-
公开(公告)号：CN106803236B
公开(公告)日：2019-09-27
申请号：CN201510837204.5
申请日：2015-11-26
Applicant: 南京理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于模糊域奇异值分解的非均匀性校正方法，首先通过一个隶属函数将图像从空域转换到模糊域，在模糊域中通过SVD得到图像的基频信息，然后再将处理后的图像从模糊域转换到空域，与原图像相减以去除图像中的条纹噪声和锅盖效应，最后通过拉伸对比度算法得到校正后的无噪图像。本发明的优点在于首次引入了模糊域法来进行红外图像的非均匀校正，并通过SVD得到模糊域中图像的基频信息，此信息即为从图像中抽取出来的非均匀噪声，所有处理过程只需要利用单帧信息，避免了传统非均匀校正算法对于场景的严苛性要求，使其能广泛的应用于不同环境下的非均匀校正任务中。
-
公开(公告)号：CN107796788A
公开(公告)日：2018-03-13
申请号：CN201610753465.3
申请日：2016-08-29
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于变分贝叶斯期望最大算法的传感矩阵测量方法。使用数字微透镜阵列(DMD)作光波前调制，进行标定测量yp＝|Dxp|，p∈{1，2，....P}；处理图像数据得到B＝|ΦA|，通过计算am∈A替代计算传感矩阵D；引入均场假设，执行变分贝叶斯期望最大(VBEM)算法求解一个最大后验估计问题得到am；组合am得到矩阵A，进而得到传感矩阵D。本发明使用DMD调制光波前，设备速度快、像素规模大，算法复杂度合理，能够较好得完成传感矩阵的测量。
-
公开(公告)号：CN106803236A
公开(公告)日：2017-06-06
申请号：CN201510837204.5
申请日：2015-11-26
Applicant: 南京理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于模糊域奇异值分解的非均匀性校正方法，首先通过一个隶属函数将图像从空域转换到模糊域，在模糊域中通过SVD得到图像的基频信息，然后再将处理后的图像从模糊域转换到空域，与原图像相减以去除图像中的条纹噪声和锅盖效应，最后通过拉伸对比度算法得到校正后的无噪图像。本发明的优点在于首次引入了模糊域法来进行红外图像的非均匀校正，并通过SVD得到模糊域中图像的基频信息，此信息即为从图像中抽取出来的非均匀噪声，所有处理过程只需要利用单帧信息，避免了传统非均匀校正算法对于场景的严苛性要求，使其能广泛的应用于不同环境下的非均匀校正任务中。
-
Patent Agency Ranking
公开(公告)号：CN107796788B
公开(公告)日：2021-02-23
申请号：CN201610753465.3
申请日：2016-08-29
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于变分贝叶斯期望最大算法的传感矩阵测量方法。使用数字微透镜阵列(DMD)作光波前调制，进行标定测量yp＝|Dxp|，p∈{1，2，...P}；处理图像数据得到B＝|ΦA|，通过计算am∈A替代计算传感矩阵D；引入均场假设，执行变分贝叶斯期望最大(VBEM)算法求解一个最大后验估计问题得到am；组合am得到矩阵A，进而得到传感矩阵D。本发明使用DMD调制光波前，设备速度快、像素规模大，算法复杂度合理，能够较好得完成传感矩阵的测量。
-
公开(公告)号：CN108230249B
公开(公告)日：2021-09-21
申请号：CN201611150706.1
申请日：2016-12-14
Applicant: 南京理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于各向异性的L1范数全变分正则化非均匀性校正方法,通过建立起基于单幅图像的各向异性全变分正则化模型，将去除红外图像非均匀性条纹噪声的问题转化为一个最小化全变分问题，之后采用分离布拉格曼迭代方法进行最优化，得出最优解，其最后一次迭代结果即为校正后的红外图像。本发明的创新点在于对传统的全变分模型针对非均匀条纹噪声水平方向全变分远大于竖直方向全变分的结构特点改进方程，使用基于L1范数的正则约束使其能适用于红外图像非均匀性校正，利用分离布拉格曼方法代替最陡梯度下降法进行方程最优化处理，大大提升了处理速度，最大程度地保留了物体的边缘信息。
-
公开(公告)号：CN106803235A
公开(公告)日：2017-06-06
申请号：CN201510835818.X
申请日：2015-11-26
Applicant: 南京理工大学
IPC: G06T5/00
CPC classification number: G06T5/002 , G06T5/006 , G06T2207/10016 , G06T2207/10048
Abstract: 本发明公开了一种基于各向异性时空域全变分非均匀性校正的方法。该方法通过建立起基于多帧图像的各向异性全变分模型，将去除红外图像非均匀性条纹噪声的问题转化为一个最小化全变分问题，之后采用分离布拉格曼（Split Bregman）方法进行最优化，帧间迭代出最优解，其最后一次迭代结果即为校正后的红外图像。本发明的创新点在于对传统的全变分模型进行了时空域扩展，同时针对非均匀条纹噪声水平方向全变分远大于竖直方向全变分的结构特点改进方程，使其能适用于红外图像非均匀性校正，利用Split Bregman方法代替最陡梯度下降法进行方程最优化处理，大大提升了处理速度，满足了视频处理的实时性要求，同时在帧间迭代时设置了阈值，防止物体快速运动时校正失真。
-
公开(公告)号：CN106803235B
公开(公告)日：2019-08-09
申请号：CN201510835818.X
申请日：2015-11-26
Applicant: 南京理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于各向异性时空域全变分非均匀性校正的方法。该方法通过建立起基于多帧图像的各向异性全变分模型，将去除红外图像非均匀性条纹噪声的问题转化为一个最小化全变分问题，之后采用分离布拉格曼（Split Bregman）方法进行最优化，帧间迭代出最优解，其最后一次迭代结果即为校正后的红外图像。本发明的创新点在于对传统的全变分模型进行了时空域扩展，同时针对非均匀条纹噪声水平方向全变分远大于竖直方向全变分的结构特点改进方程，使其能适用于红外图像非均匀性校正，利用Split Bregman方法代替最陡梯度下降法进行方程最优化处理，大大提升了处理速度，满足了视频处理的实时性要求，同时在帧间迭代时设置了阈值，防止物体快速运动时校正失真。
-
公开(公告)号：CN108230249A
公开(公告)日：2018-06-29
申请号：CN201611150706.1
申请日：2016-12-14
Applicant: 南京理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于各向异性的L1范数全变分正则化非均匀性校正方法,通过建立起基于单幅图像的各向异性全变分正则化模型，将去除红外图像非均匀性条纹噪声的问题转化为一个最小化全变分问题，之后采用分离布拉格曼迭代方法进行最优化，得出最优解，其最后一次迭代结果即为校正后的红外图像。本发明的创新点在于对传统的全变分模型针对非均匀条纹噪声水平方向全变分远大于竖直方向全变分的结构特点改进方程，使用基于L1范数的正则约束使其能适用于红外图像非均匀性校正，利用分离布拉格曼方法代替最陡梯度下降法进行方程最优化处理，大大提升了处理速度，最大程度地保留了物体的边缘信息。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
