摘要
本发明属于图像处理技术领域,具体公开了车载摄像头图像去噪与增强的方法及系统,通过多尺度分解将图像分解为不同频率的子带图像,使得噪声和细节在不同尺度上进行处理,针对不同子带的特性,采用自适应算法估计噪声强度,并根据估计的噪声强度进行自适应去噪处理,在保证去噪效果的同时,减少了对边缘和纹理的模糊,提升了处理质量,对经过去噪处理后的高频子带图像进行细节增强操作,通过在训练过程中对深度学习模型结构和参数进行优化,使其能够在有限的计算资源下有效地提升图像质量,深度学习模型的设计减少了计算量,同时深度学习模型的强大特征学习能力能够捕捉到传统方法难以处理的图像特征,进一步提升去噪和增强的效果。
技术关键词
深度学习模型
车载摄像头图像
低通滤波器
多尺度分析方法
图像输出模块
高通滤波器
原始图像数据
直方图累积分布
后处理模块
残留噪声
滤波模块
像素
噪声强度估计
系统为您推荐了相关专利信息
车道线信息
风险分析方法
场景特征
车辆
交叉注意力机制
逆向设计方法
有限元分析软件
剪纸
磁性薄膜结构
训练深度学习模型
继电保护装置
动作时序特征
录波器
深度学习模型
分析方法
玻璃模型
火源定位方法
玻璃幕墙
Laplace算子
红外热像仪
压电式传感器
振动检测仪
数字低通滤波器
傅里叶变换算法
频率