CN111275626A - 一种基于模糊度的视频去模糊方法、装置及设备 - Google Patents
一种基于模糊度的视频去模糊方法、装置及设备 Download PDFInfo
- Publication number
- CN111275626A CN111275626A CN201811477483.9A CN201811477483A CN111275626A CN 111275626 A CN111275626 A CN 111275626A CN 201811477483 A CN201811477483 A CN 201811477483A CN 111275626 A CN111275626 A CN 111275626A
- Authority
- CN
- China
- Prior art keywords
- frame
- pixel point
- image
- video
- blurred
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000004927 fusion Effects 0.000 claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 13
- 230000003287 optical effect Effects 0.000 claims description 54
- 238000004590 computer program Methods 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 7
- 238000005215 recombination Methods 0.000 claims description 5
- 230000006798 recombination Effects 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 description 9
- 101100194606 Mus musculus Rfxank gene Proteins 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000002238 attenuated effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000007499 fusion processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明适用于计算机视觉和图像处理技术领域,一种基于模糊度的视频去模糊方法、装置及设备,包括:计算视频帧的模糊度;根据所述模糊度确定清晰帧和模糊帧;根据所述清晰帧和所述模糊帧生成参考帧;对所述模糊帧和所述参考帧进行图像块提取;根据所述图像块中的像素点对应的权重进行加权融合,得到融合后的图像块;将所述融合后的图像块进行重组,得到输出图像。由于本实施例不需要估计模糊核,而是通过计算视频帧的模糊度,并根据模糊度来确定清晰帧和模糊帧,有效地降低了计算的复杂度,使得计算速度得以提升;并且考虑到了参考帧的权重,根据所提取到的图像块中像素点对应的权重进行加权融合,使得最终输出的图像清晰度较高。
Description
技术领域
本发明属于计算机视觉和图像处理技术领域,尤其涉及一种基于模糊度的视频去模糊方法、装置及设备。
背景技术
视频序列受视频捕获设备主体姿态变化或运动干扰会出现无规律的运动,如设备的抖动、行驶道路高低不平、以及手抖等因素的影响,使得成像后得到的视频画面模糊。模糊的视频不仅带来了极差的观看体验,而且不利于观察和提取视频中的有用信息,因此需要对模糊的视频进行去模糊处理。
目前,对视频进行去模糊处理的方法主要是利用模糊核进行视频去模糊。根据模糊核的性质,可分为非盲去模糊和盲去模糊。非盲去模糊需要在模糊核已知的情况下进行,但是在不同场景下的视频编辑中,是无法预先知道模糊核的。而盲去模糊需要对模糊核进行估计,而对模糊核的估计需要进行大量的运算,使得计算复杂度太高。
发明内容
有鉴于此,本发明实施例提供了一种基于模糊度的视频去模糊方法、装置及终端设备,以解决现有技术中视频去模糊的计算复杂度太高的问题。
本发明实施例的第一方面提供了一种基于模糊度的视频去模糊方法,包括:
计算视频帧的模糊度;
根据所述模糊度确定清晰帧和模糊帧;
根据所述清晰帧和所述模糊帧生成参考帧;
对所述模糊帧和所述参考帧进行图像块提取;
根据所述图像块中的像素点对应的权重进行加权融合,得到融合后的图像块;
将所述融合后的图像块进行重组,得到输出图像。
本发明实施例的第二方面提供了一种模糊度的视频去模糊装置,包括:
模糊度计算模块,用于计算视频帧的模糊度;
清晰帧和模糊帧确定模块,用于根据所述模糊度确定清晰帧和模糊帧;
参考帧生成模块,用于根据所述清晰帧和所述模糊帧生成参考帧;
图像块提取模块,用于对所述模糊帧和所述参考帧进行图像块提取;
加权融合模块,用于根据所述图像块中的像素点对应的权重进行加权融合,得到融合后的图像块;
图像块重组模块,用于将所述融合后的图像块进行重组,得到输出图像。
一种视频去模糊设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的方法。
本发明实施例与现有技术相比存在的有益效果是:由于本实施例不需要估计模糊核,而是通过计算视频帧的模糊度,并根据模糊度来确定清晰帧和模糊帧,有效地降低了计算的复杂度,使得计算速度得以提升;并且考虑到了参考帧的权重,根据所提取到的图像块中像素点对应的权重进行加权融合,使得最终输出的图像清晰度较高。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于模糊度的视频去模糊方法的示意流程图;
图2是根据所述清晰帧和所述模糊帧生成参考帧的具体步骤示意图;
图3是将一幅图像进行图像块提取后得到的图像块;
图4是本发明实施例提供的一种基于模糊度的视频去模糊装置的示意图;
图5是本发明实施例提供的一种视频去模糊设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一:
请参见图1,图1为本发明实施例提供的一种基于模糊度的视频去模糊方法的示意流程图,详述如下:
步骤S101:计算视频帧的模糊度。
优选地,在计算视频帧的模糊度之前,包括:获取待处理的视频。在获取到待处理的视频之后,将该视频按照一定的帧率例如50fps解析成视频帧。
具体地,所述计算视频帧的模糊度具体包括:
对视频帧进行灰度化处理,得到灰度图像;
对所述灰度图像进行滤波,得到滤波图像;
计算所述滤波图像的方差,得到所述视频帧的模糊度。
通常情况下,由于解析出来的视频帧是彩色图像,为了减少计算量,需要先对视频帧进行灰度化处理,即将彩色图像转化成灰度图像。当然,如果视频帧本身就是灰度图像,则不需要进行灰度化处理。
将灰度化处理之后得到的灰度图像进行滤波,以实现计算图像边缘梯度的目的。通常情况下,可选择拉普拉斯滤波方法来对灰度图像进行滤波,经过拉普拉斯滤波之后得到滤波图像。
计算所述滤波图像的方差,可根据如下方差函数计算每幅图像的方差:
D(f)=ΣyΣx|f(x,y)-μ|2
上式中,D(f)为计算得到的方差,f(x,y)为图像中某一像素点的灰度值即像素值,μ为整幅图像的平均灰度值,x为像素点的横坐标,y为像素点的纵坐标。将方差用来表示所述滤波图像的模糊度,便得到视频帧的模糊度。
需要说明的是,由于清晰的图像比模糊的图像的边缘梯度具有更大的差异,因此方差和模糊度之间的关系是负相关的,即方差越大,说明对应的滤波图像模糊度越小,即清晰度越高;方差越小,说明对应的滤波图像模糊度越大,即清晰度越低。
步骤S102:根据所述模糊度确定清晰帧和模糊帧。
具体地,所述根据模糊度确定清晰帧和模糊帧具体包括:
根据所述模糊度对所述视频帧进行排序,得到排序后的图像序列;
从所述图像序列中选取模糊度较大的多个视频帧作为模糊帧,模糊度较小的多个视频帧作为清晰帧。
根据得到的模糊度对所述视频帧进行排序,具体的排序方式可以按照模糊度从大到小排序,也可以是从小到大排序。以便说明,本实施例选择将模糊度从大到小排序,选取模糊度较大的多个视频帧作为模糊帧,即选取模糊度排名前a位的a个视频帧作为模糊帧,选取模糊度最小的视频帧作为清晰帧,即选取排名后b位的b个视频帧作为清晰帧。其中,a和b可以根据需要设定,为方便说明,本实施例选取的a为3,b为2,即选取模糊度排名前3位的三个视频帧作为模糊帧,模糊度排名后2位的两个视频帧作为清晰帧。
步骤S103:根据所述清晰帧和所述模糊帧生成参考帧。
优选地,在根据所述清晰帧和所述模糊帧生成参考帧之前,为了减少计算量,加快处理速度,需要先对所述清晰帧和所述模糊帧进行下采样操作,即降低图像的分辨率。其中,下采样的原理是:假设一副图像的尺寸为M*N(M和N为像素点的数量),则按照采样率s对该图像进行下采样,得到的图像分辨率则为(M/s)*(N/s)。
结合图2所示,图2为根据所述清晰帧和所述模糊帧生成参考帧的具体步骤,根据所述清晰帧和所述模糊帧生成参考帧的具体步骤如下:
A1.利用光流法计算相邻两帧之间的前向光流和后向光流;其中,所述相邻两帧包括清晰帧和模糊帧;
A2.取所述模糊帧的某一像素点作为当前像素点,所述前向光流是指所述当前像素点从所述模糊帧指向所述清晰帧的前向运动矢量;
A3.根据所述前向光流,计算所述当前像素点的前向光流指向所述清晰帧的像素点,即前向像素点;所述后向光流则是指所述前向像素点从所述清晰帧指向所述模糊帧的后向运动矢量;
A4.根据所述后向光流,计算所述前向像素点的后向光流指向所述模糊帧的像素点,即后向像素点;
A5.计算所述当前像素点和所述后向像素点的位置误差;
A6.根据所述位置误差生成参考帧。
进一步地,步骤A6具体包括以下步骤:
B1.根据所述位置误差构建掩膜,具体为:若所述位置误差小于第一预设值,则将所述当前像素点标记为1,反之则将所述当前像素点标记为0;
B2.若所述位置误差小于第二预设值,则将所述前向像素点作为所述当前像素点的参考点;
B3.根据所述参考点生成参考对齐帧;
B4.根据所述掩膜、所述模糊帧和所述参考对齐帧,生成参考帧。
其中,所述光流法是指TVL1光流法。目前使用的光流法有多种,即TVL1光流法、LK光流法、ctfLK光流法、HS光流法等,由于TVL1光流法在有物体遮挡的情况下能达到更好的效果,因此本实施例采用的光流法为TVL1光流法。
利用TVL1光流法可以计算相邻两帧的前向光流和后向光流,其中,所述相邻两帧包括清晰帧和模糊帧,将模糊帧作为后向参考帧,清晰帧作为前向参考帧。通过TVL1光流法可以实现图像的对准,即在模糊帧中提取出特征点,再从清晰帧的相应位置找到与该特征点相似的特征点。
选取模糊帧的某一像素点如A点作为当前像素点,所述前向光流是指所述当前像素点从所述模糊帧指向所述清晰帧的前向运动矢量。可以通过TVL1光流法计算出所述前向光流,再根据所述前向光流,计算A点的前向光流指向所述清晰帧的像素点,即前向像素点,假设所述前向像素点为B点。
所述后向光流则是指所述前向像素点即B点从所述清晰帧指向所述模糊帧的后向运动矢量。通过TVL1光流法计算后向光流,再根据所述后向光流,计算B点的后向光流指向所述模糊帧的像素点,即后向像素点,假设后向像素点为C点。
需要说明的是,在得到了所述前向光流和后向光流之后,还需要对图像进行上采样操作,这是因为在步骤S103中提到,为了减少计算量,加快处理速度,需要先对所述清晰帧和所述模糊帧进行下采样操作,下采样操作使得图像缩小了,现在需要将缩小的图像恢复为原来的尺寸,即对图像进行上采样操作。上采样通常是通过在原有图像的像素点之间***新的元素来实现,实现上采样的方式有多种,为达到更好的效果,可以使用双三次样条差值来实现上采样,而如果希望计算速度更快,则可以使用双线性差值代替来实现上采样。
从上述可知,A点和C点都位于所述模糊帧上,而B点位于所述清晰帧上。为了实现模糊帧和清晰帧的特征点的对准,需计算A点与C点的位置误差,假设获取到的A点在所述模糊帧上的位置为(x1,y1),C点在所述模糊帧上的位置为(x2,y2),则可通过以下式子计算A点与C点的位置误差:
上式中,e为计算得到的位置误差。
再根据所述位置误差构建掩膜,具体为:若所述位置误差小于第一预设值,则将所述当前像素点标记为1,反之则将所述当前像素点标记为0。
其中,第一预设值可以根据需要进行设定,例如可以设置为1e-3或者是其他数值,在此不作限制。
需要说明的是,上述中的掩膜是指用选定的图像对处理的图像进行遮挡,来控制图像处理的区域。
需要说明的是,在得到了掩膜之后,为了使得被替代的像素点与周围未被替代的像素点之间过渡平滑,不会显得融合很突兀,需要对得到的掩膜进行高斯模糊。
接着确定参考点,具体的方式是:若所述位置误差小于第二预设值,则将所述前向像素点作为所述当前像素点的参考点。
其中,第二预设值可以根据需要设定,例如可以设置为1e-4,即0.0001。
当位置误差小于第二预设值时,可以近似地将当前像素点A点与后向像素点C点视为同一像素点,那么当前像素点A点和前向像素点B点就是位于不同图像上的同一像素点,因此将B点作为A点的参考点。但是如果计算得到的位置误差大于或等于第二预设值,则说明A点与C点并非是同一像素点,即A点没有参考点。
在确定了参考点之后,根据所述参考点生成参考对齐帧,具体的方法是:将参考点替换掉当前像素点,如果当前像素点没有参考点,则可以使用0来替代当前像素点。
然后再根据所述掩膜、所述模糊帧和所述参考对齐帧,生成参考帧,具体的方法为:将掩膜作为权重,将所述模糊帧和所述参考对齐帧进行加权融合,可按照以下式子得到参考帧:
步骤S104:对所述模糊帧和所述参考帧进行图像块提取。
将所述模糊帧和所述参考帧组合起来,构成一个待处理的帧集合,对该集合中的每个待处理帧进行图像块提取。
对于每个待处理帧,提取得到的图像块有多个,如果一幅图像的尺寸为512*512,提取的图像块尺寸为128*128,则从该图像中能够提取到16个图像块,如图3所示。
步骤S105:根据所述图像块中的像素点对应的权重进行加权融合,得到融合后的图像块。
具体地,所述根据所述图像块中的像素点对应的权重进行加权融合,得到融合后的图像块,具体包括:
对所述图像块中的像素点进行傅里叶FFT变换,得到所述像素点的FFT值;
计算所述像素点的权重,具体为:对所述FFT值进行高斯模糊,得到模糊后的FFT值,将所述模糊后的FFT值的11次幂作为所述像素点的权重;
再按照以下式子对各个图像块中处于相同位置的各个像素点进行加权融合:
对所述加权融合值进行傅里叶IFFT反变换,得到所述像素点的融合像素值;
将所有像素点组合,得到融合后的图像块。
进一步地,所述对所述图像块中的像素点进行傅里叶FFT变换,得到所述像素点的FFT值,具体包括:
分别计算所述像素点的红色R、绿色G和蓝色B三个通道对应的FFT分量值;
对所述FFT分量值求平均值,得到所述像素点的FFT值。
需要说明的是,由于图像的模糊度与图像对应的傅里叶系数的衰减幅度成正相关,即当图像的模糊度大时,图像的傅里叶系数大幅度衰减,而图像的模糊度小,图像的傅里叶系数小幅度衰减,不模糊的图像则其傅里叶系数不会衰减。因此可以通过FFT变换,将图像变换到频域中,在频域内计算各图像块像素点的权重,能够有效扩大清晰帧中像素点的权重值,从而使得最终输出的复原图像更清晰。
由于每个像素点的像素值是由红色R、绿色G和蓝色B三个通道的分量组成的,因此需要分别计算像素点的R、G、B三个通道对应的FFT分量值。由于图像是二维的,因此计算得到的FFT分量值为复数,假设得到的三个FFT分量值分别为a1+jb1、a2+jb2和a3+jb3,则可以根据下式计算像素点的FFT值:
再计算所述像素点的权重,具体方法为:对所述FFT值进行高斯模糊,得到模糊后的FFT值,将所述模糊后的FFT值的11次幂作为所述像素点的权重。
再按照以下式子对各个图像块中处于相同位置的各个像素点进行加权融合:
其中,ε可以根据需要设定,例如可以设置为1e-8,设置ε的目的是为了防止上述式子中的分母为零,从而不能继续进行下一步的计算。
在得到了所述加权融合值之后,由于所述加权融合值是在频域内计算得到的结果,因此还需要对其进行傅里叶反变换即IFFT变换,才能得到其对应的时域的值,即像素点的融合像素值。该融合像素值即为像素点经过加权融合处理的最终像素值,将所有的像素点组合,便可得到融合处理后的图像块。
步骤S106:将所述融合后的图像块进行重组,得到输出图像。
将融合后得到的图像块进行重组,即将所有的图像块拼接起来,得到输出图像,此时输出的图像即为经过去模糊后的清晰图像。如图3所示,在进行加权融合处理时,将原始图像分割成了16个图像块,处理之后需要将这些图像块拼接起来,得到输出的复原图像。
本实施例通过计算视频帧的模糊度,并根据模糊度来确定清晰帧和模糊帧,有效地降低了计算的复杂度,使得计算速度得以提升;并且考虑到了参考帧的权重,根据所提取到的图像块中像素点对应的权重进行加权融合,使得最终输出的图像清晰度较高。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例二:
图4是本发明一实施例提供的一种基于模糊度的视频去模糊装置,该装置包括:模糊度计算模块41、清晰帧和模糊帧确定模块42、参考帧生成模块43、图像块提取模块44、加权融合模块45和图像块重组模块46。
其中,模糊度计算模块41,用于计算视频帧的模糊度。
进一步地,所述模糊度计算模块41具体包括:
灰度化处理单元411,用于对视频帧进行灰度化处理,得到灰度图像;
滤波单元412,用于对所述灰度图像进行滤波,得到滤波图像;
方差计算单元413,用于计算所述滤波图像的方差,得到所述视频帧的模糊度。
清晰帧和模糊帧确定模块42,用于根据所述模糊度确定清晰帧和模糊帧。
更进一步地,所述清晰帧和模糊帧确定模块42具体包括:
模糊度排序单元421,用于根据所述模糊度对所述视频帧进行排序,得到排序后的图像序列;
模糊帧和清晰帧选取单元422,用于从所述图像序列中选取模糊度较大的多个视频帧作为模糊帧,模糊度较小的多个视频帧作为清晰帧。
参考帧生成模块43,用于根据所述清晰帧和所述模糊帧生成参考帧。
进一步地,所述参考帧生成模块43还包括:
光流计算单元431,用于利用光流法计算相邻两帧之间的前向光流和后向光流;其中,所述相邻两帧包括清晰帧和模糊帧;
当前像素点选取单元432,用于取所述模糊帧的某一像素点作为当前像素点,所述前向光流是指所述当前像素点从所述模糊帧指向所述清晰帧的前向运动矢量;
前向像素点计算单元433,用于根据所述前向光流,计算所述当前像素点的前向光流指向所述清晰帧的像素点,即前向像素点;所述后向光流则是指所述前向像素点从所述清晰帧指向所述模糊帧的后向运动矢量;
后向像素点计算单元434,用于根据所述后向光流,计算所述前向像素点的后向光流指向所述模糊帧的像素点,即后向像素点;
位置误差计算单元435,用于计算所述当前像素点和所述后向像素点的位置误差;
参考帧生成单元436,用于根据所述位置误差生成参考帧。
进一步地,所述参考帧生成单元436具体包括:
掩膜构建子单元4361,用于根据所述位置误差构建掩膜,具体为:若所述位置误差小于第一预设值,则将所述当前像素点标记为1,反之则将所述当前像素点标记为0;
参考点确定子单元4362,用于若所述位置误差小于第二预设值,则将所述前向像素点作为所述当前像素点的参考点;
参考对齐帧生成子单元4363,用于根据所述参考点生成参考对齐帧;
参考帧生成子单元4364,用于根据所述掩膜、所述模糊帧和所述参考对齐帧,生成参考帧。
图像块提取模块44,用于对所述模糊帧和所述参考帧进行图像块提取。
加权融合模块45,用于根据所述图像块中的像素点对应的权重进行加权融合,得到融合后的图像块。
进一步地,所述加权融合模块45具体包括:
FFT变换单元451,用于对所述图像块中的像素点进行傅里叶FFT变换,得到所述像素点的FFT值;
权重计算单元452,用于计算所述像素点的权重,具体为:对所述FFT值进行高斯模糊,得到模糊后的FFT值,将所述模糊后的FFT值的11次幂作为所述像素点的权重;
加权融合单元453,用于再按照以下式子对各个图像块中处于相同位置的各个像素点进行加权融合:
IFFT变换单元454,用于对所述加权融合值进行傅里叶IFFT反变换,得到所述像素点的融合像素值;
像素点组合单元455,用于将所有像素点组合,得到融合后的图像块。
图像块重组模块46,用于将所述融合后的图像块进行重组,得到输出图像。
实施例三:
图5是本发明一实施例提供的一种视频去模糊设备的示意图。如图5所示,该实施例的一种视频去模糊设备5包括:处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52,例如基于模糊度的视频去模糊程序。所述处理器50执行所述计算机程序52时实现上述各个基于模糊度的视频去模糊方法实施例中的步骤,例如图1所示的步骤101至106。或者,所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能,例如图4所示模块41至46的功能。
示例性的,所述计算机程序52可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器51中,并由所述处理器50执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序52在所述视频去模糊设备5中的执行过程。例如,所述计算机程序52可以被分割成模糊度计算模块、清晰帧和模糊帧确定模块、参考帧生成模块、图像块提取模块、加权融合模块和图像块重组模块,各模块具体功能如下:
模糊度计算模块,用于计算视频帧的模糊度;
清晰帧和模糊帧确定模块,用于根据所述模糊度确定清晰帧和模糊帧;
参考帧生成模块,用于根据所述清晰帧和所述模糊帧生成参考帧;
图像块提取模块,用于对所述模糊帧和所述参考帧进行图像块提取;
加权融合模块,用于根据所述图像块中的像素点对应的权重进行加权融合,得到融合后的图像块;
图像块重组模块,用于将所述融合后的图像块进行重组,得到输出图像。
所述视频去模糊设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述视频去模糊设备可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是视频去模糊设备5的示例,并不构成对视频去模糊设备5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述视频去模糊设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述视频去模糊设备5的内部存储单元,例如视频去模糊设备5的硬盘或内存。所述存储器51也可以是所述视频去模糊设备5的外部存储设备,例如所述视频去模糊设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述视频去模糊设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述视频去模糊设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于模糊度的视频去模糊方法,其特征在于,包括:
计算视频帧的模糊度;
根据所述模糊度确定清晰帧和模糊帧;
根据所述清晰帧和所述模糊帧生成参考帧;
对所述模糊帧和所述参考帧进行图像块提取;
根据所述图像块中的像素点对应的权重进行加权融合,得到融合后的图像块;
将所述融合后的图像块进行重组,得到输出图像。
2.如权利要求1所述的方法,其特征在于,所述计算视频帧的模糊度具体包括:
对视频帧进行灰度化处理,得到灰度图像;
对所述灰度图像进行滤波,得到滤波图像;
计算所述滤波图像的方差,得到所述视频帧的模糊度。
3.如权利要求2所述的方法,其特征在于,所述根据模糊度确定清晰帧和模糊帧具体包括:
根据所述模糊度对所述视频帧进行排序,得到排序后的图像序列;
从所述图像序列中选取模糊度较大的多个视频帧作为模糊帧,模糊度较小的多个视频帧作为清晰帧。
4.如权利要求1所述的方法,其特征在于,所述根据所述清晰帧和所述模糊帧生成参考帧,具体包括:
利用光流法计算相邻两帧之间的前向光流和后向光流;其中,所述相邻两帧包括清晰帧和模糊帧;
取所述模糊帧的某一像素点作为当前像素点,所述前向光流是指所述当前像素点从所述模糊帧指向所述清晰帧的前向运动矢量;
根据所述前向光流,计算所述当前像素点的前向光流指向所述清晰帧的像素点,即前向像素点;所述后向光流则是指所述前向像素点从所述清晰帧指向所述模糊帧的后向运动矢量;
根据所述后向光流,计算所述前向像素点的后向光流指向所述模糊帧的像素点,即后向像素点;
计算所述当前像素点和所述后向像素点的位置误差;
根据所述位置误差生成参考帧。
5.如权利要求4所述的方法,其特征在于,所述根据所述位置误差生成参考帧,具体包括:
根据所述位置误差构建掩膜,具体为:若所述位置误差小于第一预设值,则将所述当前像素点标记为1,反之则将所述当前像素点标记为0;
若所述位置误差小于第二预设值,则将所述前向像素点作为所述当前像素点的参考点;
根据所述参考点生成参考对齐帧;
根据所述掩膜、所述模糊帧和所述参考对齐帧,生成参考帧。
6.如权利要求1所述的方法,其特征在于,所述根据所述图像块中的像素点对应的权重进行加权融合,得到融合后的图像块,具体包括:
对所述图像块中的像素点进行傅里叶FFT变换,得到所述像素点的FFT值;
计算所述像素点的权重,具体为:对所述FFT值进行高斯模糊,得到模糊后的FFT值,将所述模糊后的FFT值的11次幂作为所述像素点的权重;
再按照以下式子对各个图像块中处于相同位置的各个像素点进行加权融合:
对所述加权融合值进行傅里叶IFFT反变换,得到所述像素点的融合像素值;
将所有像素点组合,得到融合后的图像块。
7.如权利要求6所述的方法,其特征在于,所述对所述图像块中的像素点进行傅里叶FFT变换,得到所述像素点的FFT值,具体包括:
分别计算所述像素点的红色R、绿色G和蓝色B三个通道对应的FFT分量值;
对所述FFT分量值求平均值,得到所述像素点的FFT值。
8.一种基于模糊度的视频去模糊装置,其特征在于,包括:
模糊度计算模块,用于计算视频帧的模糊度;
清晰帧和模糊帧确定模块,用于根据所述模糊度确定清晰帧和模糊帧;
参考帧生成模块,用于根据所述清晰帧和所述模糊帧生成参考帧;
图像块提取模块,用于对所述模糊帧和所述参考帧进行图像块提取;
加权融合模块,用于根据所述图像块中的像素点对应的权重进行加权融合,得到融合后的图像块;
图像块重组模块,用于将所述融合后的图像块进行重组,得到输出图像。
9.一种视频去模糊设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811477483.9A CN111275626B (zh) | 2018-12-05 | 2018-12-05 | 一种基于模糊度的视频去模糊方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811477483.9A CN111275626B (zh) | 2018-12-05 | 2018-12-05 | 一种基于模糊度的视频去模糊方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111275626A true CN111275626A (zh) | 2020-06-12 |
CN111275626B CN111275626B (zh) | 2023-06-23 |
Family
ID=71001439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811477483.9A Active CN111275626B (zh) | 2018-12-05 | 2018-12-05 | 一种基于模糊度的视频去模糊方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111275626B (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111416937A (zh) * | 2020-03-25 | 2020-07-14 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及移动设备 |
CN112001355A (zh) * | 2020-09-03 | 2020-11-27 | 杭州云栖智慧视通科技有限公司 | 室外视频下模糊人脸识别的训练数据预处理方法 |
CN112767250A (zh) * | 2021-01-19 | 2021-05-07 | 南京理工大学 | 一种基于自监督学习的视频盲超分辨率重建方法及*** |
CN112801890A (zh) * | 2021-01-08 | 2021-05-14 | 北京奇艺世纪科技有限公司 | 一种视频处理方法、装置及设备 |
CN113067979A (zh) * | 2021-03-04 | 2021-07-02 | 北京大学 | 基于仿生式脉冲相机的成像方法、装置、设备及存储介质 |
CN113327206A (zh) * | 2021-06-03 | 2021-08-31 | 江苏电百达智能科技有限公司 | 基于人工智能的输电线智能巡检***的图像模糊处理方法 |
CN113409209A (zh) * | 2021-06-17 | 2021-09-17 | Oppo广东移动通信有限公司 | 图像去模糊方法、装置、电子设备与存储介质 |
CN113706414A (zh) * | 2021-08-26 | 2021-11-26 | 荣耀终端有限公司 | 视频优化模型的训练方法和电子设备 |
CN113781357A (zh) * | 2021-09-24 | 2021-12-10 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备和存储介质 |
CN113781336A (zh) * | 2021-08-31 | 2021-12-10 | Oppo广东移动通信有限公司 | 图像处理的方法、装置、电子设备与存储介质 |
CN114708166A (zh) * | 2022-04-08 | 2022-07-05 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质以及终端 |
CN115187446A (zh) * | 2022-05-26 | 2022-10-14 | 北京健康之家科技有限公司 | 换脸视频的生成方法、装置、计算机设备及可读存储介质 |
CN115311175A (zh) * | 2022-10-10 | 2022-11-08 | 季华实验室 | 一种基于无参考焦点质量评估的多聚焦图像融合方法 |
CN115546042A (zh) * | 2022-03-31 | 2022-12-30 | 荣耀终端有限公司 | 视频处理方法及其相关设备 |
CN115866295A (zh) * | 2022-11-22 | 2023-03-28 | 东南大学 | 一种面向变流站端子排的视频关键帧二次提取方法及*** |
CN116128769A (zh) * | 2023-04-18 | 2023-05-16 | 聊城市金邦机械设备有限公司 | 摇摆运动机构的轨迹视觉记录*** |
CN116385302A (zh) * | 2023-04-07 | 2023-07-04 | 北京拙河科技有限公司 | 一种光组相机的动态模糊消除方法及装置 |
CN116630220A (zh) * | 2023-07-25 | 2023-08-22 | 江苏美克医学技术有限公司 | 一种荧光图像景深融合成像方法、装置及存储介质 |
CN116934654A (zh) * | 2022-03-31 | 2023-10-24 | 荣耀终端有限公司 | 图像模糊度的确定方法及其相关设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040001705A1 (en) * | 2002-06-28 | 2004-01-01 | Andreas Soupliotis | Video processing system and method for automatic enhancement of digital video |
US20060280249A1 (en) * | 2005-06-13 | 2006-12-14 | Eunice Poon | Method and system for estimating motion and compensating for perceived motion blur in digital video |
US20090213234A1 (en) * | 2008-02-18 | 2009-08-27 | National Taiwan University | Method of full frame video stabilization |
EP2680568A1 (en) * | 2012-06-25 | 2014-01-01 | ST-Ericsson SA | Video stabilisation with deblurring |
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 |
US20150103163A1 (en) * | 2013-10-14 | 2015-04-16 | Samsung Electronics Co., Ltd. | Apparatus, method, and processor for measuring change in distance between a camera and an object |
US9355439B1 (en) * | 2014-07-02 | 2016-05-31 | The United States Of America As Represented By The Secretary Of The Navy | Joint contrast enhancement and turbulence mitigation method |
CN107895349A (zh) * | 2017-10-23 | 2018-04-10 | 电子科技大学 | 一种基于合成的内窥镜视频去模糊方法 |
US20180122052A1 (en) * | 2016-10-28 | 2018-05-03 | Thomson Licensing | Method for deblurring a video, corresponding device and computer program product |
-
2018
- 2018-12-05 CN CN201811477483.9A patent/CN111275626B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040001705A1 (en) * | 2002-06-28 | 2004-01-01 | Andreas Soupliotis | Video processing system and method for automatic enhancement of digital video |
US20060280249A1 (en) * | 2005-06-13 | 2006-12-14 | Eunice Poon | Method and system for estimating motion and compensating for perceived motion blur in digital video |
US20090213234A1 (en) * | 2008-02-18 | 2009-08-27 | National Taiwan University | Method of full frame video stabilization |
EP2680568A1 (en) * | 2012-06-25 | 2014-01-01 | ST-Ericsson SA | Video stabilisation with deblurring |
US20150138379A1 (en) * | 2012-06-25 | 2015-05-21 | St-Ericsson Sa | Video Stabilisation with Deblurring |
US20150103163A1 (en) * | 2013-10-14 | 2015-04-16 | Samsung Electronics Co., Ltd. | Apparatus, method, and processor for measuring change in distance between a camera and an object |
US9355439B1 (en) * | 2014-07-02 | 2016-05-31 | The United States Of America As Represented By The Secretary Of The Navy | Joint contrast enhancement and turbulence mitigation method |
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 |
US20180122052A1 (en) * | 2016-10-28 | 2018-05-03 | Thomson Licensing | Method for deblurring a video, corresponding device and computer program product |
CN107895349A (zh) * | 2017-10-23 | 2018-04-10 | 电子科技大学 | 一种基于合成的内窥镜视频去模糊方法 |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111416937A (zh) * | 2020-03-25 | 2020-07-14 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及移动设备 |
CN112001355A (zh) * | 2020-09-03 | 2020-11-27 | 杭州云栖智慧视通科技有限公司 | 室外视频下模糊人脸识别的训练数据预处理方法 |
CN112801890A (zh) * | 2021-01-08 | 2021-05-14 | 北京奇艺世纪科技有限公司 | 一种视频处理方法、装置及设备 |
CN112801890B (zh) * | 2021-01-08 | 2023-07-25 | 北京奇艺世纪科技有限公司 | 一种视频处理方法、装置及设备 |
CN112767250A (zh) * | 2021-01-19 | 2021-05-07 | 南京理工大学 | 一种基于自监督学习的视频盲超分辨率重建方法及*** |
CN113067979A (zh) * | 2021-03-04 | 2021-07-02 | 北京大学 | 基于仿生式脉冲相机的成像方法、装置、设备及存储介质 |
CN113327206B (zh) * | 2021-06-03 | 2022-03-22 | 江苏电百达智能科技有限公司 | 基于人工智能的输电线智能巡检***的图像模糊处理方法 |
CN113327206A (zh) * | 2021-06-03 | 2021-08-31 | 江苏电百达智能科技有限公司 | 基于人工智能的输电线智能巡检***的图像模糊处理方法 |
CN113409209A (zh) * | 2021-06-17 | 2021-09-17 | Oppo广东移动通信有限公司 | 图像去模糊方法、装置、电子设备与存储介质 |
CN113706414A (zh) * | 2021-08-26 | 2021-11-26 | 荣耀终端有限公司 | 视频优化模型的训练方法和电子设备 |
CN113781336A (zh) * | 2021-08-31 | 2021-12-10 | Oppo广东移动通信有限公司 | 图像处理的方法、装置、电子设备与存储介质 |
CN113781336B (zh) * | 2021-08-31 | 2024-02-02 | Oppo广东移动通信有限公司 | 图像处理的方法、装置、电子设备与存储介质 |
CN113781357A (zh) * | 2021-09-24 | 2021-12-10 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备和存储介质 |
CN116934654A (zh) * | 2022-03-31 | 2023-10-24 | 荣耀终端有限公司 | 图像模糊度的确定方法及其相关设备 |
CN115546042A (zh) * | 2022-03-31 | 2022-12-30 | 荣耀终端有限公司 | 视频处理方法及其相关设备 |
CN115546042B (zh) * | 2022-03-31 | 2023-09-29 | 荣耀终端有限公司 | 视频处理方法及其相关设备 |
CN114708166A (zh) * | 2022-04-08 | 2022-07-05 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质以及终端 |
CN115187446A (zh) * | 2022-05-26 | 2022-10-14 | 北京健康之家科技有限公司 | 换脸视频的生成方法、装置、计算机设备及可读存储介质 |
CN115311175B (zh) * | 2022-10-10 | 2022-12-09 | 季华实验室 | 一种基于无参考焦点质量评估的多聚焦图像融合方法 |
CN115311175A (zh) * | 2022-10-10 | 2022-11-08 | 季华实验室 | 一种基于无参考焦点质量评估的多聚焦图像融合方法 |
CN115866295A (zh) * | 2022-11-22 | 2023-03-28 | 东南大学 | 一种面向变流站端子排的视频关键帧二次提取方法及*** |
CN116385302A (zh) * | 2023-04-07 | 2023-07-04 | 北京拙河科技有限公司 | 一种光组相机的动态模糊消除方法及装置 |
CN116128769B (zh) * | 2023-04-18 | 2023-06-23 | 聊城市金邦机械设备有限公司 | 摇摆运动机构的轨迹视觉记录*** |
CN116128769A (zh) * | 2023-04-18 | 2023-05-16 | 聊城市金邦机械设备有限公司 | 摇摆运动机构的轨迹视觉记录*** |
CN116630220A (zh) * | 2023-07-25 | 2023-08-22 | 江苏美克医学技术有限公司 | 一种荧光图像景深融合成像方法、装置及存储介质 |
CN116630220B (zh) * | 2023-07-25 | 2023-11-21 | 江苏美克医学技术有限公司 | 一种荧光图像景深融合成像方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111275626B (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111275626B (zh) | 一种基于模糊度的视频去模糊方法、装置及设备 | |
Zhang et al. | Deep image deblurring: A survey | |
Wang et al. | Real-esrgan: Training real-world blind super-resolution with pure synthetic data | |
CN108765343B (zh) | 图像处理的方法、装置、终端及计算机可读存储介质 | |
Yu et al. | A unified learning framework for single image super-resolution | |
Sun et al. | Gradient profile prior and its applications in image super-resolution and enhancement | |
CN110163237B (zh) | 模型训练及图像处理方法、装置、介质、电子设备 | |
EP2294808B1 (en) | Method and system for efficient video processing | |
EP2164040B1 (en) | System and method for high quality image and video upscaling | |
US20130058588A1 (en) | Motion Deblurring Using Image Upsampling | |
Zeng et al. | A generalized DAMRF image modeling for superresolution of license plates | |
CN110136055B (zh) | 图像的超分辨率方法和装置、存储介质、电子装置 | |
Liu et al. | A motion deblur method based on multi-scale high frequency residual image learning | |
WO2014070273A1 (en) | Recursive conditional means image denoising | |
CN113592776A (zh) | 图像处理方法及装置、电子设备、存储介质 | |
Guan et al. | Srdgan: learning the noise prior for super resolution with dual generative adversarial networks | |
Jeong et al. | Multi-frame example-based super-resolution using locally directional self-similarity | |
Zhao et al. | High resolution local structure-constrained image upsampling | |
CN113012061A (zh) | 降噪处理方法、装置及电子设备 | |
CN116071279A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN112070657A (zh) | 图像处理方法、装置、***、设备及计算机存储介质 | |
Lim et al. | Deep spectral-spatial network for single image deblurring | |
Wu et al. | Two-level wavelet-based convolutional neural network for image deblurring | |
Dong et al. | Multi-scale residual low-pass filter network for image deblurring | |
Choi et al. | Sharpness enhancement and super-resolution of around-view monitor images |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |