-
公开(公告)号：CN114494280A
公开(公告)日：2022-05-13
申请号：CN202111547257.5
申请日：2021-12-16
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于经验模态分解的前视声呐图像分割方法，属于数字图像处理、数字信号处理、计算机人工智能及模式识别领域，该方法包括以下步骤：对前视声呐图像进行去背景处理，得到去背景处理后的前视声呐图像；对背景处理后的前视声呐图像进行图像分解处理，得到图像分解处理后的前视声呐图像；对图像分解处理后的前视声呐图像进行去噪和增强处理，得到去噪和增强后的前视声呐图像；再对去噪和增强后的前视声呐图像进行重构，得到重构后的前视声呐图像；对重构后的前视声呐图像进行聚类分割，得到分割后的前视声呐图像；该方法既能达有效抑制噪声干扰，又能保护图像边缘细节信息来进行分割的目的。
-
公开(公告)号：CN114494280B
公开(公告)日：2024-09-06
申请号：CN202111547257.5
申请日：2021-12-16
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于经验模态分解的前视声呐图像分割方法，属于数字图像处理、数字信号处理、计算机人工智能及模式识别领域，该方法包括以下步骤：对前视声呐图像进行去背景处理，得到去背景处理后的前视声呐图像；对背景处理后的前视声呐图像进行图像分解处理，得到图像分解处理后的前视声呐图像；对图像分解处理后的前视声呐图像进行去噪和增强处理，得到去噪和增强后的前视声呐图像；再对去噪和增强后的前视声呐图像进行重构，得到重构后的前视声呐图像；对重构后的前视声呐图像进行聚类分割，得到分割后的前视声呐图像；该方法既能达有效抑制噪声干扰，又能保护图像边缘细节信息来进行分割的目的。
-
公开(公告)号：CN113962898B
公开(公告)日：2024-05-03
申请号：CN202111295070.0
申请日：2021-11-03
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于照度图优化和自适应伽马校正的低照度图像增强方法，属于计算机视觉领域，该方法包括以下步骤：将图像变化到HSV空间，得到图像的亮度图；对亮度图进行参数自适应引导滤波，得到纹理细节平滑，边缘保留的照度图，将亮度图和照度图进行逐元素相除，得到反射图，利用反射图和光照图得到伽马校正的参数，对亮度图进行伽马矫正，得到重建后的亮度图，利用原图像的饱和度色度分量，将图像变换到RGB空间，得到增强后的图像，本发明改进后的自适应引导滤波，利用图像的平均方差的倍数作为引导滤波正则化因子，减少了人工伪影，优化了照度图；针对照度图灰度值较低等问题，构建目标函数，利用二阶泰勒级数近似来简化运算，得到伽马矫正参数，对照度图进行优化，提升了亮度图的质量。
-
公开(公告)号：CN113962898A
公开(公告)日：2022-01-21
申请号：CN202111295070.0
申请日：2021-11-03
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于照度图优化和自适应伽马校正的低照度图像增强方法，属于计算机视觉领域，该方法包括以下步骤：将图像变化到HSV空间，得到图像的亮度图；对亮度图进行参数自适应引导滤波，得到纹理细节平滑，边缘保留的照度图，将亮度图和照度图进行逐元素相除，得到反射图，利用反射图和光照图得到伽马校正的参数，对亮度图进行伽马矫正，得到重建后的亮度图，利用原图像的饱和度色度分量，将图像变换到RGB空间，得到增强后的图像，本发明改进后的自适应引导滤波，利用图像的平均方差的倍数作为引导滤波正则化因子，减少了人工伪影，优化了照度图；针对照度图灰度值较低等问题，构建目标函数，利用二阶泰勒级数近似来简化运算，得到伽马矫正参数，对照度图进行优化，提升了亮度图的质量。
-
-
-
Search Results
4
records
(took 0.014 seconds)
