专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果823729个,建议您升级VIP下载更多相关专利
  • [发明专利]一种色彩校正后的数字图像精确恢复原的方法-CN202011636596.6有效
  • 罗运辉;王庆;陈业红;徐倩倩 - 齐鲁工业大学
  • 2020-12-31 - 2022-04-29 - G06T5/00
  • 本发明公开一种色彩校正后的数字图像精确恢复原的方法,该方法根据原图及其色彩校正后的图像,基于K‑means聚类,生成颜色缩略矩阵,训练最小二乘支持向量机非线性模型,估算针对图像饱和区域的误差补偿矩阵,得到图像恢复模型并嵌入图像;当需要恢复原时,从嵌有恢复模型的图像中提取出模型参数进行变换处理,精确还原得到原图。本发明提供的方法使得数字图像在经过色彩校正或某些非线性处理后,即使部分像素颜色分量值超过灰度级范围导致截断和饱和,仍能有效、准确恢复原颜色。本发明的方法有利于数字图像在传递、复制过程中进行良好的颜色溯源,能有效应用于图像色彩显示的精确再调整、印刷复制过程中图像色彩校正后重新编辑。
  • 一种色彩校正数字图像精确恢复原图方法
  • [发明专利]一种基于半监督的图像去雾方法-CN202111436173.4在审
  • 赵丽;张笑钦 - 温州大学
  • 2021-11-29 - 2022-03-08 - G06T5/00
  • 本发明提供了一种基于半监督的图像去雾方法,该方法包括:步骤Step1:获取图像数据集,并对所述训练集进行预处理,得到合成的有雾图像和真实雾图;步骤Step2:构建基于深度学习的图像复原模型,将预处理后提取的有雾图像输入所述图像复原模型,实现图像特征的提取分析,得到去雾后的图像信息;步骤Step3:利用所述图像复原模型构建半监督图像复原网络,并对所述半监督图像复原网络进行训练,得到训练好的图像复原模型;步骤Step4:获取待复原雾图组成的原始图像集,并将所述原始图像集输入训练好的半监督图像复原网络得到最终的复原,本发明可实现图像自动复原图像去雾效率更高、且复原质量更加可靠。
  • 一种基于监督图像方法
  • [发明专利]图像复原方法、装置、电子设备及存储介质-CN202210908887.9在审
  • 王健宗;李泽远;司世景 - 平安科技(深圳)有限公司
  • 2022-07-29 - 2022-10-25 - G06T5/00
  • 本申请实施例提供了图像复原方法、装置、电子设备及存储介质,其通过将第一人脸图像输入至包括扩散模块的图像复原模型;对第一人脸图像进行掩码处理得到掩码图像;对图像复原模型进行训练,直至第一损失函数值最优,得到训练好的图像复原模型,在训练过程中,扩散模块对掩码图像进行多次添加噪声处理,得到服从标准正态分布的白噪声图像,并形成噪声函数,图像复原模型根据白噪声图像、标准正态分布、噪声函数通过加噪降噪模式对掩码图像进行复原处理;通过训练好的图像复原模型对第二人脸图像进行图像复原,得到目标复原;能够快速地将遮挡的人脸图像进行复原,且复原真实性高。
  • 图像复原方法装置电子设备存储介质
  • [发明专利]一种基于边缘信息的多尺度模糊图像复原方法-CN201010269223.X无效
  • 戴朝约;冯华君;徐之海;李奇 - 浙江大学
  • 2010-09-01 - 2010-12-29 - G06T5/00
  • 本发明公开了一种基于边缘信息的多尺度模糊图像复原的方法,包括从小尺度层到大尺度层循环进行逐步的图像复原,在不同尺度设置自适应参数,对每个尺度层进行如下处理:对复原进行双边滤波,得到去除噪声和波纹的图像;再经过激波滤波得到具有高强度反差边缘的图像;然后求边缘,结合模糊核初始值和模糊图,得到精确的模糊核;利用求得的模糊核对当前尺度的模糊图像进行复原得到清晰复原;在此尺度层采样放大得到相邻大尺度层的复原和模糊核初始值本发明方法对各类不同模糊程度的图像都能有效地收敛,并且和一般的直接求能量最小化的盲复原方法相比,计算复杂度低,噪声抑制能力强。
  • 一种基于边缘信息尺度模糊图像复原方法
  • [发明专利]基于混合型总变分正则化的模糊图像非盲复原方法-CN202011016996.7在审
  • 董文德;徐剑;徐贵力 - 南京航空航天大学
  • 2020-09-24 - 2020-11-24 - G06T5/00
  • 本发明涉及一种基于混合型总变分正则化的模糊图像非盲复原方法,包括以下步骤:对模糊图像噪声进行建模;对清晰图像进行建模;将两模型进行加权求和,构建模糊图像非盲复原问题模型;将原复原问题转化为变量可分解形式;用模糊图像对清晰图像的估计值进行初始化;固定清晰图像的初始化估计值,采用二次惩罚函数法分别求解各向同性总变分问题和各向异性总变分问题;固定所得的求解结果,对清晰图像进行最小二乘估计;更新二次惩罚函数法的惩罚系数,循环执行求解和最小二乘估计直至收敛,即得到清晰图像的估计值,得复原。本发明能有效解决现有方法易使复原产生边缘模糊或易使复原的边缘增强、细节大幅丢失的问题。
  • 基于混合型总变分正则模糊图像复原方法
  • [发明专利]信息处理装置、信息处理方法、信息处理程序、学习方法以及已学习模型-CN201980077404.1在审
  • 猿渡健;冈本悟史 - 株式会社斯库林集团
  • 2019-11-08 - 2021-07-23 - G06T7/00
  • 该信息处理装置是使用没有缺陷的检查对象物的图像数据的集合来检测出有缺陷的检查对象物的装置。本装置具备图像复原部、判定部以及输出部。图像复原部从检查图像的一部分被隐藏的图像数据(Ih),生成复原了被隐藏的一部分的复原(Ir),检查图像是对不确定有无缺陷的检查对象物进行拍摄而得的图像。判定部通过将复原(Ir)与检查图像进行比较,来判定有无缺陷。输出部输出判定结果。另外,图像复原部通过深度学习完成学习,以便能够从多个学习图像各自的一部分被隐藏的图像数据,高精度地生成复原了被隐藏的一部分的复原(Ir),学习图像是对没有缺陷的检查对象物进行拍摄而得的图像。由此,能够使用能够容易地获取多个没有缺陷的检查对象物的图像作为学习用数据,进行用于检测出有缺陷的检查对象物的机器学习。
  • 信息处理装置方法程序学习方法以及学习模型
  • [发明专利]一种优化PSF估计的多特征图像复原方法-CN202110774468.6在审
  • 卜丽静;张正鹏;董国强 - 湘潭大学
  • 2021-07-08 - 2021-09-10 - G06T5/00
  • 本发明提供了一种优化PSF估计的多特征图像复原方法,属于图像复原技术领域。该方法首先利用输入的原始低分辨率图像盲估计初始点扩散函数;然后根据该点扩散函数得到假设清晰图像;再根据初始图像和假设清晰图像更新点扩散函数;根据原图和更新的点扩散函数估计组稀疏重建块,根据原图估计自相似特征重建块;最后根据组稀疏重建块和自相似性特征重建块得到最终的图像复原结果;根据原图和最终复原结果图得到最终的点扩散函数。该方法使用图像的自相似性特征、组稀疏特征、点扩散函数相结合的策略,有效改善图像细节信息,可实现减少图像模糊和噪声、提升边缘细节信息的效果,达到提高图像质量的目的。
  • 一种优化psf估计特征图像复原方法
  • [发明专利]图像处理装置-CN200780003289.0无效
  • 高桥史纪 - 日东光学株式会社
  • 2007-01-16 - 2009-02-25 - H04N5/232
  • 本发明提供的图像处理装置,在复原时防止装置的大型化,同时,设有具有现实性的电路处理方式;该图像处理装置进行的处理为,通过将由任意图像图像数据Io生成的比较用图像图像数据Io′和成为处理对象的原图图像数据Img进行比较,并将作为该比较结果而得出的差分数据D适当地分配于任意图像图像数据,而生成复原图像数据Io+n
  • 图像处理装置
  • [发明专利]手持式摄像镜数据处理方法及装置-CN202111141197.7有效
  • 蔡惠明;李长流;胡学山 - 南京诺源医疗器械有限公司
  • 2021-09-28 - 2023-04-07 - G06T5/00
  • 本发明提供一种手持式摄像镜数据处理方法及装置,包括:预先配置至少两个模糊核,其中每个模糊核具有不同的模糊权重;获取当前时刻手持式摄像镜中的模糊图像,对模糊图像以RGB值的形式显示;基于模糊图像确定手持式摄像镜所处的环境信息,根据环境信息在多个模糊核中选择对应的适配模糊核和该适配模糊核的范围;基于适配模糊核和该适配模糊核的范围对所述模糊图像进行复原处理以得到复原。通过设置多个具有不同模糊权重的模糊核对不同场景下的模糊图像进行处理,使得到的复原更加的准确,与实际场景更加接近。并且能够根据不同的环境确定适配模糊核的范围,达到对模糊图像进行分情况、分区域处理的目的,提高了复原复原匹配度。
  • 手持摄像数据处理方法装置

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top