CN114565540A - 基于多路对照图像去噪用机器视觉集成系统 - Google Patents
基于多路对照图像去噪用机器视觉集成系统 Download PDFInfo
- Publication number
- CN114565540A CN114565540A CN202210468633.XA CN202210468633A CN114565540A CN 114565540 A CN114565540 A CN 114565540A CN 202210468633 A CN202210468633 A CN 202210468633A CN 114565540 A CN114565540 A CN 114565540A
- Authority
- CN
- China
- Prior art keywords
- image
- unit
- module
- noise
- output end
- 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
- 238000001514 detection method Methods 0.000 claims abstract description 40
- 238000013500 data storage Methods 0.000 claims abstract description 31
- 238000000605 extraction Methods 0.000 claims abstract description 25
- 230000010485 coping Effects 0.000 claims description 8
- 238000007635 classification algorithm Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims 1
- 230000010354 integration Effects 0.000 abstract description 5
- 239000000284 extract Substances 0.000 abstract description 4
- 230000006872 improvement Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明涉及机器视觉集成技术领域,具体地说,涉及基于多路对照图像去噪用机器视觉集成系统。其包括图像采集单元,图像采集单元输出端连接有图像信息提取单元,图像信息提取单元输出端连接有图像噪声检测单元,数据存储单元输出端连接有类似图像对比单元。本发明中,图像采集单元对原图像进行采集,并将采集信息传输至图像信息提取单元,图像信息提取单元提取原图像信息,并将原图像信息传输至图像噪声检测单元以及数据存储单元,数据存储单元对原图像信息进行存储,同时根据原图像信息生成模拟图像,并将模拟图像信息传输至类似图像对比单元,类似图像对比单元将对比信息传输至图像噪声检测单元,通过图像噪声检测单元检测出原图像噪声信息。
Description
技术领域
本发明涉及机器视觉集成技术领域,具体地说,涉及基于多路对照图像去噪用机器视觉集成系统。
背景技术
机器视觉集成系统是集图像采集、处理与通信功能于一身,提供了具有多功能、模块化、高可靠性、易于实现的机器视觉解决方案,机器视觉集成系统在使用过程中,需要提前对图像进行采集,由于采集的图像未经任何处理,很容易出现图像噪声,图像噪声是指存在于图像数据中的不必要的或多余的干扰信息,噪声的存在严重影响了遥感图像的质量,因此在图像增强处理和分类处理之前,必须予以纠正,图像中各种妨碍人们对其信息接受的因素即可称为图像噪声,导致后期对图像难以识别,使得系统无法正常运行。
发明内容
本发明的目的在于提供基于多路对照图像去噪用机器视觉集成系统,以解决上述背景技术中提出的问题。
为实现上述目的,提供了基于多路对照图像去噪用机器视觉集成系统,包括图像采集单元,所述图像采集单元输出端连接有图像信息提取单元,所述图像信息提取单元用于对原图像信息进行提取,所述图像信息提取单元输出端连接有图像噪声检测单元,所述图像信息提取单元输出端还连接有数据存储单元,所述数据存储单元输出端连接有类似图像对比单元,所述类似图像对比单元输出端与所述图像噪声检测单元输入端连接,所述图像噪声检测单元输出端连接有图像噪声去除单元,所述图像噪声去除单元用于对图像中存在的噪声进行去除,所述图像噪声去除单元输出端连接有新图像输出单元。
作为本技术方案的进一步改进,所述图像噪声检测单元包括原图像信息存储模块,所述原图像信息存储模块输出端连接有对比信息接收模块,所述对比信息接收模块输入端与所述类似图像对比单元输出端连接,所述对比信息接收模块输出端连接有原始噪声分类模块,所述原始噪声分类模块用于根据原始图像出现的噪声对原始图像进行分类处理。
作为本技术方案的进一步改进,所述图像噪声检测单元输出端与所述数据存储单元输入端连接。
作为本技术方案的进一步改进,所述图像噪声去除单元包括噪声图像接收模块,所述噪声图像接收模块输出端连接有去除方式应对模块,所述去除方式应对模块输入端与所述原始噪声分类模块输出端连接,所述去除方式应对模块用于根据不同类型的噪声图像指定对应去除噪声方式,所述去除方式应对模块输出端连接有新图像生成模块,所述新图像生成模块输出端连接有新图像输出单元。
作为本技术方案的进一步改进,所述新图像生成模块输出端与所述图像噪声检测单元。
作为本技术方案的进一步改进,所述原始噪声分类模块采用图像噪声分类算法,其算法如下所示:
作为本技术方案的进一步改进,所述新图像输出单元输出端与所述数据存储单元输入端连接。
作为本技术方案的进一步改进,所述数据存储单元包括原始图像存储模块,所述原始图像存储模块用于对未去噪的原始图像信息进行存储,所述数据存储单元还包括新图像存储模块,所述新图像存储模块用于对去噪后的图像信息进行存储。
作为本技术方案的进一步改进,所述类似图像对比单元包括原始图像关键点提取模块,所述原始图像关键点提取模块用于对原始图像关键点进行提取,所述原始图像关键点提取模块输出端连接有类似图像匹配模块,所述类似图像匹配模块输出端连接有图像关键点比对模块。
与现有技术相比,本发明的有益效果:
1、该基于多路对照图像去噪用机器视觉集成系统中,图像采集单元对原图像进行采集,并将采集信息传输至图像信息提取单元,图像信息提取单元提取原图像信息,并将原图像信息传输至图像噪声检测单元以及数据存储单元,数据存储单元对原图像信息进行存储,同时根据原图像信息生成模拟图像,并将模拟图像信息传输至类似图像对比单元,类似图像对比单元将对比信息传输至图像噪声检测单元,通过图像噪声检测单元检测出原图像噪声信息。
2、该基于多路对照图像去噪用机器视觉集成系统中,通过原图像信息存储模块进行短暂存储,后期经过噪声检测后,原图像信息将会被清除,导致后期出现相同图像时,需要进行重复噪声检测,此时通过数据存储单元直接对原始图像进行存储,后期图像采集单元接收到相同图像信息后,可直接得出该图像属于那种类型的噪声图像,减少操作步骤,提高噪声清除效率。
3、该基于多路对照图像去噪用机器视觉集成系统中,噪声图像接收模块接收新图像信息,原始图像分类模块将分类噪声图像信息传输至去除方式应对模块,去除方式应对模块根据不同类型的噪声图像指定对应去除噪声方式,对原始图像进行噪声去除,将去除噪声的图像信息传输至新图像生成模块,新图像生成模块生成新图像,并将新图像信息传输至新图像输出单元。
4、该基于多路对照图像去噪用机器视觉集成系统中,新图像生成模块将新图像信息重新传输至图像噪声检测单元,通过图像噪声检测单元对新图像进行二次噪声检测,从而提高噪声检测效果,排出其它噪声影响。
附图说明
图1为本发明实施例1的整体流程图;
图2为本发明实施例1的图像噪声检测单元流程图;
图3为本发明实施例1的图像噪声去除单元流程图;
图4为本发明实施例1的数据存储单元流程图;
图5为本发明实施例1的类似图像对比单元流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,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。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
实施例1
请参阅图1-图5所示,提供了基于多路对照图像去噪用机器视觉集成系统,包括图像采集单元,图像采集单元输出端连接有图像信息提取单元,图像信息提取单元用于对原图像信息进行提取,图像信息提取单元输出端连接有图像噪声检测单元,图像信息提取单元输出端还连接有数据存储单元,数据存储单元输出端连接有类似图像对比单元,类似图像对比单元输出端与图像噪声检测单元输入端连接,图像噪声检测单元输出端连接有图像噪声去除单元,图像噪声去除单元用于对图像中存在的噪声进行去除,图像噪声去除单元输出端连接有新图像输出单元。
具体使用时,图像采集单元接收到图像,并将图像传输至图像信息提取单元,图像信息提取单元提取原图像信息,并将原图像信息传输至图像噪声检测单元以及数据存储单元,数据存储单元对原图像信息进行存储,同时根据原图像信息生成模拟图像,数据存储单元将模拟图像信息传输至类似图像对比单元,类似图像对比单元根据模拟图像信息寻找与之类似的图像信息,并对两图像进行对比处理,同时将对比信息传输至图像噪声检测单元,通过图像噪声检测单元检测出原图像出现的噪声,并将原图像噪声信息传输至图像噪声去除单元,图像噪声去除单元对原始图像噪声进行去除,图像噪声去除单元输出端连接有新图像输出单元,生成新图像信息,避免机器视觉集成系统输入图像出现噪声,导致后期难以识别,很容易出现识别异常,使得系统无法正常运行。
此外,图像噪声检测单元包括原图像信息存储模块,原图像信息存储模块输出端连接有对比信息接收模块,对比信息接收模块输入端与类似图像对比单元输出端连接,对比信息接收模块输出端连接有原始噪声分类模块,原始噪声分类模块用于根据原始图像出现的噪声对原始图像进行分类处理。具体使用时,原图像信息存储模块接收原图像信息,并对原图像信息进行临时存储,同时对比信息接收模块接收到类比图像对比单元传输的原始图像与类似图像之间的对比信息,对比信息接收模块将对比信息传输至原始噪声分类模块,通过原始噪声分类模块根据原始图像出现的噪声对原始图像进行分类处理,得出不同类型的噪声图像,一般分为两种:第一种为外部噪声(即指系统外部干扰以电磁波或经电源串进系统内部而引起的噪声,如外部电气设备产生的电磁波干扰、天体放电产生的脉冲干扰等),第二种为内部噪声(由系统电气设备内部引起的噪声为内部噪声,如内部电路的相互干扰),以供后期进行分类去噪,提高去噪效率。
进一步的,图像噪声检测单元输出端与数据存储单元输入端连接。具体使用时,由于原始图像在经过图像噪声检测单元后,通过原图像信息存储模块进行短暂存储,后期经过噪声检测后,原图像信息将会被清除,导致后期出现相同图像时,需要进行重复噪声检测,此时通过数据存储单元直接对原始图像进行存储,后期图像采集单元接收到相同图像信息后,可直接得出该图像属于那种类型的噪声图像,减少操作步骤,提高噪声清除效率。
再进一步的,图像噪声去除单元包括噪声图像接收模块,噪声图像接收模块输出端连接有去除方式应对模块,去除方式应对模块输入端与原始噪声分类模块输出端连接,去除方式应对模块用于根据不同类型的噪声图像指定对应去除噪声方式,去除方式应对模块输出端连接有新图像生成模块,新图像生成模块输出端连接有新图像输出单元。噪声图像接收模块接收新图像信息,原始图像分类模块将分类噪声图像信息传输至去除方式应对模块,去除方式应对模块根据不同类型的噪声图像指定对应去除噪声方式,对原始图像进行噪声去除,将去除噪声的图像信息传输至新图像生成模块,新图像生成模块生成新图像,并将新图像信息传输至新图像输出单元。
具体的,新图像生成模块输出端与图像噪声检测单元。新图像生成模块将新图像信息重新传输至图像噪声检测单元,通过图像噪声检测单元对新图像进行二次噪声检测,从而提高噪声检测效果,排出其它噪声影响。
此外,原始噪声分类模块采用图像噪声分类算法,其算法如下所示:
进一步的,新图像输出单元输出端与数据存储单元输入端连接。新图像输出单元将去噪后的图像信息传输至数据存储单元,通过数据存储单元对去噪后的图像信息进行存储,以供后期作为类似图像进行对比使用。
再进一步的,数据存储单元包括原始图像存储模块,原始图像存储模块用于对未去噪的原始图像信息进行存储,数据存储单元还包括新图像存储模块,新图像存储模块用于对去噪后的图像信息进行存储。具体使用时,通过原始图像存储模块以及新图像存储模块对不同图像进行存储,避免出现图像信息混乱。
此外,类似图像对比单元包括原始图像关键点提取模块,原始图像关键点提取模块用于对原始图像关键点进行提取,原始图像关键点提取模块输出端连接有类似图像匹配模块,类似图像匹配模块输出端连接有图像关键点比对模块。原始图像关键点提取模块对原始图像关键点进行提取,并将图像关键点信息传输至类似图像匹配模块,类似图像匹配模块根据图像关键点信息怕匹配到类似清晰去噪图像,并将原始图像信息以及类似图像信息传输至图像关键点比对模块,通过图像关键点比对模块对两个图像进行比对处理,得出比对信息。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.基于多路对照图像去噪用机器视觉集成系统,包括图像采集单元,其特征在于:所述图像采集单元输出端连接有图像信息提取单元,所述图像信息提取单元用于对原图像信息进行提取,所述图像信息提取单元输出端连接有图像噪声检测单元,所述图像信息提取单元输出端还连接有数据存储单元,所述数据存储单元输出端连接有类似图像对比单元,所述类似图像对比单元输出端与所述图像噪声检测单元输入端连接,所述图像噪声检测单元输出端连接有图像噪声去除单元,所述图像噪声去除单元用于对图像中存在的噪声进行去除,所述图像噪声去除单元输出端连接有新图像输出单元。
2.根据权利要求1所述的基于多路对照图像去噪用机器视觉集成系统,其特征在于:所述图像噪声检测单元包括原图像信息存储模块,所述原图像信息存储模块输出端连接有对比信息接收模块,所述对比信息接收模块输入端与所述类似图像对比单元输出端连接,所述对比信息接收模块输出端连接有原始噪声分类模块,所述原始噪声分类模块用于根据原始图像出现的噪声对原始图像进行分类处理。
3.根据权利要求2所述的基于多路对照图像去噪用机器视觉集成系统,其特征在于:所述图像噪声检测单元输出端与所述数据存储单元输入端连接。
4.根据权利要求2所述的基于多路对照图像去噪用机器视觉集成系统,其特征在于:所述图像噪声去除单元包括噪声图像接收模块,所述噪声图像接收模块输出端连接有去除方式应对模块,所述去除方式应对模块输入端与所述原始噪声分类模块输出端连接,所述去除方式应对模块用于根据不同类型的噪声图像指定对应去除噪声方式,所述去除方式应对模块输出端连接有新图像生成模块,所述新图像生成模块输出端连接有新图像输出单元。
5.根据权利要求4所述的基于多路对照图像去噪用机器视觉集成系统,其特征在于:所述新图像生成模块输出端与所述图像噪声检测单元。
7.根据权利要求4所述的基于多路对照图像去噪用机器视觉集成系统,其特征在于:所述新图像输出单元输出端与所述数据存储单元输入端连接。
8.根据权利要求7所述的基于多路对照图像去噪用机器视觉集成系统,其特征在于:所述数据存储单元包括原始图像存储模块,所述原始图像存储模块用于对未去噪的原始图像信息进行存储,所述数据存储单元还包括新图像存储模块,所述新图像存储模块用于对去噪后的图像信息进行存储。
9.根据权利要求2所述的基于多路对照图像去噪用机器视觉集成系统,其特征在于:所述类似图像对比单元包括原始图像关键点提取模块,所述原始图像关键点提取模块用于对原始图像关键点进行提取,所述原始图像关键点提取模块输出端连接有类似图像匹配模块,所述类似图像匹配模块输出端连接有图像关键点比对模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210468633.XA CN114565540B (zh) | 2022-04-30 | 2022-04-30 | 基于多路对照图像去噪用机器视觉集成系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210468633.XA CN114565540B (zh) | 2022-04-30 | 2022-04-30 | 基于多路对照图像去噪用机器视觉集成系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114565540A true CN114565540A (zh) | 2022-05-31 |
CN114565540B CN114565540B (zh) | 2022-07-22 |
Family
ID=81721484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210468633.XA Active CN114565540B (zh) | 2022-04-30 | 2022-04-30 | 基于多路对照图像去噪用机器视觉集成系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114565540B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090046943A1 (en) * | 2006-03-31 | 2009-02-19 | Nikon Corporation | Image processing method |
CN103714522A (zh) * | 2014-01-06 | 2014-04-09 | 海信集团有限公司 | 图像降噪方法和图像降噪系统 |
CN105528768A (zh) * | 2015-12-10 | 2016-04-27 | 国网四川省电力公司天府新区供电公司 | 一种图像去噪方法 |
CN108765334A (zh) * | 2018-05-24 | 2018-11-06 | 北京飞搜科技有限公司 | 一种图像去噪方法、装置以及电子设备 |
CN110163827A (zh) * | 2019-05-28 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 图像去噪模型的训练方法、图像去噪方法、装置及介质 |
CN110599409A (zh) * | 2019-08-01 | 2019-12-20 | 西安理工大学 | 基于多尺度卷积组与并行的卷积神经网络图像去噪方法 |
CN111192211A (zh) * | 2019-12-24 | 2020-05-22 | 浙江大学 | 一种基于单个深度神经网络的多噪声类型盲去噪方法 |
US20200334486A1 (en) * | 2019-04-16 | 2020-10-22 | Cognizant Technology Solutions India Pvt. Ltd. | System and a method for semantic level image retrieval |
WO2021024499A1 (ja) * | 2019-08-08 | 2021-02-11 | 鹿島建設株式会社 | 鉄筋判定装置および鉄筋判定方法 |
WO2021063119A1 (en) * | 2019-10-01 | 2021-04-08 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method and apparatus for image processing, terminal |
CN112861817A (zh) * | 2021-03-31 | 2021-05-28 | 国网上海市电力公司 | 一种仪表噪声图像处理方法 |
CN113744148A (zh) * | 2021-08-26 | 2021-12-03 | 西安邮电大学 | 一种碑刻书法图像去噪模型建立、去噪方法及系统 |
US20220036516A1 (en) * | 2020-07-29 | 2022-02-03 | Neusoft Medical Systems Co., Ltd. | Training methods of a denoising model and image denoising methods and apparatuses |
CN114140346A (zh) * | 2021-11-15 | 2022-03-04 | 深圳集智数字科技有限公司 | 一种图像处理方法及装置 |
US20220132001A1 (en) * | 2020-10-27 | 2022-04-28 | Samsung Electronics Co., Ltd. | Method of generating noise-reduced image data and electronic device for performing the same |
-
2022
- 2022-04-30 CN CN202210468633.XA patent/CN114565540B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090046943A1 (en) * | 2006-03-31 | 2009-02-19 | Nikon Corporation | Image processing method |
CN103714522A (zh) * | 2014-01-06 | 2014-04-09 | 海信集团有限公司 | 图像降噪方法和图像降噪系统 |
CN105528768A (zh) * | 2015-12-10 | 2016-04-27 | 国网四川省电力公司天府新区供电公司 | 一种图像去噪方法 |
CN108765334A (zh) * | 2018-05-24 | 2018-11-06 | 北京飞搜科技有限公司 | 一种图像去噪方法、装置以及电子设备 |
US20200334486A1 (en) * | 2019-04-16 | 2020-10-22 | Cognizant Technology Solutions India Pvt. Ltd. | System and a method for semantic level image retrieval |
CN110163827A (zh) * | 2019-05-28 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 图像去噪模型的训练方法、图像去噪方法、装置及介质 |
CN110599409A (zh) * | 2019-08-01 | 2019-12-20 | 西安理工大学 | 基于多尺度卷积组与并行的卷积神经网络图像去噪方法 |
WO2021024499A1 (ja) * | 2019-08-08 | 2021-02-11 | 鹿島建設株式会社 | 鉄筋判定装置および鉄筋判定方法 |
WO2021063119A1 (en) * | 2019-10-01 | 2021-04-08 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method and apparatus for image processing, terminal |
CN111192211A (zh) * | 2019-12-24 | 2020-05-22 | 浙江大学 | 一种基于单个深度神经网络的多噪声类型盲去噪方法 |
US20220036516A1 (en) * | 2020-07-29 | 2022-02-03 | Neusoft Medical Systems Co., Ltd. | Training methods of a denoising model and image denoising methods and apparatuses |
US20220132001A1 (en) * | 2020-10-27 | 2022-04-28 | Samsung Electronics Co., Ltd. | Method of generating noise-reduced image data and electronic device for performing the same |
CN112861817A (zh) * | 2021-03-31 | 2021-05-28 | 国网上海市电力公司 | 一种仪表噪声图像处理方法 |
CN113744148A (zh) * | 2021-08-26 | 2021-12-03 | 西安邮电大学 | 一种碑刻书法图像去噪模型建立、去噪方法及系统 |
CN114140346A (zh) * | 2021-11-15 | 2022-03-04 | 深圳集智数字科技有限公司 | 一种图像处理方法及装置 |
Non-Patent Citations (4)
Title |
---|
CHUNWEI TIAN等: "Deep learning on image denoising: An overview", 《NEURAL NETWORKS》 * |
姜孝雄: "基于图像去噪的对抗样本检测技术研究", 《中国优秀硕士学位论文全文数据库》 * |
张力丹: "多尺度数学形态学的船舶图像去噪方法", 《舰船科学技术》 * |
徐少平 等: "基于多图像先验知识的噪声水平评估算法", 《计算机研究与发展》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114565540B (zh) | 2022-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hsieh et al. | Morphology-based license plate detection from complex scenes | |
EP2833288B1 (en) | Face calibration method and system, and computer storage medium | |
CN109145742A (zh) | 一种行人识别方法及系统 | |
EP1255225A2 (en) | Method for detecting eye and mouth positions in a digital image | |
CN109409368A (zh) | 矿用皮带纵撕检测装置及检测方法 | |
US20180268634A1 (en) | Folded bill identification method and device | |
CN111027544B (zh) | 一种基于视觉显著性检测的mser车牌定位方法及系统 | |
CN116523921B (zh) | 一种针对极耳翻折情况的检测方法、装置和系统 | |
CN107704797A (zh) | 基于安防视频中行人和车辆的实时检测方法和系统及设备 | |
Du et al. | Automated target detection and discrimination using constrained kurtosis maximization | |
CN104715250B (zh) | 十字激光检测方法和装置 | |
CN114565540B (zh) | 基于多路对照图像去噪用机器视觉集成系统 | |
Diaz-Escobar et al. | Natural Scene Text Detection and Segmentation Using Phase‐Based Regions and Character Retrieval | |
CN105608415A (zh) | 信息处理方法及电子设备 | |
CN108769521A (zh) | 一种拍照方法、移动终端及计算机可读存储介质 | |
Farooque et al. | Coin recognition with reduced feature set sift algorithm using neural network | |
CN110363192A (zh) | 物件影像辨识系统及物件影像辨识方法 | |
CN110119769A (zh) | 一种基于多模态车辆特征的检测预警方法 | |
CN105844260A (zh) | 一种多功能智能清洁机器人装置 | |
US20220405527A1 (en) | Target Detection Methods, Apparatuses, Electronic Devices and Computer-Readable Storage Media | |
Liu et al. | A prototype system of courtesy amount recognition for Chinese Bank checks | |
CN108810407A (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
Setumin et al. | Character-based car plate detection and localization | |
CN112489015A (zh) | 一种用于移动机器人的化纤飘杂识别方法 | |
KR100633094B1 (ko) | 윤곽 탐색을 통한 대상 인식 방법 및 장치 |
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 |