|
钻瓜专利网为您找到相关结果 826256个,建议您 升级VIP下载更多相关专利
- [发明专利]基于稀疏性度量的图像盲去模糊方法-CN201210218306.5有效
-
王爽;焦李成;李源;梁冲;季佩媛;王敏;郑喆坤
-
西安电子科技大学
-
2012-06-28
-
2012-11-28
-
G06T5/00
- 本发明公开了一种基于稀疏性度量的图像盲去模糊的方法,主要解决现有技术在图像盲去模糊时,对噪声敏感且存在严重的振铃效应的问题。其实现过程为:(1)用现有的方法,获得两种不同的模糊核kf和ks;(2)线性组合这两种不同的模糊核得到一个模糊字典kd={k1,k2....k10};(3)在模糊图像上选取一个有明显边缘的图像块P,用模糊字典kd对图像块P用Lucy-Richardson方法进行预处理,得到预处理的图像块C1,C2,C3...C10;(4)对预处理的图像块C1,C2,C3...C10进行稀疏性测量得到稀疏度S1,S2,S3...S10,并找到最大的稀疏度Smax所对应的图像块Cmax;取出图像块Cmax所对应的模糊元素kmax;(5)利用模糊元素kmax,运用L0-abs算法对模糊图像进行去模糊。本发明在对图像盲去模糊时,能够有效的去除模糊和噪声,尽可能的减少振铃效应,可用于各种模糊图像进行盲去模糊。
- 基于稀疏度量图像模糊方法
- [发明专利]一种基于边缘的深度学习图像去运动模糊方法-CN201911275632.8有效
-
姚剑;蒋佳芹;李俐俐;龚烨
-
武汉大学
-
2019-12-12
-
2023-07-21
-
G06T5/00
- 本发明涉及图像复原技术,具体涉及一种基于边缘的深度学习图像去运动模糊方法,包括利用已训练好的HED网络从模糊图像中提取边缘,随后用卷积层来提取引导去运动模糊过程的边缘特征信息;去模糊主干网络从模糊图像中提取多尺度的特征信息,在每个尺度上使用空间特征变换层将图像特征和边缘特征进行整合,解码部分从最深层的图像特征中逐步恢复出潜在清晰图像;将模糊‑清晰图像对作为训练样本集,均方差损失函数和感知损失函数的加和定义总损失函数,利用总损失函数对去模糊主干网络进行训练,直到收敛至最优精度;将运动模糊图像输入训练好的去模糊主干网络中,得到去模糊后的结果。该方法实现了图像特征和边缘特征的有效整合,去模糊的效果显著。
- 一种基于边缘深度学习图像运动模糊方法
- [发明专利]图像模糊互补性表征方法-CN201710558860.0在审
-
孙瑾秋;王珮;朱宇;李海森;陈雪凌;张艳宁
-
西北工业大学
-
2017-07-11
-
2017-12-15
-
G06T5/00
- 本发明公开了一种图像模糊互补性表征方法,用于解决现有图像互补性表征方法图像复原质量差的技术问题。技术方案是首先提取模糊图像的互补性特征,通过对多帧模糊图像进行高频滤波,得到图像对应的高频细节信息;针对图像高频信息进行梯度卷积操作,提取图像的梯度信息;对模糊图像的高频梯度图进行二值化操作,得到模糊图像的高频梯度二值图然后基于提取出的模糊图像的互补性特征,利用互补性计算公式进行互补性定量计算,得到模糊图像间的互补性数值大小。该方法对不同模糊图像的互补性进行衡量,为模糊图像多帧复原提供了更加明确的图像选帧依据,对于图像质量参差不齐的序列多帧图像,基于互补性表征的图像选帧方式提高了图像复原的质量。
- 图像模糊互补性表征方法
- [发明专利]基于视觉显著的图像去模糊方法-CN201210214195.0在审
-
周兵;王振飞;吴亚平
-
郑州大学
-
2012-06-27
-
2014-01-15
-
G06T5/00
- 一种基于视觉显著的图像去模糊方法,根据视觉注意机制,首先利用图像是否清晰为显著性条件对待处理图像进行显著性划分,即显著性部分和非显著性部分;然后,对非显著性部分进行模糊核估计得到图像的模糊核K;最后,引入补偿机制,使得到的模糊核应用在整幅待处理图像中,同时使得显著性部分的边缘无振铃效应,进而得到去模糊后图像。本发明基于视觉注意的显著性研究,通过其显著图将模糊图像划分为两部分,显著性部分与非显著性部分,仅估计非显著性部分的模糊核,即仅对模糊图像的模糊部分进行处理,保持其较为清晰的部分。这样就可避免模糊图像因为不同部分的模糊程度及模糊方向的不同,而用同一估计模糊核处理带来的影响。
- 基于视觉显著图像模糊方法
|