-
公开(公告)号：CN108399608B
公开(公告)日：2021-10-15
申请号：CN201810172326.0
申请日：2018-03-01
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于张量字典及全变分的高维图像去噪方法，在高维图像处理研究的基础上，将张量字典学习结合全变分正则项，提出一种张量字典学习结合TV正则项的高维图像去噪模型，然后用交替迭代方法求解模型，得到迭代更新后重建的MSI图像。本发明的优点是将高维图像看成一个张量整体处理，不会损失图像的立体结构信息，同时也考虑了各波段之间的相关性，并且张量字典学习的方式提高了算法的精确度；在不失高维图像空间结构的前提下，利用高阶TV正则项，很好地保存了较完善的边缘信息，取得良好的重建效果。实验结果在主观视觉和客观评价指标两方面均取得较好的效果，能够保留较多的纹理信息和轮廓信息。
-
公开(公告)号：CN107292855B
公开(公告)日：2020-08-07
申请号：CN201710651882.1
申请日：2017-08-02
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种结合自适应非局部样本和低秩的图像去噪方法，首先用对数变换将图像转换到对数域，将乘性噪声模型转换成加性噪声模型；将图像分块并且按照相似度分组，得到具有相似块的图像组；然后对图像组做低秩逼近处理，得到初始的估计值；再对初始的估计值用自适应非局部样本模型处理，得到对数域恢复结果；最后用指数变换将对数域图像还原到实数域并且进行修正，得到最终去噪图像。实验结果表明，本发明对乘性噪声有较好的鲁棒性，针对含有乘性噪声的图像不仅能得到很好的峰值信噪比和结构相似度，还较好地改善图像的视觉质量。
-
公开(公告)号：CN107358589A
公开(公告)日：2017-11-17
申请号：CN201710581668.3
申请日：2017-07-17
Applicant: 桂林电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种结合梯度直方图与低秩约束的去噪方法，其在稀疏先验和其他非局部自相似先验的基础上，利用稀疏表示的优势，加入非局部正则项，梯度正则项和低秩约束项去除乘性噪声。本发明的优点是把乘性噪声模型通过对数变换变成对数域中的加性噪声模型，利用噪声图像在对数域中训练的字典，把图像的梯度直方图估计和低秩约束相结合，增强了图像局部和非局部之间的联系，在有效去噪的同时，更好的保留了图像的纹理信息。实验结果在主观视觉和客观评价指标两方面均取得较好的效果，很大程度上保存了图像的精细纹理结构，使得去噪后的图像更加清晰。
-
公开(公告)号：CN106204482A
公开(公告)日：2016-12-07
申请号：CN201610538475.5
申请日：2016-07-08
Applicant: 桂林电子科技大学
CPC classification number: G06T5/002 , G06K9/6201 , G06K9/6215 , G06K9/6223 , G06K9/6255 , G06T2207/20081
Abstract: 本发明公开一种基于加权稀疏的混合噪声去除方法，其在加权稀疏表示非局部训练字典的基础上加入变分法，对非局部相似块进行匹配，然后用对偶的方法求解混合去噪图像，能更好的保存图像的边缘信息。本发明的去噪效果优于现有算法，其具有很高的峰值信噪比和图像特征相似度，对混合噪声有很好的抑制作用，特别是能够很好的保存图像的边缘信息，对图像特征的保留有一定的改善。
-
公开(公告)号：CN104700376A
公开(公告)日：2015-06-10
申请号：CN201410685191.X
申请日：2014-11-25
Applicant: 桂林电子科技大学
IPC: G06T5/40
Abstract: 本发明公开了一种基于伽马校正和平滑滤波的图像直方图均衡化增强方法，首先对原直方图进行伽马校正，抑制原直方图中峰值过高的问题；其次对伽马矫正后的直方图进行滑动窗口平滑滤波，消除直方图中的突变；最后在上述修正直方图基础上应用传统直方图增强的方法得到目标增强的图像。本发明的优点是:均衡增强：对图像各部分都能有效均衡增强，能有效避免过度增强而产生“洗白”效果；有效保留图像特征：本发明能高效增强图像并保持图像细节信息和平均亮度，避免亮度饱和、亮度大幅度改变和细节丢失。实验证明本发明方法能高质量增强图像。
-
Patent Agency Ranking
-
-
公开(公告)号：CN110969638A
公开(公告)日：2020-04-07
申请号：CN201911098926.8
申请日：2019-11-12
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于张量的背景减除方法及系统。该方法包括：获取观测张量；对观测张量进行高阶奇异值分解，得到初始化核心张量、因子、初始化辅助张量、拉格朗日乘子以及迭代次数；将观测张量分解为背景张量和前景张量；通过基于克罗内克基表示的张量稀疏检测方法约束背景张量，通过范数约束前景张量，得到最小化问题；通过求解最小化问题，得到迭代核心张量、迭代因子、迭代辅助张量以及迭代前景张量；判断所述迭代前景张量与前景张量之间的变化是否小于预先设定的阈值；若否，更新拉格朗日乘子；若是，根据迭代核心张量和迭代因子，得到迭代背景张量；根据迭代背景张量和迭代前景张量完成前景和背景的分离。本发明能够快速准确的分离背景和前景。
-
公开(公告)号：CN110969638B
公开(公告)日：2023-09-29
申请号：CN201911098926.8
申请日：2019-11-12
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于张量的背景减除方法及系统。该方法包括：获取观测张量；对观测张量进行高阶奇异值分解，得到初始化核心张量、因子、初始化辅助张量、拉格朗日乘子以及迭代次数；将观测张量分解为背景张量和前景张量；通过基于克罗内克基表示的张量稀疏检测方法约束背景张量，通过范数约束前景张量，得到最小化问题；通过求解最小化问题，得到迭代核心张量、迭代因子、迭代辅助张量以及迭代前景张量；判断所述迭代前景张量与前景张量之间的变化是否小于预先设定的阈值；若否，更新拉格朗日乘子；若是，根据迭代核心张量和迭代因子，得到迭代背景张量；根据迭代背景张量和迭代前景张量完成前景和背景的分离。本发明能够快速准确的分离背景和前景。
-
公开(公告)号：CN110866929B
公开(公告)日：2022-12-27
申请号：CN201911098771.8
申请日：2019-11-12
Applicant: 桂林电子科技大学
IPC: G06T7/12
Abstract: 本发明提出了一种图像轮廓分割方法及系统。所述分割方法包括如下步骤：首先获取原始图像的边缘指示函数和梯度矢量流，在迭代获取水平集函数的过程中，利用边缘指示函数、梯度矢量流和第n‑1次迭代的水平集函数和偏置域，计算第n次迭代的权重因子、局部强度均值、全局强度均值和偏置域，进而计算水平集函数。本发明在计算水平集函数的过程中引入局部边缘特征(边缘指示函数)，从而能更好的保留图像的细节特征，减小弱边界和强度不均匀图像的边界泄露。本发明在计算水平集函数的过程还引入测地边缘项，全面利用图像的边缘信息，增强模型的分割性能，减小复杂背景的干扰，提高了弱边界图像和强度分布不均匀的图像的分割精度。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.025 seconds)
