19 | 南京理工大学 | 一种保护图像细节的图像去噪系统 |
CN111507919A (zh) * | 2020-04-16 | 2020-08-07 | 北京深测科技有限公司 | 一种三维点云数据的去噪处理方法 |
Non-Patent Citations (3)
Title |
---|
一种有效的噪声脉冲滤波算法;周锐锐;《空军工程大学学报》;20041231;全文 * |
基于改进双边滤波与随机共振的图像去噪算法研究;徐蕾等;《激光杂志》;20180825(第08期);全文 * |
基于非局部均值和非局部TV的图像去噪方法研究;梁广顺;《中国优秀硕士学位论文全文数据库》;20170430;I138-391 * |
Also Published As
Publication number | Publication date |
---|---|
CN112419190A (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109870461B (zh) | 一种电子元器件质量检测系统 | |
CN112446838A (zh) | 一种基于局部统计信息的图像噪声检测方法、装置 | |
CN106780486B (zh) | 一种钢板表面缺陷图像提取方法 | |
CN102156996B (zh) | 一种图像边缘检测的方法 | |
CN102479383B (zh) | 椒盐噪声去除方法及装置 | |
CN107220962B (zh) | 一种隧道裂纹的图像检测方法和装置 | |
CN114399522A (zh) | 一种基于高低阈值的Canny算子的边缘检测方法 | |
CN112261403B (zh) | 车载摄像头的脏污物检测装置及方法 | |
CN107146217A (zh) | 一种图像检测方法和装置 | |
CN112734674A (zh) | 一种图像去噪声的方法 | |
CN115330767A (zh) | 一种腐蚀箔生产异常识别方法 | |
Gao | An adaptive median filtering of salt and pepper noise based on local pixel distribution | |
CN116152261B (zh) | 一种印刷制品质量的视觉检测系统 | |
CN111612773B (zh) | 一种红外热像仪及实时自动盲元检测处理方法 | |
CN112417955A (zh) | 巡检视频流处理方法及装置 | |
CN114127784A (zh) | 用于生成相机流的掩模的方法、计算机程序产品和计算机可读介质 | |
CN115171218A (zh) | 一种基于图像识别技术的物资送样异常行为识别系统 | |
CN117094975A (zh) | 钢铁表面缺陷检测方法、装置及电子设备 | |
CN117152135B (zh) | 一种道路施工裂缝缺陷评估检测方法 | |
CN113724167A (zh) | 一种高清视频信息的自适应采集及图像处理方法 | |
CN112419190B (zh) | 一种基于局部统计信息和几何距离的脉冲噪声滤波方法、系统 | |
CN106846262B (zh) | 去除蚊式噪声的方法及系统 | |
CN108470345A (zh) | 一种自适应阈值的图像边缘检测方法 | |
CN113269005A (zh) | 一种安全带检测方法、装置及电子设备 | |
CN107909555B (zh) | 一种保持锐度的网格噪声消除方法 |
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 |