CN109829899A - 一种针对钢卷端面缺陷检测的背景抑制算法 - Google Patents
一种针对钢卷端面缺陷检测的背景抑制算法 Download PDFInfo
- Publication number
- CN109829899A CN109829899A CN201910049889.5A CN201910049889A CN109829899A CN 109829899 A CN109829899 A CN 109829899A CN 201910049889 A CN201910049889 A CN 201910049889A CN 109829899 A CN109829899 A CN 109829899A
- Authority
- CN
- China
- Prior art keywords
- dimensional array
- spectrogram
- pixel
- coil end
- steel coil
- 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
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明提出了一种针对钢卷端面缺陷检测的背景抑制算法，包括以下步骤：输入一张钢卷端面的局部灰度图，对局部灰度图二维数组f(x,y)进行二维离散时频变换；将频谱图二维数组F(u,v)等分为四个象限，将频谱图二维数组F(u,v)矩阵的对角象限平移交换位置得到平移频谱图F_shift(u,v)，将平移频谱图转换为振幅频谱图，将振幅频谱图二维数组M(u,v)拆分为低频分量频谱图二维数组M_low(u,v)和其余分量频谱图二维数组M_else(u,v)；将平移频谱图二维数组F_shift(u,v)中对应背景频谱方向的像素点置为零，从而得到新频谱图二维数组F_fil(u,v)；将新频谱图二维数组F_fil(u,v)进行二维离散时频反变换，得到背景抑制后的局部灰度图f’(x,y)。本发明能够对钢卷端面进行背景抑制，相较于现有滤波算法，其效果有了极大提升。
Description
技术领域
本发明涉及机器视觉技术领域，特别涉及一种针对钢卷端面缺陷检测的背景抑制算法。
背景技术
在机器视觉领域，目前已经有很多缺陷检测的应用，但大多数缺陷检测应用的背景都较为简单、纹理较少且变化不大，背景造成的干扰相对较小。而对于背景复杂的应用场景，则需要先进行背景抑制，后续才能得到较好效果。
目前已有的背景抑制算法都是针对特定场景的。其中一个方向是针对红外图像的背景抑制，但其无法处理可见光图片。第二个方向是针对固定背景中的移动目标，可以采用帧间差分法等对背景进行滤除，然而此种方法显然不适用于缺陷检测。第三个方向就是采用带通滤波的方式，过滤特定频段的背景。然而，对于复杂多变的可见光图像背景，目前尚未有通用的解决方案。
发明内容
本发明的目的旨在至少解决所述技术缺陷之一。
为此，本发明的目的在于提出一种针对钢卷端面缺陷检测的背景抑制算法，实现了抑制背景同时凸显缺陷部位的目的。
为了实现上述目的，本发明提供一种针对钢卷端面缺陷检测的背景抑制算法，包括以下步骤:
步骤S1，输入一张钢卷端面的局部灰度图，用局部灰度图二维数组f(x,y)表示，局部灰度图二维数组f(x,y)为M行N列；对局部灰度图二维数组f(x,y)进行二维离散时频变换，得到对应的频谱图，用频谱图二维数组F(u,v)表示；
步骤S2，将频谱图二维数组F(u,v)等分为四个象限，其中，频谱图二维数组F(u,v)矩阵的四个角位置及其附近的元素代表频域原点以及低频分量；
步骤S3，将频谱图二维数组F(u,v)矩阵的对角象限平移交换位置，得到平移频谱图二维数组F_shift(u,v)矩阵；以使得频域原点移至平移频谱图二维数组F_shift(u,v)矩阵的中央处，平移频谱图二维数组F_shift(u,v)矩阵的中央处的中央点为(M/2,N/2)；
步骤S4，将平移频谱图转换为振幅频谱图，即对平移频谱图二维数组F_shift(u,v)中的每个元素取绝对值，得到振幅频谱图二维数组M(u,v)；
步骤S5，将振幅频谱图二维数组M(u,v)拆分为低频分量频谱图二维数组M_low(u,v)和其余分量频谱图二维数组M_else(u,v)；
步骤S6，计算其余分量频谱图二维数组M_else(u,v)的像素均值mean和方差var；
步骤S7，计算过中央点(M/2,N/2)且斜率为k的直线l；
步骤S8，遍历其余分量频谱图二维数组M_else(u,v)中像素点(u0,v0)，并计算像素点(u0,v0)到直线l的距离d，如果距离d小于阈值th，且M_else(u0,v0)>mean+n*var，其中，n为波动系数，则将该像素点(u0,v0)判断为背景频谱，并将该像素点(u0,v0)在平移频谱图二维数组F_shift(u,v)上的对应像素点F_shift(u0,v0)置为零，从而得到新频谱图二维数组F_fil(u,v)；
步骤S9，将新频谱图二维数组F_fil(u,v)进行二维离散时频反变换，得到背景抑制后局部灰度图f’(x,y)。
优选的是，在步骤S1中，二维离散时频变换计算公式如下：
其中，u＝0,1,2,…M-1；v＝0,1,2,…N-1；
x表示局部灰度图中像素点的横坐标，y表示局部灰度图中像素点的纵坐标，u表示频谱图中像素点的横坐标，v表示频谱图中像素点的纵坐标。
在上述任一方案中优选的是，步骤S2中，频域原点在物理意义上表示直流分量和低频分量。
在上述任一方案中优选的是，在步骤S7中，直线l的数学表达式为：v＝k*u+(N-k*M)/2。
在上述任一方案中优选的是，在步骤S7中，当斜率k在取不同值时，像素均值pix_m(k)＝∑M(u,v)，(u,v)∈直线l。
在上述任一方案中优选的是，在步骤S7中，设角度θ∈(-90°，90°),k为角度θ的斜率，即k＝arctan(θ*π/180°)；角度θ遍历(-90°，90°)时，分别求出pix_m(k)的值；同时求出角度θ＝90°时，直线l上u＝M/2上所有像素的均值pix_m(∞)；遍历所有pix_m(k)，当pix_m(k)取得最大值时，斜率k指代的方向为原图中钢卷端面的径向。
在上述任一方案中优选的是，在步骤S9中，二维离散时频反变换的计算公式为：
x＝0,1,2,…M-1；y＝0,1,2,…N-1。
本发明的针对钢卷端面缺陷检测的背景抑制算法，解决了在对钢卷端面进行背景抑制时，由于背景和目标频谱分布多变造成难以确定滤波频段的情况，相较于现有滤波算法，其效果有了极大提升。此外，通过本发明的针对钢卷端面缺陷检测的背景抑制算法处理之后，原始图像中钢卷端面的背景纹理(即层层叠叠规律出现的钢卷纹理)得到了有效抑制；与背景纹理方向不同、周期不同的缺陷部位却并没有受到明显削弱；从而实现了抑制背景同时凸显缺陷部位的目的。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明的总体流程图；
图2为本发明的对角象限平移交换示意图；
图3为本发明的对角象限平移交换举例示意图；
图4为本发明的振幅频谱图二维数组M(u,v)拆分举例示意图；
图5为本发明的当径向斜率k＝1，阈值th＝1时的新频谱图二维数组F_fil(u,v)示意图；
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
本发明提供一种针对钢卷端面缺陷检测的背景抑制算法，如图1-5所示，包括以下步骤:
步骤S1，输入一张钢卷端面的局部灰度图，用局部灰度图二维数组f(x,y)表示，局部灰度图二维数组f(x,y)为M行N列；对局部灰度图二维数组f(x,y)进行二维离散时频变换，得到对应的频谱图，用频谱图二维数组F(u,v)表示；
二维离散时频变换计算公式如下：
其中，u＝0,1,2,…M-1；v＝0,1,2,…N-1；
x表示局部灰度图中像素点的横坐标，y表示局部灰度图中像素点的纵坐标，u表示频谱图中像素点的横坐标，v表示频谱图中像素点的纵坐标。
步骤S2，将频谱图二维数组F(u,v)等分为四个象限，其中，频谱图二维数组F(u,v)矩阵的四个角位置及其附近的元素代表频域原点以及低频分量；频域原点在物理意义上表示直流分量。如图2所示，P1表示直流分量，P2表示低频分量，P3表示高频分量。
步骤S3，将频谱图二维数组F(u,v)矩阵的对角象限平移交换位置，得到平移频谱图二维数组F_shift(u,v)矩阵，如图2-3所示；以使得频域原点移至平移频谱图二维数组F_shift(u,v)矩阵的中央处，平移频谱图二维数组F_shift(u,v)矩阵的中央处的中央点为(M/2,N/2)；
为了更好的说明步骤S3，在图3中进行举例说明，图3中选取了一组频谱图二维数组，进行了对角象限平移交换，得到平移频谱图二维数组；其中，图3中的01、08、57、64及其相邻位置为频域原点以及低频分量。需要说明的是，图3中选取的数据只是为了更好的解释说明本步骤。
步骤S4，将平移频谱图转换为振幅频谱图，即对平移频谱图二维数组F_shift(u,v)中的每个元素取绝对值，得到振幅频谱图二维数组M(u,v)，如图3所示；
步骤S5，将振幅频谱图二维数组M(u,v)拆分为低频分量频谱图二维数组M_low(u,v)和其余分量频谱图二维数组M_else(u,v)，如图4所示；
在于因为大部分图片的极低频分量频谱数值往往远大于其他分量，如果放在一起求统计，会影响素均值mean和方差var的分布，因此，本发明将低频分量从振幅频谱图二维数组M(u,v)单独拆分出来。
步骤S6，计算其余分量频谱图二维数组M_else(u,v)的像素均值mean和方差var；
步骤S7，计算过中央点(M/2,N/2)且斜率为k的直线l；
其中，直线l的数学表达式为：v＝k*u+(N-k*M)/2。
当斜率k在取不同值时，计算直线l在其余分量频谱图二维数组M_else(u,v)的中经过的像素均值pix_m(k)；
当斜率k在取不同值时，像素均值pix_m(k)＝∑M_else(u,v)，(u,v)∈直线l。
当像素均值pix_m(k)取最大值时，斜率k的方向即为原图中钢卷端面的径向。
具体步骤为：设角度θ∈(-90°，90°),k为角度θ的斜率，即k＝arctan(θ*π/180°)；角度θ遍历(-90°，90°)时，分别求出pix_m(k)的值；同时求出角度θ＝90°时，直线l上u＝M/2上所有像素的均值pix_m(∞)；遍历所有pix_m(k)，当pix_m(k)取得最大值时，斜率k指代的方向为原图中钢卷端面的径向。
步骤S8，遍历其余分量频谱图二维数组M_else(u,v)中像素点(u0,v0)，计算像素点(u0,v0)到直线l的距离d，距离
如果距离d小于阈值th，且M_else(u,v)>mean+n*var，其中，n为波动系数，则将该像素点(u0,v0)判断为背景频谱，并将该像素点(u0,v0)对应的平移频谱图二维数组F_shift(u,v)上的对应像素点F_shift(u0,v0)置为零，从而得到新频谱图二维数组F_fil(u,v)；从而达到抑制背景的目的。
本发明的另一个实施例中，波动系数n选取2。
步骤S9，将新频谱图二维数组F_fil(u,v)进行二维离散时频反变换，得到背景抑制后局部灰度图f’(x,y)。
二维离散时频反变换的计算公式为：
x＝0,1,2,…M-1；y＝0,1,2,…N-1。
本发明的针对钢卷端面缺陷检测的背景抑制算法，解决了在对钢卷端面进行背景抑制时，由于背景和目标频谱分布多变造成难以确定滤波频段的情况，相较于现有滤波算法，其效果有了极大提升。此外，通过本发明的针对钢卷端面缺陷检测的背景抑制算法处理之后，原始图像中钢卷端面的背景纹理(即层层叠叠规律出现的钢卷纹理)得到了有效抑制；与背景纹理方向不同、周期不同的缺陷部位却并没有受到明显削弱；从而实现了抑制背景同时凸显缺陷部位的目的。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。
Claims (7)
1.一种针对钢卷端面缺陷检测的背景抑制算法，其特征在于，包括以下步骤:
步骤S1，输入一张钢卷端面的局部灰度图，用局部灰度图二维数组f(x,y)表示，局部灰度图二维数组f(x,y)为M行N列；对局部灰度图二维数组f(x,y)进行二维离散时频变换，得到对应的频谱图，用频谱图二维数组F(u,v)表示；
步骤S2，将频谱图二维数组F(u,v)等分为四个象限，其中，频谱图二维数组F(u,v)矩阵的四个角位置及其附近的元素代表频域原点以及低频分量；
步骤S3，将频谱图二维数组F(u,v)矩阵的对角象限平移交换位置，得到平移频谱图二维数组F_shift(u,v)矩阵；以使得频域原点移至平移频谱图二维数组F_shift(u,v)矩阵的中央处，平移频谱图二维数组F_shift(u,v)矩阵的中央处的中央点为(M/2,N/2)；
步骤S4，将平移频谱图转换为振幅频谱图，即对平移频谱图二维数组F_shift(u,v)中的每个元素取绝对值，得到振幅频谱图二维数组M(u,v)；
步骤S5，将振幅频谱图二维数组M(u,v)拆分为低频分量频谱图二维数组M_low(u,v)和其余分量频谱图二维数组M_else(u,v)；
步骤S6，计算其余分量频谱图二维数组M_else(u,v)的像素均值mean和方差var；
步骤S7，计算过中央点(M/2,N/2)且斜率为k的直线l；
步骤S8，遍历其余分量频谱图二维数组M_else(u,v)中像素点(u0,v0)，并计算像素点(u0,v0)到直线l的距离d，如果距离d小于阈值th，且M_else(u0,v0)>mean+n*var，其中，n为波动系数，则将该像素点(u0,v0)判断为背景频谱，并将该像素点(u0,v0)在平移频谱图二维数组F_shift(u,v)上的对应像素点F_shift(u0,v0)置为零，从而得到新频谱图二维数组F_fil(u,v)；
步骤S9，将新频谱图二维数组F_fil(u,v)进行二维离散时频反变换，得到背景抑制后局部灰度图f’(x,y)。
2.如权利要求1所述的针对钢卷端面缺陷检测的背景抑制算法，其特征在于，在步骤S1中，二维离散时频变换计算公式如下：
其中，u＝0,1,2,…M-1；v＝0,1,2,…N-1；
x表示局部灰度图中像素点的横坐标，y表示局部灰度图中像素点的纵坐标，u表示频谱图中像素点的横坐标，v表示频谱图中像素点的纵坐标。
3.如权利要求1所述的针对钢卷端面缺陷检测的背景抑制算法，其特征在于，步骤S2中，频域原点在物理意义上表示直流分量和低频分量。
4.如权利要求1所述的针对钢卷端面缺陷检测的背景抑制算法，其特征在于，在步骤S7中，直线l的数学表达式为：v＝k*u+(N-k*M)/2。
5.如权利要求1所述的针对钢卷端面缺陷检测的背景抑制算法，其特征在于，在步骤S7中，当斜率k在取不同值时，像素均值pix_m(k)＝∑M(u,v)，(u,v)∈直线l。
6.如权利要求1所述的针对钢卷端面缺陷检测的背景抑制算法，其特征在于，在步骤S7中，设角度θ∈(-90°，90°),k为角度θ的斜率，即k＝arctan(θ*π/180°)；角度θ遍历(-90°，90°)时，分别求出pix_m(k)的值；同时求出角度θ＝90°时，直线l上u＝M/2上所有像素的均值pix_m(∞)；遍历所有pix_m(k)，当pix_m(k)取得最大值时，斜率k指代的方向为原图中钢卷端面的径向。
7.如权利要求1所述的针对钢卷端面缺陷检测的背景抑制算法，其特征在于，在步骤S9中，二维离散时频反变换的计算公式为：
x＝0,1,2,…M-1；y＝0,1,2,…N-1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910049889.5A CN109829899B (zh) | 2019-01-18 | 2019-01-18 | 一种针对钢卷端面缺陷检测的背景抑制算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910049889.5A CN109829899B (zh) | 2019-01-18 | 2019-01-18 | 一种针对钢卷端面缺陷检测的背景抑制算法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109829899A true CN109829899A (zh) | 2019-05-31 |
| CN109829899B CN109829899B (zh) | 2020-08-07 |
Family
ID=66860411
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910049889.5A Active CN109829899B (zh) | 2019-01-18 | 2019-01-18 | 一种针对钢卷端面缺陷检测的背景抑制算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109829899B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110349142A (zh) * | 2019-07-05 | 2019-10-18 | 创新奇智(青岛)科技有限公司 | 钢卷端面的缺陷样本生成方法、模型训练方法、***及电子设备 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101091209A (zh) * | 2005-09-02 | 2007-12-19 | 日本电气株式会社 | 抑制噪声的方法、装置和计算机程序 |
| CN101482617A (zh) * | 2009-01-16 | 2009-07-15 | 西安电子科技大学 | 基于非下采样轮廓波的合成孔径雷达图像去噪方法 |
| CN101540040A (zh) * | 2008-03-21 | 2009-09-23 | 深圳迈瑞生物医疗电子股份有限公司 | 自动检测限束器边界的方法与装置 |
| CN102201118A (zh) * | 2010-12-30 | 2011-09-28 | 天津大学 | 应用于轮胎x光图像胎冠部位带束层边界定位方法 |
| CN102589461A (zh) * | 2012-01-17 | 2012-07-18 | 华中科技大学 | 一种基于图像的积雪深度测量方法 |
| CN103489175A (zh) * | 2012-06-13 | 2014-01-01 | 株式会社理光 | 路面检测方法和装置 |
| JP2014025837A (ja) * | 2012-07-27 | 2014-02-06 | Jfe Steel Corp | 鋼板の加工状態評価方法および鋼板の加工状態評価装置 |
| CN103679643A (zh) * | 2013-06-03 | 2014-03-26 | 哈尔滨工程大学 | 一种多条纹噪声定位滤除方法 |
| CN103729830A (zh) * | 2013-12-31 | 2014-04-16 | 北京交通大学 | 一种机场跑道雷达图像背景抑制算法 |
| CN104239886A (zh) * | 2014-09-30 | 2014-12-24 | 浙江理工大学 | 基于图像分析的草坪与背景分界线的提取方法 |
| CN104732531A (zh) * | 2015-03-11 | 2015-06-24 | 中国空间技术研究院 | 一种高分辨率遥感图像信噪比曲线自适应获取方法 |
| CN104808248A (zh) * | 2015-04-22 | 2015-07-29 | 长江大学 | 基于电成像测井全井眼图像的地层产状检测方法 |
| CN107194919A (zh) * | 2017-05-18 | 2017-09-22 | 南京大学 | 基于规律纹理背景重建的手机屏幕缺陷检测方法 |
| CN108269274A (zh) * | 2016-12-31 | 2018-07-10 | 南京理工大学 | 基于傅里叶变换和Hough变换的图像配准方法 |
| CN108318491A (zh) * | 2017-12-04 | 2018-07-24 | 华南理工大学 | 一种基于频谱曲率分析的织物缺陷检测方法 |
-
2019
- 2019-01-18 CN CN201910049889.5A patent/CN109829899B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101091209A (zh) * | 2005-09-02 | 2007-12-19 | 日本电气株式会社 | 抑制噪声的方法、装置和计算机程序 |
| CN101540040A (zh) * | 2008-03-21 | 2009-09-23 | 深圳迈瑞生物医疗电子股份有限公司 | 自动检测限束器边界的方法与装置 |
| CN101482617A (zh) * | 2009-01-16 | 2009-07-15 | 西安电子科技大学 | 基于非下采样轮廓波的合成孔径雷达图像去噪方法 |
| CN102201118A (zh) * | 2010-12-30 | 2011-09-28 | 天津大学 | 应用于轮胎x光图像胎冠部位带束层边界定位方法 |
| CN102589461A (zh) * | 2012-01-17 | 2012-07-18 | 华中科技大学 | 一种基于图像的积雪深度测量方法 |
| CN103489175A (zh) * | 2012-06-13 | 2014-01-01 | 株式会社理光 | 路面检测方法和装置 |
| JP2014025837A (ja) * | 2012-07-27 | 2014-02-06 | Jfe Steel Corp | 鋼板の加工状態評価方法および鋼板の加工状態評価装置 |
| CN103679643A (zh) * | 2013-06-03 | 2014-03-26 | 哈尔滨工程大学 | 一种多条纹噪声定位滤除方法 |
| CN103729830A (zh) * | 2013-12-31 | 2014-04-16 | 北京交通大学 | 一种机场跑道雷达图像背景抑制算法 |
| CN104239886A (zh) * | 2014-09-30 | 2014-12-24 | 浙江理工大学 | 基于图像分析的草坪与背景分界线的提取方法 |
| CN104732531A (zh) * | 2015-03-11 | 2015-06-24 | 中国空间技术研究院 | 一种高分辨率遥感图像信噪比曲线自适应获取方法 |
| CN104808248A (zh) * | 2015-04-22 | 2015-07-29 | 长江大学 | 基于电成像测井全井眼图像的地层产状检测方法 |
| CN108269274A (zh) * | 2016-12-31 | 2018-07-10 | 南京理工大学 | 基于傅里叶变换和Hough变换的图像配准方法 |
| CN107194919A (zh) * | 2017-05-18 | 2017-09-22 | 南京大学 | 基于规律纹理背景重建的手机屏幕缺陷检测方法 |
| CN108318491A (zh) * | 2017-12-04 | 2018-07-24 | 华南理工大学 | 一种基于频谱曲率分析的织物缺陷检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 王超燕等: ""一种基于傅里叶变换和图像二值化阈值遍历的干涉条纹角度计算方法"", 《天文研究与技术》 * |
| 颜兵等: ""基于均值滤波和小波变换的图像去噪技术研究"", 《计算机技术与发展》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110349142A (zh) * | 2019-07-05 | 2019-10-18 | 创新奇智(青岛)科技有限公司 | 钢卷端面的缺陷样本生成方法、模型训练方法、***及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109829899B (zh) | 2020-08-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shi et al. | Normalised gamma transformation‐based contrast‐limited adaptive histogram equalisation with colour correction for sand–dust image enhancement | |
| CN108399612B (zh) | 基于双边滤波金字塔的三光图像智能融合方法 | |
| CN109377450B (zh) | 一种边缘保护的去噪方法 | |
| JP4375464B2 (ja) | ノイズ低減装置 | |
| CN110648349A (zh) | 基于背景减除和连通区域算法的焊缝缺陷分割方法 | |
| EP2466901B1 (en) | Depth data upsampling | |
| CN112200019B (zh) | 一种快速建筑夜景照明灯光故障检测方法 | |
| CN106169173B (zh) | 一种图像插值方法 | |
| KR101660447B1 (ko) | 베이어 패턴 컬러 필터 어레이 디모자이킹을 위한 다 방향 가중 보간 방법 | |
| CN110599509B (zh) | 一种基于八方向分数阶微分算子的边缘检测方法 | |
| CN102236887A (zh) | 基于旋转差分和加权总变分的运动模糊图像复原方法 | |
| CN115294149A (zh) | 一种天文图像背景提取方法及*** | |
| CN109829899A (zh) | 一种针对钢卷端面缺陷检测的背景抑制算法 | |
| CN106296591B (zh) | 基于马氏距离的非局部均匀数字图像去噪方法 | |
| CN102509265B (zh) | 基于灰度值差和局部能量的数字图像去噪方法 | |
| CN109827504B (zh) | 一种基于机器视觉的钢卷端面局部径向检测方法 | |
| CN110310223B (zh) | 一种紫外光与可见光图像的融合方法 | |
| CN115393406B (zh) | 一种基于孪生卷积网络的图像配准方法 | |
| CN111461999A (zh) | 一种基于超像素相似性测量的sar图像相干斑抑制方法 | |
| CN103384334A (zh) | 图像处理装置、图像处理方法及程序 | |
| CN101087436A (zh) | 视频信号的时间噪声分析 | |
| CN113838023B (zh) | 一种色差图像质量评价方法 | |
| CN113920027B (zh) | 一种基于双向投影的序列图像快速增强方法 | |
| CN108198140A (zh) | 基于ncsr模型的三维协同滤波去噪方法 | |
| CN111429383B (zh) | 图像降噪方法及装置、计算机可读存储介质 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221221 Address after: 17-1 #, No. 7, Huasheng Road, Yuzhong District, Chongqing 400,043 Patentee after: Chongqing qisaidi Technology Co.,Ltd. Address before: 510670 Room 101, building 1, No. 232 Kezhu Road, Science City, high tech Industrial Development Zone, Guangzhou, Guangdong Patentee before: ALNNOVATION (GUANGZHOU) TECHNOLOGY Co.,Ltd. |
|
| TR01 | Transfer of patent right |