CN115564689A - 一种基于按块处理技术的人工智能图像处理方法及系统 - Google Patents
一种基于按块处理技术的人工智能图像处理方法及系统 Download PDFInfo
- Publication number
- CN115564689A CN115564689A CN202211220732.2A CN202211220732A CN115564689A CN 115564689 A CN115564689 A CN 115564689A CN 202211220732 A CN202211220732 A CN 202211220732A CN 115564689 A CN115564689 A CN 115564689A
- Authority
- CN
- China
- Prior art keywords
- image
- information
- block
- texture
- processing
- 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.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 63
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 19
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 238000005516 engineering process Methods 0.000 title claims abstract description 7
- 230000005540 biological transmission Effects 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000000638 solvent extraction Methods 0.000 claims abstract description 8
- 238000005192 partition Methods 0.000 claims abstract description 7
- 238000012216 screening Methods 0.000 claims abstract description 6
- 238000002372 labelling Methods 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000003709 image segmentation Methods 0.000 claims description 6
- 230000010365 information processing Effects 0.000 claims description 4
- 230000000903 blocking effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 10
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于按块处理技术的人工智能图像处理方法及系统，所述方法包括：通过网关数据传输将图像信息传输至图像处理器；图像处理器接收图像信息，将图像按块进行切分后组成任意面积图像块组，并根据图像灰度、纹理基本特征对图像进行标注；通过戴克斯特拉算法获得从一个标注端点到其余各标注端点的最短路径，通过最短路径对应标注对图像进行分块处理，得到图像分块组；将处理后的图像分块组传输至终端，对图像分块组进行筛选，得到智能处理后输出图像；本发明中，在对原始图像进行处理时，将原始图像分为若干分块图像，分别对分块图像进行处理，从而加快对原始图像处理流程，节约布置背景的成本和时间，提升使用感受。
Description
技术领域
本发明涉及图像处理人工智能应用技术领域，具体涉及一种基于按块处理技术的人工智能图像处理方法及系统。
背景技术
目前，各种在线活动的需求突然巨增，比如视频会议、网课、在线直播带货等。但是，视频会议、网课、在线直播带货中的视频图像存在杂乱的背景、图像处理单一，不美化等问题。因此，亟需解决方法来处理视频会议、网课、在线直播带货中的视频图像以适应发展需求。
发明内容
在发明内容部分中引入了一系列简化形式的概念，这将在具体实施方式部分中进一步详细说明；本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。
为至少部分地解决上述问题，本发明提供了一种基于按块处理技术的人工智能图像处理方法，其特征在于，包括：
S100：接收器接收图像信息，通过网关数据传输将图像信息传输至图像处理器；
S200：图像处理器接收图像信息，将图像按块进行切分后组成任意面积图像块组，并根据图像灰度、纹理基本特征对图像进行标注；
S300：通过戴克斯特拉算法获得从一个标注端点到其余各标注端点的最短路径，通过最短路径对应标注对图像进行分块处理，得到图像分块组；
S400：将处理后的图像分块组传输至终端，对图像分块组进行筛选，得到智能处理后输出图像。
优选的，所述S100包括：
S101：采集并且发送图像表面灰度、纹理等图像信息；
S102：对采集到的图像信息进行初步处理，通过网关数据传输将图像信息传输至图像处理器。
优选的，所述S200包括：
S201：图像处理器接收并对图像信息进行扫描，区分图像灰度、纹理等基本特征；
S202：根据图像每一个灰度信息、纹理信息的端点进行标注，并将图像灰度信息、纹理信息进行简化处理。
优选的，所述S300包括：
S301：通过戴克斯特拉算法获得从一个标注端点到其余各标注端点的最短路径；
S302：通过距离比较排序，将所有计算所得的最短路径按从近到远排序并进行分类，得到图像分块组。
优选的，所述S400包括：
S401：图像处理器将所得图像分块组进行简化处理并将图像分块组传输至终端；
S402：终端通过预设标准对图像分块组进行筛选细化，得到智能处理后输出图像。
一种基于按块处理技术的人工智能图像处理系统，其特征在于，包括：
图像信息收集网关数据传输单元，采集图像表面灰度、纹理等图像信息，对采集到的图像信息进行初步处理，通过网关数据传输将图像信息传输至图像处理器；
图像处理标注单元，接收并对图像信息进行扫描，根据图像每一个灰度信息、纹理信息的端点进行标注，并将图像灰度信息、纹理信息进行简化处理；
戴克斯特拉计算分块单元，通过戴克斯特拉算法获得从一个标注端点到其余各标注端点的最短路径，通过距离比较排序，将所有计算所得的最短路径按从近到远排序并进行分类，得到图像分块组；
终端出图单元，通过预设标准对图像分块组进行筛选细化，得到智能处理后输出图像。
优选的，所述图像信息收集网关数据传输单元包括：
图像信息采集子单元，采集并且发送图像表面灰度、纹理等图像信息；
图像信息处理传输子单元，对采集到的图像信息进行初步处理，通过网关数据传输将图像信息传输至图像处理器。
优选的，所述图像处理标注单元包括：
图像扫描区分子单元，图像处理器接收并对图像信息进行扫描，区分图像灰度、纹理等基本特征；
图像信息标注处理子单元，根据图像每一个灰度信息、纹理信息的端点进行标注，并将图像灰度信息、纹理信息进行简化处理。
优选的，所述戴克斯特拉计算分块单元包括：
图像标注子单元，通过戴克斯特拉算法获得从一个标注端点到其余各标注端点的最短路径；
图像分块子单元，通过距离比较排序，将所有计算所得的最短路径按从近到远排序并进行分类，得到图像分块组。
优选的，所述终端出图单元包括：
分块处理传输子单元，图像处理器将所得图像分块组进行简化处理并将图像分块组传输至终端；
图像筛选出图子单元，终端通过预设标准对图像分块组进行筛选细化，得到智能处理后输出图像。
本发明所述的一种基于按块处理技术的人工智能图像处理方法及系统，本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明所述的一种基于按块处理技术的人工智能图像处理方法步骤流程图。
图2为本发明所述的一种基于按块处理技术的人工智能图像处理方法一个实施例图。
图3为本发明所述的一种基于按块处理技术的人工智能图像处理系统框图。
具体实施方式
下面结合附图以及实施例对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施；如图1-3所示，本发明提供了一种基于按块处理技术的人工智能图像处理方法，其特征在于，包括：
S100：接收器接收图像信息，通过网关数据传输将图像信息传输至图像处理器；
S200：图像处理器接收图像信息，将图像按块进行切分后组成任意面积图像块组，并根据图像灰度、纹理基本特征对图像进行标注；
S300：通过戴克斯特拉算法获得从一个标注端点到其余各标注端点的最短路径，通过最短路径对应标注对图像进行分块处理，得到图像分块组；
S400：将处理后的图像分块组传输至终端，对图像分块组进行筛选，得到智能处理后输出图像。
上述技术方案的工作原理为：本实施例采用的方案是通过接收器接收图像信息，然后网关数据传输将图像信息传输至图像处理器，图像处理器接收图像信息后，根据图像灰度、纹理基本特征对图像进行标注，通过戴克斯特拉算法获得从一个标注端点到其余各标注端点的最短路径，通过最短路径对应标注对图像进行分块处理，得到图像分块组，将处理后的图像分块组传输至终端，对图像分块组进行筛选，得到智能处理后输出图像。
上述技术方案的有益效果为：采用本实施例提供的方案在对原始图像进行处理时，将原始图像分为若干分块图像，分别对分块图像进行处理，从而加快对原始图像处理流程，节约布置背景的成本和时间，提升用户的使用感受，满足用户需求。
在一个实施例中，所述S100包括：
S101：采集并且发送图像表面灰度、纹理等图像信息；
S102：对采集到的图像信息进行初步处理，通过网关数据传输将图像信息传输至图像处理器。
上述技术方案的工作原理为：本实施例采用的方案为接收器收集图像信息，接收器发送图像表面灰度、纹理等图像信息，对采集到的图像信息进行初步处理，通过网关数据传输将图像信息传输至图像处理器。
上述技术方案的有益效果为：采用本实施例提供的方案有助于提高采集图像的准确性，利于系统更好的工作，误差较小，不易出现失误。
在一个实施例中，所述S200包括：
S201：图像处理器接收并对图像信息进行扫描，区分图像灰度、纹理等基本特征；
S202：根据图像每一个灰度信息、纹理信息的端点进行标注，并将图像灰度信息、纹理信息进行简化处理。
上述技术方案的工作原理为：本实施例采用的方案为图像处理器接收图像信息，将图像按块进行切分后组成任意面积图像块组，并对图像信息进行扫描，区分图像灰度、纹理等基本特征；然后再根据图像每一个灰度信息、纹理信息的端点进行标注，并将图像灰度信息、纹理信息进行简化处理。
上述技术方案的有益效果为：采用本实施例提供的方案能够很好的区分图像的每一个灰度、每一层纹理特征，为后续工作提供更好的保障，连接整个环节紧密，不易出现纰漏。
在一个实施例中，所述S300包括：
S301：通过戴克斯特拉算法获得从一个标注端点到其余各标注端点的最短路径；
S302：通过距离比较排序，将所有计算所得的最短路径按从近到远排序并进行分类，得到图像分块组。
上述技术方案的工作原理为：本实施例采用的方案为图像处理器经过对图像的灰度信息、纹理信息进行简化处理后，通过戴克斯特拉算法获得从一个标注端点到其余各标注端点的最短路径，其次通过对距离比较的排序，将所有计算所得的最短路径按从近到远排序并进行分类，得到图像分块组。
上述技术方案的有益效果为：采用本实施例提供的方案得到的图像分块组更加准确，能够缩小每个分块的误差，能够使人工智能图像处理更加准确无误。
在一个实施例中，所述S400包括：
S401：图像处理器将所得图像分块组进行简化处理并将图像分块组传输至终端；
S402：终端通过预设标准对图像分块组进行筛选细化，得到智能处理后输出图像。
上述技术方案的工作原理为：本实施例采用的方案为在得到图像分块组后，图像处理器将所得图像分块组进行简化处理并将图像分块组传输至终端，终端通过预设标准对图像分块组进行筛选细化，得到智能处理后输出图像。
上述技术方案的有益效果为：采用本实施例提供的方案得到的图像分块组更加准确，能够缩小每个分块的误差，能够使人工智能图像处理更加准确无误；从而加快对原始图像处理流程，节约布置背景的成本和时间，提升用户的使用感受，满足用户需求。
本发明提供了一种基于按块处理技术的人工智能图像处理系统，其特征在于，包括：
图像信息收集网关数据传输单元，采集图像表面灰度、纹理等图像信息，对采集到的图像信息进行初步处理，通过网关数据传输将图像信息传输至图像处理器；
图像处理标注单元，接收并对图像信息进行扫描，根据图像每一个灰度信息、纹理信息的端点进行标注，并将图像灰度信息、纹理信息进行简化处理；
戴克斯特拉计算分块单元，通过戴克斯特拉算法获得从一个标注端点到其余各标注端点的最短路径，通过距离比较排序，将所有计算所得的最短路径按从近到远排序并进行分类，得到图像分块组；
终端出图单元，通过预设标准对图像分块组进行筛选细化，得到智能处理后输出图像。
上述技术方案的工作原理为：本实施例采用的方案图像信息收集网关数据传输单元采集图像表面灰度、纹理等图像信息，对采集到的图像信息进行初步处理，通过网关数据传输将图像信息传输至图像处理器；图像处理标注单元接收并对图像信息进行扫描，根据图像每一个灰度信息、纹理信息的端点进行标注，并将图像灰度信息、纹理信息进行简化处理；戴克斯特拉计算分块单元通过戴克斯特拉算法获得从一个标注端点到其余各标注端点的最短路径，通过距离比较排序，将所有计算所得的最短路径按从近到远排序并进行分类，得到图像分块组；终端出图单元，通过预设标准对图像分块组进行筛选细化，得到智能处理后输出图像。
上述技术方案的有益效果为：采用本实施例提供的方案在对原始图像进行处理时，将原始图像分为若干分块图像，分别对分块图像进行处理，从而加快对原始图像处理流程，节约布置背景的成本和时间，提升用户的使用感受，满足用户需求。
在一个实施例中，所述图像信息收集网关数据传输单元包括：
图像信息采集子单元，采集并且发送图像表面灰度、纹理等图像信息；
图像信息处理传输子单元，对采集到的图像信息进行初步处理，通过网关数据传输将图像信息传输至图像处理器。
上述技术方案的工作原理为：本实施例采用的方案为图像信息采集子单元采集并且发送图像表面灰度、纹理等图像信息；图像信息处理传输子单元对采集到的图像信息进行初步处理，通过网关数据传输将图像信息传输至图像处理器。
上述技术方案的有益效果为：采用本实施例提供的方案有助于提高采集图像的准确性，利于系统更好的工作，误差较小，不易出现失误。
在一个实施例中，所述图像处理标注单元包括：
图像扫描区分子单元，图像处理器接收并对图像信息进行扫描，区分图像灰度、纹理等基本特征；
图像信息标注处理子单元，根据图像每一个灰度信息、纹理信息的端点进行标注，并将图像灰度信息、纹理信息进行简化处理。
上述技术方案的工作原理为：本实施例采用的方案图像扫描区分子单元接收并对图像信息进行扫描，区分图像灰度、纹理等基本特征；图像信息标注处理子单元根据图像每一个灰度信息、纹理信息的端点进行标注，并将图像灰度信息、纹理信息进行简化处理。
上述技术方案的有益效果为：采用本实施例提供的方案能够很好的区分图像的每一个灰度、每一层纹理特征，为后续工作提供更好的保障，连接整个环节紧密，不易出现纰漏。
在一个实施例中，所述戴克斯特拉计算分块单元包括：
图像标注子单元，通过戴克斯特拉算法获得从一个标注端点到其余各标注端点的最短路径；
图像分块子单元，通过距离比较排序，将所有计算所得的最短路径按从近到远排序并进行分类，得到图像分块组。
上述技术方案的工作原理为：本实施例采用的方案图像标注子单元通过戴克斯特拉算法获得从一个标注端点到其余各标注端点的最短路径；其中下列公式为戴克斯特拉算法：
选择起点start与终点end；
所有点除起点外加入未知集合，并将起点加入已知集合，即至标志位为真，意为已确定该点到源点的最短路径；
初始化计算，更新起点与其他各点的耗费dis(start,n)；
在未知集合中，选择dis(start,n)中值最小的点x，将x加入已知集合。
对于剩余顶点中，计算dis(start,n)>dis(start,x)+dis(x,n)
若真则dis(start,n)＝dis(start,x)+dis(x,n)，此时start与n点路径经过x点。循环直至goal点加入已知列表，取得dis(start,goal)即为最短距离；
图像分块子单元通过距离比较排序，将所有计算所得的最短路径按从近到远排序并进行分类，得到图像分块组。
上述技术方案的有益效果为：采用本实施例提供的方案得到的图像分块组更加准确，能够缩小每个分块的误差，能够使人工智能图像处理更加准确无误。
在一个实施例中，所述终端出图单元包括：
分块处理传输子单元，图像处理器将所得图像分块组进行简化处理并将图像分块组传输至终端；
图像筛选出图子单元，终端通过预设标准对图像分块组进行筛选细化，得到智能处理后输出图像。
上述技术方案的工作原理为：本实施例采用的方案分块处理传输子单元中图像处理器将所得图像分块组进行简化处理并将图像分块组传输至终端；图像筛选出图子单元中的终端通过预设标准对图像分块组进行筛选细化，得到智能处理后输出图像。
上述技术方案的有益效果为：采用本实施例提供的方案得到的图像分块组更加准确，能够缩小每个分块的误差，能够使人工智能图像处理更加准确无误；从而加快对原始图像处理流程，节约布置背景的成本和时间，提升用户的使用感受，满足用户需求。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节与这里示出与描述的图例。
Claims (10)
1.一种基于按块处理技术的人工智能图像处理方法，其特征在于，包括：
S100：接收器接收图像信息，通过网关数据传输将图像信息传输至图像处理器；
S200：图像处理器接收图像信息，将图像按块进行切分后组成任意面积图像块组，并根据图像灰度、纹理基本特征对图像进行标注；
S300：通过戴克斯特拉算法获得从一个标注端点到其余各标注端点的最短路径，通过最短路径对应标注对图像进行分块处理，得到图像分块组；
S400：将处理后的图像分块组传输至终端，对图像分块组进行筛选，得到智能处理后输出图像。
2.如权利要求1所述的一种基于按块处理技术的人工智能图像处理方法，其特征在于，所述S100包括：
S101：采集并且发送图像表面灰度、纹理等图像信息；
S102：对采集到的图像信息进行初步处理，通过网关数据传输将图像信息传输至图像处理器。
3.如权利要求1所述的一种基于按块处理技术的人工智能图像处理方法，其特征在于，所述S200包括：
S201：图像处理器接收并对图像信息进行扫描，区分图像灰度、纹理等基本特征；
S202：根据图像每一个灰度信息、纹理信息的端点进行标注，并将图像灰度信息、纹理信息进行简化处理。
4.如权利要求1所述的一种基于按块处理技术的人工智能图像处理方法，其特征在于，所述S300包括：
S301：通过戴克斯特拉算法获得从一个标注端点到其余各标注端点的最短路径；
S302：通过距离比较排序，将所有计算所得的最短路径按从近到远排序并进行分类，得到图像分块组。
5.如权利要求1所述的一种基于按块处理技术的人工智能图像处理方法，其特征在于，所述S400包括：
S401：图像处理器将所得图像分块组进行简化处理并将图像分块组传输至终端；
S402：终端通过预设标准对图像分块组进行筛选细化，得到智能处理后输出图像。
6.一种基于按块处理技术的人工智能图像处理系统，其特征在于，包括：
图像信息收集网关数据传输单元，采集图像表面灰度、纹理等图像信息，对采集到的图像信息进行初步处理，通过网关数据传输将图像信息传输至图像处理器；
图像处理标注单元，接收并对图像信息进行扫描，根据图像每一个灰度信息、纹理信息的端点进行标注，并将图像灰度信息、纹理信息进行简化处理；
戴克斯特拉计算分块单元，通过戴克斯特拉算法获得从一个标注端点到其余各标注端点的最短路径，通过距离比较排序，将所有计算所得的最短路径按从近到远排序并进行分类，得到图像分块组；
终端出图单元，通过预设标准对图像分块组进行筛选细化，得到智能处理后输出图像。
7.如权利要求6所述的一种基于按块处理技术的人工智能图像处理系统，其特征在于，所述图像信息收集网关数据传输单元包括：
图像信息采集子单元，采集并且发送图像表面灰度、纹理等图像信息；
图像信息处理传输子单元，对采集到的图像信息进行初步处理，通过网关数据传输将图像信息传输至图像处理器。
8.如权利要求6所述的一种基于按块处理技术的人工智能图像处理系统，其特征在于，所述图像处理标注单元包括：
图像扫描区分子单元，图像处理器接收并对图像信息进行扫描，区分图像灰度、纹理等基本特征；
图像信息标注处理子单元，根据图像每一个灰度信息、纹理信息的端点进行标注，并将图像灰度信息、纹理信息进行简化处理。
9.如权利要求6所述的一种基于按块处理技术的人工智能图像处理系统，其特征在于，所述戴克斯特拉计算分块单元包括：
图像标注子单元，通过戴克斯特拉算法获得从一个标注端点到其余各标注端点的最短路径；
图像分块子单元，通过距离比较排序，将所有计算所得的最短路径按从近到远排序并进行分类，得到图像分块组。
10.如权利要求6所述的一种基于按块处理技术的人工智能图像处理系统，其特征在于，所述终端出图单元包括：
分块处理传输子单元，图像处理器将所得图像分块组进行简化处理并将图像分块组传输至终端；
图像筛选出图子单元，终端通过预设标准对图像分块组进行筛选细化，得到智能处理后输出图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211220732.2A CN115564689A (zh) | 2022-10-08 | 2022-10-08 | 一种基于按块处理技术的人工智能图像处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211220732.2A CN115564689A (zh) | 2022-10-08 | 2022-10-08 | 一种基于按块处理技术的人工智能图像处理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115564689A true CN115564689A (zh) | 2023-01-03 |
Family
ID=84744229
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211220732.2A Pending CN115564689A (zh) | 2022-10-08 | 2022-10-08 | 一种基于按块处理技术的人工智能图像处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115564689A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008018623A1 (en) * | 2006-08-11 | 2008-02-14 | Panasonic Corporation | Method, apparatus and integrated circuit for improving image sharpness |
| CN105556568A (zh) * | 2013-07-31 | 2016-05-04 | 微软技术许可有限责任公司 | 使用背景先验的测地线显著性 |
| WO2020181900A1 (zh) * | 2019-01-18 | 2020-09-17 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、图像设备及存储介质 |
| CN114299307A (zh) * | 2021-12-28 | 2022-04-08 | 广东电网有限责任公司 | 一种输电线路图像标注方法及相关装置 |
| CN114529570A (zh) * | 2022-02-21 | 2022-05-24 | 中国工商银行股份有限公司 | 图像分割方法、图像识别方法、用户凭证补办方法及系统 |
-
2022
- 2022-10-08 CN CN202211220732.2A patent/CN115564689A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008018623A1 (en) * | 2006-08-11 | 2008-02-14 | Panasonic Corporation | Method, apparatus and integrated circuit for improving image sharpness |
| CN105556568A (zh) * | 2013-07-31 | 2016-05-04 | 微软技术许可有限责任公司 | 使用背景先验的测地线显著性 |
| WO2020181900A1 (zh) * | 2019-01-18 | 2020-09-17 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、图像设备及存储介质 |
| CN114299307A (zh) * | 2021-12-28 | 2022-04-08 | 广东电网有限责任公司 | 一种输电线路图像标注方法及相关装置 |
| CN114529570A (zh) * | 2022-02-21 | 2022-05-24 | 中国工商银行股份有限公司 | 图像分割方法、图像识别方法、用户凭证补办方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN1307599C (zh) | 图像匹配 | |
| US11373339B2 (en) | Projection-based mesh compression | |
| KR100937543B1 (ko) | 세그먼트된 계층화 이미지 시스템, 사진 복사기, 문서 스캐너, 광학 문자 인식 시스템, pda, 팩스 장치, 디지털 카메라, 디지털 비디오 카메라, 비디오 게임 시스템, 마스크의 생성 방법, 마스크 분리기 컴포넌트, 문서 이미지 압축 시스템, 데이터 패킷 및 컴퓨터 판독가능 매체 | |
| CN1133329C (zh) | 根据轮廓运动估算技术对目标轮廓进行编码的方法和设备 | |
| CN102625100B (zh) | 图像编码方法 | |
| US6480620B1 (en) | Method of and an apparatus for 3-dimensional structure estimation | |
| CN112446275A (zh) | 物体数量推定装置、物体数量推定方法以及存储介质 | |
| US11537814B2 (en) | Data providing system and data collection system | |
| CN115564689A (zh) | 一种基于按块处理技术的人工智能图像处理方法及系统 | |
| CN115359308B (zh) | 模型训练、难例识别方法、装置、设备、存储介质及程序 | |
| US6710844B2 (en) | Method and apparatus for estimating camera motion | |
| CN114926627A (zh) | 口腔结构定位模型训练方法、定位方法、装置和电子设备 | |
| CN113269195A (zh) | 读数表图像字符识别方法和装置以及可读存储介质 | |
| CN112949716A (zh) | 相似度评估方法、系统、终端设备及计算机可读存储介质 | |
| CN110996128A (zh) | 在线教学视频推送管理系统 | |
| CN1008874B (zh) | 估计在一个图象序列中的动态的方法和装置 | |
| CN117297554A (zh) | 一种淋巴成像装置控制系统及方法 | |
| CN111191658A (zh) | 基于广义局部二值模式的纹理描述方法及图像分类方法 | |
| US20040170322A1 (en) | Prioritizing in segment matching | |
| CN108389112A (zh) | 3d房型模型显示方法 | |
| CN112288764A (zh) | 图像分割方法、装置、设备及存储介质 | |
| CN1121123C (zh) | 边界匹配运动估算装置 | |
| CN117574930B (zh) | 立体条形码信息生成方法、装置、电子设备和可读介质 | |
| CN114973396B (zh) | 图像处理方法、装置、终端设备及计算机可读存储介质 | |
| CN115766976B (zh) | 一种图像显示系统及其控制方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230103 |