CN1573810A - 图像处理方法和设备 - Google Patents
图像处理方法和设备 Download PDFInfo
- Publication number
- CN1573810A CN1573810A CNA200410048481XA CN200410048481A CN1573810A CN 1573810 A CN1573810 A CN 1573810A CN A200410048481X A CNA200410048481X A CN A200410048481XA CN 200410048481 A CN200410048481 A CN 200410048481A CN 1573810 A CN1573810 A CN 1573810A
- Authority
- CN
- China
- Prior art keywords
- dtri
- centerdot
- image
- pixel value
- pixel
- 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
- 238000003672 processing method Methods 0.000 title claims description 8
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 230000002093 peripheral effect Effects 0.000 claims abstract description 14
- 238000009792 diffusion process Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 4
- 210000005013 brain tissue Anatomy 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/40—Picture signal circuits
- H04N1/409—Edge or detail enhancement; Noise or error suppression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
为了在较短的时间内实施各向异性扩散滤波,本发明公开了一种在二维图像中对像素值Ii,j实施各向异性扩散滤波的图像处理方法,包括:基于像素值梯度I获得在每个像素的8个周围方向上的传导系数Cn,Cs,Cw,Ce,Cnw,Csw,Cne和Cse以形成传导系数的二维分布图;以及获得在每个像素的8个周围方向上的像素值的第一偏微分nI,sI,wI,eI,nwI,swI,neI和seI以根据下式计算在输出图像中的像素值:(n:重复的次数,λ:常数)(205)。
Description
技术领域
本发明涉及一种图像处理方法和设备,更具体地说涉及一种在二维图像上实施各向异性扩散滤波的方法和设备。
背景技术
能够从二维图像中消除噪声而不产生副作用比如边缘劣化的滤波技术包括各向异性扩散滤波。
各向异性扩散滤波包括:获得相对于每个像素的最近周围的像素的像素微分值,基于像素值梯度获得每个像素的传导系数(conductioncoefficient),以及使用这些传导系数和像素微分值根据预定的计算公式来计算在输出图像中的像素值。
计算公式具有与空间成比例类型,其中在一程中的计算结果作为下一程的输入使用并重复该计算多次。随着计算重复次数越多,噪声逐步减小(例如,参见非专利文献1)。
[非专利文献1]
Pietro Perona,et al.,Scale-Space and Edge Detection UsingAnisotropic Diffusion,IEEE Transactions on Pattern Analysisand Machine Intelligence(U.S.),Vol.12,No.7,pp.629-639,1990.
这种各向异性扩散滤波包括获得每个像素的像素值梯度并将它存储一次作为二维分布图像,从二维分布图像中读取像素值梯度以计算传导系数,然后使用该系数和像素微分值计算在输出图像中的像素值,以及一个像素一个像素地实施这种处理,由此造成时间长和操作慢。
发明内容
因此本发明的一个目的是提供一种以更短的时间实施各向异性扩散滤波的方法和设备。
(1)在解决上述的问题的一方面中本发明是一种在二维图像中对像素值Ii,j实施各向异性扩散滤波的图像处理方法,其特征包括:基于像素值梯度I获得在每个像素的8个周围方向上的传导系数Cn,Cs,Cw,Ce,Cnw,Csw,Cne和Cse以形成传导系数的二维分布图像;以及获得在每个像素的8个周围方向上的像素值的第一偏微分nI,sI,wI,eI,nwI,swI,neI和seI以根据下式计算在输出图像中的像素值:
(n:重复的次数,λ:常数)
(2)在解决上述的问题的另一方面中本发明是一种在二维图像中对像素值Ii,j实施各向异性扩散滤波的图像处理设备,其特征包括:基于像素值梯度I获得在每个像素的8个周围方向上的传导系数Cn,Cs,Cw,Ce,Cnw,Csw,Cne和Cse以形成传导系数的二维分布图像的系数图像产生装置;以及获得在每个像素的8个周围方向上的像素值的第一偏微分nI,sI,wI,eI,nwI,swI,neI和seI以根据下式计算在输出图像中的像素值的计算装置:
(n:重复的次数,λ:常数)
在前述方面发明中,由于基于像素值梯度I对每个像素获得了在8个周围方向上的传导系数并形成了它们的二维分布图,因此从二维分布图像中可以读取传导系数并立即使用。因此,与常规技术不同的是,不再需要从像素值梯度的二维分布图像中读取像素值梯度和使用像素值梯度计算传导系数的两级过程,因此减少了时间。
可取的是,所说的传导系数根据下式获得:
(k:常数),
因此可以得到适当的传导系数。可取的是,所说的常数λ是0≤λ≤1/4,以便适合地实现滤波。可取的是,所说的二维图像是医疗图像,因此可以实现临床上有用的图像。
因此,本发明提供一种在更短的时间内实施各向异性扩散滤波的方法和设备。
从下文对如附图中所示的本发明的优选实施例的描述中可以清楚本发明的进一步目的和优点。
附图说明
附图1所示为在本发明的一种实施例中的设备的方块图。
附图2所示为在本发明的一种实施例中的设备的操作流程图。
附图3所示为图像的原理图。
附图4所示为像素值的设置。
附图5所示为在本发明的一种实施例中的设备的功能性方块图。
具体实施方式
现在参考附图详细描述本发明的实施例。附图1所示为图像处理设备的方块图。该设备是本发明的一种实施例。该设备的结构代表本发明的设备的实施例。该设备的操作代表本发明的方法的实施例。
如附图1所示,该设备包括计算机100。给计算机100输入要处理的图像。计算机100包括存储部分102。存储部分102存储输入图像。存储部分102也存储用于计算机100的几种类型的数据和程序。通过执行存储在存储部分102中的程序的计算机100实现与图像处理相关的几种类型的数据处理。
计算机100也包括显示部分104和操作部分106。显示部分104显示由计算机100输出的图像和其它的信息。操作部分106由用户操作,并将几种类型的指令和信息输送给计算机100。用户可以使用显示部分104和操作部分106来交互地操作本设备。
现在描述本设备的操作。附图2所示为本设备的操作的流程图。本设备的操作由执行存储在存储部分102中的程序的计算机100实现。
如图所示,在步骤201中输送图像。例如,在附图3中所示的图像存储在存储部分102中。例如该图像是由磁共振成像设备获取的头部断层图像。这种图像是代表脑部组织的灰度图像,这种图像具有像素值Ii,j。下标i和j代表二维坐标。
像素值Ii,j和在8个周围方向上的8个最近的像素值如图4所示。如图所示,像素值Ii,j的8个最近的像素值的方向以n,s,w,e,nw,sw,ne和se表示。
接着,在步骤203中,形成传导系数的二维分布图像。根据下式使用像素值Ii,j的梯度I获得传导系数:
其中:
:算符“微分算符”,和
k:常数。
要获得的传导系数是像素值Ii,j的8个周围方向n,s,w,e,nw,sw,ne和se上的传导系数Cn,Cs,Cw,Ce,Cnw,Csw,Cne和Cse。对在输入图像中的每个像素值获得这种系数,并基于这些系数形成传导系数的二维分布图像。
接着,在步骤205中,计算像素值。通过如下的方式实现像素值计算:获得像素值Ii,j在8个周围方向上的第一偏微分nI,sI,wI,eI,nwI,swI,neI和seI并根据下式计算在输出图像中的像素值:
其中:
:偏微分算符(不是“微分算符”),
n:重复的次数,和
λ:常数(0≤λ≤1/4)。
对在输入图像的每个像素值进行计算。这时,对于传导系数Cn,Cs,Cw,Ce,Cnw,Csw,Cne和Cse,从传导系数的二维分布图像中读取那些与在输入图像中的每个像素值相对应的传导系数并使用它们。
由于从二维分布图像中由此读取传导系数以便在计算中使用,因此与传统的技术相比可以减少计算时间,该传统的技术包括从像素值梯度的二维分布图中读取像素值梯度和使用像素值梯度计算传导系数的两级过程。通过实验测量,计算时间减少到传统技术的1/3-1/4。换句话说,与传统技术相比可以提高计算速度3或4倍。
在步骤207中输出滤波的图像。由于在输出图像中噪声减小了并且边缘完好,因此在该图像中的特征结构进一步清晰。因此,在输入图像是医疗图像时进一步提高了图像的临床用途。
附图5所示为实施如上文所描述的操作的本设备的功能性方块图。如图所示,该设备包括系数图像产生部分502和计算部分504。系数图像产生部分502对应于实施在步骤203中的操作的计算机100的功能。系数图像产生部分502是根据本发明的系数图形成装置的一种实施例。计算部分504对应于实施在步骤205中的操作的计算机100的功能。计算部分504是根据本发明的计算装置的一种实施例。
在不脱离本发明的精神和范围的前提下可以构造许多不同的实施例。应该理解的是本发明并不限于在说明书中所描述的特定的实施例,而是以附加的权利要求所定义的范围为准。
Claims (8)
1.一种在二维图像中对像素值Ii,j实施各向异性扩散滤波的图像处理方法,包括如下的步骤:
基于像素值梯度I获得在每个像素的8个周围方向上的传导系数Cn,Cs,Cw,Ce,Cnw,Csw,Cne和Cse以形成传导系数的二维分布图像;以及
获得在每个像素的8个周围方向上的像素值的第一偏微分nI,sI,wI,eI,nwI,swI,neI和seI以根据下式计算在输出图像中的像素值:
(n:重复的次数,λ:常数)。
2.权利要求1所述的图像处理方法,其中
所说的传导系数根据下式获得:
(k:常数)。
3.权利要求1所述的图像处理方法,其中
所说的常数λ是0≤λ≤1/4。
4.权利要求1所述的图像处理方法,其中所说的二维图像是医疗图像。
5.一种在二维图像中对像素值Ii,j实施各向异性扩散滤波的图像处理设备,包括:
基于像素值梯度I获得在每个像素的8个周围方向上的传导系数Cn,Cs,Cw,Ce,Cnw,Csw,Cne和Cse以形成传导系数的二维分布图像的系数图产生装置;以及
获得在每个像素的8个周围方向上的像素值的第一偏微分nI,sI,wI,eI,nwI,swI,neI和seI以根据下式计算在输出图像中的像素值的计算装置:
(n:重复的次数,λ:常数)。
6.权利要求5所述的图像处理设备,其中
所说的系数图像产生装置根据下式获得所说的传导系数:
(k:常数)。
7.权利要求5所述的图像处理设备,其中
所说的常数λ是0≤λ≤1/4。
8.权利要求5所述的图像处理设备,其中所说的二维图像是医疗图像。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP161938/03 | 2003-06-06 | ||
JP2003161938A JP2004362395A (ja) | 2003-06-06 | 2003-06-06 | 画像処理方法および装置 |
JP161938/2003 | 2003-06-06 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1573810A true CN1573810A (zh) | 2005-02-02 |
CN100342398C CN100342398C (zh) | 2007-10-10 |
Family
ID=33157213
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB200410048481XA Expired - Fee Related CN100342398C (zh) | 2003-06-06 | 2004-06-07 | 图像处理方法和设备 |
Country Status (5)
Country | Link |
---|---|
US (1) | US7277590B2 (zh) |
EP (1) | EP1484905A3 (zh) |
JP (1) | JP2004362395A (zh) |
KR (1) | KR20040108605A (zh) |
CN (1) | CN100342398C (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101902560A (zh) * | 2010-04-28 | 2010-12-01 | 蒲亦非 | 数字图像的0~1阶黎曼-刘维尔分数阶微分增强电路 |
CN102073982A (zh) * | 2011-01-10 | 2011-05-25 | 西安电子科技大学 | 用gpu实现超大sar图像各向异性扩散滤波加速方法 |
CN102396000A (zh) * | 2009-04-17 | 2012-03-28 | 香港科技大学 | 有利于运动估计与特征-运动去相关补偿的方法、装置和系统 |
CN102525529A (zh) * | 2010-10-28 | 2012-07-04 | 株式会社东芝 | 医用图像处理装置以及医用图像处理方法 |
US8938105B2 (en) | 2010-10-28 | 2015-01-20 | Kabushiki Kaisha Toshiba | Denoising method and system for preserving clinically significant structures in reconstructed images using adaptively weighted anisotropic diffusion filter |
CN109903251A (zh) * | 2019-02-27 | 2019-06-18 | 湖北工业大学 | 果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法 |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007334457A (ja) * | 2006-06-12 | 2007-12-27 | Toshiba Corp | 画像処理装置及び画像処理方法 |
US7737877B2 (en) * | 2007-03-22 | 2010-06-15 | Harris Corporation | Method and apparatus for processing SAR images based on a complex anisotropic diffusion filtering algorithm |
US8824826B2 (en) * | 2011-02-24 | 2014-09-02 | Foveon, Inc. | Methods for performing fast detail-preserving image filtering |
KR101426610B1 (ko) * | 2012-10-31 | 2014-08-05 | 연세대학교 산학협력단 | 영상 노이즈 제거 방법 및 장치 |
US10515097B2 (en) | 2015-04-06 | 2019-12-24 | EMC IP Holding Company LLC | Analytics platform for scalable distributed computations |
US10860622B1 (en) | 2015-04-06 | 2020-12-08 | EMC IP Holding Company LLC | Scalable recursive computation for pattern identification across distributed data processing nodes |
US10505863B1 (en) | 2015-04-06 | 2019-12-10 | EMC IP Holding Company LLC | Multi-framework distributed computation |
US10496926B2 (en) | 2015-04-06 | 2019-12-03 | EMC IP Holding Company LLC | Analytics platform for scalable distributed computations |
US10812341B1 (en) | 2015-04-06 | 2020-10-20 | EMC IP Holding Company LLC | Scalable recursive computation across distributed data processing nodes |
US10706970B1 (en) | 2015-04-06 | 2020-07-07 | EMC IP Holding Company LLC | Distributed data analytics |
US10776404B2 (en) | 2015-04-06 | 2020-09-15 | EMC IP Holding Company LLC | Scalable distributed computations utilizing multiple distinct computational frameworks |
US10425350B1 (en) | 2015-04-06 | 2019-09-24 | EMC IP Holding Company LLC | Distributed catalog service for data processing platform |
US10511659B1 (en) * | 2015-04-06 | 2019-12-17 | EMC IP Holding Company LLC | Global benchmarking and statistical analysis at scale |
US10509684B2 (en) | 2015-04-06 | 2019-12-17 | EMC IP Holding Company LLC | Blockchain integration for scalable distributed computations |
US10541938B1 (en) | 2015-04-06 | 2020-01-21 | EMC IP Holding Company LLC | Integration of distributed data processing platform with one or more distinct supporting platforms |
US10528875B1 (en) | 2015-04-06 | 2020-01-07 | EMC IP Holding Company LLC | Methods and apparatus implementing data model for disease monitoring, characterization and investigation |
US10270707B1 (en) | 2015-04-06 | 2019-04-23 | EMC IP Holding Company LLC | Distributed catalog service for multi-cluster data processing platform |
US10791063B1 (en) | 2015-04-06 | 2020-09-29 | EMC IP Holding Company LLC | Scalable edge computing using devices with limited resources |
US10541936B1 (en) | 2015-04-06 | 2020-01-21 | EMC IP Holding Company LLC | Method and system for distributed analysis |
US10656861B1 (en) | 2015-12-29 | 2020-05-19 | EMC IP Holding Company LLC | Scalable distributed in-memory computation |
CN110136187B (zh) * | 2019-05-17 | 2021-09-24 | 北京邮电大学 | 一种基于压缩感知观测矩阵分割减小关联成像计算开销的方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3092024B2 (ja) | 1991-12-09 | 2000-09-25 | 松下電器産業株式会社 | 画像処理方法 |
JP3222183B2 (ja) | 1992-02-19 | 2001-10-22 | 株式会社リコー | 画像処理装置 |
JP3472596B2 (ja) | 1993-06-11 | 2003-12-02 | 株式会社日立製作所 | ノイズ低減フィルター |
US5819035A (en) * | 1995-10-20 | 1998-10-06 | Matsushita Electric Industrial Co., Ltd. | Post-filter for removing ringing artifacts of DCT coding |
US6400370B1 (en) * | 1999-09-10 | 2002-06-04 | Intel Corporation | Stochastic sampling with constant density in object space for anisotropic texture mapping |
GC0000235A (en) * | 2000-08-09 | 2006-03-29 | Shell Int Research | Processing an image |
US6731821B1 (en) * | 2000-09-29 | 2004-05-04 | Hewlett-Packard Development Company, L.P. | Method for enhancing compressibility and visual quality of scanned document images |
JP2002236928A (ja) * | 2001-02-08 | 2002-08-23 | Matsushita Electric Ind Co Ltd | 輪郭検出による検査方法および検査装置 |
US20020172431A1 (en) * | 2001-03-07 | 2002-11-21 | Atkins C. Brian | Digital image appearance enhancement and compressibility improvement method and system |
US7187794B2 (en) * | 2001-10-18 | 2007-03-06 | Research Foundation Of State University Of New York | Noise treatment of low-dose computed tomography projections and images |
US7466848B2 (en) * | 2002-12-13 | 2008-12-16 | Rutgers, The State University Of New Jersey | Method and apparatus for automatically detecting breast lesions and tumors in images |
-
2003
- 2003-06-06 JP JP2003161938A patent/JP2004362395A/ja active Pending
-
2004
- 2004-05-28 EP EP04253190A patent/EP1484905A3/en not_active Withdrawn
- 2004-06-04 US US10/862,082 patent/US7277590B2/en not_active Expired - Fee Related
- 2004-06-04 KR KR1020040040632A patent/KR20040108605A/ko active IP Right Grant
- 2004-06-07 CN CNB200410048481XA patent/CN100342398C/zh not_active Expired - Fee Related
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102396000A (zh) * | 2009-04-17 | 2012-03-28 | 香港科技大学 | 有利于运动估计与特征-运动去相关补偿的方法、装置和系统 |
CN102396000B (zh) * | 2009-04-17 | 2013-08-21 | 香港科技大学 | 有利于运动估计与特征-运动去相关补偿的方法、装置和系统 |
US9286691B2 (en) | 2009-04-17 | 2016-03-15 | The Hong Kong University Of Science And Technology | Motion estimation and compensation of feature-motion decorrelation |
CN101902560A (zh) * | 2010-04-28 | 2010-12-01 | 蒲亦非 | 数字图像的0~1阶黎曼-刘维尔分数阶微分增强电路 |
CN102525529A (zh) * | 2010-10-28 | 2012-07-04 | 株式会社东芝 | 医用图像处理装置以及医用图像处理方法 |
US8938105B2 (en) | 2010-10-28 | 2015-01-20 | Kabushiki Kaisha Toshiba | Denoising method and system for preserving clinically significant structures in reconstructed images using adaptively weighted anisotropic diffusion filter |
CN102525529B (zh) * | 2010-10-28 | 2015-08-26 | 株式会社东芝 | 医用图像处理装置以及医用图像处理方法 |
US10896486B2 (en) | 2010-10-28 | 2021-01-19 | Toshiba Medical Systems Corporation | Denoising method and system for preserving clinically significant structures in reconstructed images using adaptively weighted anisotropic diffusion filter |
CN102073982A (zh) * | 2011-01-10 | 2011-05-25 | 西安电子科技大学 | 用gpu实现超大sar图像各向异性扩散滤波加速方法 |
CN109903251A (zh) * | 2019-02-27 | 2019-06-18 | 湖北工业大学 | 果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2004362395A (ja) | 2004-12-24 |
EP1484905A3 (en) | 2009-08-12 |
US20040247198A1 (en) | 2004-12-09 |
US7277590B2 (en) | 2007-10-02 |
KR20040108605A (ko) | 2004-12-24 |
CN100342398C (zh) | 2007-10-10 |
EP1484905A2 (en) | 2004-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100342398C (zh) | 图像处理方法和设备 | |
CN1819621A (zh) | 医学图像增强处理方法 | |
EP1811453A1 (en) | Method for speeding up super resolution processing | |
CN1649388A (zh) | 分辨率变换方法和分辨率变换装置 | |
CN111507462A (zh) | 一种端对端的三维医学图像超分辨率重建方法及系统 | |
CN114266957B (zh) | 一种基于多降质方式数据增广的高光谱图像超分辨率复原方法 | |
CN105654425A (zh) | 一种应用于医学x光图像的单幅图像超分辨率重建方法 | |
CN1315100C (zh) | 用于分析数字图像纹理结构的方法 | |
CN1545062A (zh) | 综合边缘和纹理信息的金字塔图像融合方法 | |
CN117649661B (zh) | 一种碳纳米管制备状态图像处理方法 | |
CN117575915A (zh) | 一种图像超分辨率重建方法、终端设备及存储介质 | |
Sawant et al. | Ultrasound image enhancement using super resolution | |
CN1595433A (zh) | 基于运动检测图像的递归降噪方法 | |
CN1959739A (zh) | 一种结合空间信息的图像配准方法 | |
CN103903239B (zh) | 一种视频超分辨率重建方法及其系统 | |
CN106570876B (zh) | 一种提取鬼成像图像边缘的方法 | |
CN1556501A (zh) | 图像配准方法 | |
CN1286065C (zh) | 基于方向滤波器组的图像融合方法 | |
CN117078528A (zh) | 基于大核注意力机制的锂电池运动模糊图像质量复原方法 | |
CN108921785B (zh) | 基于小波包的超分辨率重建方法 | |
CN116563110A (zh) | 基于Bicubic下采样图像空间对齐的盲图像超分辨率重建方法 | |
US8059912B2 (en) | Method for an image adjustment | |
CN1845175A (zh) | 基于小波和共生矩阵的纹理表面缺损检测方法 | |
CN1742681A (zh) | 改善计算机断层造影图像显示的方法和装置 | |
CN111325765B (zh) | 一种基于冗余小波变换的图像边缘检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20071010 Termination date: 20100607 |