-
公开(公告)号：CN112308884A
公开(公告)日：2021-02-02
申请号：CN202011227714.8
申请日：2020-11-06
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于张量核范数的视频背景减除方法，用改进的张量核范数去表征视频背景的低维特性，使得背景约束更加接近实际视频背景的秩，为前景背景更加准确的分离提供了一定的保证；用L1,1,2范数去建模视频前景的稀疏性，加强了视频前景的时空连续性和管稀疏性，从而达到了较好的背景前景分离效果。
-
公开(公告)号：CN110866929A
公开(公告)日：2020-03-06
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。
-
-
公开(公告)号：CN107292855A
公开(公告)日：2017-10-24
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。
-
-
Patent Agency Ranking
公开(公告)号：CN104504681A
公开(公告)日：2015-04-08
申请号：CN201410685202.4
申请日：2014-11-25
Applicant: 桂林电子科技大学
IPC: G06T7/00
CPC classification number: G06T7/11
Abstract: 本发明公开了一种聚类失真度最小的阈值分割方法，其首先根据设定的阈值，将图像分割为目标和背景两部分；然后计算根据该设定阈值进行分割时，目标和背景两部分图像中值聚类分割失真度的总和；对图像所有的灰度级重复上述过程，找出分割失真度总和最小值所对应的灰度级即为所求阈值。采用本发明方法进行分割更精准，分割失真度最小。
-
公开(公告)号：CN104268843A
公开(公告)日：2015-01-07
申请号：CN201410548336.1
申请日：2014-10-16
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于直方图修正的图像自适应增强方法。它首先计算原直方图的标准差，并与原直方图相加，获得一次修正的直方图；其次在一次修正直方图的基础上进行自适应的伽马矫正，得到二次修正的直方图；最后在二次修正直方图的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:1)适应性强，适用于各类图像的自适应增强；2)增强处理过程中信息丢失少，能有效保持图像细节，本发明增强的图像能保留原始图像绝大部分细节信息；3)避免图像亮度的过度改变，对各类图像，本发明都能有效保留图像的原始特点，避免图像亮度的过改变。
-
公开(公告)号：CN104077761A
公开(公告)日：2014-10-01
申请号：CN201410293009.6
申请日：2014-06-26
Applicant: 桂林电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于自适应稀疏表示的多聚焦图像融合方法，根据原始图像中结构特征的不同将子块进行分类，使原始图像分为相同模型、平滑模型和细节模型。然后将相同模型直接放入融合结果图像中，对平滑模型和细节模型分别采用算术平均法和稀疏表示法进行图像块融合。本发明的有优点是能够分割出平滑模型和细节模型，减少稀疏编码的图像块数，从而在确保融合图像主观效果和客观性能指标均优的基础上，缩短了运算时间。
-
公开(公告)号：CN107358589B
公开(公告)日：2019-11-26
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：CN106204482B
公开(公告)日：2019-03-29
申请号：CN201610538475.5
申请日：2016-07-08
Applicant: 桂林电子科技大学
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。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.036 seconds)
