CN116863492B - 一种移动数字出版系统 - Google Patents
一种移动数字出版系统 Download PDFInfo
- Publication number
- CN116863492B CN116863492B CN202311127091.0A CN202311127091A CN116863492B CN 116863492 B CN116863492 B CN 116863492B CN 202311127091 A CN202311127091 A CN 202311127091A CN 116863492 B CN116863492 B CN 116863492B
- Authority
- CN
- China
- Prior art keywords
- published
- digital image
- fusion
- characteristic
- pixel point
- 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
- 230000004927 fusion Effects 0.000 claims abstract description 87
- 238000005259 measurement Methods 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 3
- 238000000034 method Methods 0.000 claims description 29
- 239000013598 vector Substances 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 241001156002 Anthonomus pomorum Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/32—Digital ink
- G06V30/333—Preprocessing; Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/1918—Fusion techniques, i.e. combining data from various sources, e.g. sensor fusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/32—Digital ink
- G06V30/36—Matching; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像数据处理技术领域，提出了一种移动数字出版系统，包括：获得原始待出版数字图像并进行预处理得到待出版数字图像，获取待出版数字图像中每个像素点的预设窗口区域并计算融合分布特征，根据待出版数字图像中每个像素点的融合分布特征计算融合差异特征和融合分布熵，根据融合分布熵计算待出版数字图像中像素点的模糊度量因子；根据模糊度量因子获取模糊度量特征图像，根据模糊度量特征图像获取待出版数字图像的模糊区域并获取质量清晰的待出版数字图像。本发明有效的改善了移动出版系统图像的质量。
Description
技术领域
本发明涉及图像数据处理技术领域，具体涉及一种移动数字出版系统。
背景技术
随着手机、计算机等智能数字化设备的不断普及，不同于传统纸质文档的新型数字化阅读方式步入人们的生活中。移动数字化出版是一种将传统图文数据通过计算机处理方法转化成电子数字文档，并通过移动网络技术在互联网进行快速高效传输的方法。移动数字出版不同于传统纸质文档出版过程中极度依赖纸质媒介传播的特点，电子数字化后的数字出版文档具有传播更新速度快、存储便捷且信息存储量大，载体易于携带、成本相对较低便于转移的多种技术优点，因此备受用户青睐。
但在移动数字出版过程中，若原始图像中存在分辨率低、图像信息模糊不清晰等图像质量问题，在出版后会导致移动数字出版读物的整体质量较差，对用户正常阅读造成较大的影响。因此对于移动数字出版过程中待出版的数字图像要进行的进一步优化处理，避免模糊不清的低质量图像对移动数字出版质量的影响。
发明内容
本发明提供一种移动数字出版系统，以解决的问题，所采用的技术方案具体如下：
本发明一个实施例一种移动数字出版系统，该系统包括以下模块：
待出版数字图像采集模块，获得原始待出版数字图像，对所述原始待出版数字图像进行预处理获取待出版数字图像；
待出版数字图像融合特征提取模块，获取待出版数字图像中每个像素点的预设窗口区域，根据待出版数字图像中每个像素点的预设窗口区域计算待出版数字图像中每个像素点的融合分布特征，根据待出版数字图像中每个像素点的融合分布特征获取每个像素点的融合特征序列并计算待出版数字图像中每个像素点的融合差异特征；
待出版数字图像模糊度量模块，根据待出版数字图像中每个像素点的融合差异特征计算待出版数字图像中每个像素点的融合分布熵，根据所述待出版数字图像中每个像素点的融合分布熵计算待出版数字图像中每个像素点的模糊度量因子；
待出版数字图像质量增强模块，根据所述待出版数字图像中每个像素点的模糊度量因子获取模糊度量特征图像，根据模糊度量特征图像获取待出版数字图像的模糊区域，并基于所述待出版数字图像的模糊区域获取质量清晰的待出版数字图像。
优选的，所述对所述原始待出版数字图像进行预处理获取待出版数字图像的方法为：
将待出版数字图像通过灰度化算法得到预处理后的待出版数字图像，将预处理后的图像记为待出版数字图像。
优选的，所述获取待出版数字图像中每个像素点的预设窗口区域的方法为：
以待出版数字图像中每个像素点为中心可以划分得到预设大小的局部窗口区域，对于不足以构成预设窗口区域的像素点，通过计算所述像素点预设窗口区域中所有像素点的均值填充获取预设窗口区域。
优选的，所述计算待出版数字图像中每个像素点的融合分布特征的方法为：
计算待出版数字图像中所述预设窗口区域的二阶颜色矩并记为第一特征，计算待出版数字图像中所述预设窗口区域的梯度均值并记为第二特征，计算第一特征和第二特征的乘积并记为所述预设窗口区域中心像素点的融合分布特征。
优选的，所述根据待出版数字图像中每个像素点的融合分布特征获取每个像素点的融合特征序列并计算待出版数字图像中每个像素点的融合差异特征的方法为：
将待出版数字图像中每个像素点周围八邻域中不同位置的像素点按顺时针次序记为第一像素点至第八像素点，分别获取第一像素点至第八像素点每个像素点八邻域像素点的融合分布特征并按顺时针排列得到第一融合特征序列至第八融合特征序列，将待出版数字图像中每个像素点与其八邻域中不同像素点的融合分布特征按顺时针排列得到第一中心融合特征序列，分别计算第一中心融合特征序列与第一融合特征序列至第八融合特征序列的距离，并将所有距离的均值记为待出版数字图像中所述像素点的融合差异特征。
优选的，所述根据待出版数字图像中每个像素点的融合差异特征计算待出版数字图像中每个像素点的融合分布熵的计算方法为：
对于所述预设窗口区域中每个像素点的融合差异特征以预设长度划分为不同的数值区间，获取每个数值区间中像素点的数量，计算每个数值区间中像素数量与预设窗口区域中像素点总数量的比值记为所述数值区间中的融合差异特征分布频率，计算所述数值区间中的融合差异特征分布频率的熵记为所述预设窗口区域中心像素点的融合分布熵。
优选的，所述根据所述待出版数字图像中每个像素点的融合分布熵计算待出版数字图像中每个像素点的模糊度量因子的具体方法为：
上述公式中，表示了待出版数字图像中像素点位置处的融合分布熵大小，表示了以自然常数为底的指数函数，表示了待出版数字图像中预设窗口区域的大
小，表示了所述待出版数字图像中预设窗口区域第个像素点位置，表示了待出版数
字图像中预设窗口区域第个像素的位置处的二元模糊度量向量，表示了待出版数字图
像中预设窗口区域第个像素的位置处的二元模糊度量向量，表示了两个不同二元
模糊度量向量之间的相似性，表示了待出版数字图像中第个像素点位置处的模糊度
量因子。
优选的，获取二元模糊度量向量的方法为：
将所述预设窗口中心像素点的融合差异特征记为第一维度向量，将所述预设窗口中所有像素点位置处的融合差异特征的均值记为第二维度向量，并将第一维度向量和第二维度向量作为二元模糊度量向量的第一维和第二维。
优选的，所述根据所述待出版数字图像中每个像素点的模糊度量因子获取模糊度量特征图像的方法为：
将所述模糊度量因子按照待出版数字图像中像素点顺序排列得到大小与待出版数字图像大小相同的图像，并记为待出版模糊度量特征图像。
优选的，所述根据模糊度量特征图像获取待出版数字图像的模糊区域，并基于所述待出版数字图像的模糊区域获取质量清晰的待出版数字图像为：
将所述待出版模糊度量特征图像作为图像分割算法的输入，获取待出版模糊度量特征图像中待出版数字图像的模糊区域，将所述待出版数字图像的模糊区域作为图像插值算法的输入获取质量清晰的待出版数字图像。
本发明的有益效果是：通过待出版的数字图像中不同像素点位置处的像素点颜色和梯度数值变化特点构造计算得到对应像素点位置处的融合分布特征，并根据该像素点位置处的融合分布特征数值进一步计算得到相应的融合差异特征的数值，从而对数字图像中不同像素点位置处的图像质量进行表征计算，有效地避免了原始待出版数字图像中像素点数值特征无法准确区分质量不清晰的区域的影响。进一步地，本发明根据待出版数字图像中像素点融合差异特征计算构建得到待出版数字图像中模糊度量因子，对待出版数字图像中不同像素点位置处的模糊质量特征进行优化表征，有效地规避了对原始待出版的数字图像划分过程中导致的图像细节划分不准确的缺点，提高了划分对待出版数字图像中质量不清晰的区域的准确性效果，从而有效地对该区域中像素点数值进行优化增强，准确的获取了移动数字出版系统中待出版数字图像中质量较差的模糊图像区域，提高了移动数字出版系统中细节表现不清晰的待出版数字图像质量。
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他的附图。
图1为本发明一个实施例所提供的一种移动数字出版系统流程图。
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。
请参阅图1，其示出了本发明一个实施例提供的一种移动数字出版系统流程图，该系统包括：待出版数字图像采集模块、待出版数字图像融合特征提取模块、待出版数字图像模糊度量模块、待出版数字图像质量增强模块。
待出版数字图像采集模块，对于移动数字出版过程中待出版的所有数字图像进行采集，读取得到原始待出版数字图像，由于读取得到的原始待出版数字图像可能存在多个不同的颜色通道，为了避免在多个不同通道上重复计算，通过加权平均法得到待出版数字图像。
待出版数字图像融合特征提取模块，对于采集获取得到的待出版数字图像中，若原始出版数字图像质量较差，待出版的原始数字图像中边缘细节特征表征不明显，原始待出版的数字图像整体模糊不清晰，对移动数字出版读物的正常阅读造成较大的干扰。因此对待出版数字图像中不同像素点的数值变化情况进行计算分析。
通常情况下，移动数字出版系统中图像的分辨率质量不能满足出版的质量要求，
导致出版后的数字图像较为模糊不清晰。因此，为了更好地对待出版的数字图像中不同位
置区域处的像素点特征进行计算表征，在获取得到的待出版的数字图像中，以像素点为中
心划分得到大小为的局部窗口区域，其中取经验值为。
上述公式中，表示了以像素点为中心的局部窗口区域中计算获取得到二阶
颜色矩的数值大小，表示了像素点为中心划分得到大小为的局部窗口区域像素点
总个数，表示了像素点位置处计算得到的梯度数值大小，本发明实施例使用Brenner
梯度函数对该局部窗口区域中的梯度数值进行计算。其中二阶颜色矩和Brenner 梯度函数
的具体计算过程为公知技术，在此不再赘述。
通过上述公式可以计算得到待出版数字图像像素点位置处的融合分布特征
的数值大小。通过结合像素点为中心的局部窗口区域中二阶颜色矩和梯度数值对该局部
窗口区域中待出版数字图像的局部像素点颜色梯度边缘特征信息进行计算提取。若像素点为中心的局部区域中数字图像质量较高，待出版的数字图像色彩和边缘细节丰富度越高，
则计算得到的数字图像中融合分布特征的数值也会相对变大；反之，当计算得到的融
合特征数值越小，则认为不同像素点位置处的融合特征数值之间的差异情况越小，待出版
的数字图像像素点之间的色彩和边缘细节变化丰富度较差，计算得到的待出版数字图像融
合特征的数值会相对变小。
通过上述步骤分析可以对待出版的数字图像中不同位置处的像素点计算获取得到相应的待出版数字图像融合特征数值，该数值反映了待出版数字图像中不同位置处像素点的色彩和边缘变化细节的变化情况。
待出版数字图像中像素点位置八邻域中不同位置的像素点的融合特征数值可以
构成像素点位置处的局部融合特征序列，，,分别表示了像素点为中心的八邻域中第个和第个像素点位置处的待出版数字图
像融合特征数值的数值大小。
上述公式中，为待出版数字图像中像素点位置处周围八邻域中像素点的总个
数，。表示该邻域中第个位置处的像素点。分别表示了第个和第个像
素点位置处的融合特征数值大小。表示了两个不同融合特征序列之间的DTW距离，
DTW距离的具体计算方法为公知技术，在此不再赘述。
表示了像素点位置处的融合差异特征，该数值表征了待出版的数字图像中
像素点位置处与周围领域中不同像素点位置处融合特征的数值差异变化特点。当像素点
处于待出版数字图像中质量较差的区域时，该像素点与周围领域中不同像素点位置处的局
部融合特征序列差异会较为明显，此时计算得到的像素点位置处的待出版数字图像融合
差异特征的数值会相应变大。
待出版数字图像模糊度量模块，根据待出版数字图像中不同像素点的融合差异特征对图像模糊区域进行计算划分。
上述公式中，将像素点及其大小为的局部窗口区域处像素点计算得到的
融合差异特征数值划分成长度为的不同小区间，其中取经验值为1，共划分得到个不
同的小区间。落入每个小区间中的像素点个数的记为，该局部窗口区域中所有像素
点的总个数为，此时第个融合差异特征区间分布频率为。表示了
以为底的对数函数，为归一化函数，将数值归一化到区间上。
通过上述公式可以计算得到像素点位置处的融合分布熵的数值大小，当以像
素点为中心的局部窗口区域中数字图像质量越差，不同像素点位置处的融合差异特征数
值差异分布情况越复杂，在划分后不同数值区间中的像素点的数量也会存在较大的差异，
此时计算得到像素点位置处的差异特征分布熵的数值也会相应变大。
上述公式中，假设以像素点为中心的局部窗口区域中像素点的总个数为，表示了该局部区域中第个位置处的像素点。对于以像素点为中心的局部窗口区域中可
以构建得到像素点位置处的二元模糊度量，其中表示了该局部
窗口区域中所有不同像素点的融合分布特征数值的均值大小。表示了两个像素点位
置处二元模糊度量向量之间相似性函数，本发明实施例使用余弦相似性进行计算。
通过上述公式可以计算获取得到像素点位置处的模糊度量因子的数值大
小，若该像素点位于待出版数字图像中较为模糊的区域中时，则在以像素点为中心局部区
域中不同像素点位置处与像素点位置处的二元特征值向量之间的相似性较差，在该局部
区域中像素点二元特征向量之间的相似性数值较小，同时在该局部区域中融合分布熵的数
值由于该局部区域中数字出版图像质量较差，不同像素点之间的融合差异特征数值分布变
化较为复杂，此时计算得到的融合分布熵的数值也会相应变大。则待出版的数字图像中像
素点位置处的模糊度量因子的数值也会相应变大。
待出版数字图像质量增强模块，通过上述步骤分析可以计算得到待出版的数字图像中不同像素点位置处的模糊度量因子的数值大小，该数值反映了待出版的数值图像中不同像素点位置处的图像清晰质量特征。
根据不同像素点位置处的模糊度量因子可以构成相应的模糊度量特征图像。在所述模糊度量特征图像中，不同与待出版数字图像中像素点数值，由于该图像中细节模糊不清晰，质量较差的像素点位置处计算得到的模糊度量因子的数值与正常像素点位置处的模糊度量因子数值会存在较大的差异，模糊度量特征图像更好地体现了待出版数字图像中不同像素点位置处的质量模糊情况。
因此，将模糊度量特征图像作为输入，使用OTSU （大津法）可以快速获取得到该数
字图像中图像质量较差的像素点区域。为了便于后续进一步计算，对于分割划分得到的数
字图像区域使用最小外接矩形进行提取，得到待出版的数字图中模糊区域，记为，假设共个不同的模糊区域。
将所有模糊区域位置处的待出版数字图像作为输入使用双线性插值算法（Bilinear Interpolation）对模糊区域位置处图像进行插值，提高移动数字出版系统中待出版数字图像中模糊区域的像素点分辨率，得到插值优化后的数字图像区域，双线性插值算法的具体计算过程为公知技术，在此不再赘述。同时为了保持图像原始尺寸使用平均下采样方法维持图像尺寸，对待出版的数字图像中局部区域进行优化。通过上述步骤，准确地获取了移动数字出版系统中待出版数字图像地模糊区域，并对所述区域进行针对性插值增强，得到清晰度质量较高的待出版数字图像，符合移动数字出版系统中数字图像清晰出版的要求。
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 (2)
1.一种移动数字出版系统，其特征在于，所述系统包括：
待出版数字图像采集模块，获得原始待出版数字图像，对所述原始待出版数字图像进行预处理获取待出版数字图像；
待出版数字图像融合特征提取模块，获取待出版数字图像中每个像素点的预设窗口区域，根据待出版数字图像中每个像素点的预设窗口区域计算待出版数字图像中每个像素点的融合分布特征，根据待出版数字图像中每个像素点的融合分布特征获取每个像素点的融合特征序列并计算待出版数字图像中每个像素点的融合差异特征；
待出版数字图像模糊度量模块，根据待出版数字图像中每个像素点的融合差异特征计算待出版数字图像中每个像素点的融合分布熵，根据所述待出版数字图像中每个像素点的融合分布熵计算待出版数字图像中每个像素点的模糊度量因子；
待出版数字图像质量增强模块，根据所述待出版数字图像中每个像素点的模糊度量因子获取模糊度量特征图像，根据模糊度量特征图像获取待出版数字图像的模糊区域，并基于所述待出版数字图像的模糊区域获取质量清晰的待出版数字图像；
所述对所述原始待出版数字图像进行预处理获取待出版数字图像的方法为：
将待出版数字图像通过灰度化算法得到预处理后的待出版数字图像，将预处理后的图像记为待出版数字图像；
获取所述待出版数字图像中每个像素点的预设窗口区域的方法为：
以待出版数字图像中每个像素点为中心可以划分得到预设大小的局部窗口区域，对于不足以构成预设窗口区域的像素点，通过计算所述像素点预设窗口区域中所有像素点的均值填充获取预设窗口区域；
所述计算待出版数字图像中每个像素点的融合分布特征的方法为：
计算待出版数字图像中所述预设窗口区域的二阶颜色矩并记为第一特征，计算待出版数字图像中所述预设窗口区域的梯度均值并记为第二特征，计算第一特征和第二特征的乘积并记为所述预设窗口区域中心像素点的融合分布特征；
所述根据待出版数字图像中每个像素点的融合分布特征获取每个像素点的融合特征序列并计算待出版数字图像中每个像素点的融合差异特征的方法为：
将待出版数字图像中每个像素点周围八邻域中不同位置的像素点按顺时针次序记为第一像素点至第八像素点，分别获取第一像素点至第八像素点每个像素点八邻域像素点的融合分布特征并按顺时针排列得到第一融合特征序列至第八融合特征序列，将待出版数字图像中每个像素点与其八邻域中不同像素点的融合分布特征按顺时针排列得到第一中心融合特征序列，分别计算第一中心融合特征序列与第一融合特征序列至第八融合特征序列的距离，并将所有距离的均值记为待出版数字图像中所述像素点的融合差异特征；
所述根据待出版数字图像中每个像素点的融合差异特征计算待出版数字图像中每个像素点的融合分布熵的计算方法为：
对于所述预设窗口区域中每个像素点的融合差异特征以预设长度划分为不同的数值区间，获取每个数值区间中像素点的数量，计算每个数值区间中像素数量与预设窗口区域中像素点总数量的比值记为所述数值区间中的融合差异特征分布频率，将每个数值区间的融合差异特征分布频率作为以数字2为底对数函数的输入，将函数输出数值与融合差异特征分布频率的乘积记为第一乘积，将所有不同数值区间的第一乘积的和值记为第一和值，将第一和值的相反数的归一化结果记为预设窗口区域中心像素点的融合分布熵；
所述根据所述待出版数字图像中每个像素点的融合分布熵计算待出版数字图像中每个像素点的模糊度量因子的具体方法为：
上述公式中，表示了待出版数字图像中像素点/>位置处的融合分布熵大小，/>表示了以自然常数为底的指数函数，/>表示了待出版数字图像中预设窗口区域的大小，/>表示了所述待出版数字图像中预设窗口区域第/>个像素点位置，/>表示了待出版数字图像中预设窗口区域第/>个像素的位置处的二元模糊度量向量，/>表示了待出版数字图像中预设窗口区域第/>个像素的位置处的二元模糊度量向量，/>表示了两个不同二元模糊度量向量之间的相似性，/>表示了待出版数字图像中第/>个像素点位置处的模糊度量因子；
所述获取二元模糊度量向量的方法为：
将所述预设窗口中心像素点的融合差异特征记为第一维度向量，将所述预设窗口中所有像素点位置处的融合差异特征的均值记为第二维度向量，并分别将第一维度向量和第二维度向量作为二元模糊度量向量的第一维和第二维；
所述根据所述待出版数字图像中每个像素点的模糊度量因子获取模糊度量特征图像的方法为：
将所述模糊度量因子按照待出版数字图像中像素点顺序排列得到大小与待出版数字图像大小相同的图像，并记为模糊度量特征图像。
2.根据权利要求1所述的一种移动数字出版系统，其特征在于，所述根据模糊度量特征图像获取待出版数字图像的模糊区域，并基于所述待出版数字图像的模糊区域获取质量清晰的待出版数字图像为：
将待出版模糊度量特征图像作为图像分割算法的输入，获取待出版模糊度量特征图像中待出版数字图像的模糊区域，将所述待出版数字图像的模糊区域作为图像插值算法的输入获取质量清晰的待出版数字图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311127091.0A CN116863492B (zh) | 2023-09-04 | 2023-09-04 | 一种移动数字出版系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311127091.0A CN116863492B (zh) | 2023-09-04 | 2023-09-04 | 一种移动数字出版系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116863492A CN116863492A (zh) | 2023-10-10 |
| CN116863492B true CN116863492B (zh) | 2023-11-21 |
Family
ID=88221961
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311127091.0A Active CN116863492B (zh) | 2023-09-04 | 2023-09-04 | 一种移动数字出版系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116863492B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106326826A (zh) * | 2015-10-10 | 2017-01-11 | 北京控制与电子技术研究所 | 一种基于可见光图像的深空探测器自主着陆区选取方法 |
| CN107124531A (zh) * | 2017-05-26 | 2017-09-01 | 努比亚技术有限公司 | 一种图像处理方法及移动终端 |
| WO2017185257A1 (zh) * | 2016-04-27 | 2017-11-02 | 北京中科寒武纪科技有限公司 | 一种用于执行Adam梯度下降训练算法的装置及方法 |
| CN110533632A (zh) * | 2019-07-18 | 2019-12-03 | 数字广东网络建设有限公司 | 图像模糊篡改检测方法、装置、计算机设备和存储介质 |
| CN110619647A (zh) * | 2019-09-16 | 2019-12-27 | 中山大学 | 基于边缘点频域空域特征结合图像模糊区域定位方法 |
| CN111260621A (zh) * | 2020-01-14 | 2020-06-09 | 湖南大学 | 一种印制电路板表面缺陷定位与识别方法 |
| CN111553421A (zh) * | 2020-04-28 | 2020-08-18 | 电子科技大学 | 基于双层嵌套结构的sar装备任务失效成因推理方法 |
| CN112001904A (zh) * | 2020-08-21 | 2020-11-27 | 珀乐(北京)信息科技有限公司 | 一种遥感图像质量清晰度综合评价模块及评价方法 |
| CN113610862A (zh) * | 2021-07-22 | 2021-11-05 | 东华理工大学 | 一种屏幕内容图像质量评估方法 |
| CN116071271A (zh) * | 2023-03-07 | 2023-05-05 | 深圳市熠华智能科技有限公司 | 一种用于平板电脑的图像捕获的分析方法 |
| CN116091375A (zh) * | 2023-01-07 | 2023-05-09 | 北京师范大学 | 一种融合区域优选的高质量图像融合方法及系统 |
| CN116095291A (zh) * | 2023-03-07 | 2023-05-09 | 山东爱特云翔计算机有限公司 | 一种用于媒体流图像传输的图像预处理方法 |
| CN116563312A (zh) * | 2023-07-11 | 2023-08-08 | 山东古天电子科技有限公司 | 一种用于双屏机显示图像分割方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2362962A1 (en) * | 2008-12-01 | 2011-09-07 | Marvell World Trade Ltd. | Bit resolution enhancement |
-
2023
- 2023-09-04 CN CN202311127091.0A patent/CN116863492B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106326826A (zh) * | 2015-10-10 | 2017-01-11 | 北京控制与电子技术研究所 | 一种基于可见光图像的深空探测器自主着陆区选取方法 |
| WO2017185257A1 (zh) * | 2016-04-27 | 2017-11-02 | 北京中科寒武纪科技有限公司 | 一种用于执行Adam梯度下降训练算法的装置及方法 |
| CN107124531A (zh) * | 2017-05-26 | 2017-09-01 | 努比亚技术有限公司 | 一种图像处理方法及移动终端 |
| CN110533632A (zh) * | 2019-07-18 | 2019-12-03 | 数字广东网络建设有限公司 | 图像模糊篡改检测方法、装置、计算机设备和存储介质 |
| CN110619647A (zh) * | 2019-09-16 | 2019-12-27 | 中山大学 | 基于边缘点频域空域特征结合图像模糊区域定位方法 |
| CN111260621A (zh) * | 2020-01-14 | 2020-06-09 | 湖南大学 | 一种印制电路板表面缺陷定位与识别方法 |
| CN111553421A (zh) * | 2020-04-28 | 2020-08-18 | 电子科技大学 | 基于双层嵌套结构的sar装备任务失效成因推理方法 |
| CN112001904A (zh) * | 2020-08-21 | 2020-11-27 | 珀乐(北京)信息科技有限公司 | 一种遥感图像质量清晰度综合评价模块及评价方法 |
| CN113610862A (zh) * | 2021-07-22 | 2021-11-05 | 东华理工大学 | 一种屏幕内容图像质量评估方法 |
| CN116091375A (zh) * | 2023-01-07 | 2023-05-09 | 北京师范大学 | 一种融合区域优选的高质量图像融合方法及系统 |
| CN116071271A (zh) * | 2023-03-07 | 2023-05-05 | 深圳市熠华智能科技有限公司 | 一种用于平板电脑的图像捕获的分析方法 |
| CN116095291A (zh) * | 2023-03-07 | 2023-05-09 | 山东爱特云翔计算机有限公司 | 一种用于媒体流图像传输的图像预处理方法 |
| CN116563312A (zh) * | 2023-07-11 | 2023-08-08 | 山东古天电子科技有限公司 | 一种用于双屏机显示图像分割方法 |
Non-Patent Citations (3)
| Title |
|---|
| Image reconstruction in computed tomography using variance-reduced stochastic gradient descent;Davood Karimi等;2017 IEEE 14th International Symposium on Biomedical Imaging (ISBI 2017);543-547 * |
| 基于因子图的无人喷雾机多源融合定位;盛晨航;沈跃;刘慧;崔业民;龙友能;;江苏大学学报(自然科学版);第41卷(第03期);281-287 * |
| 改进的梯度阈值图像清晰度评价算法;曾海飞等;激光与光电子学进展;第58卷(第22期);285-293 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116863492A (zh) | 2023-10-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111881913A (zh) | 图像识别方法及装置、存储介质和处理器 | |
| CN112926548A (zh) | 一种车道线检测方法、装置、电子设备及存储介质 | |
| CN113988147A (zh) | 基于图网络的遥感图像场景多标签分类方法及装置、多标签检索方法及装置 | |
| CN115033721A (zh) | 基于大数据的图像检索方法 | |
| CN112907569A (zh) | 头部图像区域的分割方法、装置、电子设备和存储介质 | |
| CN113177592A (zh) | 一种图像分割方法、装置、计算机设备及存储介质 | |
| CN116863492B (zh) | 一种移动数字出版系统 | |
| CN117456376A (zh) | 一种基于深度学习的遥感卫星影像目标检测方法 | |
| CN106056575B (zh) | 一种基于似物性推荐算法的图像匹配方法 | |
| CN110136061B (zh) | 一种基于深度卷积预测与插值的分辨率提升方法及系统 | |
| CN110020986B (zh) | 基于欧氏子空间群两重映射的单帧图像超分辨率重建方法 | |
| CN116469172A (zh) | 一种多时间尺度下的骨骼行为识别视频帧提取方法及系统 | |
| CN108492345B (zh) | 一种基于尺度变换的数据块划分方法 | |
| CN114202694A (zh) | 基于流形混合插值和对比学习的小样本遥感场景图像分类方法 | |
| CN114419086A (zh) | 边缘提取方法、装置、电子设备及存储介质 | |
| CN114119646A (zh) | 基于前景超分的遥感影像目标检测方法、装置及介质 | |
| CN114140620A (zh) | 一种物体直线轮廓检测方法 | |
| CN113744241A (zh) | 基于改进slic算法的细胞图像分割方法 | |
| CN113763313A (zh) | 文本图像的质量检测方法、装置、介质及电子设备 | |
| CN110222217B (zh) | 一种基于分段加权的鞋印图像检索方法 | |
| CN114022363A (zh) | 图像超分辨率重建方法、装置以及计算机可读存储介质 | |
| CN110100263B (zh) | 图像重建方法及装置 | |
| Sun et al. | Partially supervised anchored neighborhood regression for image super-resolution through FoE features | |
| CN101841641B (zh) | 一种基于细分方法的视频放大方法及系统 | |
| CN111881778B (zh) | 文本检测的方法、装置、设备和计算机可读介质 |
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 |