CN107734294A - 监控图像复原***及方法 - Google Patents
监控图像复原***及方法 Download PDFInfo
- Publication number
- CN107734294A CN107734294A CN201710880171.1A CN201710880171A CN107734294A CN 107734294 A CN107734294 A CN 107734294A CN 201710880171 A CN201710880171 A CN 201710880171A CN 107734294 A CN107734294 A CN 107734294A
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring image
- point cloud
- cloud
- target point
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 108
- 238000011084 recovery Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 title claims description 28
- 238000013500 data storage Methods 0.000 claims abstract description 20
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 51
- 230000000007 visual effect Effects 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000007850 degeneration Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000003384 imaging method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 101150067309 bmp4 gene Proteins 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/207—Analysis of motion for motion estimation over a hierarchy of resolutions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种监控图像复原***，包括：第一数据获取装置，用于获取连续的监控图像数据；第二数据获取装置，用于获取所述监控图像数据对应的点云数据；第一数据存储装置，用于存储第一数据获取模块所获取的连续的监控图像数据；第二数据存储装置，用于存储第二数据获取模块所获取的点云数据；数据处理器，用于选择监控图像数据中的目标区域并提取对应的目标点云，将所述目标点云与所述目标区域进行配准，估算目标点云的运动速度，并计算目标点云的扩散函数，对所述目标区域中非点云位置点扩散函数插值，得到所述目标区域连续位置的点扩散函数，以使所述目标区域图像复原。本发明具有图像复原结果更加真实可靠、还原能力强的有益效果。
Description
技术领域
本发明涉及计算机视觉和监控技术领域，特别涉及一种监控图像复原的***及方法。
背景技术
随着机器视觉技术的飞速发展，视频监控可以实时准确记录突发事件的视频影像，被越来越多地被应用于重要场所的管理。然而受光学镜头的原理所限，监控图像无法对超出景深范围的目标清晰成像，且图像边缘视场的像质低于中心视场，因此当图像中我们感兴趣的目标区域超出景深范围或者处于图像边缘时，往往无法得到令人满意的成像效果。对于监控画面中运动较快的目标，由于运动模糊也会造成成像质量的下降，非常不利于对突发事件的现场还原。
中国专利CN 104123566A公布了一种视频模糊不变性目标追踪的方法与***，可通过图像边缘提取、去模糊训练小波基等方法解决监控视频模糊，但此方法完全基于监控图像进行数学处理，无法用物理过程表征去模糊过程，复原效果有限。
中国专利CN 106127699A公布了一种道路监控随机运动模糊图像快速复原仿真***，该***只针对运动模糊具有一定的图像复原效果，无法复原超出景深范围的离焦模糊，因此在应用中也具有一定的局限性。
因此，亟需一种监控图像的复原方法，能够有效复原图像。
发明内容
本发明旨在克服上述现有技术的缺陷，提高图像修复的监控能力。
为实现上述目的，本发明采用以下技术方案：提供一种监控图像复原***，包括：第一数据获取装置，用于获取连续的监控图像数据；
第二数据获取装置，用于获取所述监控图像数据对应的点云数据；
第一数据存储装置，用于存储第一数据获取模块所获取的连续的监控图像数据；
第二数据存储装置，用于存储第二数据获取模块所获取的点云数据；
数据处理器，用于选择监控图像数据中的目标区域并提取对应的目标点云，将所述目标点云与所述目标区域进行配准，估算目标点云的运动速度，并计算目标点云的扩散函数，对所述目标区域中非点云位置点扩散函数插值，得到所述目标区域连续位置的点扩散函数，以使所述目标区域图像复原。
一些实施例中，所述第一数据获取装置为至少一个监控摄像头，所述第一数据存储装置为硬盘录像机，所述监控摄像头获取的监控图像数据经网络交换机传输至硬盘录像机进行存储。
一些实施例中，所述第二数据获取装置为至少一个激光雷达，所述第二数据存储装置为雷达数据存储器，所述激光雷达将测量的点云数据存储至所述雷达数据存储器。
一些实施例中，所述激光雷达的视场大于等于所述监控摄像头的视场。
一些实施例中，数据处理器估算目标点云的运动速度，并计算目标点云的扩散函数的具体过程为：
获得监控图像中目标点云位置的距离信息；
计算目标点云离焦模糊的退化函数；
根据所述监控图像估算目标点云的运动速度，计算目标点云运动模糊的退化函数；
结合事先标定好的监控图像各视场的点扩散函数、目标点云的运动速度、目标点云坐标以及目标点云与所述监控图像的配准，来计算目标点云的点扩散函数函数。
一些实施例中，计算目标点云运动模糊的退化函数时，目标点云在监控图像中位移的计算公式为：
其中，f为监控摄像头焦距，u为物距，d为目标点云的移动距离，d通过激光雷达的点云数据获得。
一些实施例中，监控摄像头的监控图像的各视场的点扩散函数已预先标定并存储。
一些实施例中，所述监控摄像头所获取的监控图像的点扩散函数标定过程为：将图像按视场分割为多个圆环区域，利用刀口法或点脉冲法实测每个区域的离散点扩散函数并进行插值，最后用多个圆环区域组合出整个目标区域的点扩散函数。
为实现上述目的，本发明还采用以下技术方案：提供一种监控图像复原方法，包括以下步骤：
第一数据获取装置获取连续的监控图像数据；
第二数据获取装置获取所述监控图像数据对应的点云数据；
第一数据存储装置存储第一数据获取模块所获取的连续的监控图像数据；
第二数据存储装置存储第二数据获取模块所获取的点云数据；
数据处理器选择监控图像数据中的目标区域并提取对应的目标点云，将所述目标点云与所述目标区域进行配准，估算目标点云的运动速度，并计算目标点云的扩散函数，对所述目标区域中非点云位置点扩散函数插值，得到所述目标区域连续位置的点扩散函数，以使所述目标区域图像复原。
一些实施例中，所述第一数据获取装置为至少一个监控摄像头，所述第一数据存储装置为硬盘录像机，所述监控摄像头获取的监控图像数据经网络交换机传输至硬盘录像机进行存储；
所述第二数据获取装置为至少一个激光雷达，所述第二数据存储装置为雷达数据存储器，所述激光雷达将测量的点云数据存储至所述雷达数据存储器。
本发明的有益效果在于：
1、不同于以往仅针对数字图像处理的复原算法，本发明的复原过程考虑了离焦模糊、运动模糊及不同视场位置的影响，具有物理意义，图像复原结果更加真实可靠。
2、当天气环境非常恶略导致光学监控摄像头无法清晰成像时，仍可用激光雷达获得目标的点云数据，保证***在极端条件下仍具有一定的监视能力。
附图说明
图1为本发明监控图像复原方法的一个实施例的工作流程图。
图2为本发明监控图像复原***一个实施例的示意图。
其中：1-监控摄像头；2-激光雷达；3-网络交换机；4-硬盘录像机；5-雷达数据存储器；6-数据处理器。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，而不构成对本发明的限制。
本发明监控图像复原***，包括：
第一数据获取装置，用于获取连续的监控图像数据；
第二数据获取装置，用于获取所述监控图像数据对应的点云数据；
第一数据存储装置，用于存储第一数据获取模块所获取的连续的监控图像数据；
第二数据存储装置，用于存储第二数据获取模块所获取的点云数据；
数据处理器，用于选择监控图像数据中的目标区域并提取对应的目标点云，将所述目标点云与所述目标区域进行配准，估算目标点云的运动速度，并计算目标点云的扩散函数，对所述目标区域中非点云位置点扩散函数插值，得到所述目标区域连续位置的点扩散函数，以使所述目标区域图像复原。
请参阅图1和图2，为本发明监控图像复原***一个实施例的流程图，图2示出了监控图像复原***一个实施例的示意图，在本实施例中，包括监控摄像头1、激光雷达2、网络交换机3、硬盘录像机4、雷达数据存储器5及数据处理器6。
对于监控摄像头，需要预先标定并存储不同视场的监控图像的点扩散函数，标定采用点脉冲法，首先获得离散目标点的点扩散函数，再利用三次Hermite插值算法得到全视场的点扩散函数。
***工作时，监控摄像头将采集的监控图像数据经过网络交换机传输至硬盘录像机存储，激光雷达测量的点云数据存储至雷达数据存储器，当需要对监控图像复原时，数据处理器首先对硬盘录像机和雷达数据存储器中的数据时间轴进行对准，读取监控图像的目标区域及对应的目标点云的坐标，对目标点云与监控图像中目标区域的像素点进行配准，并根据目标点云位置的距离信息，按照下式计算目标点云离焦模糊的退化函数：
其中，R为模糊半径，R的计算方法为：
其中，D为监控摄像头入瞳口径，f为监控摄像头焦距，u为物距，v为像距，s为像距与离焦量之和。
根据监控视频中的连续监控图像估算目标区域中像素点的运动模糊，假设目标区域中像素点匀速直线运动，设运动方向与x轴的夹角为θ，监控图像中目标区域中像素点运动的像素个数整数近似值为L，则运动模糊的退化函数可以表示为：
参数L可表示成：
其中，f为监控摄像头焦距，u为物距，d为目标区域中像素点移动距离，可通过激光雷达的点云数据获得。
结合事先标定好的监控图像各视场的点扩散函数h0(x,y)，估算出受离焦模糊和运动模糊影响下目标点云的点扩散函数h(x,y)：
对目标区域非点云位置的点扩散函数插值，得到目标区域连续位置的点扩散函数，其过程为：将图像按视场分割为多个圆环区域，利用刀口法或点脉冲法实测每个区域的离散点扩散函数并进行插值，最后用多个圆环区域组合出整个目标区域的点扩散函数。
将整个目标区域的点扩散函数作为初始参数，使用维纳滤波对目标区域进行去卷积得到恢复图像。维纳滤波性能好且没有迭代过程，其频域表达式可简化为：
其中，H(u,v)表示退化函数，Sη(u,v)表示噪声的功率谱，Sf(u,v)表示未退化图像的功率谱，G(u,v)表示未退化图像的频域表达式。
本发明的有益效果在于：
1、不同于以往仅针对数字图像处理的复原算法，本发明的复原过程考虑了离焦模糊、运动模糊及不同视场位置的影响，具有物理意义，图像复原结果更加真实可靠。
2、当天气环境非常恶略导致光学监控摄像头无法清晰成像时，仍可用激光雷达获得目标的点云图，保证***在极端条件下仍具有一定的监视能力。
相应地，本发明还提供一种监控图像复原方法，包括以下步骤：
第一数据获取装置获取连续的监控图像数据；
第二数据获取装置获取所述监控图像数据对应的点云数据；
第一数据存储装置存储第一数据获取模块所获取的连续的监控图像数据；
第二数据存储装置存储第二数据获取模块所获取的点云数据；
数据处理器选择监控图像数据中的目标区域并提取对应的目标点云，将所述目标点云与所述目标区域进行配准，估算目标点云的运动速度，并计算目标点云的扩散函数，对所述目标区域中非点云位置点扩散函数插值，得到所述目标区域连续位置的点扩散函数，以使所述目标区域图像复原。
监控图像复原方法具有与***实质相同的技术特征，此处不再赘述。
以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所作出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。
Claims (10)
1.一种监控图像复原***，其特征在于，包括：
第一数据获取装置，用于获取连续的监控图像数据；
第二数据获取装置，用于获取所述监控图像数据对应的点云数据；
第一数据存储装置，用于存储第一数据获取模块所获取的连续的监控图像数据；
第二数据存储装置，用于存储第二数据获取模块所获取的点云数据；
数据处理器，用于选择监控图像数据中的目标区域并提取对应的目标点云，将所述目标点云与所述目标区域进行配准，估算目标点云的运动速度，并计算目标点云的扩散函数，对所述目标区域中非点云位置点扩散函数插值，得到所述目标区域连续位置的点扩散函数，以使所述目标区域图像复原。
2.根据权利要求1所述的监控图像复原***，其特征在于，所述第一数据获取装置为至少一个监控摄像头，所述第一数据存储装置为硬盘录像机，所述监控摄像头获取的监控图像数据经网络交换机传输至硬盘录像机进行存储。
3.如权利要求2所述的监控图像复原***，其特征在于，所述第二数据获取装置为至少一个激光雷达，所述第二数据存储装置为雷达数据存储器，所述激光雷达将测量的点云数据存储至所述雷达数据存储器。
4.如权利要求2所述的监控图像复原***，其特征在于，所述激光雷达的视场大于等于所述监控摄像头的视场。
5.如权利要求2所述的监控图像复原***，其特征在于，数据处理器估算目标点云的运动速度，并计算目标点云的扩散函数的具体过程为：
获得监控图像中目标点云位置的距离信息；
计算目标点云离焦模糊的退化函数；
根据所述监控图像估算目标点云的运动速度，计算目标点云运动模糊的退化函数；
结合事先标定好的监控图像各视场的点扩散函数、目标点云的运动速度、目标点云坐标以及目标点云与所述监控图像的配准，来计算目标点云的点扩散函数函数。
6.如权利要求5所述的监控图像复原***，其特征在于，计算目标点云运动模糊的退化函数时，目标点云在监控图像中位移的计算公式为：
<mrow>
<mi>L</mi>
<mo>=</mo>
<mi>f</mi>
<mfrac>
<mi>d</mi>
<mi>u</mi>
</mfrac>
</mrow>
其中，f为监控摄像头焦距，u为物距，d为目标点云的移动距离，d通过激光雷达的点云数据获得。
7.如权利要求5所述的监控图像复原***，其特征在于，监控摄像头的监控图像的各视场的点扩散函数已预先标定并存储。
8.如权利要求7所述的监控图像复原***，其特征在于，所述监控摄像头所获取的监控图像的点扩散函数标定过程为：
将图像按视场分割为多个圆环区域，利用刀口法或点脉冲法实测每个区域的离散点扩散函数并进行插值，最后用多个圆环区域组合出整个目标区域的点扩散函数。
9.一种监控图像复原方法，其特征在于，包括以下步骤：
第一数据获取装置获取连续的监控图像数据；
第二数据获取装置获取所述监控图像数据对应的点云数据；
第一数据存储装置存储第一数据获取模块所获取的连续的监控图像数据；
第二数据存储装置存储第二数据获取模块所获取的点云数据；
数据处理器选择监控图像数据中的目标区域并提取对应的目标点云，将所述目标点云与所述目标区域进行配准，估算目标点云的运动速度，并计算目标点云的扩散函数，对所述目标区域中非点云位置点扩散函数插值，得到所述目标区域连续位置的点扩散函数，以使所述目标区域图像复原。
10.一种监控图像复原方法，其特征在于，所述第一数据获取装置为至少一个监控摄像头，所述第一数据存储装置为硬盘录像机，所述监控摄像头获取的监控图像数据经网络交换机传输至硬盘录像机进行存储；
所述第二数据获取装置为至少一个激光雷达，所述第二数据存储装置为雷达数据存储器，所述激光雷达将测量的点云数据存储至所述雷达数据存储器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710880171.1A CN107734294A (zh) | 2017-09-26 | 2017-09-26 | 监控图像复原***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710880171.1A CN107734294A (zh) | 2017-09-26 | 2017-09-26 | 监控图像复原***及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107734294A true CN107734294A (zh) | 2018-02-23 |
Family
ID=61207980
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710880171.1A Pending CN107734294A (zh) | 2017-09-26 | 2017-09-26 | 监控图像复原***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107734294A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108830805A (zh) * | 2018-05-25 | 2018-11-16 | 北京小米移动软件有限公司 | 图像处理方法、装置及可读存储介质、电子设备 |
| CN109190448A (zh) * | 2018-07-09 | 2019-01-11 | 深圳市科脉技术股份有限公司 | 人脸识别方法及装置 |
| CN112365416A (zh) * | 2020-11-10 | 2021-02-12 | 浙江大华技术股份有限公司 | 图片遮挡的处理方法和装置、存储介质及电子装置 |
| CN113132626A (zh) * | 2021-03-26 | 2021-07-16 | 联想(北京)有限公司 | 一种图像处理方法以及电子设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101842661A (zh) * | 2007-11-07 | 2010-09-22 | 电子地图有限公司 | 将范围传感器数据映射在图像传感器数据上的方法及布置 |
| 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 |
| CN103426165A (zh) * | 2013-06-28 | 2013-12-04 | 吴立新 | 一种地面激光点云与无人机影像重建点云的精配准方法 |
| CN103971341A (zh) * | 2014-05-16 | 2014-08-06 | 北京理工大学 | 基于频域参数估计的离焦虹膜图像复原方法 |
| CN104103050A (zh) * | 2014-08-07 | 2014-10-15 | 重庆大学 | 一种基于局部策略的真实视频复原方法 |
| CN105389820A (zh) * | 2015-11-18 | 2016-03-09 | 成都中昊英孚科技有限公司 | 一种基于倒谱的红外图像清晰度评价方法 |
| CN106485685A (zh) * | 2016-08-30 | 2017-03-08 | 重庆大学 | 一种基于两步复原的车载高质量成像方法 |
-
2017
- 2017-09-26 CN CN201710880171.1A patent/CN107734294A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101842661A (zh) * | 2007-11-07 | 2010-09-22 | 电子地图有限公司 | 将范围传感器数据映射在图像传感器数据上的方法及布置 |
| 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 |
| CN103426165A (zh) * | 2013-06-28 | 2013-12-04 | 吴立新 | 一种地面激光点云与无人机影像重建点云的精配准方法 |
| CN103971341A (zh) * | 2014-05-16 | 2014-08-06 | 北京理工大学 | 基于频域参数估计的离焦虹膜图像复原方法 |
| CN104103050A (zh) * | 2014-08-07 | 2014-10-15 | 重庆大学 | 一种基于局部策略的真实视频复原方法 |
| CN105389820A (zh) * | 2015-11-18 | 2016-03-09 | 成都中昊英孚科技有限公司 | 一种基于倒谱的红外图像清晰度评价方法 |
| CN106485685A (zh) * | 2016-08-30 | 2017-03-08 | 重庆大学 | 一种基于两步复原的车载高质量成像方法 |
Non-Patent Citations (1)
| Title |
|---|
| 陶恂: ""一种基于块配准的运动模糊图像复原算法"", 《计算机应用与软件》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108830805A (zh) * | 2018-05-25 | 2018-11-16 | 北京小米移动软件有限公司 | 图像处理方法、装置及可读存储介质、电子设备 |
| CN109190448A (zh) * | 2018-07-09 | 2019-01-11 | 深圳市科脉技术股份有限公司 | 人脸识别方法及装置 |
| CN112365416A (zh) * | 2020-11-10 | 2021-02-12 | 浙江大华技术股份有限公司 | 图片遮挡的处理方法和装置、存储介质及电子装置 |
| CN113132626A (zh) * | 2021-03-26 | 2021-07-16 | 联想(北京)有限公司 | 一种图像处理方法以及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108242062B (zh) | 基于深度特征流的目标跟踪方法、***、终端及介质 | |
| US8437551B2 (en) | Devices and methods for restoring low-resolution text images | |
| CN107734294A (zh) | 监控图像复原***及方法 | |
| US11093778B2 (en) | Method and system for selecting image region that facilitates blur kernel estimation | |
| CN104303208A (zh) | 用于去除包含在视频中的雾的图像处理装置及其方法 | |
| CN107403451B (zh) | 自适应二值特征单目视觉里程计方法及计算机、机器人 | |
| CN111738071B (zh) | 一种基于单目摄像机的运动变化的逆透视变换方法 | |
| EP3293700A1 (en) | 3d reconstruction for vehicle | |
| CN110827321B (zh) | 一种基于三维信息的多相机协同的主动目标跟踪方法 | |
| Gao et al. | Atmospheric turbulence removal using convolutional neural network | |
| Duan et al. | Guided event filtering: Synergy between intensity images and neuromorphic events for high performance imaging | |
| CN108732570A (zh) | 基于粒子滤波融合算法的灾害性对流天气的临近预报方法 | |
| CN115240089A (zh) | 一种航空遥感图像的车辆检测方法 | |
| Jin et al. | Practical speed measurement for an intelligent vehicle based on double radon transform in urban traffic scenarios | |
| US9826162B2 (en) | Method and apparatus for restoring motion blurred image | |
| Du et al. | A motion-blurred restoration method for surface damage detection of wind turbine blades | |
| CN115984124A (zh) | 一种神经形态脉冲信号去噪和超分辨方法及装置 | |
| CN115512263A (zh) | 一种面向高空坠物的动态视觉监测方法及装置 | |
| CN111161304B (zh) | 一种快速背景估计的遥感视频目标轨迹跟踪方法 | |
| CN114170267A (zh) | 目标跟踪方法、装置、设备及计算机可读存储介质 | |
| CN102542530A (zh) | 一种运动模糊图像清晰装置 | |
| CN111899287A (zh) | 一种针对自动驾驶的虚影高动态范围图像融合方法 | |
| Xia et al. | Ladar range image denoising by a nonlocal probability statistics algorithm | |
| Roy et al. | A ground truth annotated video dataset for moving object detection in degraded atmospheric outdoor scenes | |
| JP4236154B2 (ja) | 電力線の揺れ解析用画像における気象性ノイズの除去方法および装置およびプログラム |
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: 20180223 |