CN108830909A - 提升周期纹理图像压缩比的图像预处理***和方法 - Google Patents

提升周期纹理图像压缩比的图像预处理***和方法 Download PDF

Info

Publication number
CN108830909A
CN108830909A CN201810509572.0A CN201810509572A CN108830909A CN 108830909 A CN108830909 A CN 108830909A CN 201810509572 A CN201810509572 A CN 201810509572A CN 108830909 A CN108830909 A CN 108830909A
Authority
CN
China
Prior art keywords
image
texture
module
compression
sampled images
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810509572.0A
Other languages
English (en)
Other versions
CN108830909B (zh
Inventor
梅林海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Jingce Electronic Group Co Ltd
Original Assignee
Wuhan Jingce Electronic Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan Jingce Electronic Group Co Ltd filed Critical Wuhan Jingce Electronic Group Co Ltd
Priority to CN201810509572.0A priority Critical patent/CN108830909B/zh
Publication of CN108830909A publication Critical patent/CN108830909A/zh
Application granted granted Critical
Publication of CN108830909B publication Critical patent/CN108830909B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30121—CRT, LCD or plasma display

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Compression Of Band Width Or Redundancy In Fax (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明所设计的提升周期纹理图像压缩比的图像预处理***，它的图像抽样模块将含有周期纹理的显示面板缺陷检测图像中每个纹理周期内具有相同相位的像素组成一幅抽样图像，并抽取所述显示面板缺陷检测图像中每个纹理周期内所有不同相位的像素对应的多幅抽样图像；网格排列模块将上述多幅抽样图像按照每幅抽样图像自身的相位位置进行网格排列，组成与上述显示面板缺陷检测图像同等分辨率的重构图像；图像压缩模块对重构图像进行有损压缩或无损压缩得到码流数据。本发明具有较高的图像压缩比，能方便纹理图像的存储和传输。

Description

提升周期纹理图像压缩比的图像预处理***和方法
技术领域
本发明涉及图像处理技术领域，具体地指一种提升周期纹理图像压缩比的图像预处理***和方法。
技术背景
液晶面板的TFT(Thin Film Transistor，薄膜晶体管)阵列进行自动光学检测过程中需要拍摄10～30张分辨率为6576*4384或10000*7096的无损数字图像，在上述光学检测过程一般采用面阵相机进行无损数字图像的拍摄，然后利用JPEG-LS(JointPhotographic Experts Group-lossless)无损压缩对拍摄的无损数字图像进行压缩后进行传输和存储，然而由于面阵相机的分辨率高于被检测的液晶面板，这就导致了面阵相机拍摄的图像含有强周期纹理，在图像的JPEG-LS无损压缩过程中，这些纹理会大大降低压缩比，从而增大存储容量和传输带宽的要求。
发明内容
本发明的目的就是要提供一种提升周期纹理图像压缩比的图像预处理***和方法，该***和方法具有较高的图像压缩比，能方便纹理图像的存储和传输。
为实现此目的，本发明所设计的一种提升周期纹理图像压缩比的图像预处理***，其特征在于：它包括图像抽样模块、网格排列模块、图像压缩模块，其中，所述图像抽样模块用于将含有周期纹理的显示面板缺陷检测图像中每个纹理周期内具有相同相位的像素组成一幅抽样图像，并抽取所述显示面板缺陷检测图像中每个纹理周期内所有不同相位的像素对应的多幅抽样图像；
所述网格排列模块用于将上述多幅抽样图像按照每幅抽样图像自身的相位位置进行网格排列，组成与上述显示面板缺陷检测图像同等分辨率的重构图像；
所述图像压缩模块用于对重构图像进行有损压缩或无损压缩得到码流数据。
一种上述图像预处理***对应的解压***，它包括数据采集模块、解压模块、分辨率计算模块、图像分块模块和图像还原模块；所述数据采集模块用于获取所述码流数据以及重构图像中的图像纹理参数和图像分辨率参数；
所述解压模块用于对码流数据进行与上述有损压缩或无损压缩对应的有损解压或无损解压得到预解压图像；
分辨率计算模块用于根据得到的重构图像中的纹理参数和图像分辨率参数利用参数初始化方法计算出各相位的抽样图像分辨率；
图像分块模块用于以各个相位的抽样图像分辨率为图像块的分辨率对预解压图像进行分块得到多幅抽样图像；
图像还原模块用于将多幅抽样图像的像素值，按照每幅抽样图像的相位在显示面板缺陷检测图像中周期纹理的相位顺序，依次排列得到最终的解压图像。
一种提升周期纹理图像压缩比的图像预处理方法，它包括如下步骤：
步骤1：图像抽样模块将含有周期纹理的显示面板缺陷检测图像中每个纹理周期内具有相同相位的像素组成一幅抽样图像，并抽取所述显示面板缺陷检测图像中每个纹理周期内所有不同相位的像素对应的多幅抽样图像；
步骤2：网格排列模块将上述多幅抽样图像按照每幅抽样图像自身的相位位置进行网格排列，组成与上述显示面板缺陷检测图像同等分辨率的重构图像；
步骤3：所述图像压缩模块对重构图像进行有损压缩或无损压缩得到码流数据。
一种上述图像预处理方法的解压方法，它包括如下步骤：
步骤01：数据采集模块获取所述码流数据以及重构图像中的图像纹理参数和图像分辨率参数；
步骤02：所述解压模块对码流数据进行与上述有损压缩或无损压缩对应的有损解压或无损解压得到预解压图像；
分辨率计算模块根据得到的重构图像中的纹理参数和图像分辨率参数利用参数初始化方法计算出各相位的抽样图像分辨率；
步骤03：图像分块模块以各个相位的抽样图像分辨率为图像块的分辨率对预解压图像进行分块得到多幅抽样图像；
步骤04：图像还原模块将多幅抽样图像的像素值，按照每幅抽样图像的相位在显示面板缺陷检测图像中周期纹理的相位顺序，依次排列得到最终的解压图像。
本发明设计的上述***和方法采用二维图像单应性坐标变换的方式，这种变换方式是可逆的，通过二维图像单应性坐标变换的方式进行纹理分解可以显著降低强周期纹理图像频谱中的高频响应，即，使图像变得平滑，从而更容易被压缩，这使得本发明可以在不修改压缩算法的情况下，提升周期纹理图像的压缩比，从而减少含有周期纹理的显示面板缺陷检测图像在存储和传输时占用的存储容量和传输带宽。
另外，本发明还设计了与图像预处理方法相对的解压***和解压方法，它采用二维图像单应性坐标逆变换将上述压缩后的文件进行准确的解压，得到准确的含有周期纹理的显示面板缺陷检测图像。
附图说明
图1为本发明的图像预处理***结构示意图；
图2为本发明的解压***结构示意图；
其中，1—图像抽样模块、2—网格排列模块、3—图像压缩模块、4—数据采集输出模块、5—数据采集模块、6—解压模块、7—分辨率计算模块、8—图像分块模块、9—图像还原模块。
具体实施方式
以下结合附图和具体实施例对本发明作进一步的详细说明：
本发明适用于对液晶面板TFT阵列进行自动光学检测过程拍摄的纹理周期图像进行压缩备份环节，本发明设计的提升周期纹理图像压缩比的图像预处理***，它包括图像抽样模块1、网格排列模块2、图像压缩模块3和数据采集输出模块4，其中，图像抽样模块1的数据输出端连接网格排列模块2的数据输入端，网格排列模块2的数据输出端连接图像压缩模块3的数据输入端，图像压缩模块3的数据输出端连接数据采集输出模块4的数据输入端，数据采集输出模块4的数据输出端用于连接存储器或数据传输网络；
所述图像抽样模块1用于将含有周期纹理的显示面板缺陷检测图像中每个纹理周期内具有相同相位的像素组成一幅抽样图像，并抽取所述显示面板缺陷检测图像中每个纹理周期内所有不同相位的像素对应的多幅抽样图像；
所述网格排列模块2用于将上述多幅抽样图像按照每幅抽样图像自身的相位位置进行网格排列，组成一幅与上述显示面板缺陷检测图像同等分辨率的重构图像；
所述图像压缩模块3用于对重构图像进行有损压缩或无损压缩得到码流数据。
所述数据采集输出模块4用于将所述码流数据以及重构图像中的图像纹理参数和图像分辨率参数进行采集输出。
上述显示面板缺陷检测图像中含有的周期纹理，其纹理的水平周期和垂直周期在3～20像素之间，并且纹理有较大的对比度，即最亮的像素值和最暗的像素值相差大于30。
上述技术方案中，有损压缩包括jpeg有损图像编码压缩和jpeg2000有损图像编码压缩。
上述技术方案中，所述无损压缩包括基于静态及动态霍夫曼编码算法的图像无损压缩、基于算术编码算法的图像无损压缩(JPEG-LS无损压缩)、基于LZW(串表压缩算法)编码及其改进算法的图像无损压缩、基于行程编码及改进自适应游程编码算法的图像无损压缩、基于费诺香农编码算法的图像无损压缩和jpeg2000无损图像编码压缩。
一种上述***对应的解压***，它包括数据采集模块5、解压模块6、分辨率计算模块7、图像分块模块8和图像还原模块9，数据采集模块5的数据输出端连接解压模块6的数据输入端，解压模块6的数据输出端连接分辨率计算模块7的数据输入端，分辨率计算模块7的数据输出端连接图像分块模块8的数据输入端，图像分块模块8的数据输出端连接图像还原模块9的数据输入端；
所述数据采集模块5用于获取所述码流数据以及重构图像中的图像纹理参数和图像分辨率参数；
所述解压模块6用于对码流数据进行与上述有损压缩或无损压缩对应的有损解压或无损解压得到预解压图像；
分辨率计算模块7用于根据得到的重构图像中的纹理参数和图像分辨率参数利用参数初始化方法计算出各相位的抽样图像分辨率；
图像分块模块8用于以各个相位的抽样图像分辨率为图像块的分辨率对预解压图像进行分块得到多幅抽样图像；
图像还原模块9用于将多幅抽样图像的像素值，按照每幅抽样图像的相位在显示面板缺陷检测图像中周期纹理的相位顺序，依次排列得到最终的解压图像。
上述技术方案中，所述有损解压包括jpeg有损图像编码解压和jpeg2000有损图像编码解压。
所述无损解压包括基于静态及动态霍夫曼编码算法的图像无损解压、基于算术编码算法的图像无损解压、基于LZW编码及其改进算法的图像无损解压、基于行程编码及改进自适应游程编码算法的图像无损解压、基于费诺香农编码算法的图像无损解压和jpeg2000无损图像编码解压。
一种提升周期纹理图像压缩比的图像预处理方法，其特征在于，它包括如下步骤：
步骤1：图像抽样模块1将含有周期纹理的显示面板缺陷检测图像中每个纹理周期内具有相同相位的像素组成一幅抽样图像，并抽取所述显示面板缺陷检测图像中每个纹理周期内所有不同相位的像素对应的多幅抽样图像；
步骤2：网格排列模块2将上述多幅抽样图像按照每幅抽样图像自身的相位位置进行网格排列，组成与上述显示面板缺陷检测图像同等分辨率的重构图像；
步骤3：所述图像压缩模块3对重构图像进行有损压缩或无损压缩得到码流数据。
数据采集输出模块4将所述码流数据以及重构图像中的图像纹理参数和图像分辨率参数进行采集输出。
上述技术方案的步骤1中，含有周期纹理的显示面板缺陷检测图像表示为I(x,y)其中，缺陷检测图像水平坐标x＝0,1,2,……，W-1；缺陷检测图像垂直坐标y＝0,1,2,……，H-1；W为图像的水平分辨率，H为图像的垂直分辨率；
显示面板缺陷检测图像中每个纹理周期内所有不同相位的像素对应的多幅抽样图像表示为Di，j(x1，y1)＝I(x1*N+i，y1*M+j)其中,抽样图像水平坐标x1＝0,1,2,……，A-1；抽样图像垂直坐标y1＝0,1,2,……，B-1，其中，N为纹理水平周期，M为纹理垂直周期，水平方向纹理个数A＝W/N，垂直方向纹理个数B＝H/M，水平相位i＝0,1,2,……,N-1；垂直相位j＝0,1,2,……,M-1；单位是像素；
步骤2中，重构图像F由上述矩阵Di，j构成
一种上述方法的解压方法，它包括如下步骤：
步骤01：数据采集模块5获取所述码流数据以及重构图像中的图像纹理参数和图像分辨率参数；
步骤02：所述解压模块6对码流数据进行与上述有损压缩或无损压缩对应的有损解压或无损解压得到预解压图像；
分辨率计算模块7根据得到的重构图像中的纹理参数和图像分辨率参数利用参数初始化方法计算出各相位的抽样图像分辨率(设水平分辨率为W,垂直分辨率为H，纹理水平周期为N，垂直周期为M，那么水平方向纹理个数A＝W/N,垂直方向纹理个数B＝H/M，上述纹理周期个数等价于各相位的抽样图像分辨率)；
步骤03：图像分块模块8以各个相位的抽样图像分辨率为图像块的分辨率对预解压图像进行分块得到多幅抽样图像；
步骤04：图像还原模块9将多幅抽样图像的像素值，按照每幅抽样图像的相位在显示面板缺陷检测图像中周期纹理的相位顺序，依次排列得到最终的解压图像。
上述步骤02中，预解压图像I1(x2，y2)其中,预解压图像水平坐标x2＝0,1,2,……，W1-1；预解压图像垂直坐标y2＝0,1,2,……，H1-1，W1为预解压图像水平分辨率,H1为预解压图像垂直分辨率；
多幅抽样图像Ei，j(x3，y3)＝I1(i1*A1+x3，j1*B1+y3),其中,抽样图像水平坐标x3＝0,1,2,……，A1-1；抽样图像垂直坐标y3＝0,1,2,……，B1-1；抽样图像水平相位i1＝0,1,2,……,N1-1；抽样图像垂直相位j1＝0,1,2,……,M1-1；幅抽样图像水平方向纹理个数A1＝W1/N1,幅抽样图像幅抽样图像垂直方向纹理个数B1＝H1/M1。
解压图像F1由多幅抽样图像Ei，j(x3，y3)按照其相位进行交替排列得到：
本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (10)

1.一种提升周期纹理图像压缩比的图像预处理***，其特征在于：它包括图像抽样模块(1)、网格排列模块(2)、图像压缩模块(3)，其中，所述图像抽样模块(1)用于将含有周期纹理的显示面板缺陷检测图像中每个纹理周期内具有相同相位的像素组成一幅抽样图像，并抽取所述显示面板缺陷检测图像中每个纹理周期内所有不同相位的像素对应的多幅抽样图像；
所述网格排列模块(2)用于将上述多幅抽样图像按照每幅抽样图像自身的相位位置进行网格排列，组成与上述显示面板缺陷检测图像同等分辨率的重构图像；
所述图像压缩模块(3)用于对重构图像进行有损压缩或无损压缩得到码流数据。
2.根据权利要求1所述的提升周期纹理图像压缩比的图像预处理***，其特征在于：它还包括数据采集输出模块(4)，所述数据采集输出模块(4)用于将所述码流数据以及重构图像中的图像纹理参数和图像分辨率参数进行采集输出。
3.根据权利要求1所述的提升周期纹理图像压缩比的图像预处理***，其特征在于：所述有损压缩包括jpeg有损图像编码压缩和jpeg2000有损图像编码压缩。
4.根据权利要求1所述的提升周期纹理图像压缩比的图像预处理***，其特征在于：所述无损压缩包括基于静态及动态霍夫曼编码算法的图像无损压缩、基于算术编码算法的图像无损压缩、基于LZW编码及其改进算法的图像无损压缩、基于行程编码及改进自适应游程编码算法的图像无损压缩、基于费诺香农编码算法的图像无损压缩和jpeg2000无损图像编码压缩。
5.一种权利要求2所述***对应的解压***，其特征在于，它包括数据采集模块(5)、解压模块(6)、分辨率计算模块(7)、图像分块模块(8)和图像还原模块(9)；所述数据采集模块(5)用于获取所述码流数据以及重构图像中的图像纹理参数和图像分辨率参数；
所述解压模块(6)用于对码流数据进行与上述有损压缩或无损压缩对应的有损解压或无损解压得到预解压图像；
分辨率计算模块(7)用于根据得到的重构图像中的纹理参数和图像分辨率参数利用参数初始化方法计算出各相位的抽样图像分辨率；
图像分块模块(8)用于以各个相位的抽样图像分辨率为图像块的分辨率对预解压图像进行分块得到多幅抽样图像；
图像还原模块(9)用于将多幅抽样图像的像素值，按照每幅抽样图像的相位在显示面板缺陷检测图像中周期纹理的相位顺序，依次排列得到最终的解压图像。
6.根据权利要求5所述的解压***，其特征在于：所述有损解压包括jpeg有损图像编码解压和jpeg2000有损图像编码解压。
7.根据权利要求5所述的解压***，其特征在于：所述无损解压包括基于静态及动态霍夫曼编码算法的图像无损解压、基于算术编码算法的图像无损解压、基于LZW编码及其改进算法的图像无损解压、基于行程编码及改进自适应游程编码算法的图像无损解压、基于费诺香农编码算法的图像无损解压和jpeg2000无损图像编码解压。
8.一种提升周期纹理图像压缩比的图像预处理方法，其特征在于，它包括如下步骤：
步骤1：图像抽样模块(1)将含有周期纹理的显示面板缺陷检测图像中每个纹理周期内具有相同相位的像素组成一幅抽样图像，并抽取所述显示面板缺陷检测图像中每个纹理周期内所有不同相位的像素对应的多幅抽样图像；
步骤2：网格排列模块(2)将上述多幅抽样图像按照每幅抽样图像自身的相位位置进行网格排列，组成与上述显示面板缺陷检测图像同等分辨率的重构图像；
步骤3：所述图像压缩模块(3)对重构图像进行有损压缩或无损压缩得到码流数据。
9.根据权利要求8所述的图像预处理方法，其特征在于；它还包括步骤4：数据采集输出模块(4)将所述码流数据以及重构图像中的图像纹理参数和图像分辨率参数进行采集输出。
10.一种权利要求8所述方法的解压方法，其特征在于，它包括如下步骤：
步骤01：数据采集模块(5)获取所述码流数据以及重构图像中的图像纹理参数和图像分辨率参数；
步骤02：所述解压模块(6)对码流数据进行与上述有损压缩或无损压缩对应的有损解压或无损解压得到预解压图像；
分辨率计算模块(7)根据得到的重构图像中的纹理参数和图像分辨率参数利用参数初始化方法计算出各相位的抽样图像分辨率；
步骤03：图像分块模块(8)以各个相位的抽样图像分辨率为图像块的分辨率对预解压图像进行分块得到多幅抽样图像；
步骤04：图像还原模块(9)将多幅抽样图像的像素值，按照每幅抽样图像的相位在显示面板缺陷检测图像中周期纹理的相位顺序，依次排列得到最终的解压图像。
CN201810509572.0A 2018-05-24 2018-05-24 提升周期纹理图像压缩比的图像预处理***和方法 Active CN108830909B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810509572.0A CN108830909B (zh) 2018-05-24 2018-05-24 提升周期纹理图像压缩比的图像预处理***和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810509572.0A CN108830909B (zh) 2018-05-24 2018-05-24 提升周期纹理图像压缩比的图像预处理***和方法

Publications (2)

Publication Number Publication Date
CN108830909A true CN108830909A (zh) 2018-11-16
CN108830909B CN108830909B (zh) 2022-08-19

Family

ID=64145332

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810509572.0A Active CN108830909B (zh) 2018-05-24 2018-05-24 提升周期纹理图像压缩比的图像预处理***和方法

Country Status (1)

Country Link
CN (1) CN108830909B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111325707A (zh) * 2018-12-13 2020-06-23 深圳中科飞测科技有限公司 一种图像处理方法和***、检测方法和***
CN115633157A (zh) * 2022-12-23 2023-01-20 合肥惠强新能源材料科技有限公司 用于锂电池隔膜加工的远程监测方法及***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1592363A (zh) * 2003-08-06 2005-03-09 索尼株式会社 图像处理设备、图像处理***、成像设备和图像处理方法
CN101447084A (zh) * 2008-12-19 2009-06-03 北京师范大学 一种基于Quardtree的三维模型纹理压缩编/解码方法
WO2012101582A1 (en) * 2011-01-24 2012-08-02 Invision Biometrics Ltd. Method and system for acquisition, representation, compression, and transmission of three-dimensional data
CN104063873A (zh) * 2014-07-08 2014-09-24 华东交通大学 一种基于压缩感知的轴套类零件表面缺陷在线检测方法
CN104869425A (zh) * 2015-05-13 2015-08-26 信阳师范学院 一种基于纹理图像相似性的压缩和解压缩方法
CN107515227A (zh) * 2017-07-27 2017-12-26 武汉精测电子技术股份有限公司 基于缺陷无损的图像压缩方法及显示面板缺陷检测***
CN107993204A (zh) * 2017-11-28 2018-05-04 重庆大学 一种基于图像块增强稀疏表示的mri图像重构方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1592363A (zh) * 2003-08-06 2005-03-09 索尼株式会社 图像处理设备、图像处理***、成像设备和图像处理方法
CN101447084A (zh) * 2008-12-19 2009-06-03 北京师范大学 一种基于Quardtree的三维模型纹理压缩编/解码方法
WO2012101582A1 (en) * 2011-01-24 2012-08-02 Invision Biometrics Ltd. Method and system for acquisition, representation, compression, and transmission of three-dimensional data
CN104063873A (zh) * 2014-07-08 2014-09-24 华东交通大学 一种基于压缩感知的轴套类零件表面缺陷在线检测方法
CN104869425A (zh) * 2015-05-13 2015-08-26 信阳师范学院 一种基于纹理图像相似性的压缩和解压缩方法
CN107515227A (zh) * 2017-07-27 2017-12-26 武汉精测电子技术股份有限公司 基于缺陷无损的图像压缩方法及显示面板缺陷检测***
CN107993204A (zh) * 2017-11-28 2018-05-04 重庆大学 一种基于图像块增强稀疏表示的mri图像重构方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周佳男: ""基于相位场模型的纹理图像分割方法研究"", 《中国优秀硕士学位论文集 信息科技辑》 *
朴燕等: ""利用匹配区域的纹理特征改善重构三维图像的视觉质量"", 《光学学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111325707A (zh) * 2018-12-13 2020-06-23 深圳中科飞测科技有限公司 一种图像处理方法和***、检测方法和***
CN115633157A (zh) * 2022-12-23 2023-01-20 合肥惠强新能源材料科技有限公司 用于锂电池隔膜加工的远程监测方法及***

Also Published As

Publication number Publication date
CN108830909B (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
CN110348487B (zh) 一种基于深度学习的高光谱图像压缩方法及装置
US20170195692A1 (en) Video data encoding and decoding methods and apparatuses
Wiseman The still image lossy compression standard-JPEG
CN109889846B (zh) 一种Demura表数据的压缩与解压方法、装置及编解码***
US10440360B2 (en) Video processing system
US9398273B2 (en) Imaging system, imaging apparatus, and imaging method
CN101494788B (zh) 视频图像的压缩/解压缩方法与装置
Zhao et al. Image compressive-sensing recovery using structured laplacian sparsity in DCT domain and multi-hypothesis prediction
CN108830909A (zh) 提升周期纹理图像压缩比的图像预处理***和方法
CN110047038B (zh) 一种基于层级递进网络的单图像超分辨重建方法
Bacchus et al. Quasi lossless satellite image compression
CN104683818A (zh) 基于双正交不变集多小波的图像压缩方法
Turcza Entropy encoder for low-power low-resources high-quality CFA image compression
Lukin et al. Automatic lossy compression of noisy images by spiht or jpeg2000 in optimal operation point neighborhood
Takeyama et al. Joint mixed-noise removal and compressed sensing reconstruction of hyperspectral images via convex optimization
CN101720043B (zh) 基于多模式预测的成像光谱图像压缩方法
CN102982563A (zh) 一种基于光学轮廓波变换的图像压缩方法
US9819969B2 (en) Generalization of methods and systems for image compression while encoding at least one extra bit
Yan et al. Compressive sampling for array cameras
US11259051B2 (en) Pyramid algorithm for video compression and video analysis
CN111107360B (zh) 一种光谱-空间维联合的高光谱图像无损压缩方法及***
Li et al. Non-blind post-processing algorithm for remote sensing image compression
Liu et al. Lossless compression of full-surface solar magnetic field image based on huffman coding
Sendamarai et al. FPGA implementation of combined compression & denoising scheme for remote sensing images
CN106296754B (zh) 显示数据压缩方法及显示数据处理***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant