基于低秩矩阵恢复的多曝光图像去伪影融合方法.pdf
鸿朗****ka
亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于低秩矩阵恢复的多曝光图像去伪影融合方法.pdf
本发明公开了一种基于低秩矩阵恢复的多曝光图像去伪影融合方法。首先,归一化输入多曝光图像序列;接着,使用相机响应函数对归一化后的图像序列进行辐射校准;然后向量化多曝光图像序列构成低秩矩阵恢复的数据矩阵;使用改进的低秩矩阵恢复算法得到低秩矩阵;从低秩矩阵数据中恢复目标的高动态范围(Highdynamicrange,HDR)图像。本发明利用低秩矩阵恢复的最新研究成果,能够得到有效去除融合后的HDR图像中的伪影和模糊问题。
基于低秩矩阵恢复的非局部图像修复方法.pdf
本发明公开了一种基于低秩矩阵恢复的非局部图像修复方法,包括:分别针对低秩纹理和自然图像分别进行预补全;将预补全图像划分为若干个图像块,基于块匹配和分组法计算各个图像块的匹配块矩阵;利用低秩矩阵补全对匹配块矩阵进行对各个图像块进行修复;整合所有图像块的修复结果根据整合结果对待修复图像进行修复。本发明综合使用基于样例和基于数值计算两种图像补全方法。在应用场景的范围上比现存的图像补全方法要广,特别是能够近乎完美的从随机采样中重构出图像,且首先进行预补全,然后再分组进行块补全,大大提高了修复精度,该方法可以方便的
基于多尺度低秩矩阵分解的红外与可见光图像融合方法.pdf
本发明公开了一种基于多尺度低秩矩阵分解的红外与可见光图像融合方法,其基于多尺度低秩矩阵分解将预处理后的红外图像和预处理后的可见光图像分解为多层次局部低秩图和全局低秩图两类,并根据各分解图像特点,针对性设计最优融合规则,得到的最终融合图像在不引入人工伪影和斑块的同时,能够保留原图的细节信息、增强热辐射显著目标,具有较好的对比度,有利于后续目标识别、检测等应用的开展。
基于压缩感知的高动态范围图像去伪影融合方法.pdf
本发明公开了一种基于压缩感知的高动态范围图像去伪影融合方法。首先,对输入的多曝光图像序列进行压缩采样;接着,使用重构方法进行重构得到压缩感知后的多曝光图像序列;然后归一化经过压缩感知的图像集,对图像集使用基于PatchMatch和秩最小化算法进行多曝光图像去伪影融合得到目标的高动态(highdynamicrange,HDR)图像。本发明利用K‑SVD字典学习、压缩感知和去伪影融合的最新研究成果,能够有效降低采样率、存储空间和计算复杂度,得到去除伪影和模糊的HDR图像。
基于低秩稀疏分解和PCNN的图像融合方法.pdf
本发明提出了一种基于图像低秩与稀疏成分分解和PCNN相结合的图像融合方法。首先在低秩分解的基础上,结合稀疏表示,通过不同的字典,对不同成分进行稀疏表达得到对应成分的编码系数。然后在融合过程中,采用一种“绝对值”取大的策略对低秩成分进行融合,以保留源图像的亮度信息;对于稀疏成分,不同于传统的融合策略,本发明采用梯度特征激励PCNN的方法进行融合,能更大程度保留更多的源图像边缘细节信息。最后,将低秩融合部分和稀疏部分相加,便得到最终的融合结果。针对不同类型的图像,本发明提出的方法无论在视觉效果还是客观指标上,