CN115994870B - 一种用于增强去噪的图像处理方法 - Google Patents
一种用于增强去噪的图像处理方法 Download PDFInfo
- Publication number
- CN115994870B CN115994870B CN202310152978.9A CN202310152978A CN115994870B CN 115994870 B CN115994870 B CN 115994870B CN 202310152978 A CN202310152978 A CN 202310152978A CN 115994870 B CN115994870 B CN 115994870B
- Authority
- CN
- China
- Prior art keywords
- analyzed
- region
- group
- pixel point
- interest
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 13
- 238000001914 filtration Methods 0.000 claims abstract description 42
- 239000013598 vector Substances 0.000 claims description 33
- 238000000034 method Methods 0.000 claims description 30
- 238000004458 analytical method Methods 0.000 claims description 18
- 230000011218 segmentation Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 abstract description 4
- 230000002146 bilateral effect Effects 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001746 injection moulding Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
Abstract
本发明涉及图像处理领域,具体涉及一种用于增强去噪的图像处理方法,包括:获取待分析图像;根据各个像素点的相邻像素点得到各个像素点的邻域相似性;根据各个感兴趣区域中各个像素点的邻域相似性得到各个感兴趣区域的各个待分析组;根据各个待分析组的方向差异程度以及连续程度得到各个感兴趣区域的边缘信息丰富度,进而得到待分析图像中的各个网格区域;根据各个网格区域的面积以及边缘信息丰富度得到各个网格区域的边缘概率,进而得到各个网格区域的滤波方式,根据各个网格区域的滤波方式对各个网格区域进行滤波,对滤波后的图像进行图像增强。本发明在在保证待分析图像中纹理信息完整的基础上提高去噪效率。
Description
技术领域
本发明涉及图像处理领域,具体涉及一种用于增强去噪的图像处理方法。
背景技术
在产品生产的各个工艺环节中,往往需要都需要进行图像采集,再通过对采集的图像进行分析,根据分析结果实现对产品生产质量的整体把控。然而在图像的获取、传输和存储的过程中常常会受到各种噪声的干扰,使得在对图像进行分析时的图像质量较差,导致所得分析结果也存在较大误差,因此在对获取的图像进行分析之前,为了保证分析结果的可靠性,一般都需要对图像进行预处理,如图像去噪、图像增强。
由于噪声在图像中属于高频信息,现有的去噪算法,如均值滤波、中值滤波等,在获得较好的去噪效果的同时,也会丢失部分图像中的边缘细节信息;而双边滤波虽然可以在去噪的同时保护待分析图像中产品的边缘信息,但是其是对整张图像进行滤波的,且在滤波过程中会产生较大的计算量,导致图像预处理效率较低,因此为了提高图像预处理效率,需要设计一种可以根据图像特征设置不同滤波方式的方法是非常重要的。
发明内容
本发明提供一种用于增强去噪的图像处理方法,以解决现有的问题。
本发明的一种用于增强去噪的图像处理方法采用如下技术方案:
本发明一个实施例提供了一种用于增强去噪的图像处理方法,该方法包括以下步骤:
获取待分析图像;
根据待分析图像中各个像素点的梯度向量得到各个像素点的相邻像素点;根据各个像素点的相邻像素点的灰度值以及梯度向量得到各个像素点的邻域相似性;获取待分析图像的各个初始网格区域,以各个初始网格区域为各个感兴趣区域,根据各个感兴趣区域中各个像素点的邻域相似性得到各个感兴趣区域的各个待分析组;根据各个待分析组中各个像素点的梯度向量得到各个待分析组的方向差异程度;根据各个待分析组中各个像素点的邻域相似性得到各个待分析组的连续程度,根据各个待分析组的方向差异程度以及连续程度得到各个感兴趣区域的边缘信息丰富度;根据各个感兴趣区域的边缘信息丰富度得到各个感兴趣区域的分割概率,根据所得分割概率对各个感兴趣区域进行划分,得到待分析图像中的各个网格区域;
根据各个网格区域的面积以及边缘信息丰富度得到各个网格区域的边缘概率,根据边缘概率得到各个网格区域的滤波方式,根据各个网格区域的滤波方式对各个网格区域进行滤波,对滤波后的图像进行图像增强。
优选的,所述各个像素点的邻域相似性的获取表达式为:
式中,sj为待分析图像中第j个像素点的邻域相似性;Δhjk表示待分析图像中第j个像素点与第k个相邻像素点的灰度值之间差值的绝对值;为第j个像素点的梯度向量;为第j个像素点的第k个相邻像素点的梯度向量;cos()为余弦函数,exp()为以自然常数为底数的指数函数。
优选的,所述待分析图像的各个初始网格区域的获取方法为:将待分析图像的长和宽分别进行二等分后得到四个区域,每个区域均为一个初始网格区域。
优选的,所述各个感兴趣区域的各个待分析组的获取方法为:
以任意一个感兴趣区域为目标区域,以目标区域中的任意一个像素点为目标像素点,如果目标像素点的邻域相似性大于等于第一阈值,将目标像素点的所有相邻像素点与目标像素点划分为一组,记为目标分析组;否则不将目标像素点的所有相邻像素点归入到目标分析组中;
以新归入目标分析组的像素点为新的目标像素点,根据新的目标像素点的邻域相似性对新的目标像素点的相邻像素点进行划分,直到不存在需要归入到目标分析组的像素点时停止,最终的目标分析组即为一个待分析组;
以目标区域中未进行分组的任意一个像素点为目标像素点,得到目标区域的各个待分析组;以各个感兴趣区域为目标区域,得到各个感兴趣区域的各个待分析组。
优选的,所述各个待分析组的方向差异程度的获取方法为:将各个待分析组中所有像素点的梯度向量对应坐标点之间的方差,作为各个待分析组的方向差异程度。
优选的,所述各个待分析组的连续程度的获取方法为:将各个待分析组中所有像素点的邻域相似性的平均值,记为各个待分析组的连续程度。
优选的,所述各个感兴趣区域的边缘信息丰富度的获取方法为:计算各个感兴趣区域中各个待分析组的连续程度与方向差异程度之间的乘积,将各个感兴趣区域中所有待分析组对应乘积的平均值作为各个感兴趣区域的边缘信息丰富度。
优选的,所述各个网格区域的边缘概率的获取方法为:计算各个网格区域的面积与所有网格区域的最大面积之间的比值,计算1.0与所得比值之间的差值,记为各个网格区域的第一差值;计算1.0与各个网格区域的分割概率之间的差值,记为各个网格区域的第二差值;将各个网格区域的第一差值与第二差值之间的乘积作为各个网格区域的边缘概率。
本发明的有益效果是:首先获取待分析图像中各个像素点与相邻像素点之间的灰度值以及梯度向量得到各个像素点的邻域相似性,根据各个像素点的邻域相似性得到各个感兴趣区域的各个待分析组,从而对噪声点以及待分析图像中产品的正常边缘进行区分,进而得到各个感兴趣区域的边缘信息丰富度,根据所得边缘信息丰富度对各个感兴趣区域进行划分,得到待分析图像中的各个网格区域,进一步根据各个网格区域的边缘概率确定各个网格区域的滤波方式,从而使包含边缘信息较少的区域使用计算量较少的均值滤波,使包含边缘信息较多的区域使用可以保护图像中产品边缘的双边滤波,在保证待分析图像中纹理信息完整的基础上提高去噪效率,而后对滤波后的待分析图像进行锐化增强,进一步提高图像质量,实现图像的增强去噪。
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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一种用于增强去噪的图像处理方法的步骤流程图。
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用于增强去噪的图像处理方法,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。
下面结合附图具体的说明本发明所提供的一种用于增强去噪的图像处理方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种用于增强去噪的图像处理方法的步骤流程图,该方法包括以下步骤:
步骤S001:获取待分析图像。
产品在不同的工艺环节一般都需要进行图像采集,例如质量检测环节采集到的产品表面图像、生产过程中的监控视频图像等,而后将采集的图像发送到数据中心的服务器上,本实施例首先从服务器上获取需要分析的图像,然后对所得图像进行灰度化处理,将灰度化处理后的图像称为待分析图像。
步骤S002:根据待分析图像中各个像素点的梯度向量得到各个像素点的相邻像素点;根据各个像素点的相邻像素点的灰度值以及梯度向量得到各个像素点的邻域相似性。
在产品生产监控或者产品质量检测时均需要通过对待分析图像进行连通域分割或边缘检测等操作,这些图像处理操作之前需要进行去噪,避免噪声对产品边缘的影响。由于均值滤波、中值滤波、高斯滤波等都会对待分析图像中的边缘信息进行模糊,双边滤波虽然可以保护待分析图像中产品的边缘信息,但是会产生较大的计算量,耗时较长,为了保证图像的预处理效率以及图像质量,本实施例期望对不存在纹理的区域使用均值滤波等效率较高的滤波方式,对于存在纹理的区域使用双边滤波等可以保护边缘信息的滤波方式,故首先需要确定不存在边缘信息的区域,而噪声点的位置以及灰度值具有较高的随机性,边缘像素点的灰度值以及位置分布具有较强的方向性,因此根据各个区域中像素点分布方向性对各个区域进一步划分,具体过程如下:
由于噪声点的灰度值具有随机性,当一个像素点的周边区域内存在噪声点时,会使得该周边区域内本身就存在灰度差异,仅根据一个像素点的周边区域内的灰度差异判断该周边区域中是否存在边缘可能存在误差;故首先使用Canny算子获取待分析图像中各个像素点的梯度向量;根据待分析图像中各个像素点与其相邻像素点的相似性得到各个像素点的邻域相似性;其中对于一个像素点A,该像素点的相邻像素点是指:在与像素点A的梯度向量方向垂直的方向上,与该像素点A相邻的两个像素点;像素点的邻域相似性是指像素点A与其相邻像素点的灰度值之间的灰度相似性以及梯度向量之间的方向相似性;则待分析图像中第j个像素点的邻域相似性sj可表示为:
式中,Δhjk表示第j个像素点与第k个相邻像素点的灰度值之间差值的绝对值;为第j个像素点的梯度向量;/>为第j个像素点的第k个相邻像素点的梯度向量;cos()为余弦函数,exp()为以自然常数为底数的指数函数。
表示第j个像素点与第k个相邻像素点的梯度向量之间的夹角余弦值,用以表征两个像素点的梯度向量之间的相似性,也就是第j个像素点与第k个相邻像素点之间的方向性相似性,两个像素点的梯度向量之间的夹角越小,所得夹角余弦值越大,对应两个像素点的方向相似性越高,此时这两个像素点为产品边缘的概率较大,反之,则对应两个像素点的方向相似性越低,这两个像素点为产品边缘的概率较小;
exp(-Δhjk)表示第j个像素点与第k个相邻像素的灰度值之间的相似性,用以表征两个像素点的灰度值之间的相似性,也就是第j个像素点与第k个相邻像素点之间的灰度相似性,当两个像素点的灰度值之间差值的绝对值越小,即Δhjk越小,exp(-Δhjk)越大,对应两个像素点的灰度相似性越高,反之,则两个像素点之间的灰度相似性越低。
重复上述方法,获取各个像素点的邻域相似性。
步骤S003:根据各个感兴趣区域中各个像素点的邻域相似性得到各个感兴趣区域的各个待分析组;根据各个待分析组的方向差异程度以及连续程度得到各个感兴趣区域的边缘信息丰富度,进而得到待分析图像中的各个网格区域。
首先将待分析图像的长和宽分别进行二等分,使待分析图像平均划分为四个初始网格区域,所得四个初始网格区域即为各个感兴趣区域;后续根据各个感兴趣区域内各个像素点的特征信息进一步对各个感兴趣区域进行划分;
需要说明的是,对于一个感兴趣区域的一次划分是指将该感兴趣区域的长和宽分别进行二等分,即将该感兴趣区域划分为四个区域,并将划分后所得的四个区域作为新的感兴趣区域进行处理;
设置第一阈值δ1,该值可由实施者自行设定,本实施例中设置第一阈值δ1=0.85;
以第i个感兴趣区域为例,即以第i个感兴趣区域为目标区域,以目标区域中的任意一个像素点为目标像素点,如果目标像素点的邻域相似性大于等于第一阈值,将目标像素点的所有相邻像素点与目标像素点划分为一组,记为目标分析组;否则不将目标像素点的所有相邻像素点归入到目标分析组中;
以新归入目标分析组的像素点为新的目标像素点,根据新的目标像素点的邻域相似性对新的目标像素点的相邻像素点进行划分,直到不存在需要归入到目标分析组的像素点时停止,最终的目标分析组即为一个待分析组;
以目标区域中未进行分组的任意一个像素点为目标像素点,重复上述方法,得到对应的待分析组,进而得到目标区域的各个待分析组;以各个感兴趣区域为目标区域,得到各个感兴趣区域的各个待分析组;则第i个感兴趣区域的边缘信息丰富度Fi可以表示为:
式中,Lit为第i个感兴趣区域的第t个待分析组中包含的像素点个数;Cit为第i个感兴趣区域的第t个待分析组的方向差异程度;str为第t个待分析组的第r个像素点对应的邻域相似性;ni表示第i个感兴趣区域中包含的待分析组的个数;
Cit的获取过程为:获取第i个感兴趣区域的第t个待分析组中各个像素点的梯度向量对应的坐标点,例如梯度向量(x,y)对应的坐标点也是(x,y),将所得各个坐标点之间的方差作为各个梯度向量之间的方向差异,也就是第t个待分析组的方向差异程度;即Cit的表达式为:
其中,Nit为第i个感兴趣区域的第t个待分析组中包含的像素点个数;xtu表示第t个待分析组的第u个像素点的梯度向量对应坐标点的横坐标;ytu表示第t个待分析组的第u个像素点的梯度向量对应坐标点的纵坐标;为第t个待分析组中所有像素点的梯度向量对应坐标点的横坐标的平均值;/>为第t个待分析组中所有像素点的梯度向量对应坐标点的纵坐标的平均值;
str表示第i个感兴趣区域的第t个待分析组的连续程度,由于待分析图像中产品的边缘在邻域区域内的变化具有连续性,因此当一个待分析组中各个像素点的邻域相似性越大,表示该待分析组中的像素点属于产品边缘的可能性越大,此时如果该待分析组中像素点的梯度向量之间的方向差异程度越大,即/>str越大,表示该待分析组中的边缘分布情况越复杂,对应的边缘信息丰富度越高;考虑到如果一个待分析组是从噪声点开始获取的,此时的待分析组中各个像素点的梯度向量方向之间的差异也较大,但是各个像素点的邻域相似性较小,因此连续程度也可以表征方向差异程度的可靠程度;
设置分割系数ε=0.5,记第i个感兴趣区域的分割概率为pi,pi=exp(-Fi),当pi大于分割系数时,表示该感兴趣区域内的边缘信息丰富度较低,即该感兴趣区域内的边缘信息较少,不需要对该感兴趣区域进行再次分割;否则将该感兴趣区域的长和宽分别进行二等分,将分割后的各个区域作为新的感兴趣区域,重复上述方法,直到待分析图像中的所有感兴趣区域都不需要进行分割时停止。由此得到待分析图像中的各个网格区域,以及各个网格区域对应的边缘信息丰富度。
步骤S004:根据各个网格区域的面积以及边缘信息丰富度得到各个网格区域的边缘概率,进而得到各个网格区域的滤波方式,根据各个网格区域的滤波方式对各个网格区域进行滤波,对滤波后的图像进行图像增强。
本实施例期望对于不存在边缘的网格区域直接使用均值滤波,对于存在边缘的可能性较大的网格区域使用双边滤波,则第i个网格区域的边缘概率Pi可表示为:
式中,Smax表示所有网格区域面积的最大值,即最大面积;pi为第i个网格区域的分割概率;Si为第i个网格区域的面积;
为第i个网格区域的第一差值;1-pi为第i个网格区域的第二差值;一个网格区域的面积越小,表示该网格区域在获取过程中的分割难度越大,对应该网格区域中存在边缘的概率越大,此时如果该网格区域中的边缘信息丰富度越高,越需要对该网格区域进行双边滤波,从而保护该网格区域中产品的边缘信息,否则需要进行均值滤波,从而提高图像预处理效率;
重复上述方法,获取各个网格区域的边缘概率,设置第二阈值δ2=0.3,当一个网格区域的边缘概率大于第二阈值时,设置该网格区域的滤波方式为双边滤波,否则设置该网格区域的滤波方式为均值滤波。
依次按照待分析图像中的各个网格区域对应的滤波方式进行滤波,而后对滤波后的待分析图像进行锐化处理,通过以上步骤,完成对待分析图像的增强去噪。
最后本实施例通过Canny边缘检测算法获得去噪后图像中的边缘,该边缘就是图像中产品的准确结构边缘,通过边缘即表示产品在图像中的位置,实现产品的位置实时监控的目的,避免了由于噪声干扰或者常规滤波方法导致边缘检测不准确导致产品定位不准确的问题。其他实施例中实施者可以根据产品边缘形状和标准产品的边缘形状进行对比获得产品是否完好无损,实现产品质量检测的目的,例如是否存在注塑件或其他零部件结构边缘存在变形的情况。
本实施例首先获取待分析图像中各个像素点与相邻像素点之间的灰度值以及梯度向量得到各个像素点的邻域相似性,根据各个像素点的邻域相似性得到各个感兴趣区域的各个待分析组,从而对噪声点以及待分析图像中产品的正常边缘进行区分,进而得到各个感兴趣区域的边缘信息丰富度,根据所得边缘信息丰富度对各个感兴趣区域进行划分,得到待分析图像中的各个网格区域,进一步根据各个网格区域的边缘概率确定各个网格区域的滤波方式,从而使包含边缘信息较少的区域使用计算量较少的均值滤波,使包含边缘信息较多的区域使用可以保护待分析图像中产品边缘的双边滤波,在保证待分析图像中纹理信息完整的基础上提高去噪效率,而后对滤波后的待分析图像进行锐化增强,进一步提高图像质量,实现图像的增强去噪。
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 (3)
1.一种用于增强去噪的图像处理方法,其特征在于,该方法包括以下步骤:
获取待分析图像;
根据待分析图像中各个像素点的梯度向量得到各个像素点的相邻像素点;根据各个像素点的相邻像素点的灰度值以及梯度向量得到各个像素点的邻域相似性;获取待分析图像的各个初始网格区域,以各个初始网格区域为各个感兴趣区域,根据各个感兴趣区域中各个像素点的邻域相似性得到各个感兴趣区域的各个待分析组;根据各个待分析组中各个像素点的梯度向量得到各个待分析组的方向差异程度;根据各个待分析组中各个像素点的邻域相似性得到各个待分析组的连续程度,根据各个待分析组的方向差异程度以及连续程度得到各个感兴趣区域的边缘信息丰富度;根据各个感兴趣区域的边缘信息丰富度得到各个感兴趣区域的分割概率,根据所得分割概率对各个感兴趣区域进行划分,得到待分析图像中的各个网格区域;
根据各个网格区域的面积以及边缘信息丰富度得到各个网格区域的边缘概率,根据边缘概率得到各个网格区域的滤波方式,根据各个网格区域的滤波方式对各个网格区域进行滤波,对滤波后的图像进行图像增强;
所述各个像素点的邻域相似性的获取表达式为:
式中,sj为待分析图像中第j个像素点的邻域相似性;Δhjk表示待分析图像中第j个像素点与第k个相邻像素点的灰度值之间差值的绝对值;为第j个像素点的梯度向量;/>为第j个像素点的第k个相邻像素点的梯度向量;cos()为余弦函数,exp()为以自然常数为底数的指数函数;
所述各个待分析组的方向差异程度的获取方法为:将各个待分析组中所有像素点的梯度向量对应坐标点之间的方差,作为各个待分析组的方向差异程度;
所述各个待分析组的连续程度的获取方法为:将各个待分析组中所有像素点的邻域相似性的平均值,记为各个待分析组的连续程度;
所述各个感兴趣区域的边缘信息丰富度的获取方法为:计算各个感兴趣区域中各个待分析组的连续程度与方向差异程度之间的乘积,将各个感兴趣区域中所有待分析组对应乘积的平均值作为各个感兴趣区域的边缘信息丰富度,对应公式表示为
式中,Lit为第i个感兴趣区域的第t个待分析组中包含的像素点个数;Cit为第i个感兴趣区域的第t个待分析组的方向差异程度;str为第t个待分析组的第r个像素点对应的邻域相似性;ni表示第i个感兴趣区域中包含的待分析组的个数,Fi为第i个感兴趣区域的边缘信息丰富度;
所述分割概率为:pi=exp(-Fi),其中pi为第i个感兴趣区域的分割概率,exp为以自然常数为底数的指数函数;
所述各个网格区域的边缘概率的获取方法为:计算各个网格区域的面积与所有网格区域的最大面积之间的比值,计算1.0与所得比值之间的差值,记为各个网格区域的第一差值;计算1.0与各个网格区域的分割概率之间的差值,记为各个网格区域的第二差值;将各个网格区域的第一差值与第二差值之间的乘积作为各个网格区域的边缘概率。
2.根据权利要求1所述的一种用于增强去噪的图像处理方法,其特征在于,所述待分析图像的各个初始网格区域的获取方法为:将待分析图像的长和宽分别进行二等分后得到四个区域,每个区域均为一个初始网格区域。
3.根据权利要求1所述的一种用于增强去噪的图像处理方法,其特征在于,所述各个感兴趣区域的各个待分析组的获取方法为:
以任意一个感兴趣区域为目标区域,以目标区域中的任意一个像素点为目标像素点,如果目标像素点的邻域相似性大于等于第一阈值,将目标像素点的所有相邻像素点与目标像素点划分为一组,记为目标分析组;否则不将目标像素点的所有相邻像素点归入到目标分析组中;
以新归入目标分析组的像素点为新的目标像素点,根据新的目标像素点的邻域相似性对新的目标像素点的相邻像素点进行划分,直到不存在需要归入到目标分析组的像素点时停止,最终的目标分析组即为一个待分析组;
以目标区域中未进行分组的任意一个像素点为目标像素点,得到目标区域的各个待分析组;以各个感兴趣区域为目标区域,得到各个感兴趣区域的各个待分析组。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310152978.9A CN115994870B (zh) | 2023-02-23 | 2023-02-23 | 一种用于增强去噪的图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310152978.9A CN115994870B (zh) | 2023-02-23 | 2023-02-23 | 一种用于增强去噪的图像处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115994870A CN115994870A (zh) | 2023-04-21 |
CN115994870B true CN115994870B (zh) | 2023-12-19 |
Family
ID=85990400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310152978.9A Active CN115994870B (zh) | 2023-02-23 | 2023-02-23 | 一种用于增强去噪的图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115994870B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116684687B (zh) * | 2023-08-01 | 2023-10-24 | 蓝舰信息科技南京有限公司 | 基于数字孪生技术的增强可视化教学方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102306377A (zh) * | 2011-09-21 | 2012-01-04 | 深圳市理邦精密仪器股份有限公司 | 一种超声图像去噪的方法和装置 |
CN104182945A (zh) * | 2014-08-30 | 2014-12-03 | 西安电子科技大学 | 基于非局部双边滤波的极化sar相干斑噪声抑制方法 |
CN109377450A (zh) * | 2018-08-24 | 2019-02-22 | 南京理工大学 | 一种边缘保护的去噪方法 |
CN111814711A (zh) * | 2020-07-15 | 2020-10-23 | 中国矿业大学 | 一种应用于矿井机器视觉的图像特征快速匹配方法及系统 |
CN112200730A (zh) * | 2019-07-08 | 2021-01-08 | 浙江宇视科技有限公司 | 图像滤波处理方法、装置、设备及存储介质 |
CN113570602A (zh) * | 2021-09-24 | 2021-10-29 | 江苏昌存铜业有限公司 | 一种基于人工智能的热轧钢卷卷曲评估方法 |
CN114463310A (zh) * | 2022-02-10 | 2022-05-10 | 深圳市安健科技股份有限公司 | 一种dr图像增强方法及装置 |
CN115272306A (zh) * | 2022-09-26 | 2022-11-01 | 太阳谷再生资源(江苏)有限公司 | 利用梯度运算的太阳能电池板栅线增强方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103500435B (zh) * | 2013-09-11 | 2016-06-08 | 西安交通大学 | 一种边缘导向的自适应图像插值方法及其vlsi实现装置 |
-
2023
- 2023-02-23 CN CN202310152978.9A patent/CN115994870B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102306377A (zh) * | 2011-09-21 | 2012-01-04 | 深圳市理邦精密仪器股份有限公司 | 一种超声图像去噪的方法和装置 |
CN104182945A (zh) * | 2014-08-30 | 2014-12-03 | 西安电子科技大学 | 基于非局部双边滤波的极化sar相干斑噪声抑制方法 |
CN109377450A (zh) * | 2018-08-24 | 2019-02-22 | 南京理工大学 | 一种边缘保护的去噪方法 |
CN112200730A (zh) * | 2019-07-08 | 2021-01-08 | 浙江宇视科技有限公司 | 图像滤波处理方法、装置、设备及存储介质 |
CN111814711A (zh) * | 2020-07-15 | 2020-10-23 | 中国矿业大学 | 一种应用于矿井机器视觉的图像特征快速匹配方法及系统 |
CN113570602A (zh) * | 2021-09-24 | 2021-10-29 | 江苏昌存铜业有限公司 | 一种基于人工智能的热轧钢卷卷曲评估方法 |
CN114463310A (zh) * | 2022-02-10 | 2022-05-10 | 深圳市安健科技股份有限公司 | 一种dr图像增强方法及装置 |
CN115272306A (zh) * | 2022-09-26 | 2022-11-01 | 太阳谷再生资源(江苏)有限公司 | 利用梯度运算的太阳能电池板栅线增强方法 |
Non-Patent Citations (2)
Title |
---|
Joint image denoising with gradient direction and edge-preserving regularization;Pengliang Li et al.;《Pattern Recognition》;1-18 * |
基于非下采样轮廓波变换的多聚焦图像融合算法研究;刘思捷;《中国优秀硕士学位论文全文数据库 信息科技辑》;I138-520 * |
Also Published As
Publication number | Publication date |
---|---|
CN115994870A (zh) | 2023-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116310360B (zh) | 一种电抗器表面缺陷检测方法 | |
CN109919960B (zh) | 一种基于多尺度Gabor滤波器的图像连续边缘检测方法 | |
CN109919870B (zh) | 一种基于bm3d的sar图像相干斑抑制方法 | |
CN110415208B (zh) | 一种自适应目标检测方法及其装置、设备、存储介质 | |
CN108765332B (zh) | 一种椭圆搜索窗口和参数自适应的非局部均值去噪方法 | |
CN106548176B (zh) | 基于自适应引导滤波的指静脉图像增强方法 | |
CN115841434B (zh) | 一种用于气体浓度分析的红外图像增强方法 | |
CN111310688B (zh) | 一种基于多角度成像的手指静脉识别方法 | |
CN110837768A (zh) | 一种面向珍稀动物保护的在线检测与识别方法 | |
CN109978848B (zh) | 基于多光源颜色恒常模型检测眼底图像中硬性渗出的方法 | |
CN108109159B (zh) | 一种基于hessian矩阵和区域增长相结合的视网膜血管分割系统 | |
CN115994870B (zh) | 一种用于增强去噪的图像处理方法 | |
CN115511907B (zh) | 一种用于led屏幕的划痕检测方法 | |
CN112883824A (zh) | 一种用于智能采血的手指静脉特征识别装置及其识别方法 | |
CN111223063A (zh) | 基于纹理特征和双核函数的手指静脉图像nlm去噪方法 | |
CN111738931B (zh) | 光伏阵列无人机航拍图像的阴影去除算法 | |
CN109858438A (zh) | 一种基于模型拟合的车道线检测方法 | |
Choudhary et al. | Curvelet and fast marching method‐based technique for efficient artifact detection and removal in dermoscopic images | |
CN110929598A (zh) | 基于轮廓特征的无人机载sar图像匹配方法 | |
CN117115117A (zh) | 基于小样本下的病理图像识别方法、电子设备及存储介质 | |
CN107845081B (zh) | 一种磁共振图像去噪方法 | |
CN113379639B (zh) | 一种复杂环境中红外目标抗干扰检测跟踪方法 | |
TWI460667B (zh) | 模糊指紋影像重建方法 | |
CN113780421B (zh) | 基于人工智能的脑部pet影像识别方法 | |
CN110647843B (zh) | 一种人脸面部图像处理方法 |
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 |