BR112013018156B1 - Processo e dispositivo de tratamento de dados de imagens, utilização do processo e instalação para aplicação de uma utilização - Google Patents
Processo e dispositivo de tratamento de dados de imagens, utilização do processo e instalação para aplicação de uma utilização Download PDFInfo
- Publication number
- BR112013018156B1 BR112013018156B1 BR112013018156-7A BR112013018156A BR112013018156B1 BR 112013018156 B1 BR112013018156 B1 BR 112013018156B1 BR 112013018156 A BR112013018156 A BR 112013018156A BR 112013018156 B1 BR112013018156 B1 BR 112013018156B1
- Authority
- BR
- Brazil
- Prior art keywords
- image
- images
- turbulence
- camera
- filter
- Prior art date
Links
- 238000012545 processing Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 title claims description 43
- 230000008569 process Effects 0.000 title claims description 36
- 238000009434 installation Methods 0.000 title claims description 6
- 238000011282 treatment Methods 0.000 claims abstract description 30
- 230000000694 effects Effects 0.000 claims abstract description 22
- 238000006073 displacement reaction Methods 0.000 claims abstract description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 10
- 239000007788 liquid Substances 0.000 claims abstract description 8
- 230000002123 temporal effect Effects 0.000 claims description 35
- 238000001914 filtration Methods 0.000 claims description 22
- 238000010606 normalization Methods 0.000 claims description 17
- 239000000446 fuel Substances 0.000 claims description 14
- 238000013519 translation Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000014509 gene expression Effects 0.000 claims description 10
- 230000003595 spectral effect Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000007423 decrease Effects 0.000 claims description 5
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000005452 bending Methods 0.000 claims description 2
- 230000014616 translation Effects 0.000 description 11
- 238000012360 testing method Methods 0.000 description 7
- 238000007689 inspection Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 206010027175 memory impairment Diseases 0.000 description 1
- 239000003758 nuclear fuel Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 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
-
- 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
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20216—Image averaging
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
- Facsimile Image Signal Circuits (AREA)
- Treatment Of Fiber Materials (AREA)
Abstract
tratamento de dados de imagens, comportando efeitos de turbulências em um meio líquido. a presente invenção se refere ao tratamento de dados de imagens numéricas sucessivas, adquiridas por uma câmera imersa em um líquido que comporta turbulências, tal como a água, em um núcleo de reator nuclear, essas turbulências causando um efeito de deslocamento aparente de pixels das imagens. o tratamento comporta vantajosamente: - uma modelização do efeito das turbulências sobre os pixels das imagens, e - uma de-convolução por essa modelização de uma imagem média no tempo.
Description
[0001] A presente invenção se refere ao tratamento de dados deimagens numéricas.
[0002] Ela visa, em particular, o tratamento de imagens sucessivas(tipicamente de uma sequência filmada). Essas imagens são adquiridas por uma câmera e, em particular, a câmera é imersa em um líquido apresentando turbulências. Por exemplo, essas turbulências podem ser devido às faltas de homogeneidades no meio líquido, tais como diferenças locais de temperatura. Essas turbulências causam um efeito de deslocamento aparente de pixels das imagens. Por exemplo, uma diferença local de temperatura em uma região correspondente a uma borda de imagem acarreta uma turbulência, cujo efeito sobre as imagens filmadas se manifesta por uma perturbação dos pixels nessa borda de imagem com um deslocamento aparente (em relação a uma posição de origem) de determinados desses pixels, esse deslocamento sendo variável no tempo (de forma aleatória).
[0003] O caráter aleatório dessas variações implica umadificuldade (até mesmo uma impossibilidade) no tratamento das imagens para suprimir-lhes os efeitos de turbulências.
[0004] A presente invenção vem melhorar a situação.
[0005] Ela propõe, para isso, um processo de tratamento de dadosde imagens do tipo pré-citado, comportando, em particular:- uma modelização do efeito das turbulências sobre os pixels das imagens; e- uma deconvolução por essa modelização de uma imagem média no tempo.
[0006] Vantajosamente, foi observado, com efeito, que erapossível perfeitamente modelizar o efeito das turbulências, mas em uma duração relativamente longa. Assim, o fato de tornar medianos os mesmos pixels de uma imagem no tempo permite "esmagar" o efeito das turbulências. Obtém-se uma imagem média, desfocada. Para tornar nítida essa imagem, lhe é aplicada uma deconvolução por um modelo que representa turbulências.
[0007] Naturalmente, é suposto que a cena que a câmera filma éfixa, embora um modo de realização apresentado depois na presente descrição trate o caso em câmera em translação, em relação, a uma cena fixa.
[0008] Em uma realização vantajosa, a modelização pré-citadadas turbulências comporta a estima de um modelo h (u) de densidade de probabilidade de um vetor de deslocamento u relativo ao efeito de turbulências. Foi observado, em particular, que, de modoparticularmente vantajoso, uma modelização probabilista do efeito das turbulências sobre os pixels das imagens permitia responderperfeitamente ao problema de modelizar turbulências, a priori, aleatórias.
[0009] Um exemplo de modelo vantajoso é de tipo com diminuiçãoexponencial, e pode se expressar em função do vetor u, por uma relação do tipo:na qual:- α representa o desvio-padrão da norma do vetor u;- A e B são constantes reais positivas, tais como, porexemplo,
[00010] Outras realizações são possíveis e serão descritas depois.
[00011] No que se refere à estimativa da imagem média no tempo, prevê-se em uma realização possível uma média ponderada por potências de um fator de esquecimento (anotado a seguir a), respectivamente decrescentes em função do tempo.
[00012] A imagem média Ia (x, n), estimada no instante n para um pixel de coordenadas vetoriais x, pode ser dada então por:o termo a sendo um real correspondente ao fator de esquecimento.
[00013] Na prática, a imagem média no tempo pode ser estimada por uma filtragem temporal recursiva.
[00014] Assim, uma enésima saída do filtro temporal, para o instante n, anotada If (x, n), e imagem média Ia (x,n) são ligadas pelas relações:
[00015] Os testes realizados mostram que o fator de esquecimento a tinha a vantagem de ser próximo de 1, sendo inferior a 1. Um valor escolhido igual a 0,99 deu bons resultados.
[00016] No que se refere então à deconvolução pela modelização, prevê-se vantajosamente a aplicação de uma filtragem espacial, linear, de expressão correspondente à modelização pré-citada.
[00017] A filtragem espacial pode vantajosamente ser de tipo de Wiener, embora outras realizações sejam possíveis.
[00018] O filtro espacial é dado, por exemplo, no domínio espectral por uma expressão do tipo:na qual:- f é um vetor bidimensional de duas frequênciasnormalizadas após transformada de Fourier bidimensional;- fc é uma frequência de corte do filtro para eliminareventuais dobras espectrais;- Sb (f) e Snítida (f) são respectivamente densidades espectrais de potência de um ruído e de uma imagem nítida a determinar; e- Hα (f) é a transformada de Fourier bidimensional da densidade de probabilidade do efeito das turbulências h (u).
[00019] Uma simplificação dessa expressão chega a considerar o filtro espacial segundo uma relação do tipo: na qual o termo RBS se expressa em função de parâmetros escolhidos de saída que o termo RBS esteja compreendido entre 10-2 e 10-4.
[00020] Com uma relação do tipo pré-citado: a transformada de Fourier bidimensional Hα (f) da densidade de probabilidade do efeito das turbulências hα (u), é dada por:na qual C é uma constante real positiva e a é um real positivo computado em número de pixels.
[00021] Podem-se retomar os valores das constantes A e B dados anteriormente e definir completamente a transformada de Fourier bidimensional Ha (f), a qual é então dada por:
[00022] Em particular, os testes feitos mostraram que o termo a era vantajosamente a prever entre 0 e 30 pixels.
[00023] Conforme anunciado anteriormente, a presente invenção prevê um modo de realização no qual a câmera pode se deslocar em translação relativamente a uma cena fixa. Nesse caso, pode-se conservar o tratamento apresentado antes, tomando-se, todavia, a precaução de aplicar uma fixação de uma imagem precedente a uma imagem comum para estimativa da imagem a um instante n-1 a uma imagem seguinte no instante n, considerando-se então uma velocidade de deslocamento da câmera.
[00024] Assim, nesse modo de realização, aplica-se uma fixação de uma imagem precedente em uma imagem comum, para a estimativa da imagem média.
[00025] A filtragem temporal recursiva é feita, então, com uma fixação e normalização e em um exemplo de realização, o tratamento global comporta as etapas:- de inicialização, com:- de filtragem temporal recursiva, com:na qual corresponde a um vetor de defasagens em linhas x e/ou em colunas y, arredondados aos inteiros os mais próximos entre a imagem corrente n e a imagem precedente n-1 devido à translação da câmera;- de atualização de uma matriz de normalização N, com: - e de normalização da saída do filtro temporal, com:
[00026] A presente invenção visa também um programa informático, comportando instruções para a aplicação do processo antes, quando esse programa é executado por um processador. Um exemplo de organograma de algoritmo geral desse programa é dado na figura 3, a qual será descrita em detalhes, depois.
[00027] A presente invenção visa também um dispositivo de tratamento de dados de imagens, comportando uma entrada para tratar os dados de imagens numéricas sucessivas, adquiridas por uma câmera imersa em um líquido que comporta turbulências, causando um efeito de deslocamento aparente de pixels das imagens. Em particular, esse dispositivo comporta, além disso, meios de cálculo para a aplicação do processo antes. Esses meios de cálculos podem incluir um processador e uma memória de trabalho para executar, por exemplo, as instruções do programa informático pré-citado.
[00028] A presente invenção encontra uma aplicação vantajosa, mas não limitativa, ao tratamento de dados de imagens adquiridas por uma câmera imersa na água de uma instalação nuclear para filmar ligações de combustíveis. Essa utilização do processo no sentido da invenção, nesse contexto, pode, então, comportar pelo menos:- a determinação, a partir das imagens adquiridas e tratadas, de um estado das ligações de combustível.
[00029] Por exemplo, pode-se determinar, nas imagens adquiridas e tratadas, pelo menos um identificador de ligação de combustível.
[00030] Essa realização permite vantajosamente controlar e verificar a disposição das ligações no núcleo.
[00031] A utilização do processo no sentido da invenção pode comportar, além disso:- a medida, nessas imagens, de um desvio entre ligações de combustíveis.
[00032] Essa realização permite vantajosamente controlar e verificar finamente as posições respectivas das ligações no núcleo.
[00033] Finalmente, compreender-se-á que a aplicação do processo no sentido da invenção no âmbito dessa utilização permite globalmente a inspeção do estado das ligações, quer isto seja na água das cubas da construção do reator ou na piscina de entrecolocação da construção combustível.
[00034] A presente invenção visa também uma instalação para o uso dessa utilização e comportando pelo menos uma câmera, preferencialmente estanque e robusta às radiações, ligada a um dispositivo do tipo pré-citado para a aplicação da invenção.
[00035] Outras vantagens e características da invenção aparecerão com a leitura da descrição detalhada a seguir de exemplos de realização não limitativos, assim como ao exame dos desenhos anexados nos quais:- a figura 1 representa esquematicamente no núcleo de reator no âmbito de uma aplicação da invenção, assim como uma instalação que comporta uma câmera e um dispositivo para a aplicação da invenção;- a figura 2 ilustra esquematicamente etapas do processo em uma realização da invenção, com base em imagens não tratada e tratada pela aplicação da invenção;- a figura 3 é um organograma esquemático das etapas do processo em uma realização, na qual a câmera está em movimento de translação;- a figura 4 ilustra uma imagem nítida obtida após aplicação do processo cujas etapas são ilustradas na figura 3.
[00036] Refere-se inicialmente à figura 1 na qual um núcleo de reator em um compartimento ENC cheio de água comporta uma pluralidade de ligações ASS de combustível nuclear (comportando cada um habitualmente uma multiplicidade de traços de combustível, por exemplo). Cada ligação ASS comporta um identificador ID (envolvido por um círculo branco na vista da figura 4) e as ligações são espaçadas de um desvio inter-ligações EC.
[00037] Prevê-se então uma câmera CAM que filma as ligações ASS e, em particular, uma zona denominada "orifícios S" entre essas ligações (não representada na figura 1) e/ou pelo menos um identificador ID de ligação. As imagens obtidas pela câmera permitem então:- para os orifícios S, por exemplo, marcar em tempo útil a deformação do orifício, a fim de diminuir o risco de encaixe de ligações combustíveis em peões, intervindo para estabilizar as ligações; e- para a leitura do identificador de ligação, se assegurar que cada ligação combustível está no local especificado em um plano de núcleo pré-determinado.
[00038] Essas imagens são feitas pela câmera CAM em imersão na água que banha as ligações. Devido às diferenças de temperatura na água in situ (acarretando variações locais do índice da água), criam-se turbulências ópticas TUR. A presente invenção propõe modelizar uma turbulência que afeta uma imagem e utilizar esse modelo de turbulência para tratar as imagens adquiridas. Um modo de realização vantajoso permite tratar também translações da câmara que adquire essas imagens, com em particular uma técnica de fixação de imagem que se adapta à velocidade de translação.
[00039] Com referência ainda à figura 1, a câmera CAM é ligada a um dispositivo DIS para o tratamento das imagens adquiridas e comportando tipicamente:- uma interface INT de recebimento dos dados de imagens adquiridas;- um processador PROC e uma memória de trabalho MEM para tratar esses dados de imagens;- uma interface de saída OUT para enformar e comunicar um sinal de imagem para uma tela ECR arquivando então as imagens tratadas IMT (um exemplo da imagem tratada estando representada na figura 4).
[00040] Assim, a utilização do processo no sentido da invenção é vantajosa no contexto de inspeções televisuais, notadamente de fim de recarregamento de combustível, constituem atualmente uma etapa de importante das paradas de corte das centrais nucleares para a produção de eletricidade. Essas inspeções televisuais são realizadas, a fim de verificar o plano de núcleo (via a identificação dos números de ligação) e localizar as ligações (via, por exemplo, as medidas de folgas entre as ligações). As inspeções televisuais permitem, além disso, verificar, por exemplo, o posicionamento de ligações.
[00041] O processo encontra também uma aplicação vantajosa no tratamento de uma sucessão de imagens (fotografias) para auxiliar, notadamente, ao cálculo das localizações de todo ou parte dos elementos de ligação, mas também na inspeção do estado das ligações, por exemplo, na construção combustível.
[00042] A interpretação dessas inspeções televisuais apresenta frequentemente dificuldades em razão do desprendimento de calor dos combustíveis que acarreta turbulências na água. Face a essas dificuldades, foi desenvolvida uma técnica de tratamento das sequências filmadas. Os algoritmos desses tratamentos foram concebidos para funcionar em tempo real (portanto, para ser capaz de tratar um fluxo vídeo ao fio de água).
[00043] Globalmente, o tratamento se baseia em uma modelização probabilista do efeito das turbulências sobre os pixels das imagens. Esse modelo de turbulência permite definir um algoritmo de tratamento de restauração em duas etapas:- uma primeira filtragem, temporal, permite obter uma imagem estável, mas desfocada (se mostra que essa imagem desfocada se apresenta como a convolução da imagem nítida original (desconhecida) por um filtro espacial linear, cuja expressão é exatamente igual à densidade de probabilidade do vetor de turbulências);- uma segunda filtragem espacial, por exemplo, de Wiener permite tornar nítida a imagem original (que se obtém assim por deconvolução linear).
[00044] O tratamento em duas etapas descrito acima se aplica, quando a câmera é fixa. Em razão do tempo de convergência do filtro temporal, é preferível imobilizar a câmera durante antes de obter uma imagem restaurada satisfatória. É proposto, então, em um modo de realização vantajoso, uma técnica de tratamento de imagem, quando a câmera está em movimento (tipicamente um movimento de translação correspondente ao caso o mais frequente).
[00045] No caso de uma câmera em translação, uma etapa(opcional, mas vantajosa) de fixação de imagem é proposta para permitir ao filtro temporal se adaptar às variações da câmera. Essa fixação de imagem é feita via uma estimativa preliminar do movimento da câmera. Os desempenhos são satisfatórios, vantajosamente sem perda de qualidade em relação aos tratamentos sobre câmera fixa.
[00046] Descreve-se a seguir, em uma primeira etapa, um exemplo de modelo de degradação devido às turbulências.
[00047] A seguir, l (x,n,c) designa o valor do pixel de coordenadas x = (x, y) sobre a enésima imagem bruta recebida, para a componente c (c = 1, 2, 3, respectivamente para os componentes vermelho, verde, azul). Os tratamentos sendo idênticos sobre as três componentes, as anotações são simplificadas, não mencionando a componente tratada, e l (x, n, c) se escreve simplesmente l (x, n).
[00048] Em condições ideais (ausência de turbulências, câmera fixa, cena constante) as imagens l (x, n) da sequência filmada resultam da amostragem de uma única e mesma imagem nítida, original e contínua, anotada com Inítida (x), com l (x, n) = Inítida (x).
[00049] Considera-se então que, em presença das turbulências, cada pixel da imagem é deslocado de sua posição inicial. Anotando-se com ux,n o vetor correspondendo à defasagem do pixel x, a imagem n, pode-se escrever:
[00050] Os deslocamentos, devido às turbulências, são, além disso, aleatórios. Não parece considerável uma expressão analítica para o vetor deslocamento ux,n.
[00051] É proposta, então, uma descrição probabilista desses deslocamentos. O vetor de turbulência ux,n é considerado como um vetor aleatório, conforme uma certa densidade de probabilidade anotada:
[00052] Estabelecendo-se a hipótese que as turbulências são estacionárias temporal e espacialmente (no caso de um meio líquido, tal como a água), pode-se considerar que a densidade de probabilidade não depende nem de x, nem de n, e pode-se escrever: hx,n = h (u)na qual h (u) é a densidade de probabilidade das turbulências para uma imagem n qualquer e para um pixel x qualquer.
[00053] Os tratamentos a seguir se baseiam nessa hipótese de estacionaridade das turbulências. Com efeito, anotando-se Im (x, n) a imagem média no instante n definida por: mostra-se que essa imagem média converge para uma imagem estável Iestável (x) igual à convolução da imagem nítida original (desconhecida) pela densidade de probabilidade das turbulências:
[00054] Assim, para encontrar uma imagem nítida desconhecida, basta deconvoluir a imagem média pela densidade de probabilidade das turbulências h (u). Essa densidade de probabilidade não sendo conhecida, um modelo empírico é proposto a seguir para descrever as variações da densidade de probabilidade, a partir de duas seguintes considerações físicas:- as turbulências são, em geral, isótropas e a densidade de probabilidade deve ser independente do ângulo do vetor u;- os pequenos deslocamentos de pixels são mais frequentes que os grandes deslocamentos de pixels: assim, quando a norma do vetor u diminui, o valor h (u) deve decrescer.
[00055] Outros fatores podem naturalmente intervir na escolha do modelo. Por exemplo, pode-se ser prático para dispor de uma expressão analítica parametrável de uma h (u) e, sobretudo, de sua transformada de Fourier. Um modelo simples que verifica o conjunto dessas hipóteses é de tipo com diminuição exponencial, tal como, por exemplo:
[00056] Nessa fórmula α representa o desvio padrão (variação média) da norma do vetor de turbulências. Esse parâmetro permite considerar a diferença do nível de turbulências, conforme as sequências filmadas.
[00057] Como variante, um modelo gaussiano pode ser utilizado. Todavia, os testes com um modelo exponencial deram bons resultados. Outros tipos de modelos, apresentando diminuições mais lentas que os modelos gaussianos ou exponenciais, podem naturalmente ser considerados ainda como variantes.
[00058] É, em seguida, possível estimar a imagem original em duas etapas de tratamentos. Em uma primeira etapa, a sequência das imagens brutas e medianamente temporal. Essa imagem média converge para uma imagem estável Iestável (x) igual à convolução da imagem nítida desconhecida (que seria observada na ausência de turbulências) pela densidade de probabilidade das turbulências, com:
[00059] A deconvolução da imagem média pela densidade de probabilidade das turbulências permite então, em uma segunda etapa, estimar a imagem nítida original.
[00060] A figura 2 ilustra duas etapas principais do tratamento sobre imagens reais de ligação. Um primeiro filtro F1, temporal, permite obter uma média ISF, estável, mas desfocada, a partir de uma sucessão de imagens IMn, IMn-1, etc.
[00061] Um segundo filtro F2, de deconvolução espacial, permite subir a imagem nítida original IN, a partir da imagem desfocada ISF.
[00062] Descreve-se a seguir a filtragem temporal F1.
[00063] Se a cena filmada for constante (nas turbulências aproximadamente), notadamente em termos de iluminação, de fator de zoom, etc., a enésima imagem mediana será obtida pela seguinte fórmula:
[00064] Nessa fórmula, o mesmo peso é acordado a cada imagem. Para gerar eventuais variações da cena (iluminação e outras), é preferível acordar, na imagem mediana, mais peso às imagens recentes quanto às imagens passadas. Toma-se por imagem mediana no instante n, a imagem Iα (x, n) dada por:
[00065] O termo α é um fator de esquecimento que permite acordarmais ou menos importância às imagens passadas (como uma memória temporal do filtro). A normalização pelo termopermite ter uma soma geométrica dos pesos αk igual a 1, pois:
[00066] A fórmula Iα (x, n) pode ser colocada sob a forma de uma filtragem recursiva temporal seguida de uma etapa de normalização. A enésima saída do filtro temporal anotada If (x, n) e a imagem de saída normalizada anotada Iα (x, n) são então ligadas por:
[00067] O valor escolhido para o fator de esquecimento α acondiciona os desempenhos do filtro temporal. Para avaliar esses desempenhos, define-se o desvio quadrático médio entre o pixel x da enésima imagem e o pixel x da imagem estável, alvo, conforme a seguir:
[00069] No caso de uma cena constante, às turbulências aproximadamente, mostra-se que:na qual ∑2 é a variância média dos pixels em uma imagem bruta. Após convergência (quando n tende para o infinito), a saída normalizada do filtro temporal tem por desvio quadrático residual:
[00070] Os cálculos da evolução do desvio-padrão em função do número de imagens tratadas, para diferentes valores do fator de esquecimento α, mostram que, no caso de uma cena fixa, é preferível escolher α o maior possível. No caso de uma cena variável, todavia, a escolha de um fator de esquecimento α resulta de um compromisso entre um pequeno tempo adaptação a uma mudança de cena (α menor) e um pequeno desvio-padrão (α grande). Se, por exemplo, uma brusca mudança de cena (variação de iluminação, por exemplo) intervém em um instante n0, enquanto que o filtro temporal convergiu, se mostra que o desvio-padrão entre a saída do filtro no instante n e a imagem estável se torna:na qual Δ representa a variação média de nível causado pela mudança de cena.
[00071] Assim, quanto mais elevado for o fator de esquecimento a, mais o tempo de convergência aumentará (aproximadamente 300 imagens, seja 12 segundos, para a = 0,99), mas o desvio-padrão residual é suficientemente baixo (0,07 para a = 0,99) para que a imagem de saída possa ser estabilizada. Diminuindo-se o valor escolhido de a, aumenta-se a velocidade de convergência (aproximadamente 50 imagens, seja 2 segundos, para a = 0,95), mas se aumenta também o desvio-padrão residual (0,16 para a = 0,95). A imagem de saída não é inteiramente estabilizada, mesmo após convergência.
[00072] Em uma realização atual, o fator de esquecimento é preferencialmente fixado em 0,99. Trata-se de um valor ótimo no caso de uma cena constante (às turbulências aproximadamente). Todavia, o tratamento apresentado no caso é suficientemente flexível para se adaptar a variantes frequentes da cena filmada (tipicamente uma mudança de iluminação).
[00073] Em particular, no caso de uma câmera em movimento (apresentado depois) cada elemento da cena é visível apenas em um número de imagens. Pode ser preferível diminuir o fator de esquecimento para acordar mais importância ao tempo de convergência do que à variância residual.
[00074] Descreve-se então a filtragem espacial intervindo em uma segunda etapa do processo, em um exemplo de realização.
[00075] Após o modelo de degradação descrito antes, a saída normalizada I a (x, n) se torna igual à imagem estável Iestável (x) (convolução da imagem nítida desconhecida pela densidade de probabilidade das turbulências), a qual se acrescenta um ruído b (x, n) de variância média determinada por:o que se escreve:
[00076] A estimativa da imagem nítida a partir da saída Iα (x, n) se assemelha, portanto, a um problema de deconvolução espacial linear. O filtro de restauração ótima é dado pela fórmula de Wiener, seja no domínio espectral:nas quais:- f é o vetor bidimensional (f = (f, g) das duas frequências normalizadas após transformada de Fourier 2D.- fc é a frequência de corte do filtro, permitindo eliminar eventuais dobras espectrais sobre as imagens da entrada;- Sb (f) e Snítida (f) são respectivamente as densidades espectrais de potência do ruído e da imagem nítida a encontrar; e- Hα (f) é a transformada de Fourier 2D de h (u).Com o modelo exponencial escolhido para h (u), têm-se:
[00077] Em uma primeira etapa, estabelece-se a hipótese que o ruído e a imagem têm uma densidade espectral constante (imagem e ruído brancos, Sb (f) e Snítida (f) sendo constantes). Sabendo-se que a transformada de Fourier de uma densidade de probabilidade é real, o filtro ótimo de restauração das imagens é então determinado por:
[00078] No caso, o termo RBS que designa à "Relação Ruído sobre Sinal" corresponde à relação entre a potência do ruído à saída do filtro temporal e a potência da imagem nítida (desconhecida). Esse filtro de restauração comporta dois parâmetros: RBS e a. Esses dois parâmetros têm uma influência sobre a resposta em frequência do filtro. Para se obter uma ordem de grandeza de RBS, pode-se considerar que a imagem nítida (desconhecida) tem valores de pixels repartidos relativamente de modo uniforme sobre uma placa P. Mostra-se que a variância dos valores considerados pelos pixels é então de P2/12. Após convergência do filtro temporal, a variância residual na saída é igual a (1-a) / (1+a). ∑2, no qual ∑2 é a variância do ruído sobre as imagens brutas e α é o fator de esquecimento do filtro. Têm-se assim para relação RBS:
[00079] Por exemplo, para uma relação "ruído/faixa da imagem", antes do tratamento de ∑ = 0,1 e com um fator de esquecimento α = 0,99, obtém-se um RBS de 6.10-4. Esse resultado dá uma ordem de grandeza de valor ótimo de RBS.
[00080] A relação RBS pode ser fixada empiricamente emsequência a diferentes testes sobre as imagens tratadas. Tipicamente, mostra-se que, quando RBS tende para 0, o filtro de deconvolução tende para um filtro imerso em 1/Ha (f), passa-alto e muito sensível ao ruído. Um valor muito baixo de RBS dá, portanto, imagens restauradas ruidosas (um ruído "granular" tendo sido observado sobre as imagens tratadas). Se RBS tender para o infinito, o filtro de deconvolução tenderá para o filtro de falta de foco Ha (f). Um valor muito forte de RBS acarreta, portanto, uma imagem restaurada desfocada. Um valor ótimo para RBS se situa a partir dos testes entre 10-4 e 10-2, de modo que um valor por defeito de 10-3 foi escolhido.
[00081] O parâmetro a permite adaptar o filtro de restauração ao desvio padrão (variação média) das turbulências. Tipicamente, se a foi inferior ao desvio-padrão real das turbulências, o falta de foco da imagem filtrada temporalmente (na entrada do filtro espacial) não será completamente atenuado. Se a for superior ao desvio-padrão real das turbulências, as frequências altas da imagem serão muito amplificadas e a imagem será degradada. O valor ótimo de a depende muito do nível das turbulências e do fator de zoom (as turbulências degradando mais as sequências vídeo quando o fator de zoom é importante). Um exemplo de valor ótimo para a se situa em torno de 8 pixels para baixas turbulências. Ao contrário, para turbulências fortes com um fator de zoom importante, o valor ótimo para a se situa em torno de 30 pixels. Compreender-se-á então que a pode ser escolhido dentre 0 e 30 pixels. Esse parâmetro pode ser atualizado no decorrer das imagens obtidas, durante os tratamentos e conforme a qualidade das imagens obtidas.
[00082] Descreve-se a seguir um modo de realização, no qual se considera uma translação da câmera que filma as imagens.
[00083] O tratamento proposto antes consistia em deconvoluir a saída normalizada de um filtro temporal determinada por:
[00084] Todavia, essa média acima não terá mais sentido, se a câmera estiver em movimento e se as imagens brutas forem defasadas umas em relação às outras. No caso de uma câmera em translação, cada imagem k é defasada de um certo vetor δn,k em relação à imagem corrente n. Caso se fixe cada imagem em função de seu deslocamento, a fórmula se tornará:δn,k = (δx,k δn,k) é o vetor das defasagens em coluna (segundo x) e em linha (segundo y) entre a imagem k e a imagem n e n (x) designa o número de imagens sucessivas contendo o pixel x após fixação.A expressão:é a interpolação da imagem bruta em x+δnk.
[00085] Conforme no caso de uma restauração sobre câmera fixa, a imagem mediana pode se colocar sob a forma de um filtro recursivo seguido de uma normalização. A normalização é, no caso, mais complexa que no caso de uma câmera fixa, já que o número de imagens disponíveis depende da zona da imagem considerada (normalização por pixel). Mostra-se, todavia, que ela é expressa, conforme a seguir:
[00086] Essas expressões fazem, portanto, intervir a interpolação da saída precedente do filtro (instante n-1).
[00087] Para evitar operações de interpolação onerosas em cálculos, escolhe-se simplificar a equação de filtragem conforme a seguir:
[00088] Nessa expressão, anota-se:o vetor das defasagens em linhas e em colunas, arredondadas nos inteiros os mais próximos, entre a imagem corrente n e a imagem precedente n-1.
[00090] Calculando-se a saída do filtro temporal fixado, quando se coloca na entrada uma imagem constante igual a 1 sobre todos os pixels.
[00091] A operação completa de filtragem temporal com fixação e normalização se escreve finalmente segundo quatro etapas:- inicialização:- filtragem temporal:- atualização da matriz de normalização:- normalização da saída do filtro temporal:
[00092] Assim, a cada imagem recebida:- em uma primeira etapa, a defasagem δn,n-1 entre a imagem corrente n e a imagem precedente n-1 é estimada;- essa defasagem é utilizada para fixar o filtro temporal; e- para calcular a matriz de normalização por pixel;- em seguida, se deconvolui a saída normalizada do filtro temporal por um filtro espacial.
[00093] O método de deconvolução é aquele descrito antes no caso de uma câmera fixa.
[00094] Descreve-se a seguir uma estimativa de uma translação entre duas imagens. Vários tipos de abordagem existem para estimar a defasagem entre diferentes imagens. As técnicas simples são, no caso, privilegiadas, a fim de considerar tratamentos tempo-real. A abordagem a mais simples consiste em pesquisar o máximo de intercorrelação entre as imagens. A fim de não ser sensível aos ruídos, às turbulências e às variações de iluminação, é preferível não trabalhar sobre as próprias imagens, mas sobre os contornos da imagem. A estimativa da defasagem entre duas imagens e consiste assim em duas etapas. Em uma primeira etapa, as duas imagens "contorno" são obtidos por filtragem das imagens iniciais. Em uma segunda etapa, a matriz de intercorrelação entre as duas imagens é calculada. As coordenadas do máximo de intercorrelação indicam a defasagem em linha e em coluna entre as duas imagens.
[00095] O filtro que permite obter as imagens dos contornos é umfiltro de Sobel dado por: na qual αsobei regula a banda-passante do filtro e Msobei é o tamanho da janela de filtragem. Valores vantajosos desses parâmetros são αsobei = 0,9 pixels, Msobei = 5.α Sobel.
[00096] O mesmo filtro é utilizado para filtrar as linhas, depois as colunas de uma imagem l (x, y) para obter a imagem contorno anotado
[00097] A inter-correlação entre duas imagens de contornos I1contorno (x, y) e I2contorno (x, y) é, em seguida, dado por:
[00098] Para reduzir sensivelmente o tempo de cálculo, o termo:pode ser obtido, utilizando transformadas de Fourier rápidas:
[00099] Para reduzir ainda os tempos de cálculo, a estimativa do movimento só é feita sobre um único canal da imagem. Pode acontecer que as linhas das imagens brutas recebidas sejam entrelaçadas. É preferível nesse caso guardar apenas uma linha em duas (por exemplo, as linhas pares) nas imagens intercorrelacionadas. Enfim, em determinados os casos, a sequência vídeo contém dados em sobre-inscrição (tipicamente a data e a hora, o nome do corte, as coordenadas da ligação filmada). É, naturalmente, recomendado não utilizar essa zona da imagem para estimar a defasagem.
[000100] Descreve-se, então, o cálculo da fixação.
[000101] A fim de fixar as saídas sucessivas do filtro temporal entre duas imagens, uma primeira solução consiste em calcular a cada instante n a defasagem δn,n-1 entre a imagem corrente n e a imagem precedente n-1. Todavia, os testes mostraram que essa abordagem não pode se aplicar ao caso (frequente) de movimento lento de câmera. Isto se explica conforme a seguir: supondo-se, por exemplo, que o movimento da câmera acarreta um deslocamento de 0,3 linhas por imagem e um deslocamento nulo sobre as colunas, a matriz de intercorrelação entre duas imagens sucessivas se torna em geral máxima em δn,n-1 = ([0], [0,3]) = (0, 0). Assim, nenhum deslocamento pode ser detectado, e nenhuma imagem é fixada, enquanto que o movimento da câmera necessita contudo de uma fixação real de aproximadamente 3 linhas a cada 10 imagens.
[000102] Para poder seguir os deslocamentos lentos (tipicamente inferior a 0,5 linhas ou coluna por imagem) uma outra abordagem é proposta a seguir. A defasagem é estimada não entre a imagem corrente n e a imagem precedente n-1, mas entre a imagem corrente n e uma imagem de referência δn, ref.
[000104] A tabela 1 a seguir ilustra esse tratamento no caso de uma velocidade de variação de 0,3 linhas por imagem. Nesse exemplo, estima-se bem uma média de três imagens defasadas a cada 10 imagens. A imagem de referência é atualizada de novo, quando a imagem corrente se defasou sensivelmente defasada. Um limite de 20 pixels de defasagem máxima foi fixado, o que permite gerar qualquer movimento da câmera de velocidade superior a 1/20 (seja 0,05 linhas/colunas por imagem), o que se mostra suficiente para os casos de aplicações considerados.
[000105] A figura 3 resume as d iferentes etapas do tratamento deimagens, em situação de movimento, com:- a partir de uma imagem corrente IMn (instante n), na etapa S1, a estimativa da defasagem e, eventualmente, se a defasagem estimada na etapa S1 ultrapassar um limite (teste S6), uma atualização do limite na etapa S7; - na etapa S2, o cálculo da fixação;- a filtragem temporal na etapa S3 e a normalização por pixel na etapa S4; e- a filtragem espacial na etapa S5 para obter a imagem nítida IN.
[000106] Os desempenhos do tratamento são satisfatórios, sem perda de qualidade em relação aos tratamentos sobre câmera fixa. Alguns artefatos podem, eventualmente, todavia, aparecer quando a câmera é colocada em movimento após ter permanecido alguns segundos na parada. Esses artefatos não são, todavia, funcionalmente incômodos. Conforme ilustrado na figura 4, esses artefatos (linha pontilhada pela seta negra dessa figura), não impedem nem a leitura de um número de ligação (no envolvido branco, que porta o número "2D EL"), nem o cálculo de uma folga interligação (dupla seta branca). Além disso, esses artefatos podem ser reduzidos por técnicas simples de tratamento de imagens.
[000107] Naturalmente, a presente invenção não se limita às formas de realização descritas antes a título de exemplo; ela se estende a outras variantes.
[000108] No exemplo acima, o filtro temporal realiza uma simples média das imagens sucessivas da sequência vídeo. Nessa média, pode ser previsto acordar mais peso (ou respectivamente menos peso) às imagens de boas (respectivamente de más) qualidades. Mais geralmente, o filtro temporal poderia ser substituído por tratamentos de fusão de imagens mais pertinentes. Essas abordagens supõem, todavia, a definição de um ou vários indicadores de qualidades, calculados sobre a zona de interesse da imagem (zona contendo o número de ligação).
[000109] O filtro espacial apresentado antes opera sobre a totalidade da imagem. Pode ser previsto em variante concentrar os tratamentos sobre a zona de interesse. Em particular, informações "a priori" como o caráter binário da zona contendo um número poderiam ser consideradas no tratamento de restauração.
[000110] Além disso, o filtro espacial atual realiza uma deconvolução de Wiener sobre o conjunto da imagem. Outros tratamentos, a base de pequenas ondas, por exemplo, poderiam também ser previstos.
[000111] Além disso, convém anotar que técnicas de correção de contrastes por equalização local de histogramas para a equalização de contrastes podem ser vantajosas.
Claims (23)
1. Processo de tratamento de dados de imagens numéricas sucessivas, adquiridas por uma câmera imersa em um líquido que comporta turbulências causando um efeito de deslocamento aparente de pixels das imagens, caracterizado pelo fato de comportar:- uma modelização do efeito das turbulências sobre os pixels das imagens; e- uma deconvolução por essa modelização de uma imagem média no tempo,e em que a modelização comporta a estimativa de um modelo de densidade de probabilidade de um vetor de deslocamento u relativo ao efeito de turbulências.
2. Processo, de acordo com a reivindicação 1, caracterizado pelo fato de esse modelo ser de tipo com diminuição exponencial.
5. Processo, de acordo com qualquer uma das reivindicações 1 a 4, caracterizado pelo fato de a imagem média ser estimada por uma média ponderada por potências de um fator de esquecimento, respectivamente decrescentes em função do tempo.
7. Processo, de acordo com qualquer uma das reivindicações precedentes, caracterizado pelo fato de a imagem média no tempo ser estimada por uma filtragem temporal recursiva.
9. Processo, de acordo com qualquer uma das reivindicações 5, 6 ou 8, caracterizado pelo fato de o fator de esquecimento a ser escolhido igual a 0,99.
10. Processo, de acordo com qualquer uma das reivindicações 1 a 9, caracterizado pelo fato de essa deconvolução comportar a aplicação de uma filtragem espacial, linear, de expressão correspondente a essa modelização.
11. Processo, de acordo com a reivindicação 10, caracterizado pelo fato de a filtragem ser de tipo de Wiener.
12. Processo, de acordo com a reivindicação 11, tomada em combinação com a reinvindicação 1, caracterizado pelo fato de o filtro espacial ser dado no domínio espectral por:na qual:- f é um vetor bidimensional de duas frequências normalizadas após transformada de Fourier bidimensional;- fc é uma frequência de corte do filtro para eliminar eventuais dobras espectrais;- Sb (f) e Snítida (f) são respectivamente densidades espectrais de potência de um ruído e de uma imagem nítida a determinar; e- Hα (f) é a transformada de Fourier bidimensional da densidade de probabilidade do efeito das turbulências hα (u).
14. Processo, de acordo com a reivindicação 12 ou 13tomadas em combinação com a reinvindicação 4, caracterizado pelo fato de a transformada de Fourier bidimensional Hα (f) da densidade de probabilidade do efeito das turbulências hα (u), ser dada por:na qual C é uma constante real positiva e α é um real positivo computado em número de pixels.
16. Processo, de acordo com qualquer uma das reivindicações 1 a 15, no qual essa câmera se desloca em translação, caracterizado pelo fato de se aplicar uma fixação de uma imagem precedente em uma imagem corrente para a estimativa da imagem média.
17. Processo, de acordo com a reivindicação 16, emcombinação com a reinvindicação 7, caracterizado pelo fato de comportar uma filtragem temporal com fixação e normalização.
18. Processo, de acordo com a reivindicação 17, emcombinação com a reinvindicação 8, caracterizado pelo fato de comportar as etapas:- de inicialização, com:- de filtragem temporal recursiva, com:na qualcorresponde a um vetor de defasagens em linhas x e/ou em colunas y, arredondados aos inteiros os mais próximos entre a imagem corrente n e a imagem precedente n-1 devido à translação da câmera;- de atualização de uma matriz de normalização N, com:- e de normalização da saída do filtro temporal, com:
19. Dispositivo de tratamento de dados de imagens, comportando uma entrada para tratar os dados de imagens numéricas sucessivos, adquiridos por uma câmera imersa em um líquido que comporta turbulências causando um efeito de deslocamento aparente de pixels das imagens, caracterizado pelo fato de comportar, além disso, meios de cálculo para a aplicação do processo, como definido em qualquer uma das reivindicações 1 a 18.
20. Utilização do processo, como definido em qualquer uma das reivindicações 1 a 18, no tratamento de dados de imagens adquiridas por uma câmera imersa na água de uma instalação nuclear, para filmar ligações de combustível, caracterizada pelo fato de comportar pelo menos:- a determinação, a partir das imagens adquiridas e tratadas, de um estado das ligações de combustível.
21. Utilização, de acordo com a reivindicação 20,caracterizada pelo fato de comportar pelo menos:- a determinação, nessas imagens adquiridas e tratadas, de pelo menos um identificador de ligação de combustível.
22. Utilização, de acordo com a reivindicação 20 ou 21, caracterizada pelo fato de ela comportar, além disso:- a medida nessas imagens de um desvio entre ligações de combustíveis.
23. Instalação para a aplicação de uma utilização, como definida em qualquer uma das reivindicações 20 a 22, caracterizada pelo fato de ela comportar pelo menos uma câmera e um dispositivo, como definido na reivindicação 19.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1150655A FR2971075B1 (fr) | 2011-01-28 | 2011-01-28 | Traitement de donnees d'images comportant des effets de turbulences dans un milieu liquide. |
FR1150655 | 2011-01-28 | ||
PCT/FR2012/050055 WO2012101355A1 (fr) | 2011-01-28 | 2012-01-09 | Traitement de données d'images comportant des effets de turbulences dans un milieu liquide |
Publications (2)
Publication Number | Publication Date |
---|---|
BR112013018156A2 BR112013018156A2 (pt) | 2018-09-11 |
BR112013018156B1 true BR112013018156B1 (pt) | 2021-08-24 |
Family
ID=45563432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
BR112013018156-7A BR112013018156B1 (pt) | 2011-01-28 | 2012-01-09 | Processo e dispositivo de tratamento de dados de imagens, utilização do processo e instalação para aplicação de uma utilização |
Country Status (14)
Country | Link |
---|---|
US (1) | US9749592B2 (pt) |
EP (1) | EP2668635B1 (pt) |
JP (1) | JP5657141B2 (pt) |
KR (1) | KR101528244B1 (pt) |
CN (1) | CN103493094B (pt) |
BR (1) | BR112013018156B1 (pt) |
CA (1) | CA2824002C (pt) |
ES (1) | ES2687125T3 (pt) |
FR (1) | FR2971075B1 (pt) |
MX (1) | MX2013008735A (pt) |
RU (1) | RU2559764C2 (pt) |
UA (1) | UA109178C2 (pt) |
WO (1) | WO2012101355A1 (pt) |
ZA (1) | ZA201304703B (pt) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10979704B2 (en) * | 2015-05-04 | 2021-04-13 | Advanced Micro Devices, Inc. | Methods and apparatus for optical blur modeling for improved video encoding |
RU2686445C1 (ru) * | 2016-01-14 | 2019-04-25 | Акционерное общество "Российская корпорация ракетно-космического приборостроения и информационных систем" (АО "Российские космические системы") | Способ получения и обработки изображений, искажённых турбулентной атмосферой |
FR3075448B1 (fr) * | 2017-12-19 | 2020-01-03 | Electricite De France | Ensemble de tranquillisation de flux de reacteur nucleaire |
CN110223242B (zh) * | 2019-05-07 | 2021-08-10 | 北京航空航天大学 | 一种基于时空域残差生成对抗网络的视频湍流移除方法 |
CN111986400A (zh) * | 2020-08-20 | 2020-11-24 | 广州驰创科技有限公司 | 一种基于物联网控制的立式自助终端机 |
CN113724147B (zh) * | 2021-07-15 | 2024-08-20 | 武汉高德红外股份有限公司 | 一种基于时空信息重建的彩色图像去湍流系统及方法 |
Family Cites Families (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63156475A (ja) * | 1986-12-19 | 1988-06-29 | Dainippon Screen Mfg Co Ltd | 多階調画像読取装置 |
CA2046073A1 (en) * | 1990-07-03 | 1992-01-04 | Muralidhara Subbarao | Method and apparatus for restoring convolution degraded images and signals |
US5343284A (en) * | 1990-10-24 | 1994-08-30 | Kaman Aerospace Corporation | Imaging lidar system employing bistatic operation |
JP3159465B2 (ja) * | 1991-05-17 | 2001-04-23 | 株式会社東芝 | 画像表示装置 |
US5467122A (en) * | 1991-10-21 | 1995-11-14 | Arete Associates | Underwater imaging in real time, using substantially direct depth-to-display-height lidar streak mapping |
US5742355A (en) * | 1993-12-02 | 1998-04-21 | U.S. Philips Corporation | Method and apparatus for reducing noise in a video signal |
US6434254B1 (en) * | 1995-10-31 | 2002-08-13 | Sarnoff Corporation | Method and apparatus for image-based object detection and tracking |
USH1914H (en) * | 1996-07-08 | 2000-11-07 | The United States Of America As Represented By The Secretary Of The Army | Method and system for mitigation of image distortion due to optical turbulence |
EP0912980A2 (en) * | 1996-07-15 | 1999-05-06 | Remote Ocean Systems | Underwater inspection system for nuclear power facilities |
US6091443A (en) * | 1997-03-06 | 2000-07-18 | Walker Downriggers, Inc. | Underwater viewing system |
JPH11166993A (ja) * | 1997-12-05 | 1999-06-22 | Hitachi Ltd | 外観検査装置 |
RU2130176C1 (ru) * | 1998-03-30 | 1999-05-10 | Иркутское высшее военное авиационное инженерное училище | Электрическое устройство измерения плотности жидкости в гидродинамической трубе |
US6097424A (en) * | 1998-07-03 | 2000-08-01 | Nature Vision, Inc. | Submersible video viewing system |
JP3584285B2 (ja) * | 2001-04-27 | 2004-11-04 | 独立行政法人情報通信研究機構 | 歪画像補正方法及び装置 |
JP2004101315A (ja) * | 2002-09-09 | 2004-04-02 | Nuclear Fuel Ind Ltd | 水中における原子炉燃料集合体の識別標示確認用撮影カメラ装置 |
WO2005033629A2 (en) * | 2003-09-19 | 2005-04-14 | University Of Miami | Multi-camera inspection of underwater structures |
RU2381211C2 (ru) * | 2004-09-02 | 2010-02-10 | Истман Кемикал Компани | Оптимизированное жидкофазное окисление в барботажной колонне реакторного типа |
WO2007086558A1 (ja) * | 2006-01-30 | 2007-08-02 | Toshiba Kikai Kabushiki Kaisha | ガラス素子の成形用金型 |
KR100793838B1 (ko) * | 2006-09-27 | 2008-01-11 | 한국전자통신연구원 | 카메라 모션 추출장치, 이를 이용한 해상장면의 증강현실 제공 시스템 및 방법 |
JP4958610B2 (ja) * | 2007-04-06 | 2012-06-20 | キヤノン株式会社 | 画像防振装置、撮像装置及び画像防振方法 |
US8204328B2 (en) * | 2008-04-08 | 2012-06-19 | The United States Of America, As Represented By The Secretary Of The Navy | Automated underwater image restoration via denoised deconvolution |
JP4961405B2 (ja) * | 2008-08-19 | 2012-06-27 | 株式会社デンソーウェーブ | シミュレーション装置の画像データ生成装置 |
JP2010121970A (ja) * | 2008-11-17 | 2010-06-03 | Chugoku Electric Power Co Inc:The | 移動体認識システム及び移動体認識方法 |
CN101699509B (zh) * | 2009-11-11 | 2012-10-03 | 耿则勋 | 一种利用气象数据进行大气模糊遥感影像恢复的方法 |
-
2011
- 2011-01-28 FR FR1150655A patent/FR2971075B1/fr active Active
-
2012
- 2012-01-09 ES ES12702599.7T patent/ES2687125T3/es active Active
- 2012-01-09 MX MX2013008735A patent/MX2013008735A/es active IP Right Grant
- 2012-01-09 WO PCT/FR2012/050055 patent/WO2012101355A1/fr active Application Filing
- 2012-01-09 BR BR112013018156-7A patent/BR112013018156B1/pt active IP Right Grant
- 2012-01-09 EP EP12702599.7A patent/EP2668635B1/fr active Active
- 2012-01-09 US US13/980,394 patent/US9749592B2/en active Active
- 2012-01-09 CN CN201280006936.4A patent/CN103493094B/zh active Active
- 2012-01-09 CA CA2824002A patent/CA2824002C/fr active Active
- 2012-01-09 KR KR1020137019780A patent/KR101528244B1/ko active IP Right Grant
- 2012-01-09 JP JP2013550931A patent/JP5657141B2/ja active Active
- 2012-01-09 RU RU2013139709/08A patent/RU2559764C2/ru active
- 2012-09-01 UA UAA201310422A patent/UA109178C2/ru unknown
-
2013
- 2013-06-24 ZA ZA2013/04703A patent/ZA201304703B/en unknown
Also Published As
Publication number | Publication date |
---|---|
JP2014505308A (ja) | 2014-02-27 |
ES2687125T3 (es) | 2018-10-23 |
CN103493094A (zh) | 2014-01-01 |
BR112013018156A2 (pt) | 2018-09-11 |
US20130300856A1 (en) | 2013-11-14 |
JP5657141B2 (ja) | 2015-01-21 |
WO2012101355A1 (fr) | 2012-08-02 |
MX2013008735A (es) | 2013-08-14 |
ZA201304703B (en) | 2014-09-25 |
UA109178C2 (uk) | 2015-07-27 |
FR2971075B1 (fr) | 2013-03-01 |
US9749592B2 (en) | 2017-08-29 |
RU2013139709A (ru) | 2015-03-10 |
EP2668635B1 (fr) | 2018-06-27 |
CA2824002A1 (fr) | 2012-08-02 |
EP2668635A1 (fr) | 2013-12-04 |
CN103493094B (zh) | 2018-10-02 |
KR20130129257A (ko) | 2013-11-27 |
KR101528244B1 (ko) | 2015-06-11 |
FR2971075A1 (fr) | 2012-08-03 |
RU2559764C2 (ru) | 2015-08-10 |
CA2824002C (fr) | 2018-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
BR112013018156B1 (pt) | Processo e dispositivo de tratamento de dados de imagens, utilização do processo e instalação para aplicação de uma utilização | |
US8428390B2 (en) | Generating sharp images, panoramas, and videos from motion-blurred videos | |
EP2141653A2 (en) | Computing higher resolution images from multiple lower resolution images | |
US9692939B2 (en) | Device, system, and method of blind deblurring and blind super-resolution utilizing internal patch recurrence | |
US9230303B2 (en) | Multi-frame super-resolution of image sequence with arbitrary motion patterns | |
US9454851B2 (en) | Efficient approach to estimate disparity map | |
US9253415B2 (en) | Simulating tracking shots from image sequences | |
US20170011494A1 (en) | Method for deblurring video using modeling blurred video with layers, recording medium and device for performing the method | |
US20150172629A1 (en) | Method and apparatus for processing light-field image | |
US10846839B2 (en) | Image processing apparatus, image processing method, and storage medium | |
US20130016239A1 (en) | Method and apparatus for removing non-uniform motion blur using multi-frame | |
US9636074B2 (en) | Calculating the motion vector field for a reconstructed CT scan image | |
Zhu et al. | Image guided depth enhancement via deep fusion and local linear regularizaron | |
Lee et al. | Restore from restored: Video restoration with pseudo clean video | |
KR102319643B1 (ko) | 점 확산 함수 레이어를 가진 뉴럴 네트워크를 이용한 현미경 영상 처리 방법 및 그 장치 | |
Yu et al. | Single image interpolation exploiting semi-local similarity | |
Abraham et al. | A survey on video inpainting | |
JP2008226187A (ja) | 動き推定装置及びその方法 | |
US20140147056A1 (en) | Depth image noise removal apparatus and method based on camera pose | |
TWI417810B (zh) | 影像增強方法、影像增強裝置及影像處理電路 | |
Neshatavar et al. | ICF-SRSR: Invertible scale-Conditional Function for Self-Supervised Real-world Single Image Super-Resolution | |
Li et al. | Dual-lens HDR using guided 3D exposure CNN and guided denoising transformer | |
JP2014228339A (ja) | レーダ画像処理装置 | |
Gonzalez et al. | Detail-Preserving Self-Supervised Monocular Depth with Self-Supervised Structural Sharpening | |
US20160180143A1 (en) | Eye tracking with 3d eye position estimations and psf models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
B06F | Objections, documents and/or translations needed after an examination request according [chapter 6.6 patent gazette] | ||
B06U | Preliminary requirement: requests with searches performed by other patent offices: procedure suspended [chapter 6.21 patent gazette] | ||
B09A | Decision: intention to grant [chapter 9.1 patent gazette] | ||
B16A | Patent or certificate of addition of invention granted [chapter 16.1 patent gazette] |
Free format text: PRAZO DE VALIDADE: 20 (VINTE) ANOS CONTADOS A PARTIR DE 09/01/2012, OBSERVADAS AS CONDICOES LEGAIS. |