CN104616257A - 一种模糊退化数字图像在司法中的复原取证方法 - Google Patents
一种模糊退化数字图像在司法中的复原取证方法 Download PDFInfo
- Publication number
- CN104616257A CN104616257A CN201510037693.6A CN201510037693A CN104616257A CN 104616257 A CN104616257 A CN 104616257A CN 201510037693 A CN201510037693 A CN 201510037693A CN 104616257 A CN104616257 A CN 104616257A
- Authority
- CN
- China
- Prior art keywords
- image
- blur
- motion
- picture
- resolution
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明的模糊退化数字图像在司法中的复原取证方法,包括:a).运动或离焦模糊的判断;b).采用公式 进行清晰化处理;c).判断是否存在拍摄条件所限的模糊;d).模糊图像的清晰化处理;e).分辨率低下模糊的判断;f).采用去模糊、降噪的超分辨率图像重建方法,获取模糊图像的超分辨率图像;执行步骤g);g).图形处理完毕,获取的图像为原始模糊图像科学、合理的复原图像。本发明的模糊退化数字图像在司法中的复原取证方法,可将存在运动或离焦模糊、拍摄条件恶劣所造成的图像模糊、分辨率低下所造成的图像模糊消除,科学、合理地实现了原始模糊图像的逼真还原,不存在图像篡改行为,为图像作为司法依据提供了强有力的保障。
Description
技术领域
本发明涉及一种模糊退化数字图像在司法中的复原取证方法,更具体的说,尤其涉及一种可有效消除图像由于运动、拍摄环境恶劣和分辨率低所导致的图形模糊的模糊退化数字图像在司法中的复原取证方法。
背景技术
数字图像内容取证技术主要是通过对数字图像的统计特性的分析来判断图像内容的准确性、完整性和原始性。各种图像都有可能是经过一种或者多种篡改以后的图像,虽然他们不能被人的视觉直接感知,但是各种篡改不可避免地会改变图像的某些数据特性。运用科学、合理的图像处理手段来检测出这种人为篡改所造成的数据特性的改变,是数字图像取证的关键。
在司法审查中,经常遇到这样的情况,所提供的数字图像模糊不清,不足以对所佐证的内容提供充实的证据,此时,就需要对模糊退化的图像进行还原处理,使之成为司法过程中的有效证据。概括来说,造成图像模糊退化的原因主要有三类:(1)一是由于拍摄环境恶劣(如大雨、大雾、大雪或者雾霾)所造成的图像模糊不清;(2)二是由于图像采集设备分辨率低所造成的图像精细度不够;(3)三是由于图像采集设备与采集对象之间的相对运动所造成的图像模糊不清。
对于第一类情形,如果图像中的关键目标模糊不清,则不能观察清楚图像的细节,无法提供令人信服的有用信息,造成图像的证明力度不够。对于第二类情形,分辨率低下的数字图像所能显示的感兴趣目标的细节有限,如不能将图像中关键物体通过科学的手段清晰地显示出来,则可能造成了本来囊括了有效证明内容的图像而失去应用的作用。在有些情况下,对方为了使本来清晰可辨的图像失去作为证据的作用,可能会人为地降低图像的分辨率,以使违法或犯罪证据无法获取,这种情况下,对于分辨率低下的数字图像的清晰还原也十分重要。对于第三类情形,由于在数字图像采集的瞬间,物体或图像采集设备发生突然的抖动或快速运动,则就造成了运动模糊或离焦模糊的数字图像,将运动模糊或离焦模糊的图像清晰化,也是数字图像取证的关键。
发明内容
本发明为了克服上述技术问题的缺点,提供了一种模糊退化数字图像在司法中的复原取证方法。
本发明的模糊退化数字图像在司法中的复原取证方法,其特别之处在于,通过以下步骤来实现:a).运动或离焦模糊的判断,对于待清晰化的模糊退化数字图像,首先人为地判断其是否存在运动模糊或离焦模糊,如果存在,则执行步骤b);如果不存在,则执行步骤c);b).运动或离焦模糊的清晰化,对于待清晰化的数字图像,采用公式(1)对其进行清晰化处理:
(1)
为对原始图像的一个估计,为图像的退化函数,为图像的加性噪声;和获取的越准确,就越接近;由模糊运动方向和运动长度确定;利用获取的模糊运动方向和长度对图像进行清晰化处理,并将模糊图像的加性噪声去除,以获取清晰图像;执行步骤c);c).判断是否存在拍摄条件所限的模糊,判断待清晰化的图像是否存在由于拍摄条件恶劣所造成的图像模糊,如果存在,则执行步骤d);如果不存在,则执行步骤e);d).模糊图像的清晰化处理,设待处理图像中像素点的R、G、B值分别为、、,图像中所有像素点的R、G、B值的取值范围分别为、、,0≤≤255,0≤≤255,0≤≤255,利用公式(2)对其进行清晰化处理:
(2)
利用求取的、、值来替换像素点的R、G、B值,即可实现对图形的清晰化处理;其中,,,;执行步骤e);e).分辨率低下模糊的判断,人为判断是否存在由于图像分辨率较低所导致的图像模糊不清的情形,如果没有,则执行步骤g);如果存在,则执行步骤f);f).低分辨率图像的清晰化处理,通过以下步骤来实现:f-1).多幅低分辨率图像的获取,如果待清晰化的图像为视频帧图像,通过对视频帧的处理,获取多幅画面一致的低分辨率图像;如果待清晰化的图像为单幅数字图像,则采用插值法获取多幅画面一致的低分辨率图像;设获取的低分辨率图像的数量为N个;f-2).图像的超分辨率重建,依据步骤f-1)中所获取的N个低分辨率图像,采用去模糊、降噪的超分辨率图像重建方法,获取模糊图像的超分辨率图像;执行步骤g);g).图形处理完毕,模糊退化数字图形的复原处理完毕,对于存在运动或离焦模糊、拍摄条件恶劣所造成的图像模糊、分辨率低下所造成的图像模糊均可消除,最后获取的图像为原始模糊图像科学、合理的复原图像,其显示的细节内容可作为证据使用。
本发明的模糊退化数字图像在司法中的复原取证方法,步骤b)中所述的运动或离焦模糊的清晰化过程通过以下步骤来实现:b-1).图像的差分运算,采用基于旋转差分算子的运动模糊方向来估计模糊图像的运动方向,将差分算子与模糊图像采用公式(3)进行线性卷积运算,实现对模糊图像的差分运算:
(3)
其中,表示原始模糊图像,表示方向差分算子,表示被差分算子作用后的差分结果;b-2).运动方向的确定,令按照=的顺序依次变化,并求出相应的,并按照公式(4)求出每个中像素绝对值的和:
(4)
在运算的过程中,如果满足不等式(5)的出现,
(5)
则使具有极小值的角度值即为模糊图像的运动方向,设运动方向为;b-3).运动模糊参数的求取,采用模糊图像点扩散函数参数估计方法来估计运动模糊图像的运动长度;
采用公式(6)求取运动模糊参数:
(6)
为初始模数运动参数,为运动步长,D为搜索次数,1≤≤D;b-4).获取再次模糊图像,利用模糊参数对原始模糊图像模糊处理得到再次模糊的图像,通过公式(7)进行求取:
(7)
b-5).模糊运动长度的确定,计算误差,使具有最小值的即为模糊运动步长。
本发明的模糊退化数字图像在司法中的复原取证方法,步骤b)中加性噪声的去除通过均值滤波法、中值滤波法或者频域低通滤波法来实现。
本发明的模糊退化数字图像在司法中的复原取证方法,步骤d)中,如果所获取的图像为灰度值图像,设像素点的灰度值为,图像中所有像素的灰度值范围为,0≤≤255;则模糊图像的清晰化处理通过公式(8)来实现:
(8)
利用求取的值来替换像素点的值,即可实现对图形的清晰化处理;其中,。
本发明的有益效果是:本发明的模糊退化数字图像在司法中的复原取证方法,在原始模糊图像存在运动或离焦模糊的情形下,通过退化函数和加性噪声实现对原始图像的最大估计,以最大限度地实现对图像的还原;在模糊图像存在由于拍摄环境恶劣所造成的图像模糊时,如大雨、大雾或大雪天气条件下所获取的图像,则采用像素值扩大的方法来获取清晰的图像;在模糊图像存在由于分辨率低所导致的图像模糊时,则采用超分辨率图像重建方法,获取模糊图像的超分辨率图像,最后获取的图像为原始模糊图像科学、合理的复原图像,其显示的细节内容可作为证据使用。
本发明的模糊退化数字图像在司法中的复原取证方法,可将存在运动或离焦模糊、拍摄条件恶劣所造成的图像模糊、分辨率低下所造成的图像模糊消除,科学、合理地实现了原始模糊图像的逼真还原,不存在图像篡改行为,为图像作为司法依据提供了强有力的保障。
附图说明
图1为本发明的模糊退化数字图像在司法中的复原取证方法的流程图;
图2为本发明中的原始模糊图像;
图3为本发明中的原始模糊图像经过运动模糊清晰化处理后的图像;
图4为图3中的图像经过像素均衡化处理后的图像;
图5为图4中的图像经过超分辨率图像重建处理后的图像。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
如图1所示,给出了本发明的模糊退化数字图像在司法中的复原取证方法的流程图,其通过以下方法来实现:
a).运动或离焦模糊的判断,对于待清晰化的模糊退化数字图像,首先人为地判断其是否存在运动模糊或离焦模糊,如果存在,则执行步骤b);如果不存在,则执行步骤c);
如图2所示,给出了一幅原始模糊图像,所示的模糊图像不仅存在运动模糊,而且还存在由于拍摄环境恶劣所造成的图像模糊以及低分辨率所造成的图像模糊。由于原始图像的模糊,根本无法获取监控画面中的车牌号码。
b).运动或离焦模糊的清晰化,对于待清晰化的数字图像,采用公式(1)对其进行清晰化处理:
(1)
为对原始图像的一个估计,为图像的退化函数,为图像的加性噪声;和获取的越准确,就越接近;由模糊运动方向和运动长度确定;
利用获取的模糊运动方向和长度对图像进行清晰化处理,并将模糊图像的加性噪声去除,以获取清晰图像;执行步骤c);
该步骤中,所述的运动或离焦模糊的清晰化过程通过以下步骤来实现:
b-1).图像的差分运算,采用基于旋转差分算子的运动模糊方向来估计模糊图像的运动方向,将差分算子与模糊图像采用公式(3)进行线性卷积运算,实现对模糊图像的差分运算:
(3)
其中,表示原始模糊图像,表示方向差分算子,表示被差分算子作用后的差分结果;
b-2).运动方向的确定,令按照=的顺序依次变化,并求出相应的,并按照公式(4)求出每个中像素绝对值的和:
(4)
在运算的过程中,如果满足不等式(5)的出现,
(5)
则使具有极小值的角度值即为模糊图像的运动方向,设运动方向为;
b-3).运动模糊参数的求取,采用模糊图像点扩散函数参数估计方法来估计运动模糊图像的运动长度;
采用公式(6)求取运动模糊参数:
(6)
为初始模数运动参数,为运动步长,D为搜索次数,1≤≤D;
b-4).获取再次模糊图像,利用模糊参数对原始模糊图像模糊处理得到再次模糊的图像,通过公式(7)进行求取:
(7)
b-5).模糊运动长度的确定,计算误差,使具有最小值的即为模糊运动步长。
该步骤中,加性噪声的去除通过均值滤波法、中值滤波法或者频域低通滤波法来实现。
如图3所示,给出了经过步骤b)处理后的图像,由此可见,经过步骤b)的处理后,消除了图像运动模糊,但由于拍摄条件不好,获取的图像模糊不清,还是无法识别车牌号。
c).判断是否存在拍摄条件所限的模糊,判断待清晰化的图像是否存在由于拍摄条件恶劣所造成的图像模糊,如果存在,则执行步骤d);如果不存在,则执行步骤e);
d).模糊图像的清晰化处理,设待处理图像中像素点的R、G、B值分别为、、,图像中所有像素点的R、G、B值的取值范围分别为、、,0≤≤255,0≤≤255,0≤≤255,利用公式(2)对其进行清晰化处理:
(2)
利用求取的、、值来替换像素点的R、G、B值,即可实现对图形的清晰化处理;其中,,,;执行步骤e);
如果所获取的图像为灰度值图像,设像素点的灰度值为,图像中所有像素的灰度值范围为,0≤≤255;则模糊图像的清晰化处理通过公式(8)来实现:
(8)
利用求取的值来替换像素点的值,即可实现对图形的清晰化处理;其中,。
如图4所示,给出了图3中的图像经过像素均衡化处理后的图像,相对于图3中的监控画面来说,图4中的图像虽然以不存在运动、拍摄环境恶劣所造成的图像模糊,但由于图像本身的分辨率低下,还是无法获取车牌号码。
e).分辨率低下模糊的判断,人为判断是否存在由于图像分辨率较低所导致的图像模糊不清的情形,如果没有,则执行步骤g);如果存在,则执行步骤f);
f).低分辨率图像的清晰化处理,通过以下步骤来实现:
f-1).多幅低分辨率图像的获取,如果待清晰化的图像为视频帧图像,通过对视频帧的处理,获取多幅画面一致的低分辨率图像;如果待清晰化的图像为单幅数字图像,则采用插值法获取多幅画面一致的低分辨率图像;设获取的低分辨率图像的数量为N个;
f-2).图像的超分辨率重建,依据步骤f-1)中所获取的N个低分辨率图像,采用去模糊、降噪的超分辨率图像重建方法,获取模糊图像的超分辨率图像;执行步骤g);
如图5所示,给出了图4中的图像经超分辨率图像重建处理后的图像,由于消除了原始图像的运动模糊、拍摄环境恶劣模糊、低分辨率模糊,使得监控画面中的车牌号码清晰可辨。
g).图形处理完毕,模糊退化数字图形的复原处理完毕,对于存在运动或离焦模糊、拍摄条件恶劣所造成的图像模糊、分辨率低下所造成的图像模糊均可消除,最后获取的图像为原始模糊图像科学、合理的复原图像,其显示的细节内容可作为证据使用。
Claims (4)
1.一种模糊退化数字图像在司法中的复原取证方法,其特征在于,通过以下步骤来实现:
a).运动或离焦模糊的判断,对于待清晰化的模糊退化数字图像,首先人为地判断其是否存在运动模糊或离焦模糊,如果存在,则执行步骤b);如果不存在,则执行步骤c);
b).运动或离焦模糊的清晰化,对于待清晰化的数字图像,采用公式(1)对其进行清晰化处理:
(1)
为对原始图像的一个估计,为图像的退化函数,为图像的加性噪声;和获取的越准确,就越接近;由模糊运动方向和运动长度确定;
利用获取的模糊运动方向和长度对图像进行清晰化处理,并将模糊图像的加性噪声去除,以获取清晰图像;执行步骤c);
c).判断是否存在拍摄条件所限的模糊,判断待清晰化的图像是否存在由于拍摄条件恶劣所造成的图像模糊,如果存在,则执行步骤d);如果不存在,则执行步骤e);
d).模糊图像的清晰化处理,设待处理图像中像素点的R、G、B值分别为、、,图像中所有像素点的R、G、B值的取值范围分别为、、,0≤≤255,0≤≤255,0≤≤255,利用公式(2)对其进行清晰化处理:
(2)
利用求取的、、值来替换像素点的R、G、B值,即可实现对图形的清晰化处理;其中,,,;执行步骤e);
e).分辨率低下模糊的判断,人为判断是否存在由于图像分辨率较低所导致的图像模糊不清的情形,如果没有,则执行步骤g);如果存在,则执行步骤f);
f).低分辨率图像的清晰化处理,通过以下步骤来实现:
f-1).多幅低分辨率图像的获取,如果待清晰化的图像为视频帧图像,通过对视频帧的处理,获取多幅画面一致的低分辨率图像;如果待清晰化的图像为单幅数字图像,则采用插值法获取多幅画面一致的低分辨率图像;设获取的低分辨率图像的数量为N个;
f-2).图像的超分辨率重建,依据步骤f-1)中所获取的N个低分辨率图像,采用去模糊、降噪的超分辨率图像重建方法,获取模糊图像的超分辨率图像;执行步骤g);
g).图形处理完毕,模糊退化数字图形的复原处理完毕,对于存在运动或离焦模糊、拍摄条件恶劣所造成的图像模糊、分辨率低下所造成的图像模糊均可消除,最后获取的图像为原始模糊图像科学、合理的复原图像,其显示的细节内容可作为证据使用。
2.根据权利要求1所述的模糊退化数字图像在司法中的复原取证方法,其特征在于:步骤b)中所述的运动或离焦模糊的清晰化过程通过以下步骤来实现:
b-1).图像的差分运算,采用基于旋转差分算子的运动模糊方向来估计模糊图像的运动方向,将差分算子与模糊图像采用公式(3)进行线性卷积运算,实现对模糊图像的差分运算:
(3)
其中,表示原始模糊图像,表示方向差分算子,表示被差分算子作用后的差分结果;
b-2).运动方向的确定,令按照=的顺序依次变化,并求出相应的,并按照公式(4)求出每个中像素绝对值的和:
(4)
在运算的过程中,如果满足不等式(5)的出现,
(5)
则使具有极小值的角度值即为模糊图像的运动方向,设运动方向为;
b-3).运动模糊参数的求取,采用模糊图像点扩散函数参数估计方法来估计运动模糊图像的运动长度;
采用公式(6)求取运动模糊参数:
(6)
为初始模数运动参数,为运动步长,D为搜索次数,1≤≤D;
b-4).获取再次模糊图像,利用模糊参数对原始模糊图像模糊处理得到再次模糊的图像,通过公式(7)进行求取:
(7)
b-5).模糊运动长度的确定,计算误差,使具有最小值的即为模糊运动步长。
3.根据权利要求1或2所述的模糊退化数字图像在司法中的复原取证方法,其特征在于:步骤b)中加性噪声的去除通过均值滤波法、中值滤波法或者频域低通滤波法来实现。
4.根据权利要求1或2所述的模糊退化数字图像在司法中的复原取证方法,其特征在于:步骤d)中,如果所获取的图像为灰度值图像,设像素点的灰度值为,图像中所有像素的灰度值范围为,0≤≤255;则模糊图像的清晰化处理通过公式(8)来实现:
(8)
利用求取的值来替换像素点的值,即可实现对图形的清晰化处理;其中,。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510037693.6A CN104616257A (zh) | 2015-01-26 | 2015-01-26 | 一种模糊退化数字图像在司法中的复原取证方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510037693.6A CN104616257A (zh) | 2015-01-26 | 2015-01-26 | 一种模糊退化数字图像在司法中的复原取证方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104616257A true CN104616257A (zh) | 2015-05-13 |
Family
ID=53150690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510037693.6A Pending CN104616257A (zh) | 2015-01-26 | 2015-01-26 | 一种模糊退化数字图像在司法中的复原取证方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104616257A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913392A (zh) * | 2016-04-08 | 2016-08-31 | 西安电子科技大学昆山创新研究院 | 复杂环境下退化图像综合质量提升方法 |
CN106097267A (zh) * | 2016-06-08 | 2016-11-09 | 浙江传媒学院 | 一种基于傅里叶变换的图像去模糊方法 |
CN108961186A (zh) * | 2018-06-29 | 2018-12-07 | 赵岩 | 一种基于深度学习的老旧影片修复重制方法 |
CN110264415A (zh) * | 2019-05-24 | 2019-09-20 | 北京爱诺斯科技有限公司 | 一种消除抖动模糊的图像处理方法 |
CN112652000A (zh) * | 2020-12-30 | 2021-04-13 | 南京航空航天大学 | 一种针对图像小尺度运动方向判定的方法 |
CN112700386A (zh) * | 2020-12-30 | 2021-04-23 | 江苏奥格视特信息科技有限公司 | 一种基于人工智能的模糊图像超高清变换方法及*** |
CN113014822A (zh) * | 2021-03-24 | 2021-06-22 | 深圳市蔚来芯科技有限公司 | 基于摄像头图像处理芯片的图像增强处理***及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101079149A (zh) * | 2006-09-08 | 2007-11-28 | 浙江师范大学 | 一种基于径向基神经网络的有噪运动模糊图像复原方法 |
US20080232707A1 (en) * | 2007-03-23 | 2008-09-25 | Industrial Technology Research Institute | Motion blurred image restoring method |
CN101441765A (zh) * | 2008-11-19 | 2009-05-27 | 西安电子科技大学 | 保持边缘清晰的自适应正则超分辨图像重建方法 |
CN101968881A (zh) * | 2010-10-27 | 2011-02-09 | 东南大学 | 一种运动模糊和散焦复合模糊的图像复原方法 |
CN102170526A (zh) * | 2011-03-22 | 2011-08-31 | 公安部第三研究所 | 散焦模糊核计算及其散焦模糊图像清晰化处理方法 |
CN102236887A (zh) * | 2011-03-11 | 2011-11-09 | 贵州大学 | 基于旋转差分和加权总变分的运动模糊图像复原方法 |
-
2015
- 2015-01-26 CN CN201510037693.6A patent/CN104616257A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101079149A (zh) * | 2006-09-08 | 2007-11-28 | 浙江师范大学 | 一种基于径向基神经网络的有噪运动模糊图像复原方法 |
US20080232707A1 (en) * | 2007-03-23 | 2008-09-25 | Industrial Technology Research Institute | Motion blurred image restoring method |
CN101441765A (zh) * | 2008-11-19 | 2009-05-27 | 西安电子科技大学 | 保持边缘清晰的自适应正则超分辨图像重建方法 |
CN101968881A (zh) * | 2010-10-27 | 2011-02-09 | 东南大学 | 一种运动模糊和散焦复合模糊的图像复原方法 |
CN102236887A (zh) * | 2011-03-11 | 2011-11-09 | 贵州大学 | 基于旋转差分和加权总变分的运动模糊图像复原方法 |
CN102170526A (zh) * | 2011-03-22 | 2011-08-31 | 公安部第三研究所 | 散焦模糊核计算及其散焦模糊图像清晰化处理方法 |
Non-Patent Citations (4)
Title |
---|
方永选等: "《模糊图像处理技术在刑事侦查中的应用》", 《中国公共安全 学术版》 * |
杨洪臣等: "《模糊图像处理技术概述》", 《警察技术》 * |
武彬: "《一种有效的图像复原方法》", 《图像分析》 * |
计岑: "《一种低分辨率散焦模糊图像的超分辨率重建复原方法》", 《广播电视信息》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913392A (zh) * | 2016-04-08 | 2016-08-31 | 西安电子科技大学昆山创新研究院 | 复杂环境下退化图像综合质量提升方法 |
CN106097267A (zh) * | 2016-06-08 | 2016-11-09 | 浙江传媒学院 | 一种基于傅里叶变换的图像去模糊方法 |
CN106097267B (zh) * | 2016-06-08 | 2019-04-02 | 浙江传媒学院 | 一种基于傅里叶变换的图像去模糊方法 |
CN108961186A (zh) * | 2018-06-29 | 2018-12-07 | 赵岩 | 一种基于深度学习的老旧影片修复重制方法 |
CN108961186B (zh) * | 2018-06-29 | 2022-02-15 | 福建帝视信息科技有限公司 | 一种基于深度学习的老旧影片修复重制方法 |
CN110264415A (zh) * | 2019-05-24 | 2019-09-20 | 北京爱诺斯科技有限公司 | 一种消除抖动模糊的图像处理方法 |
CN112652000A (zh) * | 2020-12-30 | 2021-04-13 | 南京航空航天大学 | 一种针对图像小尺度运动方向判定的方法 |
CN112700386A (zh) * | 2020-12-30 | 2021-04-23 | 江苏奥格视特信息科技有限公司 | 一种基于人工智能的模糊图像超高清变换方法及*** |
CN112652000B (zh) * | 2020-12-30 | 2024-05-24 | 南京航空航天大学 | 一种针对图像小尺度运动方向判定的方法 |
CN113014822A (zh) * | 2021-03-24 | 2021-06-22 | 深圳市蔚来芯科技有限公司 | 基于摄像头图像处理芯片的图像增强处理***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104616257A (zh) | 一种模糊退化数字图像在司法中的复原取证方法 | |
CN100474337C (zh) | 一种基于径向基神经网络的有噪运动模糊图像复原方法 | |
CN111598808A (zh) | 图像处理方法、装置、设备及其训练方法 | |
Ramya et al. | Restoration of blurred images using Blind Deconvolution Algorithm | |
CN103295225B (zh) | 弱光照条件下的列车转向架边缘检测方法 | |
CN102665034A (zh) | 一种针对摄像机采集视频的夜间效果去除方法 | |
KR101684990B1 (ko) | 양방향 필터의 시그마 변수를 이용한 차량 영상 디블러 방법 | |
DE102013114996A1 (de) | Bildsuperauflösung für dynamischen Rückspiegel | |
CN106651791A (zh) | 一种单幅运动模糊图像恢复方法 | |
Malik et al. | Llrnet: A multiscale subband learning approach for low light image restoration | |
Soni et al. | Image restoration using adaptive median filtering | |
CN108122209B (zh) | 一种基于对抗生成网络的车牌去模糊方法 | |
Jain et al. | A comparative study of various image restoration techniques with different types of blur | |
Cai et al. | Motion deblurring from a single image | |
Abinaya et al. | Rectify the blurred license plate image from fast moving vehicles using morphological process | |
CN112233032B (zh) | 一种高动态范围图像鬼影消除的方法 | |
Alshammri et al. | Three-dimensional video super-resolution reconstruction scheme based on histogram matching and recursive Bayesian algorithms | |
Alluhaidan et al. | Retinex-based visibility enhancement system during inclement weather | |
El Abbadi et al. | Improve image de-blurring | |
Prakash et al. | Vehicle license plate detection and recognition using non-blind image de-blurring algorithm | |
Kim et al. | A system architecture for real time traffic monitoring in foggy video | |
Susmitha et al. | Performance analysis of average and median filters for de noising of digital images | |
Shi et al. | Fast super-resolution reconstruction for video-based pattern recognition | |
Wang et al. | Research on Image Restoration Algorithm for Blind Deconvolution | |
ChaoFeng et al. | Research on fuzzy image enhancement and restoration effect |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150513 |
|
RJ01 | Rejection of invention patent application after publication |