专利交易市场

本申请实施例公开了一种视频图像处理方法及相关装置，其中方法包括：通过摄像头进行拍摄，得到目标视频；对所述目标视频进行解析，得到多张视频图像；对所述多张视频图像中的每一视频图像进行识别，得到多个识别结果；确定所述多个识别结果中每一识别结果的图像处理参数，得到多个图像处理参数；依据所述多个图像处理参数对所述多张视频图像中对应的视频图像进行处理，得到处理后视频。本申请实施例实现提升视频监控效率。

本发明公开了一种基于KL熵的RSF水平集图像自动分割方法，包括：获取待分割图像；对待分割图像进行显著性分析，确定RSF模型的初始水平集；计算图像的KL熵，将图像的KL熵值作为分割曲线内外部能量的权值系数，并将图像的KL熵引入RSF模型的水平集函数中，确定待分割图像的拟合能量泛函；根据待分割图像的拟合能量泛函，求解演化方程，根据演化方程迭代求解，确定图像分割结果。本发明基于新RSF模型用于提高图像边缘的检测能力，即利用KL熵作为曲线内外部能量的权值系数，模型的内部能量就是曲线附近的局部领域能量，对于灰度不均、对比度低的图片的分割效果比RSF模型好，且同样参数设定情况下，分割同一张图片，迭代次数更少便可以得到相同的分割结果。

本发明公开了一种基于residual multismoothlets的多尺度图像变换和逆变换方法，属于图像处理技术领域，解决传统的多尺度几何方法不能拟合复杂边缘或者模糊边缘以及现有的multismoothlets变换方法不能很好地平衡高质量的变换结果与合理的处理时间的问题。本发明输入需进行变换的原始图像C，设置变换的级数M和图像分解尺度j，其中，M≥2；将原始图像平均分成2^j×2^j个图像块，即得到N＝2^j×2^j个原始图像块；基于residual multismoothlets变换，计算各原始图像块的M级smoothlets变换系数{Snm|m＝1，...，mn}；以N个原始图像块对应的自适应M级smoothlets变换系数作为原始图像C的residual multismoothlets变换结果{Snm|n＝1，...，N，m＝1，...，mn}；并基于变换结果进行图像逆变换。本发明可用于图像变换、拟合、压缩、去噪、边缘提取等场合。

本发明涉及一种基于具有图像细节保护能力的非局部双边滤波的椒盐噪声去除方法，包括步骤如下：S1、遍历图像，利用mask矩阵记录噪声点位置；S2、利用NASMF算法和mask矩阵对噪声点的定位，对噪声点进行滤波将椒盐噪声转化为高斯噪声；S3、利用自适应非局部双边滤波方法对图像进行二次滤波，去除噪声。本发明利用NASMF将椒盐噪声转化为类高斯噪声，然后利用自适应非局部高斯滤波算法去除噪声，根据图像非局部细节特征，自适应的趋向于l1范数或者l2范数，从而达到保护边缘和纹理细节的结果。