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134891个,建议您升级VIP下载更多相关专利
  • [发明专利]基于自适应模糊估计的深度去模糊方法-CN202210648028.0在审
  • 张艳宁;朱宇;衡琪;杨钰祺;黄剑;李朋远;孙瑾秋 - 西北工业大学
  • 2022-06-08 - 2022-08-02 - G06T5/00
  • 本发明提供了一种基于自适应模糊估计的深度去模糊方法,使用公共GoPro数据集上进行训练和评估,采用UNet结构设计深度卷积神经网络,训练深度卷积神经网络后,基于训练所得深度卷积神经网络来进行图像去模糊本发明增强编码器捕获的相应浅层特征的表达,并细化了浅层特征,并促使它们更加注意模糊区域,扩大了感受野并向网络提供丰富的多尺度信息,无需额外的约束信息和显式估计就可以学习模糊输入图像每个像素位置的模糊,以具备非均匀模糊的处理能力和更好的泛化能力,将网络输出的模糊映射与融合映射与原始图像进行融合即可以得到最终的清晰图像,通过学习的方式学习融合图的权重,使得复原得到的图像更加真实,鲁棒性更强。
  • 基于自适应模糊估计深度方法
  • [发明专利]基于L0稀疏先验的盲相机抖动去模糊方法-CN201310362933.0有效
  • 邵文泽 - 南京邮电大学
  • 2013-08-19 - 2013-11-27 - G06T5/00
  • 基于L0稀疏先验的盲相机抖动去模糊方法属于数字图像处理技术领域,是一种对相机抖动造成的模糊图像进行去模糊的方法,能够估计各种空间不变的相机抖动模糊(点扩散函数);该方法不仅避免了当前变分贝叶斯估计方法计算复杂度高的问题,而且解决了当前最大后验估计方法缺乏严格最优化理论支撑的问题;首先,引入基于L0范数的显著边缘稀疏先验,利用迭代硬阈值收缩法实现显著边缘特征的隐性自动预测;其次,引入基于L0范数的相机抖动模糊稀疏先验,利用迭代重新加权最小二乘法实现模糊的快速估计;最后,利用基于超拉普拉斯先验的图像非盲去模糊方法,获得高质量去模糊图像;该方法流程图如附图1所示。
  • 基于l0稀疏先验相机抖动模糊方法
  • [发明专利]图像处理方法及装置、电子设备和存储介质-CN202110461649.3有效
  • 陈亮;张佳维;任思捷 - 深圳市慧鲤科技有限公司
  • 2021-04-27 - 2023-04-18 - G06T5/00
  • 本公开涉及一种图像处理方法及装置、电子设备和存储介质,所述方法包括:根据模糊图像和所述模糊图像对应的模糊,确定所述模糊图像对应的权重矩阵,所述权重矩阵中包括所述模糊图像中的像素点对应的置信度值,像素点i对应的置信度值小于预设置信度阈值,所述像素点i是所述模糊图像中的饱和像素点,和/或,所述像素点i是所述模糊图像中受所述饱和像素点影响的非饱和像素点;根据所述模糊图像,确定所述模糊图像对应的超参数,所述超参数用于对所述模糊图像进行去模糊处理;根据所述模糊、所述权重矩阵和所述超参数,对所述模糊图像进行迭代去模糊处理,得到所述模糊图像对应的目标清晰图像。
  • 图像处理方法装置电子设备存储介质
  • [发明专利]一种高光谱真实下采样模糊估计方法-CN202110526123.9在审
  • 曲佳慧;张同振;董文倩;肖嵩;李云松 - 西安电子科技大学
  • 2021-05-14 - 2021-09-24 - G06K9/00
  • 本发明属于图像处理技术领域,公开了一种高光谱真实下采样模糊估计方法,所述高光谱真实下采样模糊估计方法包括:对待处理高光谱图像4倍下采样;在得到的两个尺度的高光谱图像中以同样大小的搜索框遍历计算图像块对空谱相似度;根据相似度调整遍历步长完成搜索;构建高光谱下采样真实模糊生成器和判别器;在生成器和判别器交叉训练完成后即可通过生成器模拟生成高光谱图像经过真实核下采样的低分辨率图像。本发明能够模拟高光谱图像真实下采样模糊,生成真实的高光谱图像超分或融合数据集来突破数据源的瓶颈问题;利用真实图像中存在的共现性,可以从普通的高光谱数据中提取出用于真实高光谱下采样模糊估计的训练集。
  • 一种光谱真实采样模糊估计方法
  • [发明专利]一种基于跨尺度低秩约束的图像盲超分辨率方法-CN202111538176.9在审
  • 肖创柏;冯文静;禹晶 - 北京工业大学
  • 2021-12-15 - 2022-03-11 - G06T3/40
  • 本发明公开了一种基于跨尺度低秩约束的图像盲超分辨率方法,通过对高分辨率图像和模糊进行交替迭代估计实现低分辨图像的超分辨率重建。上述方法包括:筛选当前高分辨率图像中各个方向大于梯度阈值的像素参与模糊估计;对高分辨率图像中的图像块构造跨尺度相似图像块组,对该组矩阵进行低秩估计;利用低秩矩阵进行高分辨率图像估计。对模糊与高分辨率图像进行联合建模,同时更新模糊与高分辨率图像并相互修正;利用跨尺度相似图像块为重建图像块提供潜在的细节信息,且对相似图像块组矩阵进行低秩约束可以表示数据的全局结构,对噪声具有鲁棒性。本发明方法能够准确地估计模糊,实现对有噪低分辨率图像的超分辨率重建。
  • 一种基于尺度约束图像分辨率方法
  • [发明专利]一种基于图像块自适应调整的TDI颤振图像复原方法-CN201710424251.6有效
  • 冯华君;苏慧;徐之海;李奇;陈跃庭 - 浙江大学
  • 2017-06-07 - 2020-01-14 - G06T5/00
  • 在TDI颤振遥感成像中,由于TDI相机的逐行推扫特性,颤振图像每行的模糊都存在差异,对颤振图像采用逐行恢复可以大大提高图像复原效果。当行间模糊差异性较小时,适当增加当前行的待复原图像块行数,有利于提高图像的复原效果;当行间模糊差异性较大时,图像块行数的增加对图像复原效果没有显著作用。而图像块行数的增加会延长图像整体复原时间。通过构建模糊之间的相似程度公式,比较颤振图像行与行之间的模糊差异程度,决定用来复原当前行所需的图像块尺寸,实现遥感颤振图像逐行恢复过程中图像块尺寸的自适应调节,可以在保证图像复原效果的同时兼顾复原时间
  • 一种基于图像自适应调整tdi复原方法
  • [发明专利]利用空间图像先验的图像去模糊-CN201080046665.6有效
  • S·王;T·侯;R·L·米勒 - 伊斯曼柯达公司
  • 2010-10-01 - 2012-07-11 - G06T5/00
  • 一种确定去模糊图像的方法,该方法至少部分地由数据处理系统实现,并且包括:接收以短曝光时间捕捉的景物的清晰图像;接收以比清晰图像更长的曝光时间捕捉的景物的模糊图像,其中模糊图像较之清晰图像具有更高水平的运动模糊和更低水平的图像噪声;确定响应于清晰图像和模糊图像的模糊;确定响应于清晰图像的一个或多个基准差分图像;确定响应于模糊图像、模糊和一个或多个基准差分图像的去模糊图像;以及将去模糊图像存储在处理器可访问的存储系统中。
  • 利用空间图像先验模糊
  • [发明专利]一种基于相机定位的图像去模糊方法-CN201910711598.8有效
  • 颜成钢;李明珠;孙垚棋;张继勇;张勇东;沈韬 - 杭州电子科技大学
  • 2019-08-02 - 2021-09-28 - H04N5/217
  • 本发明公开了一种基于相机定位的图像去模糊方法。本发明包括两阶段:模糊图像去模糊阶段和去模糊图像特征提取阶段。模糊图像去模糊阶段:本发明利用相机当前帧的模糊图像的深度图像,得到场景的深度信息,进而获得场景点的三维坐标。并利用惯性测量单元(IMU)获得相机运动信息,包括平移和旋转。利用以上数据计算选定区块的模糊,用模糊进行反卷积操作,得到去模糊图像。去模糊图像特征提取阶段:该阶段对去模糊处理后的图像进行ORB特征提取,并使用提取的特征进行后续的SLAM过程。本发明仅对选定区块进行去模糊,在一定程度上减少了计算量,提高了运算速度。
  • 一种基于相机定位图像模糊方法
  • [发明专利]图像轮廓保留的高斯模糊方法以及相关装置-CN202310600958.3在审
  • 雷国强 - 深圳市闪剪智能科技有限公司
  • 2023-05-24 - 2023-08-11 - G06T5/00
  • 本发明涉及图像处理领域,公开了一种图像轮廓保留的高斯模糊方法以及相关装置。该方法包括:获取待处理的目标图像;根据预置转换算法,对所述目标图像进行矩阵化处理,得到图像矩阵;根据设置的模糊半径,生成卷积;基于预置卷积,对所述图像矩阵进行高斯混合计算处理,生成所述卷积中每个元素的权重;根据所述卷积中每个元素的权重,利用所述卷积核对所述图像矩阵中进行归一化处理,生成图像归一化矩阵;基于所述图像归一化矩阵,生成所述目标图像对应的高斯模糊图像。本发明解决了现有技术的图像模糊处理中细腻度不足图像的轮廓丢失严重的技术问题。
  • 图像轮廓保留模糊方法以及相关装置

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