-
公开(公告)号：CN103559684B
公开(公告)日：2016-04-06
申请号：CN201310467806.7
申请日：2013-10-08
Applicant: 清华大学深圳研究生院
IPC: G06T5/00
Abstract: 一种基于平滑校正的图像恢复方法，包括步骤：S1、输入含噪图像，计算待处理元素x和搜寻区域中的参考像素y的相似性，得到搜寻区域内所有参考像素点的权值；S2、根据计算出的搜寻区域内所有参考像素的权值，对搜寻区域内所有像素点进行加权平均，得到像素点修正后的灰度值；S3、处理完含噪图像中所有像素后，用修正后像素点的灰度值代替含噪图像中像素点的灰度值，得观测图像；S4、建立图像估计的状态方程和观测方程，采用二维块Kalman滤波和前反馈平滑方法对观测图像进行去燥处理，得除噪声图像。本方法在获得n+1位置处的真实值的估计值后，用平滑和反馈的思想对前面位置的估计值进行了更正，能够在不增加计算复杂度的前提下提高图像恢复的质量。
-
公开(公告)号：CN103530857A
公开(公告)日：2014-01-22
申请号：CN201310535630.4
申请日：2013-10-31
Applicant: 清华大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明公开了一种基于多尺度的卡尔曼滤波图像去噪方法，包括如下步骤：小波分解步骤，对图像进行小波变换，所述图像被分解为多个层，每个层包括四个部分：LL部分、HL部分、LH部分和HH部分，其中，LL部分属于低频部分，HL部分、LH部分和HH部分属于高频部分；计算预测步骤，用上一层的HL部分、LH部分和HH部分的最终估计小波子系数分别更新下一层的HL部分、LH部分和HH部分的初始估计小波子系数，对于上下两层相应的部分：逆变换步骤，利用更新小波子系数后的多个层进行小波逆变换，得到去噪后的图像。
-
公开(公告)号：CN104599252A
公开(公告)日：2015-05-06
申请号：CN201510047418.2
申请日：2015-01-29
Applicant: 清华大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明公开了一种去除图像混合噪声的处理方法，将待处理的原始图像分解成相互重叠的图像块，处理方法包括：A)：对各图像块进行如下恢复处理，得到各图像块的恢复图像块：1)判断当前块的中心像素点在引导图像中是否受到脉冲噪声的污染，如是，则直接恢复处理；如否，进入步骤2)；2)在原始图像中设定窗口范围内检测当前块的多个匹配块，并判断各匹配块的中心像素点在引导图像中是否受到脉冲噪声的污染；3)设定当前块的权重Wx；4)恢复出当前块的恢复图像块；B)得到残影图像，用残影图像更新引导图像，返回步骤A)进入下一次恢复处理，直至最后一次恢复处理。本发明的去除图像混合噪声的处理方法，可提高去除混合噪声的处理效果。
-
Patent Agency Ranking
公开(公告)号：CN103559684A
公开(公告)日：2014-02-05
申请号：CN201310467806.7
申请日：2013-10-08
Applicant: 清华大学深圳研究生院
IPC: G06T5/00
Abstract: 一种基于平滑校正的图像恢复方法，包括步骤：S1、输入含噪图像，计算待处理元素x和搜寻区域中的参考像素y的相似性，得到搜寻区域内所有参考像素点的权值；S2、根据计算出的搜寻区域内所有参考像素的权值，对搜寻区域内所有像素点进行加权平均，得到像素点修正后的灰度值；S3、处理完含噪图像中所有像素后，用修正后像素点的灰度值代替含噪图像中像素点的灰度值，得观测图像；S4、建立图像估计的状态方程和观测方程，采用二维块Kalman滤波和前反馈平滑方法对观测图像进行去燥处理，得除噪声图像。本方法在获得n+1位置处的真实值的估计值后，用平滑和反馈的思想对前面位置的估计值进行了更正，能够在不增加计算复杂度的前提下提高图像恢复的质量。
-
公开(公告)号：CN104599252B
公开(公告)日：2017-06-16
申请号：CN201510047418.2
申请日：2015-01-29
Applicant: 清华大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明公开了一种去除图像混合噪声的处理方法，将待处理的原始图像分解成相互重叠的图像块，处理方法包括：A)：对各图像块进行如下恢复处理，得到各图像块的恢复图像块：1)判断当前块的中心像素点在引导图像中是否受到脉冲噪声的污染，如是，则直接恢复处理；如否，进入步骤2)；2)在原始图像中设定窗口范围内检测当前块的多个匹配块，并判断各匹配块的中心像素点在引导图像中是否受到脉冲噪声的污染；3)设定当前块的权重Wx；4)恢复出当前块的恢复图像块；B)得到残影图像，用残影图像更新引导图像，返回步骤A)进入下一次恢复处理，直至最后一次恢复处理。本发明的去除图像混合噪声的处理方法，可提高去除混合噪声的处理效果。
-
公开(公告)号：CN104376538B
公开(公告)日：2017-04-12
申请号：CN201410697522.1
申请日：2014-11-26
Applicant: 清华大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明公开了一种图像的稀疏去噪方法，首先确定一个字典集合，所述字典集合中的多个字典是通过字典训练方法对一个图像库中的各幅图像进行字典训练得到；然后对待处理的图像进行如下稀疏去噪处理：1)将待处理的图像划分为多个图像块，各图像块的大小与字典的基块的大小相同；2)对各图像块进行如下处理得到各图像块的去噪图像块：21)对于每一个字典，求解出当前图像块的稀疏系数；22)确定最佳稀疏系数和最佳字典；23)根据所述最佳稀疏系数和最佳字典得到当前图像块的去噪图像块；3)将各图像块的去噪图像块合并，得到去噪后的图像。本发明的图像的稀疏去噪方法，去噪处理的时间复杂度有效降低，且对图像的全局均有较好的去噪效果。
-
公开(公告)号：CN103530857B
公开(公告)日：2016-06-08
申请号：CN201310535630.4
申请日：2013-10-31
Applicant: 清华大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明公开了一种基于多尺度的卡尔曼滤波图像去噪方法，包括如下步骤：小波分解步骤，对图像进行小波变换，所述图像被分解为多个层，每个层包括四个部分：LL部分、HL部分、LH部分和HH部分，其中，LL部分属于低频部分，HL部分、LH部分和HH部分属于高频部分；计算预测步骤，用上一层的HL部分、LH部分和HH部分的最终估计小波子系数分别更新下一层的HL部分、LH部分和HH部分的初始估计小波子系数，对于上下两层相应的部分：逆变换步骤，利用更新小波子系数后的多个层进行小波逆变换，得到去噪后的图像。
-
公开(公告)号：CN104376538A
公开(公告)日：2015-02-25
申请号：CN201410697522.1
申请日：2014-11-26
Applicant: 清华大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明公开了一种图像的稀疏去噪方法，首先确定一个字典集合，所述字典集合中的多个字典是通过字典训练方法对一个图像库中的各幅图像进行字典训练得到；然后对待处理的图像进行如下稀疏去噪处理：1)将待处理的图像划分为多个图像块，各图像块的大小与字典的基块的大小相同；2)对各图像块进行如下处理得到各图像块的去噪图像块：21)对于每一个字典，求解出当前图像块的稀疏系数；22)确定最佳稀疏系数和最佳字典；23)根据所述最佳稀疏系数和最佳字典得到当前图像块的去噪图像块；3)将各图像块的去噪图像块合并，得到去噪后的图像。本发明的图像的稀疏去噪方法，去噪处理的时间复杂度有效降低，且对图像的全局均有较好的去噪效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.029 seconds)
