CN101917550A - 高时空分辨率视频去模糊方法及系统 - Google Patents
高时空分辨率视频去模糊方法及系统 Download PDFInfo
- Publication number
- CN101917550A CN101917550A CN201010223988XA CN201010223988A CN101917550A CN 101917550 A CN101917550 A CN 101917550A CN 201010223988X A CN201010223988X A CN 201010223988XA CN 201010223988 A CN201010223988 A CN 201010223988A CN 101917550 A CN101917550 A CN 101917550A
- Authority
- CN
- China
- Prior art keywords
- target scene
- exposure
- spatial
- image
- temporal resolution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000002123 temporal effect Effects 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000007246 mechanism Effects 0.000 claims abstract description 19
- 230000000007 visual effect Effects 0.000 claims description 29
- 230000008859 change Effects 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 12
- 230000008878 coupling Effects 0.000 claims description 7
- 238000010168 coupling process Methods 0.000 claims description 7
- 238000005859 coupling reaction Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 230000001360 synchronised effect Effects 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000013011 mating Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 239000004744 fabric Substances 0.000 description 6
- 238000011217 control strategy Methods 0.000 description 4
- 108010076504 Protein Sorting Signals Proteins 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Landscapes
- Studio Devices (AREA)
Abstract
本发明提出一种高时空分辨率视频去模糊方法，包括以下步骤：通过多个摄像机采用间插和/或变曝光采集机制对目标场景进行图像采集；和根据所述多个摄像机对目标场景采集的图像进行图像重构以获得高时空分辨率视频图像。本发明采用高同步精度，高可控双目或多目相机系统，采用高精度的间插和/或变曝光采集机制，对运动场景的时间信息高密度采样，并且采用通过对场景运动系统提取和融合实现对其高时空分辨率的重构。
Description
技术领域
本发明涉及图像处理技术领域，特别涉及一种基于双目立体间插变曝光的高时空分辨率视频去模糊方法及系统。
背景技术
针对高速运动场景采集，计算摄像学领域相关的研究正如火如荼的展开，国际上一些顶级实验室和研究机构已经设计并实现了多个采集系统和对应算法。
2005年，斯坦福大学的Bennett实现了一个由52个紧密排列的低速相机间插采集以虚拟单视角高速相机的采集系统，若每个低速相机的帧率为20帧每秒，那么该采集系统的采集帧率可以达到52*20＝1040帧每秒。但该系统利用大规模相机阵列仅实现单视角高速视频采集，并且每一帧采集都是短曝光，间插的相机越多，虚拟帧率越高曝光时间越短，采集图像的信噪比越低。2006年，麻省理工大学的Raskar等人设计并实现了编码曝光采集系统，通过在一次图像采集内，按照特定规则开闭快门，获取频谱无零点的卷积核函数。但是，该系统只能对匀速直线运动和简单背景的场景进行采集。2009年Raskar等人又提出了连续变曝光的运动去模糊算法，该方法只需要采集视频的连续帧之间曝光时间发生变化，使得联合频谱无零点即可，但是，该方法针对单视角，并且只对直线运动和非太高速的场景有效。2009年Sellent等人提出了交替长短曝光的采集方法实现单视角高速场景采集和场景运动场信息估计，但是该方法受限于“短-长-短”的采集模式，对高速场景在时间域上的信息捕获不连续，信息丢失较大。2008年MIT的Levin等人，设计并搭建了相机做抛物线运动以实现和运动无关的场景采集系统，该系统利用相机的运动，改变采集图像，使其各处都有完全相同的运动模糊，从而将空间各异的运动模糊求解问题转换为空间相同的一个运动核反卷积问题，但是该方法单视角，并且采集场景运动受限于相机运动速度和方向。
现有技术存在的缺点是，这些系统都不能实现多视角高速运动场景高时空分辨率采集。
发明内容
本发明的目的旨在解决上述技术缺陷，特别是解决现有技术无法实现多视角高速运动场景高时空分辨率采集的缺陷。
为达到上述目的，本发明一方面提出一种高时空分辨率视频去模糊方法，包括以下步骤：通过多个摄像机采用间插和/或变曝光采集机制对目标场景进行图像采集；和根据所述多个摄像机对目标场景采集的图像进行图像重构以获得高时空分辨率视频图像。
本发明再一方面还提出了一种高时空分辨率视频去模糊系统，包括多个摄像机，与所述多个摄像机相连的触发信号控制单元，与所述多个摄像机和所述触发信号控制单元分别相连的控制中心计算机，所述多个摄像机，用于根据所述触发信号控制单元的控制对目标场景进行图像采集；所述触发信号控制单元，用于接收所述控制中心计算机的控制信号，对所述多个摄像机进行同步触发；和所述控制中心计算机，用于对所述多个摄像机的采集策略进行控制以使所述多个摄像机采用间插和/或变曝光采集机制对目标场景进行图像采集，以及根据所述多个摄像机对目标场景采集的图像进行图像重构以获得高时空分辨率视频图像。
本发明采用高同步精度，高可控双目或多目相机系统，采用高精度的间插和/或变曝光采集机制，对运动场景的时间信息高密度采样，并且采用通过对场景运动系统提取和融合实现对其高时空分辨率的重构。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明实施例的采集系统结构图；
图2为本发明实施例的高时空分辨率视频去模糊方法的流程图；
图3为本发明实施例的间插采集示意图；
图4为本发明实施例的变曝光采集示意图；
图5为本发明实施例的间插变曝光采集示意图；
图6为本发明实施例的系统实采一组高速运动场景在曝光时间内产生运动模糊效果的图像；
图7为本发明实施例的重构方法流程图；和
图8为本发明实施例的控制中心计算机结构图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
在本发明实施例中，采集系统需要具备高精度同步性和摄像机的高可控性，为了满足这个要求，本发明实施例提出了图1所示的采集系统结构。为了便于描述，本发明以下实施例以双目摄像机为例进行描述，但是需要说明的是，本发明不仅可应用于双目摄像机，还可用于多目摄像机。如图所示，本发明的采集系统包括双目摄像机，与双目摄像机相连的触发信号控制单元，具体地，触发信号控制单元通过触发线与双目摄像机的GPIO接口相连以实现对双目摄像机的外触发控制，使得双目摄像机在收到触发信号的瞬间开始采集图像。
在本发明的一个实施例中，触发信号控制单元是单片机控制的高精度触发信号生成单元，通过串行口连接主控机并接受控制策略，其中，控制策略主要针对各个相机的触发采集信号时序。
本发明实施例通过外触发实现对相机同步控制，这样采集同步性取决于硬件控制电路的精度，因此可以通过提到单片机的主频实现高于1us的控制精度。该方法的鲁棒性和精度性远高于软件同步方法。因此，实际采集系统中，使用触发信号控制单元实现高精度同步。具体地，在本发明的优选实施例中，触发信号控制单元是由22M主频的单片机控制产生高精度触发信号，触发信号频率可达1M，误差小于1us。单片机通过RS232串行口连接主控计算机机并接受控制策略，控制策略主要针对各个相机的触发采集信号时序。当然在本发明实施例中，也可以采用软件同步的方式，即采用相机驱动程序自带的软件同步控制，对于同一块采集卡上连接的两个相机，同步性能可以达到0.1ms-1ms量级，但是当两个相机分布在同一个主控机上连接的两块采集卡上时，软件同步性能受限于采集卡差异而失效。因此，对于高精度的同步控制要求，软件同步仅对同一采集卡上的两个相机有效。
在该系统中，双目摄像机与控制中心计算机相连，具体地，通过1394总线与控制中心计算机的采集卡相连，控制中心计算机通过相机驱动API接口对双目摄像机进行精确控制，主要包括双目相机的采集机制，曝光时间长度，软件同步，存储控制等等。
如图2所示，为本发明实施例的高时空分辨率视频去模糊方法的流程图，包括以下步骤：
步骤S201，通过双目摄像机采用间插和/或变曝光采集机制对目标场景进行图像采集。在本发明实施例中，双目摄像机采用的采集机制可包括间插采集、变曝光采集、间插变曝光采集和其他采集机制等，其中，间插采集和变曝光采集也可实现本发明，但优选采用间插变曝光采集，以下图像重构也以间插变曝光采集为例进行描述。
下面就对本发明的几种采集机制进行简单介绍：
1)间插采集：
如图3所示，为本发明实施例的间插采集示意图。间插采集是指两个相机的曝光起始时刻在时间轴上有相位差Δt，在时间轴上的不同采样点对连续的场景信号进行采样。间插采集相对同步采集的两个相机在时间轴上同一个采样点进行采集，可以将采样率提高一倍。
将对场景信号f(t)在时刻t进行一次采样描述为
由于相机1和相机2视角不同，设相机1采样函数为
相机2采样函数为
间插采样模式下，对于连续信号f(t)，相机1采样为
相机2采样函数为
其中{ti}，{tj}是时间轴上不同的采样点。
同步采样情况下，对于连续信号f(t)，相机1采样为相机2采样函数为
其中仅对时间轴按照{ti}采样点进行采样，相比较间插采样，时间轴采样率降低了一倍。
2)变曝光采集：
如图4所示，为本发明实施例的变曝光采集示意图。变曝光采集是指采集图像每连续帧之间都可能发生曝光时间长短的变化，这种变化是可以编程控制，按照特性模式变化曝光时间。实际拍摄的图像都必须要一定长度的曝光时间才能在采集传感器上接收到一定幅度的成像信号，长曝光时间对应高信噪比，大运动模糊，短曝光时间对应低信噪比，小运动模糊，一次采集实际上是场景信号在传感器位置上在曝光时间内的积分值。本采集系统可以实现0.01ms精度的曝光时间控制精度。最长曝光时间受限于触发信号的周期以及相机的读出时间。
3)间插变曝光采集：
如图5所示，为本发明实施例的间插变曝光采集示意图。间插变曝光采集是在间插采集模式下，每个相机的连续采集使用变化曝光控制，获取对连续场景信号起始时刻间插，积分长度变化的采样图像。这种采集模式能够对时间轴进行有交叠的全覆盖式采集。
4)针对其它特殊应用，在间插变曝光的框架下设计符合要求的采集策略。
步骤S202，根据所述多个摄像机对目标场景采集的图像进行图像重构以获得高时空分辨率视频图像。如图6所示，为本发明实施例的系统实采一组高速运动场景在曝光时间内产生运动模糊效果的图像，从图中可以看出高速运动场景在曝光时间内会产生运动模糊，同时该模糊图像中也包含了运动信息，可以通过motion from blur算法，或者长短交替曝光的模式求解运动信息。如图7所示，为本发明实施例的重构方法流程图，包括以下步骤：
步骤S701，提取各视角中所述目标场景在曝光时间内的运动场信息。具体地，从一幅运动模糊的图像中，提取场景在曝光时间内的运动场信息。有两种已有方法可以实现上述目标，一是基于单幅运动模糊图像的运动场估计，参考戴声扬等人在2008年CVPR会议上发表的文章”motion from blur”；二是基于连续长短曝光变化的长曝光图像运动场估计，基于相邻短曝光约束求解长曝光下的运动场信息。在该步骤中重构算法获取采集视频中每一幅长曝光图像在曝光时间内的每个像素从曝光起始时刻到曝光结束时刻的运动向量。
步骤S702，根据各视角中所述目标场景的运动场信息恢复出所述目标场景在长曝光起始时刻的无运动模糊的图像。具体地，该步骤基于上述提取的运动模糊图像中场景的运动场，利用如下算法恢复出该场景在曝光起始时刻的没有运动模糊的图像。本系统要捕获的高速运动场景不限于匀速直线运动，或者全局不变的场景运动，而是可以面向任意复杂的运动场景，做空间各异的运动。
首先，基于像素级的场景运动信息，对经典的RL迭代优化反卷积算法进行简单的改进，认为场景运动可以局部线性化，将其用MRF建模；
接着，将运动场结合表面纹理的约束，对图像进行分割，在分割的每一个超像素块上，将运动场描述为图像模糊的卷积核；
最后，利用RL算法进行反卷积以恢复出所述目标场景在长曝光起始时刻的无运动模糊的图像。在本发明实施例中提到的RL算法，只要知道每个点的模糊核就可以直接进行迭代，求解出对应的清晰图像。因此基于上面利用运动场得到的每个点的卷积核(模糊核)，就可以直接使用RL算法，这是一个很经典的算法，现在matlab软件已经有封装好的函数可以直接调用。因此，本发明主要贡献点是前面的运动场估计，以及运动场到各点模糊核的转化。
在该步骤中，本系统的重构算法获取长曝光起始曝光时刻对应的无运动模糊图像，图像质量取决于场景运动模型和RL算法。
步骤S703，基于恢复的各视角中在长曝光起始时刻的无运动模糊的图像，通过SIFT特征点匹配和过分割算法实现双目立体匹配。基于上一步获取的无运动模糊图像，该步骤分别对两幅图像进行SIFT特征点提取和匹配，同时对两幅图像进行过分割，基于优化目的，将具有相同纹理和运动的相邻像素聚为一个超像素块，在两幅图像之间寻找超像素块的匹配。在该步骤中，本系统的重构算法获取两个相机在同一个采集周期内图像的超像素级匹配，每个超像素块具有相似的运动和纹理。
步骤S704，基于匹配信息，对两个视角的运动场信息进行融合以获得所述目标场景在时间轴上连续的运动场信息。具体地，基于两个视角相邻曝光图像的匹配信息，将这两幅图在步骤S701中提取出来的运动信息进行融合，由于相机采用长短曝光结合，并且连续帧采集之间存在着必要的读出时间间隔，步骤S701中提取出来的单个视角运动信息，一方面不能覆盖对应的时间轴，另一方面运动信息估计精度不高。而本步骤提出的融合方法将两个相机间插采集的运动信息融合到同一个时间轴上，既可以填补相邻曝光之间的空白，又可以互相约束，提高运动场的精度。
步骤S705，根据目标场景在时间轴上连续的运动场信息以及目标场景在每个长曝光起始时刻的无运动模糊的图像进行图像重构。有了上述步骤得到的时间轴上连续的运动场信息，以及步骤S202中计算得到的每个长曝光起始时刻对应的无运动模糊图像，可以对图像进行任意时间精度的插值，从而将视频的时间分辨率大大提高；另一方面，双目采集图像具有空间冗余性，利用多个视角可以提高视频的空间分辨率。本步骤获取时空分辨率增强的去模糊视频结果。
步骤S706，进行迭代优化，重复步骤S702-S705，直至重构结果不再发生变化，从而得到最终的重构结果。
如图8所示，为本发明实施例的控制中心计算机结构图。该控制中心计算机800包括运动场信息提取模块810、无运动模糊图像恢复模块820、立体匹配模块830、融合模块840和图像重构模块850。运动场信息提取模块810用于提取各视角中目标场景在曝光时间内的运动场信息。无运动模糊图像恢复模块820用于根据各视角中目标场景的运动场信息恢复出目标场景在长曝光起始时刻的无运动模糊的图像。立体匹配模块830用于基于恢复的各视角中在长曝光起始时刻的无运动模糊的图像，对各视角通过SIFT特征点匹配和过分割算法实现立体匹配。融合模块840用于基于各个视角之间的匹配信息，对各个视角的运动场信息进行融合以获得所述目标场景在时间轴上连续的运动场信息。图像重构模块850用于根据目标场景在时间轴上连续的运动场信息以及目标场景在每个长曝光起始时刻的无运动模糊的图像进行图像重构。
本发明采用高同步精度，高可控双目或多目相机系统，采用高精度的间插和/或变曝光采集机制，对运动场景的时间信息高密度采样，并且采用通过对场景运动系统提取和融合实现对其高时空分辨率的重构。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同限定。
Claims (15)
1.一种高时空分辨率视频去模糊方法，其特征在于，包括以下步骤：
通过多个摄像机采用间插和/或变曝光采集机制对目标场景进行图像采集；和
根据所述多个摄像机对目标场景采集的图像进行图像重构以获得高时空分辨率视频图像。
2.如权利要求1所述的高时空分辨率视频去模糊方法，其特征在于，所述多个摄像机通过GPIO接口与触发信号控制单元相连，及并通过1394总线和API接口与控制中心计算机相连，其中，所述触发信号控制单元与所述控制中心计算机相连，并受所述控制中心计算机的控制。
3.如权利要求2所述的高时空分辨率视频去模糊方法，其特征在于，所述触发信号控制单元为22M主频的单片机构成，所述单片机通过RS232串行接口与所述控制中心计算机相连。
4.如权利要求1或2所述的高时空分辨率视频去模糊方法，其特征在于，所述间插采集机制包括：所述多个摄像机的曝光起始时刻在时间轴上分别有相位差Δt，在时间轴上的不同采样点对所述目标场景信号进行采样。
5.如权利要求1或2所述的高时空分辨率视频去模糊方法，其特征在于，所述变曝光采集机制包括：所述多个摄像机在采集图像的每连续帧之间可发生曝光时间长短的变化。
6.如权利要求1或2所述的高时空分辨率视频去模糊方法，其特征在于，所述间插变曝光采集机制包括：所述多个摄像机在间插采集模式下，所述多个摄像机的连续采集使用变化曝光控制以获取对连续的目标场景信号的起始时刻间插的，积分长度变化的采样图像。
7.如权利要求1所述的高时空分辨率视频去模糊方法，其特征在于，所述根据所述多个摄像机对目标场景采集的图像进行图像重构以获得高时空分辨率视频图像进一步包括：
提取各视角中所述目标场景在曝光时间内的运动场信息；
根据各视角中所述目标场景的运动场信息恢复出所述目标场景在长曝光起始时刻的无运动模糊的图像；
基于恢复的各视角中在长曝光起始时刻的无运动模糊的图像，对各视角通过SIFT特征点匹配和过分割算法实现立体匹配；
基于各个视角之间的匹配信息，对各个视角的运动场信息进行融合以获得所述目标场景在时间轴上连续的运动场信息；和
根据所述目标场景在时间轴上连续的运动场信息以及所述目标场景在每个长曝光起始时刻的无运动模糊的图像进行图像重构。
8.如权利要求7所述的高时空分辨率视频去模糊方法，其特征在于，还包括：对重构结果进行迭代优化，直至所述重构结果不再发生变化。
9.如权利要求7所述的高时空分辨率视频去模糊方法，其特征在于，所述根据各视角中所述目标场景的运动场信息恢复出所述目标场景在长曝光起始时刻的无运动模糊的图像包括：
根据目标场景运动场信息进行MRF建模；
将所述运动场信息结合表面纹理的约束，对图像进行分割，并在分割的每一个超像素块上，将运动场信息描述为图像模糊的卷积核；和
利用RL算法进行反卷积以恢复出所述目标场景在长曝光起始时刻的无运动模糊的图像。
10.一种高时空分辨率视频去模糊系统，其特征在于，包括多个摄像机，与所述多个摄像机相连的触发信号控制单元，与所述多个摄像机和所述触发信号控制单元分别相连的控制中心计算机，
所述多个摄像机，用于根据所述触发信号控制单元的控制对目标场景进行图像采集；
所述触发信号控制单元，用于接收所述控制中心计算机的控制信号，对所述多个摄像机进行同步触发；和
所述控制中心计算机，用于对所述多个摄像机的采集策略进行控制以使所述多个摄像机采用间插和/或变曝光采集机制对目标场景进行图像采集，以及根据所述多个摄像机对目标场景采集的图像进行图像重构以获得高时空分辨率视频图像。
11.如权利要求10所述的高时空分辨率视频去模糊系统，其特征在于，所述多个摄像机通过GPIO接口与触发信号控制单元相连，及并通过1394总线和API接口与控制中心计算机相连。
12.如权利要求10所述的高时空分辨率视频去模糊系统，其特征在于，所述间插采集机制包括：所述多个摄像机的曝光起始时刻在时间轴上分别有相位差Δt，在时间轴上的不同采样点对所述目标场景信号进行采样。
13.如权利要求10所述的高时空分辨率视频去模糊系统，其特征在于，所述变曝光采集机制包括：所述多个摄像机在采集图像的每连续帧之间可发生曝光时间长短的变化。
14.如权利要求10所述的高时空分辨率视频去模糊系统，其特征在于，所述间插变曝光采集机制包括：所述多个摄像机在间插采集模式下，所述多个摄像机的连续采集使用变化曝光控制以获取对连续的目标场景信号的起始时刻间插的，积分长度变化的采样图像。
15.如权利要求10所述的高时空分辨率视频去模糊系统，其特征在于，所述控制中心计算机包括运动场信息提取模块、无运动模糊图像恢复模块、立体匹配模块、融合模块和图像重构模块，
所述运动场信息提取模块，用于提取各视角中所述目标场景在曝光时间内的运动场信息；
所述无运动模糊图像恢复模块，用于根据各视角中所述目标场景的运动场信息恢复出所述目标场景在长曝光起始时刻的无运动模糊的图像；
所述立体匹配模块，用于基于恢复的各视角中在长曝光起始时刻的无运动模糊的图像，对各视角通过SIFT特征点匹配和过分割算法实现立体匹配；
所述融合模块，用于基于各个视角之间的匹配信息，对各个视角的运动场信息进行融合以获得所述目标场景在时间轴上连续的运动场信息；和
所述图像重构模块，用于根据所述目标场景在时间轴上连续的运动场信息以及所述目标场景在每个长曝光起始时刻的无运动模糊的图像进行图像重构。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010223988XA CN101917550B (zh) | 2010-07-01 | 2010-07-01 | 高时空分辨率视频去模糊方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010223988XA CN101917550B (zh) | 2010-07-01 | 2010-07-01 | 高时空分辨率视频去模糊方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101917550A true CN101917550A (zh) | 2010-12-15 |
| CN101917550B CN101917550B (zh) | 2012-11-14 |
Family
ID=43324923
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201010223988XA Active CN101917550B (zh) | 2010-07-01 | 2010-07-01 | 高时空分辨率视频去模糊方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101917550B (zh) |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102104735A (zh) * | 2011-01-28 | 2011-06-22 | 清华大学 | 一种计算光照的运动场景图像捕获方法及装置 |
| CN102186065A (zh) * | 2011-06-01 | 2011-09-14 | 广州市晶华光学电子有限公司 | 一种具有360度视场角的监控相机 |
| CN103595923A (zh) * | 2013-11-04 | 2014-02-19 | 西北核技术研究所 | 一种基于曝光编码的双机高速成像系统及方法 |
| CN103595922A (zh) * | 2013-11-04 | 2014-02-19 | 西北核技术研究所 | 一种基于电子快门曝光编码的成像方法 |
| CN104748727A (zh) * | 2013-12-31 | 2015-07-01 | 中国科学院沈阳自动化研究所 | 阵列式高速视觉里程计及其实现方法 |
| CN104820971A (zh) * | 2015-04-22 | 2015-08-05 | 西北工业大学 | 一种基于分布式相机阵列的运动目标去模糊方法 |
| CN105574823A (zh) * | 2015-12-14 | 2016-05-11 | 北京大学深圳研究生院 | 一种失焦模糊图像的去模糊方法和装置 |
| CN105913395A (zh) * | 2016-04-10 | 2016-08-31 | 中国人民解放军海军航空工程学院青岛校区 | 一种运动目标观测及模糊复原方法 |
| CN105959521A (zh) * | 2016-05-31 | 2016-09-21 | 中国科学院长春光学精密机械与物理研究所 | 基于双相机系统分光成像提高图像帧频的方法及系统 |
| CN105979159A (zh) * | 2016-07-21 | 2016-09-28 | 上海云蚁科技有限公司 | 设备的同步方法和同步系统 |
| CN107230187A (zh) * | 2016-03-25 | 2017-10-03 | 北京三星通信技术研究有限公司 | 多媒体信息处理的方法和装置 |
| CN108627816A (zh) * | 2018-02-28 | 2018-10-09 | 沈阳上博智像科技有限公司 | 影像测距方法、装置、存储介质和电子设备 |
| CN109314366A (zh) * | 2016-07-22 | 2019-02-05 | 极光先进雷射株式会社 | 窄带化KrF准分子激光装置 |
| CN110111282A (zh) * | 2019-05-09 | 2019-08-09 | 杭州电子科技大学上虞科学与工程研究院有限公司 | 一种基于运动矢量和cnn的视频去模糊方法 |
| CN112150382A (zh) * | 2020-09-24 | 2020-12-29 | 中国科学技术大学 | 高时空分辨率周期运动三维测量方法、装置 |
| CN113269682A (zh) * | 2021-04-21 | 2021-08-17 | 青岛海纳云科技控股有限公司 | 一种结合帧间信息的非均匀运动模糊视频复原方法 |
| WO2022126684A1 (zh) * | 2020-12-14 | 2022-06-23 | 深圳大学 | 一种基于激光多普勒测振仪的图像振动测量系统 |
| WO2023040622A1 (zh) * | 2021-09-17 | 2023-03-23 | 荣耀终端有限公司 | Hdr图像处理方法及电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101271579A (zh) * | 2008-04-10 | 2008-09-24 | 清华大学 | 采用环形低帧率摄像机阵列对高速运动物体建模的方法 |
| CN101295017A (zh) * | 2008-06-13 | 2008-10-29 | 清华大学 | 基于规则声阵列和双目视觉的获取运动声场视频的方法 |
| CN101707670A (zh) * | 2009-05-13 | 2010-05-12 | 西安电子科技大学 | 基于运动随机曝光的超分辨率成像系统及方法 |
| CN101719264A (zh) * | 2009-12-28 | 2010-06-02 | 清华大学 | 一种多视角动态场景采集的视觉场计算方法 |
-
2010
- 2010-07-01 CN CN201010223988XA patent/CN101917550B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101271579A (zh) * | 2008-04-10 | 2008-09-24 | 清华大学 | 采用环形低帧率摄像机阵列对高速运动物体建模的方法 |
| CN101295017A (zh) * | 2008-06-13 | 2008-10-29 | 清华大学 | 基于规则声阵列和双目视觉的获取运动声场视频的方法 |
| CN101707670A (zh) * | 2009-05-13 | 2010-05-12 | 西安电子科技大学 | 基于运动随机曝光的超分辨率成像系统及方法 |
| CN101719264A (zh) * | 2009-12-28 | 2010-06-02 | 清华大学 | 一种多视角动态场景采集的视觉场计算方法 |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102104735A (zh) * | 2011-01-28 | 2011-06-22 | 清华大学 | 一种计算光照的运动场景图像捕获方法及装置 |
| CN102186065A (zh) * | 2011-06-01 | 2011-09-14 | 广州市晶华光学电子有限公司 | 一种具有360度视场角的监控相机 |
| CN102186065B (zh) * | 2011-06-01 | 2013-03-27 | 广州市晶华光学电子有限公司 | 一种具有360度视场角的监控相机 |
| CN103595923A (zh) * | 2013-11-04 | 2014-02-19 | 西北核技术研究所 | 一种基于曝光编码的双机高速成像系统及方法 |
| CN103595922A (zh) * | 2013-11-04 | 2014-02-19 | 西北核技术研究所 | 一种基于电子快门曝光编码的成像方法 |
| CN104748727B (zh) * | 2013-12-31 | 2017-02-15 | 中国科学院沈阳自动化研究所 | 阵列式高速视觉里程计及其实现方法 |
| CN104748727A (zh) * | 2013-12-31 | 2015-07-01 | 中国科学院沈阳自动化研究所 | 阵列式高速视觉里程计及其实现方法 |
| CN104820971A (zh) * | 2015-04-22 | 2015-08-05 | 西北工业大学 | 一种基于分布式相机阵列的运动目标去模糊方法 |
| CN104820971B (zh) * | 2015-04-22 | 2017-11-07 | 西北工业大学 | 一种基于分布式相机阵列的运动目标去模糊方法 |
| CN105574823A (zh) * | 2015-12-14 | 2016-05-11 | 北京大学深圳研究生院 | 一种失焦模糊图像的去模糊方法和装置 |
| CN105574823B (zh) * | 2015-12-14 | 2018-10-09 | 北京大学深圳研究生院 | 一种失焦模糊图像的去模糊方法和装置 |
| CN107230187A (zh) * | 2016-03-25 | 2017-10-03 | 北京三星通信技术研究有限公司 | 多媒体信息处理的方法和装置 |
| US11081137B2 (en) | 2016-03-25 | 2021-08-03 | Samsung Electronics Co., Ltd | Method and device for processing multimedia information |
| CN107230187B (zh) * | 2016-03-25 | 2022-05-24 | 北京三星通信技术研究有限公司 | 多媒体信息处理的方法和装置 |
| CN105913395B (zh) * | 2016-04-10 | 2019-06-04 | 中国人民解放军海军航空工程学院青岛校区 | 一种运动目标观测及模糊复原方法 |
| CN105913395A (zh) * | 2016-04-10 | 2016-08-31 | 中国人民解放军海军航空工程学院青岛校区 | 一种运动目标观测及模糊复原方法 |
| CN105959521A (zh) * | 2016-05-31 | 2016-09-21 | 中国科学院长春光学精密机械与物理研究所 | 基于双相机系统分光成像提高图像帧频的方法及系统 |
| CN105979159B (zh) * | 2016-07-21 | 2019-01-25 | 上海小蚁科技有限公司 | 设备的同步方法和同步系统 |
| CN105979159A (zh) * | 2016-07-21 | 2016-09-28 | 上海云蚁科技有限公司 | 设备的同步方法和同步系统 |
| CN109314366A (zh) * | 2016-07-22 | 2019-02-05 | 极光先进雷射株式会社 | 窄带化KrF准分子激光装置 |
| CN108627816A (zh) * | 2018-02-28 | 2018-10-09 | 沈阳上博智像科技有限公司 | 影像测距方法、装置、存储介质和电子设备 |
| CN110111282A (zh) * | 2019-05-09 | 2019-08-09 | 杭州电子科技大学上虞科学与工程研究院有限公司 | 一种基于运动矢量和cnn的视频去模糊方法 |
| CN112150382A (zh) * | 2020-09-24 | 2020-12-29 | 中国科学技术大学 | 高时空分辨率周期运动三维测量方法、装置 |
| CN112150382B (zh) * | 2020-09-24 | 2022-09-09 | 中国科学技术大学 | 高时空分辨率周期运动三维测量方法、装置 |
| WO2022126684A1 (zh) * | 2020-12-14 | 2022-06-23 | 深圳大学 | 一种基于激光多普勒测振仪的图像振动测量系统 |
| CN113269682A (zh) * | 2021-04-21 | 2021-08-17 | 青岛海纳云科技控股有限公司 | 一种结合帧间信息的非均匀运动模糊视频复原方法 |
| WO2023040622A1 (zh) * | 2021-09-17 | 2023-03-23 | 荣耀终端有限公司 | Hdr图像处理方法及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101917550B (zh) | 2012-11-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101917550B (zh) | 高时空分辨率视频去模糊方法及系统 | |
| CN101719264B (zh) | 一种多视角动态场景采集的视觉场计算方法 | |
| CN106791273B (zh) | 一种结合帧间信息的视频盲复原方法 | |
| Zou et al. | Learning to reconstruct high speed and high dynamic range videos from events | |
| CN103430210B (zh) | 信息处理系统、信息处理装置、拍摄装置、以及信息处理方法 | |
| CN109035394B (zh) | 人脸三维模型重建方法、装置、设备、系统及移动终端 | |
| CN102595171B (zh) | 一种多通道空时编码孔径的动态光场成像方法和成像系统 | |
| WO2016074639A1 (en) | Methods and systems for multi-view high-speed motion capture | |
| Chi et al. | Single image reflection removal using deep encoder-decoder network | |
| CN102446366B (zh) | 时空联合多视角视频插值及三维建模方法 | |
| CN103460242B (zh) | 信息处理装置、信息处理方法、以及位置信息的数据结构 | |
| Zhao et al. | Super resolve dynamic scene from continuous spike streams | |
| CN107977650B (zh) | 人脸检测方法及装置 | |
| US20140340486A1 (en) | Image processing system, image processing method, and image processing program | |
| CN102726037A (zh) | 图像处理装置、摄像装置、程序和图像处理方法 | |
| CN107820019B (zh) | 虚化图像获取方法、装置及设备 | |
| CN104376547A (zh) | 运动模糊图像复原方法 | |
| Li et al. | Robust blind motion deblurring using near-infrared flash image | |
| CN102104735A (zh) | 一种计算光照的运动场景图像捕获方法及装置 | |
| Zhao et al. | Learning to super-resolve dynamic scenes for neuromorphic spike camera | |
| Shen et al. | Spatial temporal video enhancement using alternating exposures | |
| CN109302600B (zh) | 一种立体场景拍摄装置 | |
| Schauwecker | Real-time stereo vision on FPGAs with SceneScan | |
| CN108566545A (zh) | 通过移动终端和球幕相机对大场景进行三维建模的方法 | |
| CN109029380B (zh) | 基于镀膜式多光谱相机的立体视觉系统及其标定测距方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |