CN114399442A - 基于参数自适应的非线性图像增强方法及系统 - Google Patents
基于参数自适应的非线性图像增强方法及系统 Download PDFInfo
- Publication number
- CN114399442A CN114399442A CN202210045318.6A CN202210045318A CN114399442A CN 114399442 A CN114399442 A CN 114399442A CN 202210045318 A CN202210045318 A CN 202210045318A CN 114399442 A CN114399442 A CN 114399442A
- Authority
- CN
- China
- Prior art keywords
- value
- numerical value
- gray
- image
- scale
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000010606 normalization Methods 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 14
- 230000006978 adaptation Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 230000002708 enhancing effect Effects 0.000 description 6
- 230000001965 increasing effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T2207/20004—Adaptive image processing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理领域，具体涉及一种基于参数自适应的非线性图像增强方法及系统，该方法包括：确定对数函数模型中尺度比例常数的初始取值区间；基于预设步长在初始取值区间内的选择数值，每次选择的数值代入对数函数模型对原始图像进行图像增强，得到增强图像；灰度均值在预设灰度均值范围内的增强图像对应的所述数值构成第一数值集合；对于第一数值集合中的每个数值，若该数值对应增强图像的灰度方差大于等于原始图像的灰度方差，则将该数值剔除，得到第二数值集合；基于第二数值集合中数值对应增强图像的频谱图确定尺度比例常数的最优数值；将最优数值代入对数函数模型，对原始图像进行图像增强。本发明对于每张图像都有很好的增强效果。
Description
技术领域
本发明涉及图像处理领域，具体涉及一种基于参数自适应的非线性图像增强方法及系统。
背景技术
在进行暗处细节的处理时，在各个编程软件中，对数变换都有一个默认的固定值，但是不同的图像所需要的系数是不同的，这样固定的参数就没有灵活变换的能力来处理各个不同的图像，也许在某一张图像，该函数处理效果很好，但是可能在别的图像的处理中，该函数就不能做到好的处理效果。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种基于参数自适应的非线性图像增强方法及系统，所采用的技术方案具体如下：
第一方面，本发明一个实施例提供了一种基于参数自适应的非线性图像增强方法，该方法包括以下具体步骤：
确定对数函数模型中尺度比例常数的初始取值区间；
基于预设步长在初始取值区间内的选择数值，每次选择的数值代入对数函数模型对原始图像进行图像增强，得到增强图像；
灰度均值在预设灰度均值范围内的增强图像对应的所述数值构成第一数值集合；对于第一数值集合中的每个数值，若该数值对应增强图像的灰度方差大于等于原始图像的灰度方差，则将该数值剔除，得到第二数值集合；
基于第二数值集合中数值对应增强图像的频谱图确定尺度比例常数的最优数值；将最优数值代入对数函数模型，对原始图像进行图像增强。
进一步地，对原始图像的灰度值进行归一化后，初始灰度区间为[0，1]，利用若干对数函数模型分别对初始灰度区间中的值进行灰度值变换得到新的灰度区间，基于新的灰度区间进行反归一化，基于每个对数函数模型对应的反归一化后的最大值确定所述初始取值区间；所述若干对数函数模型的尺度比例常数的取值不同。
进一步地，尺度比例常数的初始取值区间为[1，4]。
进一步地，基于第二数值集合中数值对应增强图像的频谱图确定尺度比例常数的最优数值，具体为：基于第二数值集合中数值对应增强图像的频谱图中高亮区域的大小，确定尺度比例常数的最优数值。
进一步地，对于每张频谱图，频谱图中心点到最远亮处的长度表征高亮区域的大小；多张频谱图对应的多个长度中的最大值对应的数值为所述最优数值。
第二方面，本发明另一个实施例提供了一种基于参数自适应的非线性图像增强系统，该系统具体包括：
区间获取模块，用于确定对数函数模型中尺度比例常数的初始取值区间；
数值选择模块，用于基于预设步长在初始取值区间内的选择数值，每次选择的数值代入对数函数模型对原始图像进行图像增强，得到增强图像；
数值筛选模块，用于将灰度均值在预设灰度均值范围内的增强图像对应的所述数值构成第一数值集合；对于第一数值集合中的每个数值，若该数值对应增强图像的灰度方差大于等于原始图像的灰度方差，则将该数值剔除，得到第二数值集合；
图像增强模块，用于基于第二数值集合中数值对应增强图像的频谱图确定尺度比例常数的最优数值；将最优数值代入对数函数模型，对原始图像进行图像增强。
进一步地，对原始图像的灰度值进行归一化后，初始灰度区间为[0，1]，利用若干对数函数模型分别对初始灰度区间中的值进行灰度值变换得到新的灰度区间，基于新的灰度区间进行反归一化，基于每个对数函数模型对应的反归一化后的最大值确定所述初始取值区间；所述若干对数函数模型的尺度比例常数的取值不同。
进一步地，尺度比例常数的初始取值区间为[1，4]。
进一步地，基于第二数值集合中数值对应增强图像的频谱图确定尺度比例常数的最优数值，具体为：基于第二数值集合中数值对应增强图像的频谱图中高亮区域的大小，确定尺度比例常数的最优数值。
进一步地，对于每张频谱图，频谱图中心点到最远亮处的长度表征高亮区域的大小；多张频谱图对应的多个长度中的最大值对应的数值为所述最优数值。
本发明实施例至少具有如下有益效果：本发明采用了层层递进的求解方式获取对数函数模型中尺度比例常数的最优数值，具体的，先通过对数函数模型本身确定尺度比例常数的初始取值区间，之后又通过增强图像的灰度均值和方差，在初始取值区间内选出一部分的数值，最后根据频谱图中高频区域的大小来观察哪个数值对应的图像是处理暗处细节最好的参数。本发明可自适应的得到每张图像对应的尺度比例常数的最优数值，进而可以更好的对图像进行图像增强，即本发明对于每张图像都有很好的增强效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有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它附图。
图1为本发明一个实施例的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于参数自适应的非线性图像增强方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明实施例以下面的应用场景为例对本发明进行说明：
该应用场景为：对于过暗的图像，基于对数变换来增强图像暗处的细节，得到增强图像。
下面结合附图具体的说明本发明所提供的一种基于参数自适应的非线性图像增强方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种基于参数自适应的非线性图像增强方法的步骤流程图，该方法包括以下步骤：
确定对数函数模型中尺度比例常数的初始取值区间；
基于预设步长在初始取值区间内的选择数值，每次选择的数值代入对数函数模型对原始图像进行图像增强，得到增强图像；
灰度均值在预设灰度均值范围内的增强图像对应的所述数值构成第一数值集合；对于第一数值集合中的每个数值，若该数值对应增强图像的灰度方差大于等于原始图像的灰度方差，则将该数值剔除，得到第二数值集合；
基于第二数值集合中数值对应增强图像的频谱图确定尺度比例常数的最优数值；将最优数值代入对数函数模型，对原始图像进行图像增强。
下面对上述各个步骤进行详细展开：
步骤S1，确定对数函数模型中尺度比例常数的初始取值区间。
对原始图像的灰度值进行归一化后，初始灰度区间为[0，1]，利用若干对数函数模型分别对初始灰度区间中的值进行灰度值变换得到新的灰度区间，基于新的灰度区间进行反归一化，基于每个对数函数模型对应的反归一化后的最大值确定所述初始取值区间；所述若干对数函数模型的尺度比例常数的取值不同。需要说明，原始图像为灰度图。
具体地：
(1)实施例中对数函数模型具体为：
t＝clog(1+s)
c为尺度比例常数，s为原始灰度值，t为变换后的目标灰度值，s+1是为了不让t的取值为负数；实施例中log是以10为底。
(2)进行对数变换时，原始图像中像素的灰度值s的区间为[0,255]，如果直接计算，会导致较大的运算量，为了减少运算量，实施例中对原始图像的灰度值进行归一化，得到初始灰度区间为[0，1]，具体地：
s为原始图像中任意一个像素的灰度值，s∈[0,255]，n为所述任意一个像素的灰度值归一化后的结果，n的取值为[0,1]，n的取值范围即为初始灰度区间。
相应的，对数函数模型变为：
t＝clog(1+n)
(3)利用若干对数函数模型分别对初始灰度区间中的值进行灰度值变换得到新的灰度区间，基于新的灰度区间进行反归一化，基于每个对数函数模型对应的反归一化后的最大值确定所述初始取值区间；所述若干对数函数模型的尺度比例常数的取值不同；具体地：
对数变换可以用来扩展图像中的暗像素值，同时压缩亮像素值，利用对数函数模型处理过暗的图像，可以使图像暗处的细节更容易看到，进而达到增强图像的目的，因此，当尺度比例常数c的取值小于1时，显然不满足增大暗处灰度值的需求，即尺度比例常数c的取值要大于等于1，尺度比例常数c从1开始，代入上述对数函数模型中，得到t的取值范围即新的灰度区间，c为1时，新的灰度区间为[0,0.3]，基于[0,0.3]进行反归一化后的最大值小于255；实施例中反归一化即新的灰度区间内的值乘255，同理，c为2和3时，其反归一化后的最大值也小于255；当c为4时，新的灰度区间为[0,1.2]，基于[0,0.3]进行反归一化后的最大值为306；由于灰度值最大值为255，因此，需要将c为4时获取的增强图像中反归一化值大于255的值用255替换。反归一化后的最大值不能远大于255，因此，可知尺度比例常数的初始取值区间为[1，4]。
步骤S2，基于预设步长在初始取值区间内的选择数值，每次选择的数值代入对数函数模型对原始图像进行图像增强，得到增强图像。
优选地，实施例中预设步长为0.1，基于预设步长在初始取值区间内的选择数值，具体为，在初始取值区间为[1，4]内，从1开始，每隔0.1取一个数值，将所取数值代入对数函数模型中，对原始图像进行增强，得到增强图像；对初始取值区间遍历完成后，可得到多张增强图像，具体地，可得到31张增强图像。
步骤S3，灰度均值在预设灰度均值范围内的增强图像对应的所述数值构成第一数值集合；对于第一数值集合中的每个数值，若该数值对应增强图像的灰度方差大于等于原始图像的灰度方差，则将该数值剔除，得到第二数值集合。
获取每张增强图像的灰度均值，一个实施方式中，增强图像中所有像素灰度值的和比上像素个数得到灰度均值；另一个实施方式中，获取增强图像的直方图，基于直方图获取增强图像的灰度均值，具体地：
μ为灰度均值，mi表示直方图中灰度级为i的像素的个数，M表示增强图像中总的像素数。
图像经过对数变换之后，根据不同的c值，增强图像的灰度均值也会有所改变，变换的目的是增强细节，因此不能太暗，导致看不清暗处的细节，也不能太亮，致使图像的曝光过高。优选地，实施例将灰度均值分为三个灰度均值区间[0,85]，[85,170]，[170,255]，当灰度均值落在[85,170]区间内时，认为增强图像的亮暗程度是合适的，即实施例中预设灰度均值范围为[85,170]，则灰度均值在[85,170]内的增强图像对应的c的数值构成第一数值集合。
对暗处的细节进行增强的同时，高亮处又不能丢失太多的细节，即增大低灰度级的灰度值的同时，保证高灰度级的灰度值几乎保持不变不增长，就此，可以通过增强图像的灰度方差来反映这种情况，满足上述要求，对数变换后灰度方差必然是减小的，具体地，对于第一数值集合中的每个数值，若该数值对应增强图像的灰度方差大于等于原始图像的灰度方差，则将该数值剔除，得到第二数值集合。
其中，可以直接根据图像中各像素的灰度值和图像的灰度均值计算灰度方差，也可基于图像的灰度直方图计算灰度方差；基于灰度直方图计算方差具体为：
σ2为灰度方差，μ为灰度均值，mi表示直方图中灰度级为i的像素的个数，M表示增强图像中总的像素数。
步骤S4，基于第二数值集合中数值对应增强图像的频谱图确定尺度比例常数的最优数值；将最优数值代入对数函数模型，对原始图像进行图像增强。
基于第二数值集合中数值对应增强图像的频谱图确定尺度比例常数的最优数值，具体为：基于第二数值集合中数值对应增强图像的频谱图中高亮区域的大小，确定尺度比例常数的最优数值：第二数值集合中的数值对应的增强图像构成增强图像集合，获取增强图像集合中每张增强图像的频谱图，对于每张频谱图，频谱图中心点到最远亮处的长度表征高亮区域的大小；多张频谱图对应的多个长度中的最大值对应的数值为所述最优数值。具体地，以频谱图中心点为圆心，以频谱图到最远亮处的长度为半径做圆，圆区域的大小表示频谱图中高亮区域的大小。
将最优数值代入对数函数模型，对原始图像进行图像增强，此时得到的增强图像为增强效果较好的图像。
基于与上述方法实施例相同的发明构思，本发明一个实施例提供了一种基于参数自适应的非线性图像增强系统，该系统包括：
区间获取模块，用于确定对数函数模型中尺度比例常数的初始取值区间；
数值选择模块，用于基于预设步长在初始取值区间内的选择数值，每次选择的数值代入对数函数模型对原始图像进行图像增强，得到增强图像；
数值筛选模块，用于将灰度均值在预设灰度均值范围内的增强图像对应的所述数值构成第一数值集合；对于第一数值集合中的每个数值，若该数值对应增强图像的灰度方差大于等于原始图像的灰度方差，则将该数值剔除，得到第二数值集合；
图像增强模块，用于基于第二数值集合中数值对应增强图像的频谱图确定尺度比例常数的最优数值；将最优数值代入对数函数模型，对原始图像进行图像增强。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于参数自适应的非线性图像增强方法，其特征在于，该方法包括：
确定对数函数模型中尺度比例常数的初始取值区间；
基于预设步长在初始取值区间内的选择数值，每次选择的数值代入对数函数模型对原始图像进行图像增强，得到增强图像；
灰度均值在预设灰度均值范围内的增强图像对应的所述数值构成第一数值集合；对于第一数值集合中的每个数值，若该数值对应增强图像的灰度方差大于等于原始图像的灰度方差，则将该数值剔除，得到第二数值集合；
基于第二数值集合中数值对应增强图像的频谱图确定尺度比例常数的最优数值；将最优数值代入对数函数模型，对原始图像进行图像增强。
2.如权利要求1所述的方法，其特征在于，对原始图像的灰度值进行归一化后，初始灰度区间为[0，1]，利用若干对数函数模型分别对初始灰度区间中的值进行灰度值变换得到新的灰度区间，基于新的灰度区间进行反归一化，基于每个对数函数模型对应的反归一化后的最大值确定所述初始取值区间；所述若干对数函数模型的尺度比例常数的取值不同。
3.如权利要求2所述的方法，其特征在于，尺度比例常数的初始取值区间为[1，4]。
4.如权利要求3所述的方法，其特征在于，基于第二数值集合中数值对应增强图像的频谱图确定尺度比例常数的最优数值，具体为：基于第二数值集合中数值对应增强图像的频谱图中高亮区域的大小，确定尺度比例常数的最优数值。
5.如权利要求4所述的方法，其特征在于，对于每张频谱图，频谱图中心点到最远亮处的长度表征高亮区域的大小；多张频谱图对应的多个长度中的最大值对应的数值为所述最优数值。
6.一种基于参数自适应的非线性图像增强系统，其特征在于，该系统包括：
区间获取模块，用于确定对数函数模型中尺度比例常数的初始取值区间；
数值选择模块，用于基于预设步长在初始取值区间内的选择数值，每次选择的数值代入对数函数模型对原始图像进行图像增强，得到增强图像；
数值筛选模块，用于将灰度均值在预设灰度均值范围内的增强图像对应的所述数值构成第一数值集合；对于第一数值集合中的每个数值，若该数值对应增强图像的灰度方差大于等于原始图像的灰度方差，则将该数值剔除，得到第二数值集合；
图像增强模块，用于基于第二数值集合中数值对应增强图像的频谱图确定尺度比例常数的最优数值；将最优数值代入对数函数模型，对原始图像进行图像增强。
7.如权利要求6所述的系统，其特征在于，对原始图像的灰度值进行归一化后，初始灰度区间为[0，1]，利用若干对数函数模型分别对初始灰度区间中的值进行灰度值变换得到新的灰度区间，基于新的灰度区间进行反归一化，基于每个对数函数模型对应的反归一化后的最大值确定所述初始取值区间；所述若干对数函数模型的尺度比例常数的取值不同。
8.如权利要求7所述的系统，其特征在于，尺度比例常数的初始取值区间为[1，4]。
9.如权利要求8所述的系统，其特征在于，基于第二数值集合中数值对应增强图像的频谱图确定尺度比例常数的最优数值，具体为：基于第二数值集合中数值对应增强图像的频谱图中高亮区域的大小，确定尺度比例常数的最优数值。
10.如权利要求9所述的系统，其特征在于，对于每张频谱图，频谱图中心点到最远亮处的长度表征高亮区域的大小；多张频谱图对应的多个长度中的最大值对应的数值为所述最优数值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210045318.6A CN114399442B (zh) | 2022-01-15 | 2022-01-15 | 基于参数自适应的非线性图像增强方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210045318.6A CN114399442B (zh) | 2022-01-15 | 2022-01-15 | 基于参数自适应的非线性图像增强方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114399442A true CN114399442A (zh) | 2022-04-26 |
| CN114399442B CN114399442B (zh) | 2023-09-12 |
Family
ID=81230206
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210045318.6A Active CN114399442B (zh) | 2022-01-15 | 2022-01-15 | 基于参数自适应的非线性图像增强方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114399442B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114792352A (zh) * | 2022-06-22 | 2022-07-26 | 成都玖锦科技有限公司 | 一种频谱图像处理方法和系统 |
| CN116703888A (zh) * | 2023-07-28 | 2023-09-05 | 菏泽城建新型工程材料有限公司 | 一种钻孔灌注桩施工辅助异常检测方法及其系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104239892A (zh) * | 2014-08-25 | 2014-12-24 | 西安电子科技大学 | 基于ksvd训练字典的sar图像混合模型拟合方法 |
| CN104376543A (zh) * | 2014-11-28 | 2015-02-25 | 湖北工业大学 | 一种基于杜鹃搜索算法的自适应图像增强方法 |
| CN104574293A (zh) * | 2014-11-28 | 2015-04-29 | 中国科学院长春光学精密机械与物理研究所 | 基于有界运算的多尺度Retinex图像清晰化算法 |
| CN109410142A (zh) * | 2018-10-31 | 2019-03-01 | 中国北方车辆研究所 | 一种基于图像质量评价最优的去雾方法 |
| CN110717956A (zh) * | 2019-09-30 | 2020-01-21 | 重庆大学 | 一种有限角投影超像素引导的l0范数最优化重建方法 |
| CN110837845A (zh) * | 2019-10-08 | 2020-02-25 | 哈尔滨工程大学 | 一种基于改进网格搜索算法的svm参数优化方法 |
| CN111145089A (zh) * | 2019-11-18 | 2020-05-12 | 中国科学院苏州生物医学工程技术研究所 | 高保真图像重构方法、系统、计算机设备和存储介质 |
| CN113222866A (zh) * | 2021-07-08 | 2021-08-06 | 北方夜视科技(南京)研究院有限公司 | 灰度图像增强方法、计算机可读介质及计算机系统 |
| CN113516146A (zh) * | 2020-12-21 | 2021-10-19 | 腾讯科技（深圳）有限公司 | 一种数据分类方法、计算机及可读存储介质 |
-
2022
- 2022-01-15 CN CN202210045318.6A patent/CN114399442B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104239892A (zh) * | 2014-08-25 | 2014-12-24 | 西安电子科技大学 | 基于ksvd训练字典的sar图像混合模型拟合方法 |
| CN104376543A (zh) * | 2014-11-28 | 2015-02-25 | 湖北工业大学 | 一种基于杜鹃搜索算法的自适应图像增强方法 |
| CN104574293A (zh) * | 2014-11-28 | 2015-04-29 | 中国科学院长春光学精密机械与物理研究所 | 基于有界运算的多尺度Retinex图像清晰化算法 |
| CN109410142A (zh) * | 2018-10-31 | 2019-03-01 | 中国北方车辆研究所 | 一种基于图像质量评价最优的去雾方法 |
| CN110717956A (zh) * | 2019-09-30 | 2020-01-21 | 重庆大学 | 一种有限角投影超像素引导的l0范数最优化重建方法 |
| CN110837845A (zh) * | 2019-10-08 | 2020-02-25 | 哈尔滨工程大学 | 一种基于改进网格搜索算法的svm参数优化方法 |
| CN111145089A (zh) * | 2019-11-18 | 2020-05-12 | 中国科学院苏州生物医学工程技术研究所 | 高保真图像重构方法、系统、计算机设备和存储介质 |
| CN113516146A (zh) * | 2020-12-21 | 2021-10-19 | 腾讯科技（深圳）有限公司 | 一种数据分类方法、计算机及可读存储介质 |
| CN113222866A (zh) * | 2021-07-08 | 2021-08-06 | 北方夜视科技(南京)研究院有限公司 | 灰度图像增强方法、计算机可读介质及计算机系统 |
Non-Patent Citations (3)
| Title |
|---|
| 宋昱 等: "对数变换主成分分析的图像识别", 西安交通大学学报, vol. 55, no. 1, pages 33 - 42 * |
| 朱瑞飞 等: "应用参数化对数模型增强图像细节及对比度", 光学精密工程, vol. 22, no. 4, pages 1064 - 1070 * |
| 陈金西: "数字图像变换平台设计", 长春师范学院学报（自然科学版）, vol. 28, no. 5, pages 25 - 29 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114792352A (zh) * | 2022-06-22 | 2022-07-26 | 成都玖锦科技有限公司 | 一种频谱图像处理方法和系统 |
| CN114792352B (zh) * | 2022-06-22 | 2022-09-20 | 成都玖锦科技有限公司 | 一种频谱图像处理方法和系统 |
| CN116703888A (zh) * | 2023-07-28 | 2023-09-05 | 菏泽城建新型工程材料有限公司 | 一种钻孔灌注桩施工辅助异常检测方法及其系统 |
| CN116703888B (zh) * | 2023-07-28 | 2023-10-20 | 菏泽城建新型工程材料有限公司 | 一种钻孔灌注桩施工辅助异常检测方法及其系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114399442B (zh) | 2023-09-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101128454B1 (ko) | 콘트라스트 향상 방법 및 장치 | |
| EP2076013B1 (en) | Method of high dynamic range compression | |
| CN107680056B (zh) | 一种图像处理方法及装置 | |
| CN114399442A (zh) | 基于参数自适应的非线性图像增强方法及系统 | |
| KR102317613B1 (ko) | 로컬라이징된 콘트라스트 향상을 위한 시스템들 및 방법들 | |
| US20090317017A1 (en) | Image characteristic oriented tone mapping for high dynamic range images | |
| US8295596B1 (en) | Adaptive histogram-based video contrast enhancement | |
| CN108665428B (zh) | 图像增强方法、装置、设备及存储介质 | |
| KR102567860B1 (ko) | 개선된 역 톤 매핑 방법 및 대응하는 디바이스 | |
| WO2010084431A1 (en) | Method and apparatus for generating enhanced images | |
| CN112019762B (zh) | 视频处理方法及装置、存储介质及电子设备 | |
| CN112116536A (zh) | 一种低光照图像增强方法及系统 | |
| CN114581345B (zh) | 一种基于自适应线性灰度化的图像增强方法及系统 | |
| US10218953B2 (en) | Image processing apparatus, image processing method, and storage medium | |
| CN111724447B (zh) | 一种图像处理方法、系统及电子设备和存储介质 | |
| CN113191986B (zh) | 一种图像处理方法及装置 | |
| US20120106842A1 (en) | Method for image enhancement based on histogram modification and specification | |
| JP2000102033A (ja) | 自動階調補正方法 | |
| KR100742333B1 (ko) | 적응적 계수보간법을 이용한 영상 콘트라스트 개선장치 및그 방법 | |
| KR101418521B1 (ko) | 밝기 대비 향상을 통한 영상 화질 개선 방법 및 장치 | |
| Albakri et al. | Rapid contrast enhancement algorithm for natural contrast-distorted color images | |
| CN116438594A (zh) | 图像亮度调节方法、图像亮度调节装置、电子设备 | |
| CN112862709B (zh) | 图像特征增强方法、装置及可读存储介质 | |
| Duan et al. | Comprehensive fast tone mapping for high dynamic range image visualization | |
| CN112767256A (zh) | 一种基于Retinex模型的图像增强方法及终端 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230602 Address after: Zone C, No. 56 Hangzhou Road, Kuancheng District, Changchun City, Jilin Province, 130000 DS99-3-D538-928 Applicant after: Jilin Xuyuguan Technology Co.,Ltd. Address before: 100080 No. 5, the Summer Palace Road, Beijing, Haidian District Applicant before: Ren Jieping |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230822 Address after: Room 303, Unit 1, Building 8, Shengshi Jiangnan, No. 6 Aijian North Road, Daoli District, Harbin City, Heilongjiang Province, 150000 Applicant after: Shi Jian Address before: Zone C, No. 56 Hangzhou Road, Kuancheng District, Changchun City, Jilin Province, 130000 DS99-3-D538-928 Applicant before: Jilin Xuyuguan Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |