CN115082362B - 面向元宇宙场景的去噪方法、系统及存储介质 - Google Patents

面向元宇宙场景的去噪方法、系统及存储介质 Download PDF

Info

Publication number
CN115082362B
CN115082362B CN202211013444.XA CN202211013444A CN115082362B CN 115082362 B CN115082362 B CN 115082362B CN 202211013444 A CN202211013444 A CN 202211013444A CN 115082362 B CN115082362 B CN 115082362B
Authority
CN
China
Prior art keywords
matrix
scene
elements
denoising
meta
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
Application number
CN202211013444.XA
Other languages
English (en)
Other versions
CN115082362A (zh
Inventor
詹彦钧
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.)
Guangzhou Youkegu Technology Co ltd
Original Assignee
Guangzhou Youkegu Technology Co ltd
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 Guangzhou Youkegu Technology Co ltd filed Critical Guangzhou Youkegu Technology Co ltd
Priority to CN202211013444.XA priority Critical patent/CN115082362B/zh
Publication of CN115082362A publication Critical patent/CN115082362A/zh
Application granted granted Critical
Publication of CN115082362B publication Critical patent/CN115082362B/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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种面向元宇宙场景的去噪方法、系统及存储介质，其包括：读入原始场景矩阵C；将矩阵C分割为多个小矩阵D；分别求每个小矩阵D里的所有元素所有分量的和的平均值，得到矩阵S；对矩阵S里的所有元素进行排序，然后迭代执行以下步骤：迭代初始变量t=1，迭代结束条件t=P*Q；依次找出与H[t]的值相同的数组元素共F个；两两计算F个元素之间的距离，若该距离小于设定的第一阈值，则找出所有在空间上处于这两个元素之间，且噪点严重程度大于第二阈值的噪点，对噪点内的所有原始矩阵的元素的RGB分量进行更新。

Description

面向元宇宙场景的去噪方法、系统及存储介质
技术领域
本发明涉及元宇宙技术领域，更具体地，涉及一种面向元宇宙场景的去噪方法、系统及存储介质。
背景技术
近年来，元宇宙技术的兴起为人们提供了在数字空间进行虚拟社会组织和自由创作的可能性，越来越多的企业和元宇宙爱好者加入社区维护的行列。
在元宇宙空间内，只要技术允许，每个数字用户都有充分的权限进行任何现实生活中可进行的活动，如房屋建造、艺术品创作等。但由于大部分数字用户的相应技能较为一般，很难独自创作出具有较高美感的数字场景。开发一种对原始的粗糙的场景进行噪点检测并进行优化的算法是元宇宙技术能进一步推广的重要途径之一。
目前尚未有一种较为成熟的算法得到业界的广泛采纳，被较多采纳的方法是由专业的场景美化师进行专门的优化。这种方法的最大问题是自动化程度低，另外较高的费用也提高了准入门槛，限制了元宇宙技术的推广。
发明内容
本发明的发明目的在于提供一种面向元宇宙场景的去噪方法，该方法采用自动化噪点检测机制，实现对元宇宙场景噪点区域的高效、精准去噪操作。
为实现以上发明目的，采用的技术方案是：
一种面向元宇宙场景的去噪方法，包括以下步骤：
S1.元宇宙客户端向社区服务器发送待检测的场景矩阵
Figure 52974DEST_PATH_IMAGE001
，其中
Figure 224192DEST_PATH_IMAGE002
表示场景矩阵C中第i行、第j列的元素，
Figure 523587DEST_PATH_IMAGE003
表示实数域的N行M列矩阵；
Figure 953300DEST_PATH_IMAGE004
，
Figure 21750DEST_PATH_IMAGE005
；
S2. 社区服务器以默认值k为基本长度，将场景矩阵C分割成大小为
Figure 629449DEST_PATH_IMAGE006
的子矩阵
Figure 665407DEST_PATH_IMAGE007
，场景矩阵C表示为：
Figure 383964DEST_PATH_IMAGE008
其中，
Figure 572500DEST_PATH_IMAGE009
，
Figure 351100DEST_PATH_IMAGE010
，
Figure 880214DEST_PATH_IMAGE011
，
Figure 402462DEST_PATH_IMAGE012
；
Figure 445504DEST_PATH_IMAGE013
表示向上取整；
Figure 644273DEST_PATH_IMAGE014
；
Figure 139977DEST_PATH_IMAGE015
；
Figure 465916DEST_PATH_IMAGE016
表示N除以k的余数；
Figure 612732DEST_PATH_IMAGE017
；
S3.求取每一个子矩阵
Figure 733135DEST_PATH_IMAGE018
内的所有元素的RGB分量的和的平均值
Figure 981714DEST_PATH_IMAGE019
，得到矩阵
Figure 829453DEST_PATH_IMAGE020
；
S4.对矩阵S的P*Q个元素
Figure 847087DEST_PATH_IMAGE019
进行排序，得到数组H，令H[t]表示数组H中的第t个 元素；
S5.迭代初始变量t=1；迭代结束条件为t=P*Q；
S6.判断H[t] 的值是否与H[t+1] 的值相同，若否则令t=t+1,然后重新执行S6；若是则依次找出与H[t]的值相同的数组元素共F个；
S7.令H[d]、H[e]为找出的与H[t]的值相同的数组元素，
Figure 403971DEST_PATH_IMAGE021
，
Figure 857955DEST_PATH_IMAGE022
， 计算H[d]与H[e]之间的距离；
Figure 525696DEST_PATH_IMAGE023
，
Figure 397837DEST_PATH_IMAGE024
；
若该距离小于设定的第一阈值，则找出所有的元素
Figure 109310DEST_PATH_IMAGE025
，满足
Figure 332481DEST_PATH_IMAGE026
且
Figure 272755DEST_PATH_IMAGE027
，min表示求较小值，max表示求较 大值；当
Figure 264982DEST_PATH_IMAGE025
与
Figure 147356DEST_PATH_IMAGE028
的差值的绝对值大于预设的第二阈值时，将子矩阵
Figure 592244DEST_PATH_IMAGE029
认定为噪点矩 阵，对噪点矩阵内的所有元素的RGB分量进行更新；
S8.对找出的与H[t]值相同的F个数组元素两两执行步骤S7的操作；
S9.令t=t+F+1，然后执行步骤S6，直至t=P*Q。
优选地，所述求取每一个子矩阵
Figure 601789DEST_PATH_IMAGE018
内的所有元素的RGB分量的和的平均值
Figure 697789DEST_PATH_IMAGE019
， 具体包括：
Figure 501797DEST_PATH_IMAGE030
；
矩阵S记作：
Figure 699560DEST_PATH_IMAGE031
。
优选地，所述步骤S7计算H[d]与H[e]之间的距离，具体包括：
G=
Figure 248483DEST_PATH_IMAGE032
G表示计算得到的H[d]与H[e]之间的距离。
优选地，
Figure 215302DEST_PATH_IMAGE033
由三个分量组成，记作
Figure 924632DEST_PATH_IMAGE034
，
Figure 609691DEST_PATH_IMAGE035
、
Figure 944726DEST_PATH_IMAGE036
、
Figure 500473DEST_PATH_IMAGE037
分别表示
Figure 895551DEST_PATH_IMAGE002
的 R分量、G分量和B分量。
优选地，所述步骤S7对噪点矩阵
Figure 802327DEST_PATH_IMAGE029
内的所有元素的RGB分量进行更新，具体包 括：
对任意
Figure 426206DEST_PATH_IMAGE038
、
Figure 351306DEST_PATH_IMAGE039
Figure 668018DEST_PATH_IMAGE040
Figure 62090DEST_PATH_IMAGE041
Figure 489660DEST_PATH_IMAGE042
。
同时，本发明还提供了一种面向元宇宙场景的去噪系统，其具体的方案如下：
一种面向元宇宙场景的去噪系统，包括元宇宙客户端和社区服务器，元宇宙客户端和社区服务器执行去噪处理时执行以上所述面向元宇宙场景的去噪方法的方法步骤。
另外，本发明还提供了一种存储介质，其具体的方案如下：
一种存储介质，包括存储器及处理器，所述存储器内存储有程序，所述程序被所述处理器执行时，执行以上所述面向元宇宙场景的去噪方法的方法步骤。
与现有技术相比，本发明的有益效果是：
（1）本发明提供的方法采用自动化噪点检测机制，实现对元宇宙场景噪点区域的高效、精准去噪操作；自动化噪点检测机制可扩展，能根据元宇宙场景的分辨率选择合适的分割粒度，具备较强的实用性。
（2）本发明提供的方法采用高效的噪点平滑策略，能适应绝大部分元宇宙场景的要求。
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，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地介绍，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性的前提下，还可以根据这些附图获得其它的附图。
图1为面向元宇宙场景的去噪方法的流程示意图。
图2为面向元宇宙场景的去噪系统的结构示意图。
图3为存储介质的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。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它实施例，都属于本发明保护的范围。
实施例1
图1为本发明提供的面向元宇宙场景的去噪方法的流程示意图。如图1所示，本发明提供的面向元宇宙场景的去噪方法包括有以下步骤：
S1.元宇宙客户端向社区服务器发送待检测的场景矩阵
Figure 534846DEST_PATH_IMAGE001
，其中
Figure 22459DEST_PATH_IMAGE002
表示场景矩阵C中第i行、第j列的元素，
Figure 903827DEST_PATH_IMAGE003
表示实数域的N行M列矩阵；
Figure 384356DEST_PATH_IMAGE004
，
Figure 34780DEST_PATH_IMAGE005
；
Figure 693294DEST_PATH_IMAGE002
由三个分量组成，记作
Figure 61959DEST_PATH_IMAGE043
，
Figure 80599DEST_PATH_IMAGE035
、
Figure 585530DEST_PATH_IMAGE044
、
Figure 398634DEST_PATH_IMAGE037
分别表示
Figure 254595DEST_PATH_IMAGE002
的R分 量、G分量和B分量；
S2. 社区服务器以默认值k为基本长度，将场景矩阵C分割成大小为
Figure 827658DEST_PATH_IMAGE006
的子矩阵
Figure 452675DEST_PATH_IMAGE007
，场景矩阵C表示为：
Figure 708119DEST_PATH_IMAGE008
其中，
Figure 785796DEST_PATH_IMAGE009
，
Figure 428130DEST_PATH_IMAGE010
，
Figure 907653DEST_PATH_IMAGE011
，
Figure 328139DEST_PATH_IMAGE012
；
Figure 893112DEST_PATH_IMAGE013
表示向上取整；
Figure 542400DEST_PATH_IMAGE014
；
Figure 391276DEST_PATH_IMAGE015
；
Figure 998975DEST_PATH_IMAGE016
表示N除以k的余数；
Figure 785665DEST_PATH_IMAGE017
；
S3.求取每一个子矩阵
Figure 753490DEST_PATH_IMAGE018
内的所有元素的RGB分量的和的平均值
Figure 207605DEST_PATH_IMAGE019
，得到矩阵
Figure 720626DEST_PATH_IMAGE020
；
在具体的实施过程中，所述求取每一个子矩阵
Figure 260192DEST_PATH_IMAGE018
内的所有元素的RGB分量的和的 平均值
Figure 31708DEST_PATH_IMAGE019
，具体包括：
Figure 74750DEST_PATH_IMAGE030
；
矩阵S记作：
Figure 24251DEST_PATH_IMAGE045
；
S4.对矩阵S的P*Q个元素
Figure 34802DEST_PATH_IMAGE019
进行排序，得到数组H，令H[t]表示数组H中的第t个 元素；
S5.迭代初始变量t=1；迭代结束条件为t=P*Q；
S6.判断H[t] 的值是否与H[t+1] 的值相同，若否则令t=t+1,然后重新执行S6；若是则依次找出与H[t]的值相同的数组元素共F个；
S7.令H[d]、H[e]为找出的与H[t]的值相同的数组元素，
Figure 95161DEST_PATH_IMAGE021
，
Figure 258290DEST_PATH_IMAGE022
， 计算H[d]与H[e]之间的距离；
Figure 378692DEST_PATH_IMAGE023
，
Figure 142118DEST_PATH_IMAGE024
；
在具体的实施过程中，计算H[d]与H[e]之间的距离，具体包括：
G=
Figure 740589DEST_PATH_IMAGE046
G表示计算得到的H[d]与H[e]之间的距离；
若该距离小于设定的第一阈值，则找出所有的元素
Figure 758224DEST_PATH_IMAGE047
，满足
Figure 298796DEST_PATH_IMAGE026
且
Figure 34670DEST_PATH_IMAGE027
，min表示求较小值，max表示求较 大值；当
Figure 436833DEST_PATH_IMAGE047
与
Figure 574553DEST_PATH_IMAGE028
的差值的绝对值大于预设的第二阈值时，将子矩阵
Figure 280167DEST_PATH_IMAGE029
认定为噪点矩 阵，对噪点矩阵内的所有元素的RGB分量进行更新；
在具体的实施过程中，对噪点矩阵
Figure 237758DEST_PATH_IMAGE029
内的所有元素的RGB分量进行更新，具体包 括：
对任意
Figure 443612DEST_PATH_IMAGE038
、
Figure 685106DEST_PATH_IMAGE039
Figure 318213DEST_PATH_IMAGE040
Figure 28680DEST_PATH_IMAGE041
Figure 38224DEST_PATH_IMAGE042
；
S8.对找出的与H[t]值相同的F个数组元素两两执行步骤S7的操作；
S9.令t=t+F+1，然后执行步骤S6，直至t=P*Q。
实施例2
本实施例提供了一种面向元宇宙场景的去噪系统，如图2所示，包括元宇宙客户端和社区服务器，元宇宙客户端和社区服务器执行去噪处理时执行实施例1所述面向元宇宙场景的去噪方法的方法步骤。
实施例3
本实施例提供了一种存储介质，如图3所示，包括存储器及处理器，所述存储器内存储有程序，所述程序被所述处理器执行时，执行实施例1所述面向元宇宙场景的去噪方法的方法步骤。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-OnlyMemory）、随机存取存储器（RAM，RandomAccessMemory）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种面向元宇宙场景的去噪方法，其特征在于：包括以下步骤：
S1.元宇宙客户端向社区服务器发送待检测的场景矩阵
Figure 652706DEST_PATH_IMAGE001
，其中
Figure 241951DEST_PATH_IMAGE002
表 示场景矩阵C中第i行、第j列的元素，
Figure 739797DEST_PATH_IMAGE003
表示实数域的N行M列矩阵；
Figure 603848DEST_PATH_IMAGE004
，
Figure 152641DEST_PATH_IMAGE005
；
S2. 社区服务器以默认值k为基本长度，将场景矩阵C分割成大小为
Figure 896475DEST_PATH_IMAGE006
的子矩阵
Figure 632350DEST_PATH_IMAGE007
，场景矩阵C表示为：
Figure 565670DEST_PATH_IMAGE008
其中，
Figure 703391DEST_PATH_IMAGE009
，
Figure 612267DEST_PATH_IMAGE010
，
Figure 835438DEST_PATH_IMAGE011
，
Figure 41291DEST_PATH_IMAGE012
；
Figure 548365DEST_PATH_IMAGE013
表示向上取整；
Figure 447050DEST_PATH_IMAGE014
；
Figure 360780DEST_PATH_IMAGE015
；
Figure 619592DEST_PATH_IMAGE016
表示N除以k的余数；
Figure 731904DEST_PATH_IMAGE017
；
S3.求取每一个子矩阵
Figure 739174DEST_PATH_IMAGE018
内的所有元素的RGB分量的和的平均值
Figure 451784DEST_PATH_IMAGE019
，得到矩阵
Figure 202703DEST_PATH_IMAGE020
；
S4.对矩阵S的P*Q个元素
Figure 169522DEST_PATH_IMAGE019
进行排序，得到数组H，令H[t]表示数组H中的第t个元素；
S5.迭代初始变量t=1；迭代结束条件为t=P*Q；
S6.判断H[t] 的值是否与H[t+1] 的值相同，若否则令t=t+1,然后重新执行S6；若是则依次找出与H[t]的值相同的数组元素共F个；
S7.令H[d]、H[e]为找出的与H[t]的值相同的数组元素，
Figure 924857DEST_PATH_IMAGE021
，
Figure 547599DEST_PATH_IMAGE022
，计算H [d]与H[e]之间的距离；
Figure 898946DEST_PATH_IMAGE023
，
Figure 438381DEST_PATH_IMAGE024
；
若该距离小于设定的第一阈值，则找出所有的元素
Figure 849771DEST_PATH_IMAGE025
，满足
Figure 22126DEST_PATH_IMAGE026
且
Figure 160852DEST_PATH_IMAGE027
，min表示求较小值，max表示求较 大值；当
Figure 305526DEST_PATH_IMAGE025
与
Figure 887817DEST_PATH_IMAGE028
的差值的绝对值大于预设的第二阈值时，将子矩阵
Figure 796736DEST_PATH_IMAGE029
认定为噪点矩 阵，对噪点矩阵内的所有元素的RGB分量进行更新；
S8.对找出的与H[t]值相同的F个数组元素两两执行步骤S7的操作；
S9.令t=t+F+1，然后执行步骤S6，直至t=P*Q。
2.根据权利要求1所述的面向元宇宙场景的去噪方法，其特征在于：
Figure 693148DEST_PATH_IMAGE002
由三个分量组 成，记作
Figure 223486DEST_PATH_IMAGE030
，
Figure 497385DEST_PATH_IMAGE031
、
Figure 582015DEST_PATH_IMAGE032
、
Figure 344435DEST_PATH_IMAGE033
分别表示
Figure 244127DEST_PATH_IMAGE002
的R分量、G分量和B分量。
3.根据权利要求2所述的面向元宇宙场景的去噪方法，其特征在于：所述求取每一个子 矩阵
Figure 105904DEST_PATH_IMAGE034
内的所有元素的RGB分量的和的平均值
Figure 474568DEST_PATH_IMAGE019
，具体包括：
Figure 758788DEST_PATH_IMAGE035
；
矩阵S记作：
Figure 794877DEST_PATH_IMAGE036
。
4.根据权利要求1所述的面向元宇宙场景的去噪方法，其特征在于：所述步骤S7计算H[d]与H[e]之间的距离，具体包括：
G=
Figure 827555DEST_PATH_IMAGE037
G表示计算得到的H[d]与H[e]之间的距离。
5.根据权利要求3所述的面向元宇宙场景的去噪方法，其特征在于：所述步骤S7对噪点 矩阵
Figure 932783DEST_PATH_IMAGE029
内的所有元素的RGB分量进行更新，具体包括：
对任意
Figure 771426DEST_PATH_IMAGE038
、
Figure 396442DEST_PATH_IMAGE039
Figure 662339DEST_PATH_IMAGE040
Figure 192546DEST_PATH_IMAGE041
Figure 834880DEST_PATH_IMAGE042
。
6.一种面向元宇宙场景的去噪系统，其特征在于：包括元宇宙客户端和社区服务器，元宇宙客户端和社区服务器执行去噪处理时执行权利要求1-5任一项所述面向元宇宙场景的去噪方法的方法步骤。
7.一种存储介质，包括存储器及处理器，所述存储器内存储有程序，其特征在于：所述程序被所述处理器执行时，执行权利要求1-5任一项所述面向元宇宙场景的去噪方法的方法步骤。
CN202211013444.XA 2022-08-23 2022-08-23 面向元宇宙场景的去噪方法、系统及存储介质 Active CN115082362B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211013444.XA CN115082362B (zh) 2022-08-23 2022-08-23 面向元宇宙场景的去噪方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211013444.XA CN115082362B (zh) 2022-08-23 2022-08-23 面向元宇宙场景的去噪方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN115082362A CN115082362A (zh) 2022-09-20
CN115082362B true CN115082362B (zh) 2022-11-08

Family

ID=83245192

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211013444.XA Active CN115082362B (zh) 2022-08-23 2022-08-23 面向元宇宙场景的去噪方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN115082362B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106157259A (zh) * 2016-06-24 2016-11-23 西安电子科技大学昆山创新研究院 基于尺度混合模型和低秩逼近的视频去噪方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021111097A (ja) * 2020-01-09 2021-08-02 富士通株式会社 ノイズ推定方法、ノイズ推定プログラム及びノイズ推定装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106157259A (zh) * 2016-06-24 2016-11-23 西安电子科技大学昆山创新研究院 基于尺度混合模型和低秩逼近的视频去噪方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Adaptive Separation Technology of Ship Noise;Wang Rongjie et al;《Navigation of China》;20110925;10-14 *
基于噪声点云的三维场景重建方法;张健等;《计算机工程与设计》;20200416(第04期);80-85 *

Also Published As

Publication number Publication date
CN115082362A (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
CN109766925B (zh) 特征融合方法、装置、电子设备及存储介质
TW202032423A (zh) 圖像處理方法及裝置
CN108509407A (zh) 文本语义相似度计算方法、装置及用户终端
CN109859120A (zh) 基于多尺度残差网络的图像去雾方法
CN105469353B (zh) 水印图像的嵌入方法和装置及提取方法和装置
CN107885716B (zh) 文本识别方法及装置
CN109218769B (zh) 一种直播间的推荐方法以及相关设备
CN108171675B (zh) 一种基于分离Bregman迭代优化的图像修复方法及装置
CN108765322A (zh) 图像去噪方法及装置
CN111767819A (zh) 一种图像识别方法、装置、电子设备和计算机可读介质
WO2022062164A1 (zh) 基于偏微分算子的广义等变卷积网络模型的图像分类方法
CN112614110B (zh) 评估图像质量的方法、装置及终端设备
US9710722B1 (en) System and method for adaptive pixel filtering
CN107908998A (zh) 二维码解码方法、装置、终端设备及计算机可读存储介质
CN115619616A (zh) 基于水印扰动的对抗样本生成方法、装置、设备及介质
CN116227209A (zh) 一种点云数据多维线性差值方法、终端设备及存储介质
CN115082362B (zh) 面向元宇宙场景的去噪方法、系统及存储介质
CN108629767B (zh) 一种场景检测的方法、装置及移动终端
CN106650816A (zh) 一种视频质量评价方法和装置
CN106651790A (zh) 图像去模糊的方法、装置和设备
CN115760641B (zh) 基于多尺度特征注意力网络的遥感影像去云雾方法和设备
CN113205495A (zh) 图像质量评价及模型训练方法、装置、设备和存储介质
CN112381147A (zh) 动态图片相似度模型建立、相似度计算方法和装置
WO2022178975A1 (zh) 基于噪声场的图像降噪方法、装置、设备及存储介质
CN111429388A (zh) 一种图像处理方法、装置和终端设备

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