图像处理方法、装置、设备和计算机可读存储介质.pdf
是来****文章
亲,该文档总共18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
图像处理方法、装置、设备和计算机可读存储介质.pdf
本发明提供了一种图像处理方法、装置、设备和计算机可读存储介质,从通过连续拍摄的多帧拍摄图像中选取参考帧图像;根据参考帧图像将其他拍摄图像进行配准得到多帧配准图像;对参考帧图像进行分割得到第一前景区域;针对每一帧配准图像,对配准图像进行分割得到第二前景区域,从参考帧图像中确定与第二前景区域坐标位置对应的第一感兴趣区域,将第一感兴趣区域的图像和配准图像进行融合得到配准图像的修正图像;根据第一前景区域的图像和所有修正图像进行融合得到目标图像。本发明能够确定第一感兴趣区域并根据第一感兴趣区域的图像对配准图像进行修
图像处理方法、装置、设备和计算机可读存储介质.pdf
本申请实施例公开了一种图像处理方法、装置、设备和计算机可读存储介质,该方法包括:确定待处理图像块对应的至少一个参考块以及至少一个参考块各自的滤波权重值;根据至少一个参考块以及至少一个参考块各自的滤波权重值对待处理图像块进行第一滤波处理,确定降噪图像块;根据待处理图像块和降噪图像块确定残差图像块,并对残差图像块进行细节处理,确定细节图像块;根据降噪图像块与细节图像块进行融合处理,确定目标图像块。这样,基于降噪和增强之间的相关性,能够有效区分图像中的细节信息和噪声干扰,不仅去除图像中存在的噪声,还能够增强图像
图像处理方法、装置、设备和可读存储介质.pdf
本申请公开了一种图像处理方法、装置、设备和可读存储介质,涉及深度学习技术领域。具体实现方案为:获取待处理图像,通过图像处理模型提取所述待处理图像的原始图像特征,提取所述原始图像特征的深度特征,以及对所述原始图像特征和所述深度特征进行合并,并对合并后的特征进行还原,得到清晰化处理后的图像。本实施例,通过图像处理模型提取所述待处理图像的原始图像特征,得到高精度的浅层特征;通过提取所述原始图像特征的深度特征,得到细节特征;通过对原始图像特征和所述深度特征进行合并,从而融合浅层特征和深度特征,有效去除马赛克、伪影
图像处理装置、图像处理方法和计算机可读存储介质.pdf
本公开内容涉及图像处理装置和图像处理方法以及计算机可读存储介质。该图像处理装置包括:提取单元,被配置成从图像中提取包含待检测物体的前景,并且从图像的包含待检测物体的前景中提取包围待检测物体的边框;以及检测单元,使用边框在图像的前景中提取待检测物体,使得确定待检测物体的类别和位置,其中,提取单元和检测单元被配置成使用注意力机制来分别实现它们的提取操作和检测操作。根据本公开内容的图像处理技术,通过在图像处理的提取操作和检测操作中分别使用注意力机制,能够强化前景目标的特征提取并且弱化背景和噪声的信息,从而能够准
图像处理方法、图像处理装置和计算机可读存储介质.pdf
本公开提供使用卷积神经网络系统处理输入图像的图像处理方法和装置、以及计算机可读存储介质。所述卷积神经网络系统包含输入层、中间层和输出层,所述图像处理方法包括:经由所述输入层接收所述输入图像;经由所述中间层提取所述输入图像的图像特征;以及经由所述输出层输出对于所述输入图像的处理结果。所述卷积神经网络系统将普通的卷积运算拆分成分组逐点卷积和逐通道卷积,并且在分组逐点卷积的同时,引入了组间信息交换的机制,从而实现了适于移动端计算能力的卷积神经网络模型,并且保持了卷积神经网络模型的高表示能力和识别精度。