-
公开(公告)号：CN111179295B
公开(公告)日：2023-04-04
申请号：CN201911333718.1
申请日：2019-12-23
Applicant: 青海大学
Abstract: 本发明提供一种改进的二维Otsu阈值图像分割方法和系统，涉及图像处理技术领域。本发明通过最优划分线分别将亮度不均匀的待处理灰度图像的中值滤波图像和中值均值滤波图像划分为两个部分，再对划分后的图像分别构建两个二维直方图，最后通过二维Otsu算法和两个二维直方图获取取待处理灰度图像的图像分割阈值。得到图像分割阈值对亮度不均匀图像的阈值分割效果更好，提高了二维Otsu图像分割法对亮度不均匀图像的分割效果，即本发明的二维Otsu阈值图像分割方法在处理包含椒盐噪声图像和亮度不均匀的图像时鲁棒性较强，图像处理效果好。
-
公开(公告)号：CN111179295A
公开(公告)日：2020-05-19
申请号：CN201911333718.1
申请日：2019-12-23
Applicant: 青海大学
Abstract: 本发明提供一种改进的二维Otsu阈值图像分割方法和系统，涉及图像处理技术领域。本发明通过最优划分线分别将亮度不均匀的待处理灰度图像的中值滤波图像和中值均值滤波图像划分为两个部分，再对划分后的图像分别构建两个二维直方图，最后通过二维Otsu算法和两个二维直方图获取取待处理灰度图像的图像分割阈值。得到图像分割阈值对亮度不均匀图像的阈值分割效果更好，提高了二维Otsu图像分割法对亮度不均匀图像的分割效果，即本发明的二维Otsu阈值图像分割方法在处理包含椒盐噪声图像和亮度不均匀的图像时鲁棒性较强，图像处理效果好。
-
公开(公告)号：CN116051482B
公开(公告)日：2024-04-09
申请号：CN202211702883.1
申请日：2022-12-29
Applicant: 青海大学
IPC: G06T7/00 , G06V10/764 , G06V10/774
Abstract: 本发明提供了一种基于多任务渐进学习的无参考图像质量评价方法，涉及图像处理技术领域。本发明通过预设的目标损失函数，调整质量等级分类模型和质量分数评价模型的模型参数，将训练完成的质量分数评价模型作为训练完成的无参考图像质量评价模型；基于训练图像在训练过程中的轮次，在训练过程中提升第一权重的数值和降低所述第二权重的数值。基于上述处理，使得该训练过程符合从易到难的学习规律，有效增强了质量分数评价模型的学习效果，进而提升了训练完成后的无参考图像质量评价模型的评价结果的准确性。
-
公开(公告)号：CN116051482A
公开(公告)日：2023-05-02
申请号：CN202211702883.1
申请日：2022-12-29
Applicant: 青海大学
IPC: G06T7/00 , G06V10/764 , G06V10/774
Abstract: 本发明提供了一种基于多任务渐进学习的无参考图像质量评价方法，涉及图像处理技术领域。本发明通过预设的目标损失函数，调整质量等级分类模型和质量分数评价模型的模型参数，将训练完成的质量分数评价模型作为训练完成的无参考图像质量评价模型；基于训练图像在训练过程中的轮次，在训练过程中提升第一权重的数值和降低所述第二权重的数值。基于上述处理，使得该训练过程符合从易到难的学习规律，有效增强了质量分数评价模型的学习效果，进而提升了训练完成后的无参考图像质量评价模型的评价结果的准确性。
-
-
-
Search Results
4
records
(took 0.01 seconds)
