CN117710235B - 图像目标增强方法、装置、计算机设备和存储介质 - Google Patents
图像目标增强方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117710235B CN117710235B CN202410166567.XA CN202410166567A CN117710235B CN 117710235 B CN117710235 B CN 117710235B CN 202410166567 A CN202410166567 A CN 202410166567A CN 117710235 B CN117710235 B CN 117710235B
- Authority
- CN
- China
- Prior art keywords
- pixel block
- image
- pixel
- target
- neighborhood
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000004590 computer program Methods 0.000 claims description 27
- 238000001914 filtration Methods 0.000 claims description 14
- 230000002708 enhancing effect Effects 0.000 claims description 12
- 230000000877 morphologic effect Effects 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 abstract description 22
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 101100129590 Schizosaccharomyces pombe (strain 972 / ATCC 24843) mcp5 gene Proteins 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Landscapes
- Picture Signal Circuits (AREA)
Abstract
本申请涉及一种图像目标增强方法、装置、计算机设备和存储介质,通过获取相邻两帧图像之间的差分图像,并将差分图像分割成多个像素块,确定多个像素块中符合运动属性的目标像素块,确定目标像素块中符合运动属性的目标像素点,根据确定得到的目标像素点,在待增强图像中确定运动目标对象并对其进行增强处理,其中,待增强图像包括相邻两帧图像之中的任意一帧图像,实现了对待增强图像中目标像素的粗检测与精检测,且仅对待增强图像中的运动目标对象进行增强,解决了相关技术中运动目标增强方法的准确度较低的问题,提高了图像目标增强方法的准确度。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种图像目标增强方法、装置、计算机设备和存储介质。
背景技术
在图像的目标检测识别技术中,检测结果的准确度除了与检测算法本身相关,同时也极大程度上受到检测使用的原始输入图像视频数据的影响。在输入的图像数据目标清晰度较差,突显程度较低的情况下,检测结果的误检率和漏检率会大大提升,因此,需要对输入的图像数据进行预处理,以凸显图像数据中目标本身的特征。该预处理通常被称为图像数据的目标增强。
相关技术中,通常采用差分处理的方法对图像数据进行目标增强。然而,该方法并未考虑非目标区域的运动造成的数据波动,只是对图像数据进行了无差别的增强操作,这会造成对非目标数据与噪声数据的同步增强,降低图像的整体效果。也有方法在进行目标增强之前先对运动像素进行运动检测,进而对背景进行差分处理。然而,该方法通过混合高斯模型对目标进行运动检测,检测效果依赖于高斯模型参数的选择,计算量较大,且对于缓慢运动物体的识别精度较低。
目前,针对相关技术中,运动目标增强方法的准确度较低的问题,尚未提出有效的解决办法。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高运动目标增强方法准确度的图像目标增强方法、装置、计算机设备和存储介质。
第一方面,本申请提供了一种图像目标增强方法。所述方法包括:
获取相邻两帧图像之间的差分图像,并将所述差分图像分割成多个像素块;
确定所述多个像素块中符合运动属性的目标像素块;
确定所述目标像素块中符合所述运动属性的目标像素点;
根据确定出的所述目标像素点,在待增强图像中确定运动目标对象并对其进行增强处理;其中,所述待增强图像包括所述相邻两帧图像之中的任意一帧图像。
在其中一个实施例中,确定所述多个像素块中符合运动属性的目标像素块包括:
根据与第一像素块相邻的邻域像素块,判断所述第一像素块是否为符合运动属性的目标像素块;其中,所述邻域像素块包括以下至少之一:所述第一像素块的行方向邻域像素块、所述第一像素块的列方向邻域像素块、所述第一像素块的行列方向邻域像素块。
在其中一个实施例中,根据与第一像素块相邻的邻域像素块,判断所述第一像素块是否为符合运动属性的目标像素块包括:
确定多个所述邻域像素块中,差分值超出第一预设值的所述邻域像素块的数量;
根据所述差分值超出第一预设值的所述邻域像素块的数量,判断所述第一像素块是否为符合运动属性的目标像素块。
在其中一个实施例中,根据所述差分值超出第一预设值的所述邻域像素块的数量,判断所述第一像素块是否为符合运动属性的目标像素块,包括:
确定所述差分值超出所述第一预设值的邻域像素块中,位于所述第一像素块的邻域窗口内且属于所述行方向邻域像素块的像素块的第一数量;
确定所述差分值超出所述第一预设值的邻域像素块中,位于所述邻域窗口内且属于所述列方向邻域像素块的像素块的第二数量;
在判断到所述第一数量大于第一阈值,且所述第二数量大于第二阈值的情况下,判断所述第一像素块是否为符合运动属性的目标像素块;或者,
确定所述差分值超出第一预设值的所述邻域像素块中,处于所述邻域窗口内的像素块的第三数量;
在判断到所述第三数量大于第三阈值的情况下,判断所述第一像素块是否为符合运动属性的目标像素块。
在其中一个实施例中,确定所述目标像素块中符合运动属性的目标像素点包括:
根据所述目标像素块,获取所述待增强图像的运动属性标记数据,其中,所述运动属性标记数据用于表征不同位置的所述像素点的运动属性,所述运动属性包括静止与运动;
根据所述像素点对应的运动属性数据和/或所述像素点的差分数据,判断所述目标像素块中的像素点是否为所述目标像素点。
在其中一个实施例中,根据确定得到的所述目标像素点,在待增强图像中确定运动目标对象并对其进行增强处理包括:
统计目标像素块的邻域窗口内所述目标像素点的数量;
根据所述邻域窗口内所述目标像素点的数量对所述运动属性标记数据进行形态学处理;
根据处理后的所述运动属性标记数据,对所述待增强图像进行增强处理。
在其中一个实施例中,根据处理后的所述运动属性标记数据,对所述待增强图像进行增强处理包括:
根据所述运动属性标记数据,对所述差分数据进行修正;
根据不同像素点的特征,设置每个所述像素点的增强系数;
根据增强系数对修正后的所述差分数据进行处理;
将处理后的所述差分数据叠加至待增强图像数据中,得到增强图像数据。
在其中一个实施例中,在获取相邻两帧图像之间的差分图像之前,还包括:
获取所述相邻两帧图像;
对所述相邻两帧图像进行滤波处理。
第二方面,本申请还提供了一种图像目标增强装置。所述装置包括:
差分模块,用于获取相邻两帧图像之间的差分图像,并将所述差分图像分割成多个像素块;
第一确定模块,用于确定所述多个像素块中符合运动属性的目标像素块;
第二确定模块,用于确定所述目标像素块中符合运动属性的目标像素点;
增强模块,用于根据确定出的所述目标像素点,在待增强图像中确定运动目标对象并对其进行增强处理;其中,所述待增强图像包括所述相邻两帧图像之中的任意一帧图像。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取相邻两帧图像之间的差分图像,并将所述差分图像分割成多个像素块;
确定所述多个像素块中符合运动属性的目标像素块;
确定所述目标像素块中符合运动属性的目标像素点;
根据确定出的所述目标像素点,在待增强图像中确定运动目标对象并对其进行增强处理;其中,所述待增强图像包括所述相邻两帧图像之中的任意一帧图像。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取相邻两帧图像之间的差分图像,并将所述差分图像分割成多个像素块;
确定所述多个像素块中符合运动属性的目标像素块;
确定所述目标像素块中符合运动属性的目标像素点;
根据确定出的所述目标像素点,在待增强图像中确定运动目标对象并对其进行增强处理;其中,所述待增强图像包括所述相邻两帧图像之中的任意一帧图像。
上述图像目标增强方法、装置、计算机设备和存储介质,通过获取相邻两帧图像之间的差分图像,并将差分图像分割成多个像素块,确定多个像素块中符合运动属性的目标像素块,确定目标像素块中符合运动属性的目标像素点,根据确定出的目标像素点,在待增强图像中确定运动目标对象并对其进行增强处理,其中,待增强图像包括相邻两帧图像之中的任意一帧图像,实现了对待增强图像中目标像素的粗检测与精检测,且仅对待增强图像中的运动目标对象进行增强,解决了相关技术中运动目标增强方法的准确度较低的问题,提高了图像目标增强方法的准确度。
附图说明
图1为一个实施例中图像目标增强方法的应用环境图;
图2为一个实施例中图像目标增强方法的流程示意图;
图3为一个实施例中目标像素块检测的流程示意图;
图4为一个实施例中目标像素点检测的流程示意图;
图5为一个实施例中运动像素增强的流程示意图;
图6为一个实施例中图像目标增强装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的图像目标增强方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储***可以存储服务器104需要处理的数据。数据存储***可以集成在服务器104上,也可以放在云上或其他网络服务器上。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种图像目标增强方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
步骤S201,获取相邻两帧图像之间的差分图像,并将差分图像分割成多个像素块。
其中,获取相邻两帧图像之间的差分图像包括将当前帧的图像数据减去上一帧的图像数据,得到差分图像以及对应的差分图像数据。将差分图像分割成多个像素块包括对差分图像进行分块。具体地,差分图像的大小为M×N,每个像素块的大小为m行乘n列,差分图像一共被分割为x×y块,则M=x×m,N=y×n。
步骤S202,确定多个像素块中符合运动属性的目标像素块。
其中,可以通过每个像素块的差分图像数据的绝对值判断该像素块的运动属性。像素块的运动属性包括静止与运动,对不同运动属性的像素块进行分别标记。示例性地,可以将运动像素块标记为1,静止像素块标记为0。本实施例中,符合运动属性的目标像素块即为运动像素块,其标记为1。
步骤S203,确定目标像素块中符合运动属性的目标像素点。
其中,确定目标像素块中符合运动属性的目标像素点包括:对像素块的标记先进行膨胀操作,膨胀后进行最近邻差值,得到运动块内的像素点的运动属性标记数据,根据运动属性标记数据,确定每个像素点的运动属性。示例性地,运动像素点的运动属性标记为1,静止像素点的运动属性标记为0,本实施例中,目标像素点为运动像素点,因此,选取运动属性标记为1的像素点作为目标像素点。
步骤S204,根据确定得到的目标像素点,在待增强图像中确定运动目标对象并对其进行增强处理;其中,待增强图像包括相邻两帧图像之中的任意一帧图像。
其中,对待增强图像进行增强处理包括对目标像素点进行增强处理,其余像素点不进行增强处理。经过增强处理后可以得到仅对运动目标进行增强的增强图像。
上述图像目标增强方法中,通过获取相邻两帧图像之间的差分图像,并将差分图像分割成多个像素块,确定多个像素块中符合运动属性的目标像素块,确定目标像素块中符合运动属性的目标像素点,根据确定出的目标像素点,在待增强图像中确定运动目标对象并对其进行增强处理,其中,待增强图像包括相邻两帧图像之中的任意一帧图像,实现了对待增强图像中目标像素的粗检测与精检测,且仅对待增强图像中的运动目标对象进行增强,解决了相关技术中运动目标增强方法的准确度较低的问题,提高了图像目标增强方法的准确度。
在一个实施例中,确定多个像素块中符合运动属性的目标像素块包括:根据与第一像素块相邻的邻域像素块,判断第一像素块是否为符合运动属性的目标像素块;其中,邻域像素块包括以下至少之一:第一像素块的行方向邻域像素块、第一像素块的列方向邻域像素块、第一像素块的行列方向邻域像素块。
其中,第一像素块的坐标为(i,j),其中i为行坐标,j为列坐标。第一像素块的行方向邻域像素块包括坐标为(i,j-a),(i,j-a+1),…,(i,j),(i,j+1),…,(i,j+a)的像素块,邻域中像素块的数量为(a×2+1)块,其中a为行方向邻域的窗口半径,即行方向邻域窗口的大小为1行乘(a×2+1)列。第一像素块的列方向邻域像素块包括坐标为(i-b,j),(i-b+1,j),…,(i,j),(i+1,j),…,(i+b,j)的像素块,邻域中像素块的数量为(b×2+1)块,其中b为列方向邻域的窗口半径,即列方向里布窗口的大小为(b×2+1)行乘1列。第一像素块的行列方向邻域像素块包括以(i-c,j-c)为起点,(i+c,j+c)为终点,(i,j)为中心点的邻域窗口内的像素块,其中c为行列方向邻域的窗口半径,即行列方向邻域窗口的大小为(c×2+1)行乘(c×2+1)列。根据不同邻域中像素块的属性参数,可以确定第一像素块的运动属性。
本实施例中,通过对多个方向邻域窗口的像素块的属性参数进行统计,实现了对第一像素块的运动属性的判断,提高了像素块数据判断的全面性与准确度。
在一个实施例中,根据与第一像素块相邻的邻域像素块,判断第一像素块是否为符合运动属性的目标像素块包括:确定多个邻域像素块中,差分值超出第一预设值的邻域像素块的数量;根据差分值超出第一预设值的邻域像素块的数量,判断第一像素块是否为符合运动属性的目标像素块。
其中,差分值包括相邻两帧图像之间数据差值的绝对值的均值avg。邻域像素块的差分值越高,则说明邻域像素块在相邻两帧图像之间变化较大,获取相邻两帧图像的过程中,邻域像素块对应的对象有较大的可能发生了相对运动。差分值超出第一预设值的邻域像素块数量越多,第一像素块为符合运动属性的目标像素块的可能性越高。本实施例中,根据差分值超出第一预设值的邻域像素块的数量,实现对第一像素块是否为符合运动属性的目标像素块的判断,判断方法准确,且判断过程简单、快速。
可选地,根据差分值超出第一预设值的邻域像素块的数量,判断第一像素块是否为符合运动属性的目标像素块,包括:确定差分值超出第一预设值的邻域像素块中,处于第一像素块的邻域窗口内的像素块的第三数量;在判断到第三数量大于第三阈值的情况下,判断第一像素块是否为符合运动属性的目标像素块。
其中,邻域窗口为第一像素块的邻域内的窗口。邻域窗口的大小为(d×2+1)行乘(d×2+1)列,每一个像素块占据邻域窗口中的一行,其中d的大小可以根据实际运动检测需要进行对应的设定。可选地,邻域窗口的中心处的像素块为第一像素块。在邻域窗口中,统计avg值超过第一预设值的像素块个数num3。在(num3>T3)的情况下,可以判定第一像素块为运动块,其中,num3为第三数量,T3为第三阈值,T3的大小可以根据实际运动检测需要进行对应的设定。
如此设置,是因为运动的对象往往具备一定的体积,这在图像中对应地体现为位置上连续的多个像素块。所以,若第一像素块的邻域窗口内差分值超出第一预设值的像素块的数量较多,例如本实施例中第三数量大于第三阈值的情况下,则说明邻域窗口内的像素块所对应的对象有较大的可能包括运动的对象,可以将邻域窗口内的第一像素块判断为符合运动属性的目标像素块。
然而,在运动的对象在图像中所对应的像素总数过少的情况下,基于第三数量判断第一像素块是否符合运动属性,可能会忽略较小的运动对象,存在对目标像素块的误判。
为了降低误判的可能性,根据差分值超出第一预设值的邻域像素块的数量,判断第一像素块是否为符合运动属性的目标像素块,包括:确定所述差分值超出所述第一预设值的邻域像素块中,位于邻域窗口内且属于行方向邻域像素块的像素块的第一数量;确定差分值超出第一预设值的邻域像素块中,位于邻域窗口内且属于列方向邻域像素块的像素块的第二数量;在判断到第一数量大于第一阈值,且第二数量大于第二阈值的情况下,判断第一像素块是否为符合运动属性的目标像素块;
在邻域窗口中,统计第一像素块行方向邻域中avg值超过第一预设值的第一像素块的个数num1,第一像素块列方向邻域中avg值超过第一预设值的第二像素块个数num2,在num1>T1且num2>T2的情况下,可以判定第一像素块为运动块,其中T1为第一阈值,T2为第二阈值。T1、T2、的大小可以根据实际运动检测需要进行对应的设定。
通过分别判断邻域窗口内行方向差分值超出第一预设值的像素块数量,和邻域窗口内行方向差分值超出第一预设值的像素块数量的方法,缩小了获取像素块数量的区域,避免遗漏运动体积较小的运动对象对应的像素,提升了第一像素块判断的准确性。而将统计区域缩小为第一像素的行方向邻域和列方向邻域,是因为差分图像中,存在由于外部干扰导致邻域像素块的差分值超出了第一预设值的情况,这些干扰的像素块数量较少,且往往出现在同一行或同一列中。因此,在行方向邻域统计的像素块少于第二阈值,或者列方向邻域统计的像素块少于第三阈值的情况下,判断第一像素块不符合运动属性,进一步提高像素块数据判断的准确性。
示例性地,图3为本实施例的目标像素块检测的流程示意图,如图3所示,在邻域窗口内,分别对第一像素块的行方向、列方向以及邻域窗口的像素块中的运动像素块进行数量统计,在满足行方向、列方向上的运动像素块的数量满足设置的条件的情况下,或者在邻域窗口的运动像素块的数量满足设置的条件的情况下,判断第一像素块为运动像素块,否则为静止像素块。
本实施例中,结合两种判断方式,对多个方向邻域窗口中差分均值超过第一预设值的像素块数量进行统计,实现了对第一像素块的运动属性的判断,提高了像素块数据判断的全面性与准确度。
在一个实施例中,确定目标像素块中符合运动属性的目标像素点包括:根据目标像素块,获取待增强图像的运动属性标记数据,其中,运动属性标记数据用于表征不同位置的像素点的运动属性,运动属性包括静止与运动;根据像素点对应的运动属性数据和/或像素点的差分数据,判断目标像素块中的像素点是否为目标像素点。
其中,运动属性标记数据用于区分像素块是否为目标像素点。可选地,根据像素点对应的运动属性数据的值的大小,和/或像素点的差分数据的大小,判断目标像素块中的像素点是否为目标像素点。目标像素点的标记方法可以根据实际标记需要进行设定,本实施例中,将运动像素点标记为1,静止像素点标记为0。像素点的运动属性标记数据可以通过其所在的目标像素块运动属性计算得到。
本实施例中,通过对像素块中的数据进行像素级别的目标检测,提高了检测的准确度,进而提高了图像目标增强方法的准确度。
在一个实施例中,根据确定得到的目标像素点,在待增强图像中确定运动目标对象并对其进行增强处理包括:统计目标像素块的邻域窗口内目标像素点的数量;根据邻域窗口内目标像素点的数量对运动属性标记数据进行形态学处理;根据处理后的运动属性标记数据,对待增强图像进行增强处理。
其中,对于目标像素块,统计其(d×2+1)乘(d×2+1)邻域窗口内运动像素点的数量num4。若num4小于第四阈值T4,则将该目标像素点的运动属性标记数据置为0。该步骤可以通过对运动属性标记数据以及(d×2+1)乘(d×2+1)大小,数值为全1的核进行卷积实现。进行上述处理后的运动属性标记数据还需要经过形态学处理,具体包括膨胀与腐蚀处理。膨胀处理可以使图像中的高亮区域逐渐增长,腐蚀处理可以消除高亮区域的边界点。经过形态学处理后得到最终的运动属性标记数据。根据最终的运动属性标记数据对待增强图像中的运动目标进行增强处理,其余像素点不进行增强处理。
示例性地,图4是本实施例的目标像素点检测的流程示意图,如图4所示,对运动属性标记数据进行膨胀后,进行最近邻插值处理,根据处理后的运动属性标记数据,对目标像素点进行运动属性判断,根据判断结果更新像素点的运动属性标记数据,并对其进行卷积、碰撞与腐蚀处理,得到最终的运动属性标记数据。
本实施例中,通过对运动属性标记数据进行一系列处理,降低了待增强图像的噪声,提高了待增强图像的运动属性标记数据的准确度,进而提高了图像目标增强方法的准确度。
在一个实施例中,根据处理后的运动属性标记数据,对待增强图像进行增强处理包括:根据运动属性标记数据,对差分数据进行修正;根据不同像素点的特征,设置每个像素点的增强系数;根据增强系数对修正后的差分数据进行处理;将处理后的差分数据叠加至待增强图像数据中,得到增强图像数据。
其中,根据运动属性标记数据,对差分数据进行修正包括:若该像素点对应的运动属性标记数据为0,则将差分数据修正为0,否则差分数据不变。对修正后的差分数据还可以进行滤波处理,以得到更为准确的差分数据。增强系数K可以为固定数值,即每个像素点的增强强度相同;也可以是每个像素点对应一个不同的增强系数,即不同区域、不同像素点的增强强度根据像素点的特征有所差异。根据增强系数对修正后的差分数据进行处理包括将差分数据乘以增强系数。最终输出的增强数据Output= diffval × K + Input,其中diffval为差分数据,Input为输入的图像数据。
示例性地,图5为本实施例的运动像素增强的流程示意图,如图5所示,对差分数据进行修正后,对其进行滤波处理。根据处理后的差分数据对待增强图像进行增强处理,输出增强图像数据。
本实施例中,通过系数对增强方式进行选择,既可以同等强度增强,也可以根据像素点不同特性自适应增强,提高了图像目标增强方法的适用性与准确性。
在一个实施例中,在获取相邻两帧图像之间的差分图像之前,还包括:获取相邻两帧图像;对相邻两帧图像进行滤波处理。
其中,滤波处理的方式包括均值滤波、高斯滤波、双边滤波、引导滤波等。为降低算法复杂度与计算量,本实施例采用均值滤波对图像进行滤波处理。
本实施例中,通过对获取的图像进行滤波处理,抑制了图像的噪声,提高了获取的图像数据的准确度,进而提高了图像目标增强方法的准确性。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的图像目标增强方法的图像目标增强装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个图像目标增强装置实施例中的具体限定可以参见上文中对于图像目标增强方法的限定,在此不再赘述。
在一个实施例中,如图6所示,提供了一种图像目标增强装置,包括:差分模块61、第一确定模块62、第二确定模块63以及增强模块64,其中:
差分模块61,用于获取相邻两帧图像之间的差分图像,并将所述差分图像分割成多个像素块;
第一确定模块62,用于确定所述多个像素块中符合运动属性的目标像素块;
第二确定模块63,用于确定所述目标像素块中符合运动属性的目标像素点;
增强模块64,用于根据确定出的所述目标像素点,在待增强图像中确定运动目标对象并对其进行增强处理;其中,所述待增强图像包括所述相邻两帧图像之中的任意一帧图像。
上述图像目标增强装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过***总线连接,通信接口通过输入/输出接口连接到***总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储待增强图像数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像目标增强方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取相邻两帧图像之间的差分图像,并将差分图像分割成多个像素块;
确定多个像素块中符合运动属性的目标像素块;
确定目标像素块中符合运动属性的目标像素点;
根据确定出的目标像素点,在待增强图像中确定运动目标对象并对其进行增强处理;其中,待增强图像包括相邻两帧图像之中的任意一帧图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据与第一像素块相邻的邻域像素块,判断第一像素块是否为符合运动属性的目标像素块;其中,邻域像素块包括以下至少之一:第一像素块的行方向邻域像素块、第一像素块的列方向邻域像素块、第一像素块的行列方向邻域像素块。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
确定多个邻域像素块中,差分值超出第一预设值的邻域像素块的数量;根据差分值超出第一预设值的邻域像素块的数量,判断第一像素块是否为符合运动属性的目标像素块。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
确定所述差分值超出第一预设值的所述邻域像素块中,处于所述第一像素块的邻域窗口内的像素块的第三数量;在判断到所述第三数量大于第三阈值的情况下,判断所述第一像素块是否为符合运动属性的目标像素块;或者,确定所述差分值超出所述第一预设值的邻域像素块中,位于所述第一像素块的邻域窗口内且属于所述行方向邻域像素块的像素块的第一数量;确定所述差分值超出所述第一预设值的邻域像素块中,位于所述邻域窗口内且属于所述列方向邻域像素块的像素块的第二数量;在判断到所述第一数量大于第一阈值,且所述第二数量大于第二阈值的情况下,判断所述第一像素块是否为符合运动属性的目标像素块。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据所述目标像素块,获取所述待增强图像的运动属性标记数据,其中,所述运动属性标记数据用于表征不同位置的像素点的运动属性,所述运动属性包括静止与运动;根据所述像素点对应的运动属性数据和/或所述像素点的差分数据,判断所述目标像素块中的像素点是否为所述目标像素点。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
统计目标像素块的邻域窗口内所述目标像素点的数量;根据所述邻域窗口内所述目标像素点的数量对所述运动属性标记数据进行形态学处理;根据处理后的所述运动属性标记数据,对所述待增强图像进行增强处理。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据所述运动属性标记数据,对所述差分数据进行修正;根据不同像素点的特征,设置每个所述像素点的增强系数;根据增强系数对修正后的所述差分数据进行处理;将处理后的所述差分数据叠加至待增强图像数据中,得到增强图像数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取相邻两帧图像;对相邻两帧图像进行滤波处理。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取相邻两帧图像之间的差分图像,并将差分图像分割成多个像素块;
确定多个像素块中符合运动属性的目标像素块;
确定目标像素块中符合运动属性的目标像素点;
根据确定出的目标像素点,在待增强图像中确定运动目标对象并对其进行增强处理;其中,待增强图像包括相邻两帧图像之中的任意一帧图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据与第一像素块相邻的邻域像素块,判断第一像素块是否为符合运动属性的目标像素块;其中,邻域像素块包括以下至少之一:第一像素块的行方向邻域像素块、第一像素块的列方向邻域像素块、第一像素块的行列方向邻域像素块。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
确定多个邻域像素块中,差分值超出第一预设值的邻域像素块的数量;根据差分值超出第一预设值的邻域像素块的数量,判断第一像素块是否为符合运动属性的目标像素块。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
确定差分值超出第一预设值的邻域像素块中,处于第一像素块的邻域窗口内的像素块的第三数量;在判断到第三数量大于第三阈值的情况下,判断第一像素块是否为符合运动属性的目标像素块;或者,确定差分值超出第一预设值的邻域像素块中,位于第一像素块的邻域窗口内且属于行方向邻域像素块的像素块的第一数量;确定差分值超出第一预设值的邻域像素块中,位于邻域窗口内且属于列方向邻域像素块的像素块的第二数量;在判断到第一数量大于第一阈值,且第二数量大于第二阈值的情况下,判断第一像素块是否为符合运动属性的目标像素块。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据目标像素块,获取待增强图像的运动属性标记数据,其中,运动属性标记数据用于表征不同位置的像素点的运动属性,运动属性包括静止与运动;根据像素点对应的运动属性数据和/或像素点的差分数据,判断目标像素块中的像素点是否为目标像素点。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
统计目标像素块的邻域窗口内目标像素点的数量;根据邻域窗口内目标像素点的数量对运动属性标记数据进行形态学处理;根据处理后的运动属性标记数据,对待增强图像进行增强处理。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据运动属性标记数据,对差分数据进行修正;根据不同像素点的特征,设置每个像素点的增强系数;根据增强系数对修正后的差分数据进行处理;将处理后的差分数据叠加至待增强图像数据中,得到增强图像数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取相邻两帧图像;对相邻两帧图像进行滤波处理。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(MagnetoresistiveRandom Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccessMemory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (8)
1.一种图像目标增强方法,其特征在于,所述方法包括:
获取相邻两帧图像之间的差分图像,并将所述差分图像分割成多个像素块;
确定所述多个像素块中符合运动属性的目标像素块;
确定所述目标像素块中符合所述运动属性的目标像素点;
根据确定得到的所述目标像素点,在待增强图像中确定运动目标对象并对其进行增强处理;其中,所述待增强图像包括所述相邻两帧图像之中的任意一帧图像;
其中,确定所述多个像素块中符合运动属性的目标像素块包括:根据与第一像素块相邻的邻域像素块,判断所述第一像素块是否为符合运动属性的目标像素块;其中,所述邻域像素块包括以下至少之一:所述第一像素块的行方向邻域像素块、所述第一像素块的列方向邻域像素块、所述第一像素块的行列方向邻域像素块;
根据与第一像素块相邻的邻域像素块,判断所述第一像素块是否为符合运动属性的目标像素块包括:确定多个所述邻域像素块中,差分值超出第一预设值的所述邻域像素块的数量;根据所述差分值超出第一预设值的所述邻域像素块的数量,判断所述第一像素块是否为符合运动属性的目标像素块;
根据所述差分值超出第一预设值的所述邻域像素块的数量,判断所述第一像素块是否为符合运动属性的目标像素块,包括:确定所述差分值超出第一预设值的所述邻域像素块中,处于所述第一像素块的邻域窗口内的像素块的第三数量;在判断到所述第三数量大于第三阈值的情况下,判断所述第一像素块为符合运动属性的目标像素块;或者,确定所述差分值超出所述第一预设值的邻域像素块中,位于所述第一像素块的邻域窗口内且属于所述行方向邻域像素块的像素块的第一数量;确定所述差分值超出所述第一预设值的邻域像素块中,位于所述邻域窗口内且属于所述列方向邻域像素块的像素块的第二数量;在判断到所述第一数量大于第一阈值,且所述第二数量大于第二阈值的情况下,判断所述第一像素块为符合运动属性的目标像素块;
所述在待增强图像中确定运动目标对象并对其进行增强处理包括:修正所述目标像素点的差分数据;设置所述目标像素点的增强系数;根据所述增强系数对修正后的所述差分数据进行处理;将处理后的所述差分数据叠加至待增强图像数据中,得到增强图像数据。
2.根据权利要求1所述的图像目标增强方法,其特征在于,确定所述目标像素块中符合运动属性的目标像素点包括:
根据所述目标像素块,获取所述待增强图像的运动属性标记数据,其中,所述运动属性标记数据用于表征不同位置的像素点的运动属性,所述运动属性包括静止与运动;
根据所述像素点对应的运动属性数据和/或所述像素点的差分数据,判断所述目标像素块中的像素点是否为所述目标像素点。
3.根据权利要求2所述的图像目标增强方法,其特征在于,根据确定得到的所述目标像素点,在待增强图像中确定运动目标对象并对其进行增强处理包括:
统计目标像素块的邻域窗口内所述目标像素点的数量;
根据所述邻域窗口内所述目标像素点的数量对所述运动属性标记数据进行形态学处理;
根据处理后的所述运动属性标记数据,对所述待增强图像进行增强处理。
4.根据权利要求3所述的图像目标增强方法,其特征在于,根据处理后的所述运动属性标记数据,对所述待增强图像进行增强处理包括:
根据所述运动属性标记数据,对所述差分数据进行修正;
根据不同像素点的特征,设置每个所述像素点的增强系数;
根据增强系数对修正后的所述差分数据进行处理;
将处理后的所述差分数据叠加至待增强图像数据中,得到增强图像数据。
5.根据权利要求1所述的图像目标增强方法,其特征在于,在获取相邻两帧图像之间的差分图像之前,所述方法还包括:
获取所述相邻两帧图像;
对所述相邻两帧图像进行滤波处理。
6.一种图像目标增强装置,其特征在于,包括:
差分模块,用于获取相邻两帧图像之间的差分图像,并将所述差分图像分割成多个像素块;
第一确定模块,用于确定所述多个像素块中符合运动属性的目标像素块;
第二确定模块,用于确定所述目标像素块中符合运动属性的目标像素点;
增强模块,用于根据确定出的所述目标像素点,在待增强图像中确定运动目标对象并对其进行增强处理;其中,所述待增强图像包括所述相邻两帧图像之中的任意一帧图像;
其中,确定所述多个像素块中符合运动属性的目标像素块包括:根据与第一像素块相邻的邻域像素块,判断所述第一像素块是否为符合运动属性的目标像素块;其中,所述邻域像素块包括以下至少之一:所述第一像素块的行方向邻域像素块、所述第一像素块的列方向邻域像素块、所述第一像素块的行列方向邻域像素块;
根据与第一像素块相邻的邻域像素块,判断所述第一像素块是否为符合运动属性的目标像素块包括:确定多个所述邻域像素块中,差分值超出第一预设值的所述邻域像素块的数量;根据所述差分值超出第一预设值的所述邻域像素块的数量,判断所述第一像素块是否为符合运动属性的目标像素块;
根据所述差分值超出第一预设值的所述邻域像素块的数量,判断所述第一像素块是否为符合运动属性的目标像素块,包括:确定所述差分值超出第一预设值的所述邻域像素块中,处于所述第一像素块的邻域窗口内的像素块的第三数量;在判断到所述第三数量大于第三阈值的情况下,判断所述第一像素块为符合运动属性的目标像素块;或者,确定所述差分值超出所述第一预设值的邻域像素块中,位于所述第一像素块的邻域窗口内且属于所述行方向邻域像素块的像素块的第一数量;确定所述差分值超出所述第一预设值的邻域像素块中,位于所述邻域窗口内且属于所述列方向邻域像素块的像素块的第二数量;在判断到所述第一数量大于第一阈值,且所述第二数量大于第二阈值的情况下,判断所述第一像素块为符合运动属性的目标像素块;
所述在待增强图像中确定运动目标对象并对其进行增强处理包括:修正所述目标像素点的差分数据;设置所述目标像素点的增强系数;根据所述增强系数对修正后的所述差分数据进行处理;将处理后的所述差分数据叠加至待增强图像数据中,得到增强图像数据。
7.一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至权利要求5中任一项所述的图像目标增强方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至权利要求5中任一项所述的图像目标增强方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410166567.XA CN117710235B (zh) | 2024-02-06 | 2024-02-06 | 图像目标增强方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410166567.XA CN117710235B (zh) | 2024-02-06 | 2024-02-06 | 图像目标增强方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117710235A CN117710235A (zh) | 2024-03-15 |
CN117710235B true CN117710235B (zh) | 2024-05-14 |
Family
ID=90157450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410166567.XA Active CN117710235B (zh) | 2024-02-06 | 2024-02-06 | 图像目标增强方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117710235B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003045069A2 (en) * | 2001-11-16 | 2003-05-30 | Qualcomm Incorporated | Block size assignment using local contrast ratio |
CN102609907A (zh) * | 2012-01-12 | 2012-07-25 | 北京理工大学 | 基于自适应时域滤波和形态学的气体红外图像增强方法 |
CN103679641A (zh) * | 2012-09-26 | 2014-03-26 | 株式会社理光 | 深度图像增强方法和装置 |
CN107483953A (zh) * | 2017-10-10 | 2017-12-15 | 司马大大(北京)智能***有限公司 | 帧间运动估计方法、装置及电子设备 |
CN107578424A (zh) * | 2017-08-04 | 2018-01-12 | 中山大学 | 一种基于时空分类的动态背景差分检测方法、***及装置 |
CN110738688A (zh) * | 2019-10-25 | 2020-01-31 | 中国人民解放军国防科技大学 | 一种新的红外超弱运动目标检测方法 |
CN111242128A (zh) * | 2019-12-31 | 2020-06-05 | 深圳奇迹智慧网络有限公司 | 目标检测方法、装置、计算机可读存储介质和计算机设备 |
CN114373011A (zh) * | 2022-01-11 | 2022-04-19 | 中国科学院软件研究所 | 一种确定目标对象位置的方法、装置、计算机设备和介质 |
CN117408886A (zh) * | 2023-09-11 | 2024-01-16 | 浙江华感科技有限公司 | 气体图像增强方法、装置、电子装置和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9462163B2 (en) * | 2009-10-10 | 2016-10-04 | Ittiam Systems (P) Ltd. | Robust spatiotemporal combining system and method for video enhancement |
-
2024
- 2024-02-06 CN CN202410166567.XA patent/CN117710235B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003045069A2 (en) * | 2001-11-16 | 2003-05-30 | Qualcomm Incorporated | Block size assignment using local contrast ratio |
CN102609907A (zh) * | 2012-01-12 | 2012-07-25 | 北京理工大学 | 基于自适应时域滤波和形态学的气体红外图像增强方法 |
CN103679641A (zh) * | 2012-09-26 | 2014-03-26 | 株式会社理光 | 深度图像增强方法和装置 |
CN107578424A (zh) * | 2017-08-04 | 2018-01-12 | 中山大学 | 一种基于时空分类的动态背景差分检测方法、***及装置 |
CN107483953A (zh) * | 2017-10-10 | 2017-12-15 | 司马大大(北京)智能***有限公司 | 帧间运动估计方法、装置及电子设备 |
CN110738688A (zh) * | 2019-10-25 | 2020-01-31 | 中国人民解放军国防科技大学 | 一种新的红外超弱运动目标检测方法 |
CN111242128A (zh) * | 2019-12-31 | 2020-06-05 | 深圳奇迹智慧网络有限公司 | 目标检测方法、装置、计算机可读存储介质和计算机设备 |
CN114373011A (zh) * | 2022-01-11 | 2022-04-19 | 中国科学院软件研究所 | 一种确定目标对象位置的方法、装置、计算机设备和介质 |
CN117408886A (zh) * | 2023-09-11 | 2024-01-16 | 浙江华感科技有限公司 | 气体图像增强方法、装置、电子装置和存储介质 |
Non-Patent Citations (3)
Title |
---|
"Predictive fine granularity successive elimination for fast optimal block-matching motion estimation";Ce Zhu et.al.;《IEEE Transactions on Image Processing》;20050217;第14卷(第2期);第213 - 221页 * |
"一种针对抖动视频序列的运动目标检测算法";薛阳等;《激光与光电子学进展》;20180910;第55卷(第09期);第(091506-1)-(091506-7)页 * |
"引入ORB改进Vibe算法的视频稳像及运动目标检测***研究";崔成;《中国优秀硕士学位论文全文数据库 信息科技辑》;20220115;第2022年卷(第01期);第I138-1524页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117710235A (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112837303A (zh) | 一种用于模具监视的缺陷检测方法、装置、设备及介质 | |
CN109977952B (zh) | 基于局部最大值的候选目标检测方法 | |
CN109784372B (zh) | 一种基于卷积神经网络的目标分类方法 | |
CN114241388A (zh) | 基于时空记忆信息的视频实例分割方法和分割装置 | |
CN115759148B (zh) | 图像处理方法、装置、计算机设备及计算机可读存储介质 | |
JP2016115248A (ja) | 演算処理装置 | |
CN111681165A (zh) | 图像处理方法、装置、计算机设备和计算机可读存储介质 | |
CN111709415B (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
CN111754429B (zh) | 运动矢量后处理方法和装置、电子设备及存储介质 | |
CN111310759A (zh) | 双模式协作的目标检测抑制优化方法及设备 | |
CN111340139B (zh) | 一种图像内容复杂度的判别方法及装置 | |
CN117710235B (zh) | 图像目标增强方法、装置、计算机设备和存储介质 | |
CN117058554A (zh) | 电力设备目标检测方法、模型训练方法和装置 | |
CN114511862B (zh) | 表格识别方法、装置及电子设备 | |
KR101332630B1 (ko) | 경량화된 랜덤펀스 및 이를 이용한 이미지 표현방법 | |
CN115713769A (zh) | 文本检测模型的训练方法、装置、计算机设备和存储介质 | |
CN114463764A (zh) | 表格线检测方法、装置、计算机设备和存储介质 | |
CN111160358B (zh) | 一种图像二值化方法、装置、设备、介质 | |
CN111462059B (zh) | 胎儿超声图像智能目标检测的并行处理方法和装置 | |
CN111310824A (zh) | 多角度稠密目标检测抑制优化方法及设备 | |
CN107766863B (zh) | 图像表征方法和服务器 | |
CN113099217B (zh) | 一种视频帧连续性检测方法、装置、设备及存储介质 | |
CN115311215B (zh) | 一种高速高精度的六面体检测***、方法和存储介质 | |
CN114612320B (zh) | 图像亮度优化方法、装置、计算机设备和存储介质 | |
CN110660011B (zh) | 图像处理方法和装置、电子设备及存储介质 |
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 |