-
公开(公告)号：CN108765336A
公开(公告)日：2018-11-06
申请号：CN201810515497.9
申请日：2018-05-25
Applicant: 长安大学
CPC classification number: G06T5/003 , G06T5/002 , G06T5/40 , G06T2207/10024
Abstract: 本发明公开了基于暗亮原色先验与自适应参数优化的图像去雾方法，根据白色区域像素值普遍较高的特点提出了亮原色先验理论，将该理论与暗原色先验理论相结合，有效解决了雾天图像中白色区域的去雾问题，将类天空区域的像素值与最大暗通道值进行自适应的加权处理，使得求取的大气光值鲁棒性更强，再通过自适应权值优化的图像去雾算法，从而更好的实现了去雾后图像的优化处理，通过自适应尺度的引导滤波算法，将原有雾图像的尺寸大小自适应调节滤波尺度，使得滤波后效果更佳，从而实现图像的有效去雾，本方法不仅有效解决了原算法不适用于大面积白色区域和去雾后图像偏暗等问题，而且去雾之后的图像视觉效果更加真实自然。
-
公开(公告)号：CN110232390B
公开(公告)日：2022-10-14
申请号：CN201910511964.5
申请日：2019-06-13
Applicant: 长安大学
IPC: G06V10/50 , G06V10/44 , G06V10/774 , G06V10/77
Abstract: 本发明公开了一种变化光照下图像特征提取方法，在计算中心像素点WLSGP特征值时采用了双层结构模型，根据邻域半径不同对中心像素值的影响程度不同，分配不同的权重系数，针对原始WLD算子的差分激励分量没有考虑内外层邻域像素的影响，采用差分协同激励分量，避免了光照敏感性；将变尺度和变角度的LOG算子引入到差分协同激励中，采用ADSEP算子和WLSGP算子代替原始WLD中的差分激励分量和方向分量，解决了原始WLD算子的差分激励不适用于方向差异性场合的问题，将各分块图像的差分激励图像分别与各自的梯度方向图像进行融合得到二维AWSGD直方图，采用择XGBoost分类器对转化后的一维直方图进行图像分类，获得识别结果，本方法在变化光照条件下能够表现出较好的性能。
-
公开(公告)号：CN106530244B
公开(公告)日：2019-03-19
申请号：CN201610949239.2
申请日：2016-10-26
Applicant: 长安大学
IPC: G06T5/00
Abstract: 本发明公开了一种图像增强方法，包括如下步骤：步骤一：获取待增强的图像I；步骤二：对图像I进行双密度双树复小波变换，得到4幅低频图像Ia,Ib,Ic,Id和32幅高频图像I1,I2,…Ii，其中i＝1,2…32；步骤三：利用改进MSR算法对4幅低频图像进行处理得到I’a,I’b,I’c,I’d；步骤四：利用贝叶斯阈值去噪法对32幅高频图像进行处理得到I’1,I’2,I’3…I’i，其中i＝1,2…32；步骤五：对结果图片进行逆小波变换得到增强图像R。本发明提供一种能够增强图像有用信息对比度，并且能够较好的保留图像的细节特征的图像增强方法。
-
Patent Agency Ranking
公开(公告)号：CN108765336B
公开(公告)日：2022-06-07
申请号：CN201810515497.9
申请日：2018-05-25
Applicant: 长安大学
Abstract: 本发明公开了基于暗亮原色先验与自适应参数优化的图像去雾方法，根据白色区域像素值普遍较高的特点提出了亮原色先验理论，将该理论与暗原色先验理论相结合，有效解决了雾天图像中白色区域的去雾问题，将类天空区域的像素值与最大暗通道值进行自适应的加权处理，使得求取的大气光值鲁棒性更强，再通过自适应权值优化的图像去雾算法，从而更好的实现了去雾后图像的优化处理，通过自适应尺度的引导滤波算法，将原有雾图像的尺寸大小自适应调节滤波尺度，使得滤波后效果更佳，从而实现图像的有效去雾，本方法不仅有效解决了原算法不适用于大面积白色区域和去雾后图像偏暗等问题，而且去雾之后的图像视觉效果更加真实自然。
-
公开(公告)号：CN108681737B
公开(公告)日：2022-06-07
申请号：CN201810516014.7
申请日：2018-05-25
Applicant: 长安大学
IPC: G06V10/50 , G06V10/44 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种复杂光照下图像特征提取方法，利用改进的集变尺度、变角度为一体的具有方向敏感性的各向异性LOG算子来计算其差分激励分量；同时，比较以中心像素对称的像素对的灰度值，并基于韦伯准则实现其阈值的自适应选取，最后融合生成二维AWASTP直方图，并进一步转化为一维直方图，从而利用KNN算法进行分类，通过比较与中心像素相邻，且关于中心像素对称的像素对的灰度值来减少特征维数，使得阈值的选取根据图像的区域特性而相应改变，有效地提取出了更具鉴别能力的特征，提高了复杂光照图像的识别率，本方法简单，能够提取出更多的纹理信息和多个方向的梯度信息，从而更好地描述复杂光照图像的特征，性能优于其他现有算法。
-
公开(公告)号：CN110232390A
公开(公告)日：2019-09-13
申请号：CN201910511964.5
申请日：2019-06-13
Applicant: 长安大学
Abstract: 本发明公开了一种变化光照下图像特征提取方法，在计算中心像素点WLSGP特征值时采用了双层结构模型，根据邻域半径不同对中心像素值的影响程度不同，分配不同的权重系数，针对原始WLD算子的差分激励分量没有考虑内外层邻域像素的影响，采用差分协同激励分量，避免了光照敏感性；将变尺度和变角度的LOG算子引入到差分协同激励中，采用ADSEP算子和WLSGP算子代替原始WLD中的差分激励分量和方向分量，解决了原始WLD算子的差分激励不适用于方向差异性场合的问题，将各分块图像的差分激励图像分别与各自的梯度方向图像进行融合得到二维AWSGD直方图，采用择XGBoost分类器对转化后的一维直方图进行图像分类，获得识别结果，本方法在变化光照条件下能够表现出较好的性能。
-
公开(公告)号：CN108681737A
公开(公告)日：2018-10-19
申请号：CN201810516014.7
申请日：2018-05-25
Applicant: 长安大学
IPC: G06K9/46
CPC classification number: G06K9/4604 , G06K9/4642
Abstract: 本发明公开了一种复杂光照下图像特征提取方法，利用改进的集变尺度、变角度为一体的具有方向敏感性的各向异性LOG算子来计算其差分激励分量；同时，比较以中心像素对称的像素对的灰度值，并基于韦伯准则实现其阈值的自适应选取，最后融合生成二维AWASTP直方图，并进一步转化为一维直方图，从而利用KNN算法进行分类，通过比较与中心像素相邻，且关于中心像素对称的像素对的灰度值来减少特征维数，使得阈值的选取根据图像的区域特性而相应改变，有效地提取出了更具鉴别能力的特征，提高了复杂光照图像的识别率，本方法简单，能够提取出更多的纹理信息和多个方向的梯度信息，从而更好地描述复杂光照图像的特征，性能优于其他现有算法。
-
公开(公告)号：CN106530244A
公开(公告)日：2017-03-22
申请号：CN201610949239.2
申请日：2016-10-26
Applicant: 长安大学
IPC: G06T5/00
CPC classification number: G06T5/007
Abstract: 本发明公开了一种图像增强方法，包括如下步骤：步骤一：获取待增强的图像I；步骤二：对图像I进行双密度双树复小波变换，得到4幅低频图像Ia,Ib,Ic,Id和32幅高频图像I1,I2,…Ii，其中i＝1,2…32；步骤三：利用改进MSR算法对4幅低频图像进行处理得到I’a,I’b,I’c,I’d；步骤四：利用贝叶斯阈值去噪法对32幅高频图像进行处理得到I’1,I’2,I’3…I’i，其中i＝1,2…32；步骤五：对结果图片进行逆小波变换得到增强图像R。本发明提供一种能够增强图像有用信息对比度，并且能够较好的保留图像的细节特征的图像增强方法。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
