-
公开(公告)号：CN104346786A
公开(公告)日：2015-02-11
申请号：CN201410621477.1
申请日：2014-11-06
Applicant: 南京信息工程大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于Demons算法的图像去噪算法，该方法首先在Demons算法的基础上，将扩散过程看作图像配准，建立一种新的基于图像配准的Demons去噪算法，该算法去噪性能较经典的PM算法更优越；其次，考虑到在图像去噪过程中，仅靠梯度信息表征图像的局部特征是不够的，而二阶微分量含有更丰富的信息，将水平集曲率作为控制图像结构的驱动力因素引入到图像配准去噪算法中，建立了一种梯度与曲率双重驱动力的图像去噪算法，双驱动算法；最后，采用加性算子分裂算法(AOS算法)对上述算法进行处理，得到去噪后的图像。本发明不但去噪性能优越，而且图像的整体结构保持完好，去噪后的图像信噪比较其他Demons算法提高了15dB左右，较PM算法提高了25dB左右，清晰度也大幅度提升。
-
公开(公告)号：CN119850461A
公开(公告)日：2025-04-18
申请号：CN202510322124.X
申请日：2025-03-19
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于改进的混合阶全变分图像去噪实现方法，包括步骤如下：S1，将采集到的原始图像进行灰度转换并进行加噪处理；S2，使用高斯‑拉普拉斯联合变换进行滤波；S3，在TV1模型中引入各向异性扩散张量，在LLT模型中引入基于差分曲率的图像特征提取函数；S4，利用自适应权重函数来耦合TV1模型和LLT模型，得到耦合模型；S5，将通过耦合模型得到的去噪图像，使用快速非局部均值滤波算法进行后处理；S6，使用离散差分法得到耦合模型的离散形式，采用迭代法更新像素值进行去噪，得到去噪图像，并利用峰值信噪比和结构相似性指标验证耦合模型的有效应和可行性。本发明能确保图像边缘信息的完整性，提高去噪效率。
-
公开(公告)号：CN110827212B
公开(公告)日：2023-03-14
申请号：CN201910961785.1
申请日：2019-10-11
Applicant: 南京信息工程大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于交叠组合稀疏高阶全变分的图像复原方法，包括：S30，建立原始图像的图像复原混合模型；S40，获取受约束的优化问题；S50，将受约束的优化问题分裂为单独的子问题，得到增广拉格朗日函数；S60，采用第k个迭代过程中的拉格朗日乘子求解所述增广拉格朗日函数的各个变量子问题，得到第k个迭代过程中的目标函数，进而得到第k个迭代过程中的复原图像、第一变量参数和第二变量参数；S70，根据复原图像、第一变量参数和第二变量参数更新拉格朗日乘子，得到下一个迭代过程中的拉格朗日乘子；S80，判断第k个迭代过程中的停止参数是否小于或等于停止阈值，若是，则确定复原图像，若否，则设置k＝k+1，返回执行步骤S60。
-
公开(公告)号：CN115239585A
公开(公告)日：2022-10-25
申请号：CN202210844827.5
申请日：2022-07-19
Applicant: 南京信息工程大学
Abstract: 本申请公开一种基于自适应全变分图像降噪模型的图像降噪方法，包括以下步骤：获取待降噪图像；预处理获取的待降噪图像，获得原图像矩阵；基于预设的模型参数，将原图像矩阵导入自适应全变分图像降噪模型，经过多次迭代降噪，获得多张降噪图像，并从多张降噪图像中选取降噪效果最佳的降噪图像作为待降噪图像的降噪图像，其中，自适应全变分图像降噪模型的自适应函数用于控制降噪过程中的降噪强度。本发明能够对图像进行降噪，并获得降噪图像。
-
公开(公告)号：CN114742730A
公开(公告)日：2022-07-12
申请号：CN202210358969.0
申请日：2022-04-07
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于各向异性颜色通道衰减差异的水下图像增强方法，包括以下步骤：(1)对原始图像进行归一化处理；获取三个颜色通道，计算每个颜色通道的总像素值、均值和方差；(2)判断是否存在符合条件的颜色通道；存在一个满足条件的通道，以该通道作为基准图像，采用自适应伽马变换函数对剩余通道进行增强；若存在两个或两个以上满足条件的通道，随机选取一个通道作为基准图像，采用自适应伽马变换函数对剩余通道进行增强；若不存在满足条件的通道，选取总像素值最大的通道作为基准图像，采用变化后的伽马校正公式对剩余通道进行增强；(3)联合基准图像和增强图像形成最终的增强图像。本发明能够有效提高增强水下图像的亮度和对比度。
-
Patent Agency Ranking
公开(公告)号：CN110827212A
公开(公告)日：2020-02-21
申请号：CN201910961785.1
申请日：2019-10-11
Applicant: 南京信息工程大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于交叠组合稀疏高阶全变分的图像复原方法，包括：S30，建立原始图像的图像复原混合模型；S40，获取受约束的优化问题；S50，将受约束的优化问题分裂为单独的子问题，得到增广拉格朗日函数；S60，采用第k个迭代过程中的拉格朗日乘子求解所述增广拉格朗日函数的各个变量子问题，得到第k个迭代过程中的目标函数，进而得到第k个迭代过程中的复原图像、第一变量参数和第二变量参数；S70，根据复原图像、第一变量参数和第二变量参数更新拉格朗日乘子，得到下一个迭代过程中的拉格朗日乘子；S80，判断第k个迭代过程中的停止参数是否小于或等于停止阈值，若是，则确定复原图像，若否，则设置k＝k+1，返回执行步骤S60。
-
公开(公告)号：CN108038467B
公开(公告)日：2019-05-31
申请号：CN201711431688.9
申请日：2017-12-26
Applicant: 南京信息工程大学
Abstract: 本发明公开了了一种镜像图与粗细层次结合的稀疏人脸识别方法，人脸在实际环境中，伴随着各种不可预知的情况，会呈现出复杂多变的特性。为了提高人脸识别率及更好的显示人脸特征，本发明的方法首先利用人脸的镜面性生成新的人脸图像，将原来的人脸训练样本和新生成的镜像图样本结合起来，使用粗细层次结合的分类方法来进行识别。新方法一方面增加了训练样本的数目，克服由于光照和姿态等外部因素带来的影响，另一方面选取合适的训练样本，丢掉不合适样本对于人脸识别所造成的不利影响。
-
公开(公告)号：CN105913382B
公开(公告)日：2018-11-23
申请号：CN201610115932.X
申请日：2016-03-01
Applicant: 南京信息工程大学
IPC: G06T5/00
Abstract: 本发明公开了一种阈值寻优的高保真各向异性滤波方法，首先用小波变换提取图像的高频部分，在高频部分用二阶微分量曲率模值来反映局部信息，并建立高保真各向异性滤波模型；再用最小均方算法进行阈值寻优，进一步控制扩散强度；然后用建立的高保真各向异性滤波模型对提取的高频部分进行处理，对处理后的高频系数和原来的低频系数进行小波重构，得到去噪后图像作为输出。有益效果：可避免将图像的尖峰、角点误认为噪声，保护了细节信息，还可提高边缘检测的准确性，增强图像滤波效果，故去噪性能较现有技术中的经典模型更具优越性，而且运行时间有了明显提高。
-
公开(公告)号：CN105005975B
公开(公告)日：2018-06-01
申请号：CN201510397590.0
申请日：2015-07-08
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于PCNN和图像熵的各向异性扩散的图像去噪方法，首先，采用脉冲耦合神经网络对噪声图像进行处理，得到熵序列En，将En作为边缘检测算子；然后，进行阈值寻优，得到最优去噪阈值k；最后，根据求得的边缘检测算子En和最优去噪阈值k，采用改进的各向异性扩散模型对图像进行去噪。本发明不仅能有效去除图像噪声，同时能较完整地保留了图像的区域信息。
-
公开(公告)号：CN105023004B
公开(公告)日：2018-05-04
申请号：CN201510471000.4
申请日：2015-08-04
Applicant: 南京信息工程大学
IPC: G06K9/00
Abstract: 本发明公开了一种曲率与小波轮廓增强相结合的人脸识别算法，首先用图像的水平集曲率和小波增强人脸图像的整体轮廓，从而忽略人脸识别中光照、人脸的表情和部分遮挡物的影响，然后用PCA算法提取人脸特征。现有方法在光照、表情和遮挡不同时，识别率和鲁棒性会大大降低；为了克服光照、表情、姿势等非约束性变化条件下人脸识别率降低的弊端，并提高识别方法的鲁棒性，本发明利用了水平集曲率及SRC的优点，提出了一种曲率与小波轮廓增强的人脸识别算法，该算法充分利用了水平集曲率的性质、人脸图像轮廓的不变性和人脸图像轮廓对光照的不敏感性，在现有的稀疏表示理论基础上，提高了非约束性人脸的识别率，增强了识别系统的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
108
records
(took 0.036 seconds)
