[发明专利]图像细节增强方法在审

专利信息
申请号: 201810751343.X 申请日: 2018-07-10
公开(公告)号: CN109146798A 公开(公告)日: 2019-01-04
发明(设计)人: 王斯建;张雁云 申请(专利权)人: 西安天盈光电科技有限公司
主分类号: G06T5/00 分类号: G06T5/00;G06T5/20;G06T5/50
代理公司: 北京元合联合知识产权代理事务所(特殊普通合伙) 11653 代理人: 李非非;杨兴宇
地址: 710003 陕西省西安市经济技术开发区凤*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 原始图像 梯度场 图像 图像细节增强 场景 融合 场景细节 融合图像 同一场景 图像保留 细节信息 细节增强 曝光 实时性 辨识 暗场 亮场 重建
【权利要求书】:

1.一种图像细节增强方法,其中,该方法包括:

获取同一场景的多个曝光程度不同的原始图像;

分别计算多个原始图像的梯度场;

根据多个原始图像的梯度场计算场景的融合梯度场;

根据场景的融合梯度场重建场景的细节增强图像。

2.如权利要求1所述的图像细节增强方法,其中,所述获取同一场景的多个曝光程度不同的原始图像,包括:

获取同一场景连续三帧的原始图像,所述连续三帧的原始图像的曝光程度分别为:欠曝、正常及过曝。

3.如权利要求1所述的图像细节增强方法,其中,所述根据多个原始图像的梯度场计算场景的融合梯度场,包括:

根据多个原始图像的梯度场计算多个原始图像的融合权重;

根据多个原始图像的融合权重融合多个原始图像的梯度场,获得场景的融合梯度场;

高斯滤波处理场景的融合梯度场。

4.如权利要求1所述的图像细节增强方法,其中,所述分别计算多个原始图像的梯度场,根据如下公式进行计算:

gx=▽xf,gy=▽yf;

其中,f表示原始图像;gx、gy表示x、y方向的梯度;▽x、▽y表示x、y方向的梯度算子;G'k表示第k帧原始图像的梯度场;k表示原始图像的序号;n表示原始图像的数量。

5.如权利要求3所述的图像细节增强方法,其中,所述根据多个原始图像的梯度场计算多个原始图像的融合权重,根据如下公式进行计算:

其中,maskk表示第k帧原始图像的融合权重;(i,j)表示像素位置;G'表示原始图像的梯度场;k表示原始图像的序号;n表示原始图像的数量;max表示最大值符号,others表示其他情况。

6.如权利要求3所述的图像细节增强方法,其中,所述根据多个原始图像的融合权重融合多个原始图像的梯度场,获得场景的融合梯度场,包括:分别将多个原始图像的梯度场逐像素点乘该原始图像的融合权重,将点乘后的多个原始图像的梯度场相加,获得场景的融合梯度场。

7.如权利要求6所述的图像细节增强方法,其中,所述分别将多个原始图像的梯度场逐像素点乘该原始图像的融合权重,将点乘后的多个原始图像的梯度场相加,获得场景的融合梯度场,根据如下公式进行计算:

G=G'1gmask1+G'2gmask2+G'3gmask3…+G'ngmaskn

其中,G表示场景的融合梯度场;G'表示原始图像的梯度场;mask表示原始图像的融合权重;n表示原始图像的数量。

8.如权利要求1所述的图像细节增强方法,其中,所述根据场景的融合梯度场重建场景的细节增强图像,根据如下公式进行计算:

ΔF=divG;

其中,divG表示场景的融合梯度场的散度;F表示场景的细节增强图像;ΔF表示场景的细节增强图像的拉普拉斯算子。

9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现权利要求1至8任一所述方法。

10.一种计算机可读存储介质,其中,所述计算机可读存储介质存储有执行权利要求1至8任一所述方法的计算机程序。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安天盈光电科技有限公司,未经西安天盈光电科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810751343.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top