CN111210390A - 一种基于Golay序列互补码字集的运动模糊复原方法 - Google Patents
一种基于Golay序列互补码字集的运动模糊复原方法 Download PDFInfo
- Publication number
- CN111210390A CN111210390A CN201910980412.9A CN201910980412A CN111210390A CN 111210390 A CN111210390 A CN 111210390A CN 201910980412 A CN201910980412 A CN 201910980412A CN 111210390 A CN111210390 A CN 111210390A
- Authority
- CN
- China
- Prior art keywords
- image
- matrix
- golay
- motion blur
- camera
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000000295 complement effect Effects 0.000 title claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 75
- 238000003384 imaging method Methods 0.000 claims abstract description 15
- 238000005314 correlation function Methods 0.000 claims description 8
- 238000012821 model calculation Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 108091008695 photoreceptors Proteins 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000000875 corresponding effect Effects 0.000 description 9
- 230000001276 controlling effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000002427 irreversible effect Effects 0.000 description 3
- 238000005311 autocorrelation function Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 230000002596 correlated effect 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
- 230000002969 morbid Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 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
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于Golay序列互补码字集的运动模糊复原方法，包括以下步骤：步骤s1：构造基础Golay配对矩阵；步骤s2：对Golay配对矩阵进行维度扩展；步骤s3：根据维度扩展后的Golay配对矩阵进行码字选择；步骤s4：根据码字控制相机获取相应帧数的模糊图像；步骤s5：根据码字和模糊图像进行PSF估计；步骤s6：根据模糊图像和PSF估计值进行全变分正则化联合复原；步骤s7：输出最终图像。本发明从图像获取角度出发，提出采用闪动快门成像技术获取连续帧间互补图像，能够有效的保留原始图像的高频信息，同时解决图像反卷积过程中由于频域零点所造成的图像不可逆，弥补了单帧图像复原过程中信息单一，噪声干扰的缺点，使复原图像更加清晰。
Description
技术领域
本发明涉及图像复原技术领域，尤其涉及一种基于Golay序列互补码字集的运动模糊复原方法。
背景技术
运动模糊图复原一直是图像复原的一个重要研究课题。运动模糊原因主要是由于在拍摄运动目标时，时常会遇到在相机曝光时间内运动目标和成像***发生相对运动，造成成像运动模糊，导致图像分辨率下降。传统成像过程中，相机快门一直处于开启状态，其在卷积滤波器上一定会存在着许多频域零点，造成滤波器不可逆，使得运动模糊成为了一个病态性的问题。
为了解决运动模糊复原的病态问题，研究者们从图像的成像模式和多帧图像联合复原两个角度出发进行研究。针对成像模式，相机闪动快门成像是一种新型成像模式，它解决了传统成像复原的病态性。其主要原理为通过预先设置一定的二进制序列来控制相机的快门开关，相当于一个宽带滤波器，在保留图像高频信息的同时在频域上不存在零点。针对多帧图像联合复原，研究发现，多帧序列图像相较于单帧图像复原效果更好。序列图像弥补了单帧图像对于噪声敏感，信息单一等缺点，并且能够实现图像信息之间的互补，对图像复原起到了重要作用。目前为止结合计算光学成像和多帧图像联合复原效果有着较好的发展，但是在图像选帧方面和信息互补方面仍旧存在着些许不足。
一种在中国专利文献上公开的“一种运动模糊图像去模糊方法”，其公告号CN102254309B，其公开日2016年03月23日，包括以下步骤：步骤1，获取场景的可见光模糊图像和近红外闪光图像，所述近红外闪光图像的曝光时长小于可见光的曝光时长；步骤 2，在所述近红外闪光图像中选取不包含由近红外闪光带来的阴影和高光区域作为选定区域，在可见光模糊图像中选取对应于近红外闪光图像的选定区域的区域作为所述可见光模糊图像的选定区域；步骤3，基于所述选定区域中的近红外闪光图像和选定区域中的可见光模糊图像的梯度信息，通过多尺度迭代方式估计第一模糊核，基于所述第一模糊核得到所述选定区域中的可见光模糊图像去模糊后的第一清晰图像；步骤4，基于所述第一清晰图像来约束所述第一模糊核的空间稀疏性，以得到第二模糊核；步骤5，基于所述第二模糊核，由原可见光模糊图像得到作为所述可见光模糊图像去模糊结果的第二清晰图像。通过结合近红外闪光图像与可见光模糊图像的梯度相关性，进行图像模糊复原，但其依然无法避免相机持续开启，造成运动图像模糊的问题，在图像选帧和信息互补方面仍旧存在不足。
发明内容
本发明主要解决了现有的技术由于图像选帧和信息互补不足造成运动图像模糊的问题，提供了一种基于Golay序列互补码字集的运动模糊复原方法，能高效的解决由于相机和景物之间的相对运动所造成的运动模糊问题。
本发明的上述技术问题主要是通过下述技术方案得以解决的：一种基于Golay序列互补码字集的运动模糊复原方法，包括以下步骤：步骤s1：构造基础Golay配对矩阵；步骤s2：对Golay配对矩阵进行维度扩展；步骤s3：根据维度扩展后的Golay配对矩阵进行码字选择；步骤s4：根据码字控制相机获取相应帧数的模糊图像；步骤s5：根据码字和模糊图像进行PSF 估计；步骤s6：根据模糊图像和PSF估计值进行全变分正则化联合复原；步骤s7：输出最终图像。通过Golay序列构造配对矩阵，形成合适的二进制码字集，通过选取一定数目的码字输入到高低电平控制的单片机相机中，通过1控制相机开启，0控制相机闭合，采用闪动快门成像技术获取连续帧间互补图像，能够有效的保留原始图像的高频信息，同时解决图像反卷积过程中由于频域零点所造成的图像不可逆，弥补了单帧图像复原过程中信息单一，噪声干扰的缺点，采用全变分正则化模型对多帧图像进行复原，使图像复原准确性更高，复原的图像更加清晰。
作为优选，所述的步骤s1中，假设一组低维Golay序列对为A和B，若A和B满足：
其中
表示矩阵A中第i行序列之间的相关函数，
表示矩阵B中第i行序列之间的相关函数，k为常数，则通过这组低维Golay序列对构造基础Golay配对矩阵。Golay序列对是一互补序列，最早应用于无线数字通信中，Golay序列对满足两个序列之间的自相关函数在非零偏移处为0且互相关函数为0，消除了相机成像过程中卷积滤波器上出现的频域零点，防止卷积滤波器出现不可逆的情况。
作为优选，所述的步骤s2中，设C和D为P×N的基础Golay矩阵对，则以C矩阵为上半部分，D矩阵为下半部分，形成高维矩阵M，
则矩阵M的维度为2P×N，将矩阵M继续扩展一次，形成矩阵V，
矩阵V的维度为2P×2N，根据实际需求，将Golay矩阵扩展成nP×nN维度的矩阵。利用扩展理论对配对Golay序列进行高维扩展，使Golay序列具备一定数目的码字集，为后续码字的筛选提供保障。
作为优选，所述的步骤s3中，根据扩展后的Golay矩阵挑选出符合要求、数量适中的码字数量，挑选码字的方法为：先将码字变换到频域中，计算码字的最小值和方差，选择其中最小值最大和方差最小的码字。通过最小值最大和方差最小的码字进行图像获取，使提供的图像细节部分的互补信息更加丰富。
作为优选，所述的步骤s4中，通过步骤s3获取的码字进行实拍，将码字输入到单片机中，根据码字的0控制单片机的低电平输出，1控制单片机的高电平输出，单片机输出高电平时，相机快门开启，单片机输出低电平时，相机快门闭合。采用单片机闪动快门成像技术获取连续帧间互补图像，能够有效的保留原始图像的高频信息，同时解决图像反卷积过程中由于频域零点所造成的图像不可逆。
作为优选，所述的步骤s5中，图像拍摄过程中相机获取的能量与相机快门的开关存在相关性，其PSF的能量分布于码字中1的个数分布呈正相关，根据水平方向模糊核像移量长度，将二进制码字序列以亚像素精度投影到对应像素能量中，并最终通过能量归一化的方式计算得到。主要通过运动先验信息进行PSF尺度的估计，通过估计出来的PSF尺度再结合码字信息进行亚像素精度投影到对应的像素能量中。
作为优选，获得PSF像移尺度估计值d的方法为：
其中，v为运动目标速度的估计值，由人工确定，L为物方成像距离，f为相机焦距，M为相机感光器像素尺寸，t为相机曝光时间，PSF像移尺度估计值d的单位为像素。
作为优选，结合步骤s4获取的模糊图像和步骤s5获得的PSF进行联合复原，通过建立模型：
式中，g代表最终复原图像，
代表L2范数的平方，
表示平滑参数，n表示输入模糊图像的数量。表达式中第一项为保真项，第二项为正则化项，其中d1表示水平方向的梯度算子矩阵，d2表示垂直方向的梯度算子矩阵。全变分正则化模型能够充分结合多帧图像进行联合复原，相比其他复原算法，有着更好的图像复原准确性。
作为优选，通过对步骤s6的全变分正则化联合复原的模型计算式进行最小化求解，得出最终复原图像，进行最终复原图像输出。
本发明的有益效果是：(1)本发明从图像获取角度出发，提出采用闪动快门成像技术获取连续帧间互补图像，能够有效的保留原始图像的高频信息，同时解决图像反卷积过程中由于频域零点所造成的图像不可逆；(2)连续互补帧图像能够在图像复原过程中提供图像细节部分的互补信息，弥补了单帧图像复原过程中信息单一，噪声干扰的缺点；(3)复原算法引入全变分正则化模型，能够充分结合多帧图像进行联合复原，相比其他复原算法，有着较好的图像复原准确性，使复原图像更加清晰。
附图说明
图1是实施例一的复原方法流程图。
图2是实施例一的第一组码字相机获取的模糊图像。
图3是实施例一的第二组码字相机获取的模糊图像。
图4是实施例一的第三组码字相机获取的模糊图像。
图5是实施例一的运动模糊图像复原结果。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例一：一种基于Golay序列互补码字集的运动模糊复原方法，如图1所示，包括以下步骤：步骤s1：构造基础Golay配对矩阵；Golay序列对是一互补序列，最早应用于无线数字通信中。Golay序列对满足两个序列之间的自相关函数在非零偏移处为0且互相关函数为0。通过Golay序列对首先构造一组Golay矩阵对，根据Golay矩阵对的特性构建出Golay配对矩阵，配对矩阵中每一行序列之间都满足Golay序列对之间的基本性质，假设一组低维Golay序列对为A和B，
若A和B满足：
其中
表示矩阵A中第i行序列之间的相关函数，
表示矩阵B中第i行序列之间的相关函数，k为常数，则通过这组低维Golay序列对构造基础Golay配对矩阵。
步骤s2：对Golay配对矩阵进行维度扩展；设C和D为P×N的基础Golay矩阵对，则以C矩阵为上半部分，D矩阵为下半部分，形成高维矩阵M，
则矩阵M的维度为2P×N，将矩阵M继续扩展一次，形成矩阵V，
其中C·D和
均表示矩阵维度为P×2N的新矩阵，每一行由C，D对应行连接，其中符号“·”表示将C，D对应行进行首尾相连，即C·D表示为将D的对应行连接在C的后面，
表示D的相反矩阵，即，若D＝[1001]，则
矩阵V的维度为2P×2N，且此矩阵依旧满足Golay矩阵对的性质：
根据以上规则在此基础上更近一步，由矩阵V构成4P×2N更高维度矩阵N，矩阵N表示如下：
矩阵N为在上述基础上更高维的矩阵，且依旧保留Golay矩阵对的性质。根据实际需求，可将Golay矩阵扩展成nP×nN维度的矩阵。
步骤s3：根据维度扩展后的Golay配对矩阵进行码字选择；根据扩展后的Golay矩阵挑选出符合要求、数量适中的码字数量，挑选码字的方法为：先将码字变换到频域中，计算码字的最小值和方差，选择其中最小值最大和方差最小的码字。根据步骤2所扩展的码字进行选择，选出2-4组码字最佳，本发明采用了3组码字如下：
code1＝[10111000101100011011100010001101]
code2＝[10001011100011011000101110110001]
code3＝[10001101100010111000101110110001]
将每一组码字分别对应一帧图像。
步骤s4：如图2、图3以及图4所示，根据码字控制相机获取相应帧数的模糊图像；通过步骤s3获取的码字进行实拍，将3组码字分别输入到单片机中，根据码字的0控制单片机的低电平输出，1控制单片机的高电平输出，单片机输出高电平时，相机快门开启，单片机输出低电平时，相机快门闭合。通过三组高低电平控制相机获取到3帧连续模糊图像。
步骤s5：根据码字和模糊图像进行PSF估计；图像拍摄过程中相机获取的能量与相机快门的开关存在相关性，其PSF的能量分布于码字中1的个数分布呈正相关，根据水平方向模糊核像移量长度，将二进制码字序列以亚像素精度投影到对应像素能量中，并最终通过能量归一化的方式计算得到。其中，获得PSF像移尺度估计值d的方法为：
其中，v为运动目标速度的估计值，由人工确定，L为物方成像距离，f为相机焦距，M为相机感光器像素尺寸，t为相机曝光时间，PSF像移尺度估计值d的单位为像素。
步骤s6：根据模糊图像和PSF估计值进行全变分正则化联合复原；结合步骤s4获取的模糊图像和步骤s5获得的PSF进行联合复原，通过建立模型计算式：
式中，g代表最终复原图像，
代表L2范数的平方，
表示平滑参数，n表示输入模糊图像的数量。表达式中第一项为保真项，第二项为正则化项，其中d1表示水平方向的梯度算子矩阵，d2表示垂直方向的梯度算子矩阵。
如图3所示，步骤s7：输出最终图像；通过对步骤s6的全变分正则化联合复原的模型计算式进行最小化求解，得出最终复原图像，进行最终复原图像输出。
以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。
Claims (9)
1.一种基于Golay序列互补码字集的运动模糊复原方法，其特征在于，包括以下步骤：
步骤s1：构造基础Golay配对矩阵；
步骤s2：对Golay配对矩阵进行维度扩展；
步骤s3：根据维度扩展后的Golay配对矩阵进行码字选择；
步骤s4：根据码字控制相机获取相应帧数的模糊图像；
步骤s5：根据码字和模糊图像进行PSF估计；
步骤s6：根据模糊图像和PSF估计值进行全变分正则化联合复原；
步骤s7：输出最终图像。
2.根据权利要求1所述的一种基于Golay序列互补码字集的运动模糊复原方法，其特征在于，所述步骤s1中，假设一组低维Golay序列对为A和B，若A和B满足：
其中
表示矩阵A中第i行序列之间的相关函数，
表示矩阵B中第i行序列之间的相关函数，k为常数，则通过这组低维Golay序列对构造基础Golay配对矩阵。
3.根据权利要求1所述的一种基于Golay序列互补码字集的运动模糊复原方法，其特征在于，所述步骤s2中，设C和D为P×N的基础Golay矩阵对，则以C矩阵为上半部分，D矩阵为下半部分，形成高维矩阵M，
则矩阵M的维度为2P×N，将矩阵M继续扩展一次，形成矩阵V，
矩阵V的维度为2P×2N，根据实际需求，将Golay矩阵扩展成nP×nN维度的矩阵。
4.根据权利要求1所述的一种基于Golay序列互补码字集的运动模糊复原方法，其特征在于，所述步骤s3中，根据扩展后的Golay矩阵挑选出符合要求、数量适中的码字数量，挑选码字的方法为：先将码字变换到频域中，计算码字的最小值和方差，选择其中最小值最大和方差最小的码字。
5.根据权利要求1所述的一种基于Golay序列互补码字集的运动模糊复原方法，其特征在于，所述步骤s4中，通过步骤s3获取的码字进行实拍，将码字输入到单片机中，根据码字的0控制单片机的低电平输出，1控制单片机的高电平输出，单片机输出高电平时，相机快门开启，单片机输出低电平时，相机快门闭合。
6.根据权利要求1所述的一种基于Golay序列互补码字集的运动模糊复原方法，其特征在于，所述步骤s5中，图像拍摄过程中相机获取的能量与相机快门的开关存在相关性，其PSF的能量分布于码字中1的个数分布呈正相关，根据水平方向模糊核像移量长度，将二进制码字序列以亚像素精度投影到对应像素能量中，并最终通过能量归一化的方式计算得到。
7.根据权利要求6所述的一种基于Golay序列互补码字集的运动模糊复原方法，其特征在于，获得PSF像移尺度估计值d的方法为：
其中，v为运动目标速度的估计值，由人工确定，L为物方成像距离，f为相机焦距，M为相机感光器像素尺寸，t为相机曝光时间，PSF像移尺度估计值d的单位为像素。
8.根据权利要求1所述的一种基于Golay序列互补码字集的运动模糊复原方法，其特征在于，结合步骤s4获取的模糊图像和步骤s5获得的PSF进行联合复原，通过建立模型计算式：
式中，g代表最终复原图像，
代表L2范数的平方，
表示平滑参数，n表示输入模糊图像的数量，表达式中第一项为保真项，第二项为正则化项，其中d1表示水平方向的梯度算子矩阵，d2表示垂直方向的梯度算子矩阵。
9.根据权利要求1所述的一种基于Golay序列互补码字集的运动模糊复原方法，其特征在于，通过对步骤s6的全变分正则化联合复原的模型计算式进行最小化求解，得出最终复原图像，进行最终复原图像输出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910980412.9A CN111210390A (zh) | 2019-10-15 | 2019-10-15 | 一种基于Golay序列互补码字集的运动模糊复原方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910980412.9A CN111210390A (zh) | 2019-10-15 | 2019-10-15 | 一种基于Golay序列互补码字集的运动模糊复原方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111210390A true CN111210390A (zh) | 2020-05-29 |
Family
ID=70785995
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910980412.9A Pending CN111210390A (zh) | 2019-10-15 | 2019-10-15 | 一种基于Golay序列互补码字集的运动模糊复原方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111210390A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111709892A (zh) * | 2020-06-15 | 2020-09-25 | 北京环境特性研究所 | 一种空间目标湍流退化图像快速盲复原方法及装置 |
| CN111833266A (zh) * | 2020-06-18 | 2020-10-27 | 杭州电子科技大学 | 一种循环神经网络运动模糊复原方法 |
| CN111833266B (zh) * | 2020-06-18 | 2024-07-26 | 杭州电子科技大学 | 一种循环神经网络运动模糊复原方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105046672A (zh) * | 2015-06-30 | 2015-11-11 | 北京工业大学 | 一种图像超分辨率重建方法 |
| CN106408550A (zh) * | 2016-09-22 | 2017-02-15 | 天津工业大学 | 一种改进的自适应多字典学习的图像超分辨率重建方法 |
| CN109345474A (zh) * | 2018-05-22 | 2019-02-15 | 南京信息工程大学 | 基于梯度域和深度学习的图像运动模糊盲去除方法 |
| CN110097509A (zh) * | 2019-03-26 | 2019-08-06 | 杭州电子科技大学 | 一种局部运动模糊图像的复原方法 |
-
2019
- 2019-10-15 CN CN201910980412.9A patent/CN111210390A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105046672A (zh) * | 2015-06-30 | 2015-11-11 | 北京工业大学 | 一种图像超分辨率重建方法 |
| CN106408550A (zh) * | 2016-09-22 | 2017-02-15 | 天津工业大学 | 一种改进的自适应多字典学习的图像超分辨率重建方法 |
| CN109345474A (zh) * | 2018-05-22 | 2019-02-15 | 南京信息工程大学 | 基于梯度域和深度学习的图像运动模糊盲去除方法 |
| CN110097509A (zh) * | 2019-03-26 | 2019-08-06 | 杭州电子科技大学 | 一种局部运动模糊图像的复原方法 |
Non-Patent Citations (2)
| Title |
|---|
| HAE-GON JEON 等: "Multi-Image Deblurring Using Complementary Sets of Fluttering Patterns" * |
| XIAOJING HUANG 等: "Scalable complete complementary sets of sequences" * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111709892A (zh) * | 2020-06-15 | 2020-09-25 | 北京环境特性研究所 | 一种空间目标湍流退化图像快速盲复原方法及装置 |
| CN111833266A (zh) * | 2020-06-18 | 2020-10-27 | 杭州电子科技大学 | 一种循环神经网络运动模糊复原方法 |
| CN111833266B (zh) * | 2020-06-18 | 2024-07-26 | 杭州电子科技大学 | 一种循环神经网络运动模糊复原方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021208122A1 (zh) | 基于深度学习的视频盲去噪方法及装置 | |
| Jang et al. | C2n: Practical generative noise modeling for real-world denoising | |
| Shen et al. | Blurry video frame interpolation | |
| Ehret et al. | Joint demosaicking and denoising by fine-tuning of bursts of raw images | |
| CN111524068B (zh) | 一种基于深度学习的变长输入超分辨率视频重建方法 | |
| CN102388402B (zh) | 图像处理装置及图像处理方法 | |
| CN112837245B (zh) | 一种基于多模态融合的动态场景去模糊方法 | |
| US8576289B2 (en) | Blur correction device and blur correction method | |
| CN110097509B (zh) | 一种局部运动模糊图像的复原方法 | |
| CN113228094A (zh) | 图像处理器 | |
| Valsesia et al. | Permutation invariance and uncertainty in multitemporal image super-resolution | |
| CN104168403B (zh) | 基于拜尔颜色滤波阵列的高动态范围视频录制方法和装置 | |
| CN105931213B (zh) | 基于边缘检测和帧差法的高动态范围视频去鬼影的方法 | |
| JP2017502557A (ja) | バイヤーカラーフィルタアレイに基づくハイダイナミックレンジの動画録画方法及び装置 | |
| Li et al. | Real-world deep local motion deblurring | |
| Sun et al. | Deep maximum a posterior estimator for video denoising | |
| CN114584703A (zh) | 仿生式脉冲相机的成像方法、装置、设备及存储介质 | |
| Rengarajan et al. | Photosequencing of motion blur using short and long exposures | |
| Li et al. | Learning single image defocus deblurring with misaligned training pairs | |
| CN111210390A (zh) | 一种基于Golay序列互补码字集的运动模糊复原方法 | |
| CN103109304A (zh) | 从用手持拍摄装置采集的多个图像的全对焦成像的***和方法 | |
| Burger et al. | Removing noise from astronomical images using a pixel-specific noise model | |
| CN113256565A (zh) | 运动模糊图像智能复原方法 | |
| WO2022096104A1 (en) | Permutation invariant high dynamic range imaging | |
| CN116389912A (zh) | 脉冲相机融合普通相机重构高帧率高动态范围视频的方法 |
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: 20200529 |