-
公开(公告)号：CN114463207A
公开(公告)日：2022-05-10
申请号：CN202210081971.8
申请日：2022-01-24
Applicant: 哈尔滨理工大学
IPC: G06T5/00 , G06T9/00 , H04N19/182 , H04N19/186
Abstract: 基于全局动态范围压缩与局部亮度估计的色阶映射方法，它属于图像处理技术领域。本发明解决了传统色阶映射算法所重建出的LDR图像的质量差的问题。本发明首先将HDR图像全体像素划分为三类像素集合；其次对第一类像素进行全局动态范围压缩；再次对第二类像素进行局部亮度估计；从次对第三类像素进行局部亮度估计；最后将全部像素的亮度进行归一化从而得到色阶映射后的LDR图像。实验结果表明：通过本发明设计的算法重建出的LDR图像整体明暗分配合理，适于人眼观察且图像局部细节较为丰富，有效提高了重建出的LDR图像的质量。本发明方法可以应用于提高重建出的LDR图像的质量。
-
公开(公告)号：CN114429426A
公开(公告)日：2022-05-03
申请号：CN202111561917.5
申请日：2021-12-20
Applicant: 哈尔滨理工大学
Abstract: 一种基于Retinex模型的低照度图像质量改善方法，它属于图像处理技术领域。本发明解决了采用现有的低照度图像质量改善算法对低照度图像进行处理时，获得的图像的质量差的问题。本发明首先通过Retinex模型对数字图像进行分层得到细节层图像以及光照层图像；其次设计一种非线性全局亮度映射函数，对于光照层图像进行映射得到光照层增强图像；再次设计一种非线性细节层图像映射函数，对于细节层图像进行拉伸得到细节层增强图像；最后对细节层增强图像以及光照层增强图像每个像素进行乘运算，合成低照度增强图像。本发明方法可以应用于改善低照度图像的质量。
-
公开(公告)号：CN113920587A
公开(公告)日：2022-01-11
申请号：CN202111284500.9
申请日：2021-11-01
Applicant: 哈尔滨理工大学
Abstract: 基于卷积神经网络的人体姿态估计方法，它属于人体姿态估计技术领域。本发明解决了采用现有方法对人体姿态进行估计时，获得的估计结果不准确的问题。本发明首先设计一种全局卷积算法来增加CNN感受野、提取全局信息；然后利用构建的全局残差块替换残差网络中的残差块得到全局残差子网络，进而提高人体关键点的定位精度；最后，本发明设计了具备修复量化误差能力的量化误差优化子网络，以得到更高精度的关键点定位结果；进而获得了准确的人体姿态估计结果。本发明可以应用于对人体姿态进行估计。
-
公开(公告)号：CN112037144B
公开(公告)日：2021-04-23
申请号：CN202010894944.3
申请日：2020-08-31
Applicant: 哈尔滨理工大学
Abstract: 一种基于局部对比度拉伸的低照度图像增强方法，它属于图像增强技术领域。本发明解决了采用现有方法无法保证增强图像的图像细节、纹理和清晰度，导致获得的增强图像的质量差的问题。本发明首先对图像的局部对比度进行拉伸，从而提升输出图像的纹理、细节以及清晰度特性。其次，设计一个分段式全局灰度映射方法用于计算迭代过程的初始值，从而提高增强图像的全局亮度对比。实验结果验证本发明设计的图像增强算法能够有效地提高图像质量，增强图像的亮度对比，图像细节非常适于人眼观察。本发明可以应用于低照度图像的增强。
-
公开(公告)号：CN116452454B
公开(公告)日：2023-10-03
申请号：CN202310430065.9
申请日：2023-04-19
Applicant: 哈尔滨理工大学
IPC: G06T5/00
Abstract: 一种基于多分辨率金字塔的色阶映射方法，它属于图像处理技术领域。本发明解决了现有方法重建出的LDR图像存在的亮度无法完全满足常规显示器的动态范围要求以及图像亮度分布不均匀、对比度扭曲、细节模糊的问题。本发明方法包括自下到上的图像重建、顶层图像的全局动态范围压缩以及自上而下的图像重建。自下到上的图像重建根据高分辨率的HDR图像重建出低分辨率HDR图，顶层图像的全局动态范围压缩根据全局色阶映射函数压缩顶层图像的动态范围，自上而下的图像重建根据已压缩动态范围的顶层图像重建出高分辨率的LDR图像。本发明方法可以应用于图像的色阶映射。
-
Patent Agency Ranking
公开(公告)号：CN116452454A
公开(公告)日：2023-07-18
申请号：CN202310430065.9
申请日：2023-04-19
Applicant: 哈尔滨理工大学
IPC: G06T5/00
Abstract: 一种基于多分辨率金字塔的色阶映射方法，它属于图像处理技术领域。本发明解决了现有方法重建出的LDR图像存在的亮度无法完全满足常规显示器的动态范围要求以及图像亮度分布不均匀、对比度扭曲、细节模糊的问题。本发明方法包括自下到上的图像重建、顶层图像的全局动态范围压缩以及自上而下的图像重建。自下到上的图像重建根据高分辨率的HDR图像重建出低分辨率HDR图，顶层图像的全局动态范围压缩根据全局色阶映射函数压缩顶层图像的动态范围，自上而下的图像重建根据已压缩动态范围的顶层图像重建出高分辨率的LDR图像。本发明方法可以应用于图像的色阶映射。
-
公开(公告)号：CN115937045B
公开(公告)日：2023-07-04
申请号：CN202310013865.0
申请日：2023-01-05
Applicant: 哈尔滨理工大学
Abstract: 一种迭代式色阶重建方法，它属于图像处理技术领域。本发明解决了传统色阶重建方法无法保证重建图像的细节、纹理特征，以及无法保证重建图像与原始图像的视觉一致性的问题。本发明首先将所有像素划分为两组，再分别计算第一组像素和第二组像素的局部对比度，并通过全局色阶重建方法计算各个像素亮度的初值，最后基于设计的迭代算法不断重复估计第一组像素和第二组像素的亮度，直至满足迭代停止条件时，所获得的图像即为色阶重建后的LDR图像。通过本发明方法有效地重建出可以在常规显示器直接显示的LDR图像，且可以保证重建LDR图像的细节、纹理特征以及保证与原始图像的视觉一致性。本发明方法可以应用于对图像进行处理。
-
公开(公告)号：CN115601267A
公开(公告)日：2023-01-13
申请号：CN202211349196.6
申请日：2022-10-31
Applicant: 哈尔滨理工大学(CN)
Abstract: 一种具有局部细节补偿能力的全局色阶映射方法，它属于图像处理技术领域。本发明解决了利用现有的色阶映射算法所获得的低动态范围图像的质量差的问题。本发明利用全局色阶映射算法构造了一个全局亮度映射函数，该函数由Gamma校正和S形函数构成，对某个像素进行细节补偿过程为：将全局色阶映射算法映射后像素的亮度和HDR图像局部像素集合中心像素的亮度与最大亮度之间的比值进行加权求和，从而计算出该像素的最终亮度值。本发明方法可以应用于图像处理领域用。
-
公开(公告)号：CN114429426B
公开(公告)日：2022-08-16
申请号：CN202111561917.5
申请日：2021-12-20
Applicant: 哈尔滨理工大学
Abstract: 一种基于Retinex模型的低照度图像质量改善方法，它属于图像处理技术领域。本发明解决了采用现有的低照度图像质量改善算法对低照度图像进行处理时，获得的图像的质量差的问题。本发明首先通过Retinex模型对数字图像进行分层得到细节层图像以及光照层图像；其次设计一种非线性全局亮度映射函数，对于光照层图像进行映射得到光照层增强图像；再次设计一种非线性细节层图像映射函数，对于细节层图像进行拉伸得到细节层增强图像；最后对细节层增强图像以及光照层增强图像每个像素进行乘运算，合成低照度增强图像。本发明方法可以应用于改善低照度图像的质量。
-
公开(公告)号：CN107358592B
公开(公告)日：2020-06-30
申请号：CN201710806854.2
申请日：2017-09-08
Applicant: 哈尔滨理工大学
IPC: G06T5/00
Abstract: 本发明涉及一种迭代式全局自适应图像增强方法。本发明为了解决现有的图像增强方法需要手动设置合理的参数，非常难于实现的缺点，而提出一种迭代式全局自适应图像增强方法，包括：输入RGB彩色图像。将RGB彩色图像转换为HSV数据。将HSV数据的V通道数据进行反gamma变换，得到校正后的图像数据。将校正后的数据作为迭代的初始值，进行低照度灰度拉伸，再进行高照度灰度拉伸。判断本次迭代与上一次迭代的迭代参数之差的绝对值是否小于等于预设的阈值，若是，则对迭代得到的结果进行gamma校正，若否，则返回上一步骤继续迭代。对gamma校正后的结果做RGB变化，并在显示器中进行显示。本发明适用于图像增强工具。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.02 seconds)
