CN104091317A - 一种夜景图像窗户镜面反射效应去除方法 - Google Patents
一种夜景图像窗户镜面反射效应去除方法 Download PDFInfo
- Publication number
- CN104091317A CN104091317A CN201410242762.2A CN201410242762A CN104091317A CN 104091317 A CN104091317 A CN 104091317A CN 201410242762 A CN201410242762 A CN 201410242762A CN 104091317 A CN104091317 A CN 104091317A
- Authority
- CN
- China
- Prior art keywords
- represent
- subimage
- reflector space
- region
- overlapping
- 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
Abstract
本发明涉及一种夜景图像窗户镜面反射效应去除方法,包括:获取同一背景下的两幅含有反射效应的夜景图像;定位反射区域;判断反射区域是否存在重叠;按照不同的情况分别进行处理;第一种,对于反射区域不重叠的情况,去除反射效应;第二种,对于反射区域存在重叠的情况,对于非重叠的反射区域,按照前述的反射区域不重叠情况进行处理;对于重叠的反射区域,进行相应的处理,最终得到总的背景图像。本发明能够实现反射效应的快速去除,增强夜景图像的可视质量。
Description
所属技术领域
本发明涉及一种彩色数码照片的镜面反射效应去除方法。
背景技术
当居住在高层建筑物的消费者在室内使用数码相机或智能手机拍摄窗外场景时,由于摄像头和拍摄场景之间存在着玻璃窗户,常受到室内场景镜面反射现象的影响。在拍摄夜景图像时,这种反射干扰现象尤为明显。图1所示为一幅存在镜面反射效应的夜景图像,图中右上方亮区域在背景中并不真实存在,而是由于室内亮区域通过窗户玻璃的反射效应造成的。显然,反射区域的存在严重影响了夜景照片的可视质量,因此提出如何去除这类反射效应,恢复夜景图像的原貌是非常必要的。
目前已有的反射效应去除方面的文献以外文为主。早期的方法都是通过改变相机的物理参数来获取两幅或多幅不同的图像,通过分析反射分量在不同图像的差别来分离背景场景和反射场景。例如,文献[1]和文献[2]所提方法通过改变偏振镜片的角度方式获取不同图像,文献[3]的方法中采用不同的镜头焦距拍摄图像,文献[4]使用闪光灯-非闪光灯图像对来降低反射效应的影响。上述方法虽然能够有效抑制反射效应,但是通常需要拍摄人掌握一定的摄影技巧,或者通过特定的工具,因此上述方法的通用性较差。文献[5]和文献[6]借助人工辅助方式实现分离反射场景,这类方法只需要单幅图像,但是需要人工辅助输入,另外分离过程使用的迭代算法计算量偏大,因此只适用于少量图像的情况。
近期的研究重点重新回到基于多幅图像的思路,但在拍摄不同图像时,不需要调整相机的参数,只需改变拍摄角度,使得不同图像的反射分量存在一定视角上的差别。文献[7]借助立体匹配中的深度信息来恢复背景成分,但要求拍摄的图像只在水平方向上有位移。文献[8]通过计算图像序列的统计特性,使用一种稀疏盲分离技术分离反射分量。文献[9]提出了一种基于梯度信息的反射分离方法,根据各配准处理后各图像对应位置边缘点的分布情况,将边缘点分为背景层和反射层两类,再使用文献[5]的方法实现两层的划分。
参考文献:
[1]H.Farid and E.Adelson.Separating reflections and lighting using idependent components analysis.In CVPR,pages262–267,1999.
[2]Y.Schechner,J.Shamir,and N.Kiryati.Polarization-based decorrelation of transparent layers:the inclination angle ofan invisible surface.InICCV,pages814–819,1999.
[3]Y.Y.Schechner,N.Kiryati,and R.Basri.Separation of transparent layers using focus.IJCV, 39(1):25–39,2000.
[4]A.Agrawal,R.Raskar,S.Nayar,andY.Li.Removing photography artifacts using gradient projection and flash-exposure sampling.ACM Trans.Graphics,23(3):828–835,2005.
[5]A.Levin andY.Weiss.User assisted separation of reflections from a single image using a sparsity prior.IEEE TPAMI,29(9):1647–1654,2007.
[6]S.Yeung,T.Wu,and C.Tang.Extracting smooth and transparent layers from a single image.InCVPR,pages1–7,2008.
[7]Y.Tsin,S.B.Kang,and R.Szeliski.Stereo matching with linear superposition of layers.TPAMI,28(2):290–301,2006.
[8]K.Gai,Z.Shi,and C.Zhang.Blind separation of super-imposed moving images using image statistics.TPAMI,34(1):19–32,2012.
[9]Y.Li,M。S.Brown,Exploiting Reflection Change for Automatic Reflection Removal.InICCV2013.
发明内容
本发明的目的是克服现有技术的上述不足,提供一种针对夜景图像的窗户镜面反射效应的去除方法,实现反射效应的快速去除,增强夜景图像的可视质量。本发明的技术方案如下:
一种夜景图像窗户镜面反射效应去除方法,包括下面的步骤:
步骤1:按照下列的条件获取同一背景下的两幅含有反射效应的夜景图像:
(1)需要拍摄两幅图像,并保证在拍摄时镜头的焦距、光圈、曝光度等参数保持不变;
(2)在拍摄两幅图像时,要保证两图像在同一个平面内;
(3)在改变相机位置时,相机可以在同一个平面内的水平方向或垂直方向移动,但要求位移的大小应保证反射场景在两图像的位置有一定差别;
用I1和I2分别表示同一背景下两幅含有反射场景的夜景图像,用B表示整个背景分量,Ω1和Ω2表示I1和I2中反射分量所在区域,B1和B2分别表示Ω1和Ω2对应区域的背景分量,反射分量用R表示,使用加性模型来描述成像过程,即Ω1在I1中对应的子图像是B1+R,Ω2在I2中对应的子图像是B2+R;
步骤2:定位反射区域
确认两幅图像中反射区域对应的最上方、最下方、最左方和最右方位置的坐标值,进而分别得到两图像中反射区域Ω1和Ω2的外接矩形位置信息;
步骤3:判断反射区域是否存在重叠;
步骤4:按照不同的情况分别进行处理:
第一种,对于反射区域不重叠的情况:用R表示Ω1和Ω2中的反射分量,用B1表示Ω1中的背景分量,用B2表示Ω2中的背景成分;由于Ω1和Ω2区域不重叠,因此I1中Ω1对应的子图像是(R+B1),I1中Ω2对应的子图像是B2;I2中Ω1对应的子图像是B1,I2中Ω2对应的子图像是(R+B2),针对反射区域不重叠情况的反射效应去除方法如下:
1)从I1提取Ω1和Ω2对应的子图像,分别用(R+B1)和B2表示;
2)从I2中提取Ω1和Ω2对应的子图像,分别用(R+B2)和B1表示;
3)使用I2中Ω1对应的子图像B1代替I1中的Ω1对应的子图像(R+B1),处理后的图像用C2表示;
4)使用I1中Ω2对应的子图像B2代替I2中的Ω2对应的子图像(R+B2),处理后的图像用C2表示;
5)将C1和C2求平均,得到最后的恢复图像,用C表示;
第二种,对于反射区域存在重叠的情况:
用ΩO表示Ω1和Ω2的重叠区域,即有ΩO=Ω1∩Ω2,由于Ω1和Ω2是用其外接矩形表示其位置,因此ΩO也是一个矩形区域,对于Ω1和Ω2中非重叠的区域,按照前述的反射区域不重叠情况进行处理;
用RO1表示I1中ΩO区域对应的反射分量,用RO2表示I2中ΩO区域对应的反射分量,用BO表示ΩO区域对应的背景分量,在I1中的反射分量RO1在I2中的对应区域是ΩO+Δ,其中,Δ表示从Ω1到Ω2的位移,同理可得,在I2中的反射分量RO2在I1中的对应区域是ΩO–Δ,其中–Δ表示从R2到R1的位移;在I1中ΩO+Δ子图像是BO+Δ,I1中ΩO–Δ的子图像是RO2+BO–Δ;I2中ΩO–Δ子图像是BO–Δ,I2中ΩO+Δ的子图像是RO1+BO+Δ,采用下面方法去除Ω1和Ω2重叠区域ΩO的反射分量:
1)从I1中提取3个子图像,分别用(RO1+BO)、(RO2+BO–Δ)和BO+Δ表示;
2)从I2中提取3个子图像,分别用(RO2+BO)、(RO1+BO+Δ)和BO–Δ表示;
3)计算(RO1+BO–Δ)和BO–Δ的差值,得到R′O1;计算(RO1+BO)和R′O1的差值,结果用B′O表示;
4)计算(RO2+BO+Δ)和BO+Δ的差值,得到R′O2;然后计算(RO2+BO)和R′O2的差值,用B″O表示;
5)计算B′O和B″O的均值,得到ΩO的背景子图像,用BO表示,即有:BO=(B′O+B″O)/2;
6)恢复非重叠部分的背景图像,最终得到总的背景图像。
采用本发明所述方法,与现有技术相比,只需要用户拍摄两幅图像,借助少量的用户辅助输入信息,省去了复杂的反射区域检测过程,能够识别阴影区域是重叠还是非重叠情况,根据不同情况采用对应的处理过程,节省了计算机处理的时间,达到了更接近实用的效果。
附图说明
图1是一个存在镜面反射效应的夜景图像实例图
图2是本专利所提方法的流程图
图3(a)和(b)各为一幅夜景图像结构示意图。
图4是含有反射区域的坐标关系示意图
图5(a)和(b)的两幅夜景图像是反射区域不重叠情况下的结构示意图
图6(a)和(b)的两幅夜景图像是反射区域重叠情况下的结构示意图
图7(a)-(d)的4个图是反射效应去除结果示意图,其中,(a)为夜景图像1(b)为夜景图像2(c)为分割出来的反射重叠区域(d)为反射效应去除处理结果
具体实施方式
本发明所提方法包括三个主要步骤:图像获取、借助用户辅助输入方式的反射区域定位,反射效应去除等三个主要步骤。图2给出了所提方法的框图。
步骤1:图像获取
根据本专利所提方法的要求,在拍摄夜景图像时需要做到以下三点:
(1)需要拍摄两幅图像,并保证在拍摄时镜头的焦距、光圈、曝光度等参数保持不变;
(2)在拍摄两幅图像时,要保证两图像在同一个平面内;
(3)在改变相机位置拍摄图像时,相机可以在同一个平面内的水平方向或垂直方向移动,但要求位移的大小应保证反射场景是完整的,反射场景在两图像的位置有一定差别。
图3所示为拍摄得到的两幅夜景图像结构示意图。一般可以假设背景到镜头的距离远大于镜头到成像平面的距离,因此拍摄两图时产生的位移并不影响背景在图像中的位置,即背景基本保持不变。但反射场景由于到镜头的距离较近,在两幅图像中反射分量的位置有明显变化。
用I1和I2分别表示获取同一背景下的两幅含有反射效应的夜景图像,用B表示整个背景分量,Ω1和Ω2表示I1和I2中反射分量所在区域,B1和B2分别表示Ω1和Ω2对应区域的背景分量,反射分量用R表示,使用加性模型来描述成像过程,即Ω1在I1中对应的子图像是B1+R,Ω2在I2中对应的子图像是B2+R。
步骤2:借助用户辅助输入定位反射区域
本专利需要借助用户输入信息,确定两幅图像中反射区域的位置。具体的做法是,用户使用鼠标(对于使用鼠标和计算机屏幕交互方式的用户)或者手指(针对智能手机或平板电脑等触屏方式交互的用户),依次确认两幅图像中反射区域对应的最上方、最下方、最左方和最右方位置的坐标值,进而得到两图像中反射区域的外接矩形位置信息。
图4给出了一个含有反射区域的坐标关系示意图。其中,图像的坐标原点定义在图像左上角的点,水平方向(x方向)从左至右依次增大,垂直方向(y方向)从上至下依次增大。用分别 表示Ω1最左侧、最右侧、最上方和最下方像素点的坐标值,上标(1)表示第一幅图。则Ω1的位置可以用两个点对定义的矩形区域来描述。对于Ω2,采用与Ω1相同的过程,得到反射区域对应的外接矩形位置信息,用表示。
步骤3:反射效应去除
由于在获取输入照片时,没有限定相机的平移大小,因此Ω1和Ω2的相对位置可能存在非重叠情况和重叠两种情况。图5和图6分别给出了两种情况的图示,其中图5所示为不重叠情况,图6是重叠情况。这两种情况在实际情况下都有可能发生,所采用的处理方法有所不同,因此在进行反射区域去除之前,需要首先确认反射区域是否存在重叠。具体过程如下:
子步骤3.1:判断反射区域是否存在重叠
我们使用一种快速方法判断Ω1和Ω2是否存在重叠情况,具体过程如下:
1)根据Ω1对应的外接矩形位置信息,计算反射区域二值图BW1,即有:
2)根据Ω2对应的外接矩形位置信息,计算反射区域二值图BW2,即有:
3)计算BW1和BW2的重叠区域二值图BW,即有BW=BW1∩BW2,其中符号“∩”表示集合求交集运算。
4)如果(空集),则认为Ω1和Ω2位置不重叠;否则,认为Ω1和Ω2位置存在部分重叠。
子步骤3.2:反射区域不重叠的情况
对于反射区域不重叠情况,如图5所示。图中用R表示Ω1和Ω2中的反射分量,用B1表示Ω1中的背景分量,用B2表示Ω2中的背景成分。由于Ω1和Ω2区域不重叠,因此I1中Ω1对应的子图像是(R+B1),I1中Ω2对应的子图像是B2;I2中Ω1对应的子图像是B1,I2中Ω2对应的子图像是(R+B2)。
本发明提出一种针对反射区域不重叠情况的反射效应去除方法,具体的处理过程如下:
1)从I1提取Ω1和Ω2对应的子图像,用(R+B1)和B2表示。
2)从I2中提取Ω1和Ω2对应的子图像,用(R+B2)和B1表示。
3)使用I2中Ω1对应的子图像B1代替I1中的Ω1对应的子图像(R+B1),处理后的图像用C2表示。
4)使用I1中Ω2对应的子图像B2代替I2中的Ω2对应的子图像(R+B2),处理后的图像用C2表示。
5)将C1和C2求平均,得到最后的恢复图像,用C表示。即有:C=(C1+C2)/2。
子步骤3.3:反射区域存在重叠的情况
图6所示为反射区域存在重叠的情况。用ΩO表示Ω1和Ω2的重叠区域,即有ΩO=Ω1∩Ω2。需要说明的一点是,由于Ω1和Ω2是用其外接矩形表示其位置,因此ΩO也是一个矩形区域。对于Ω1和Ω2中非重叠的区域,可以参考子步骤3.2节介绍的方法进行处理。下面重点讨论如何恢复ΩO对应的背景内容。
用RO1表示I1中ΩO区域对应的反射分量,用RO2表示I2中ΩO区域对应的反射分量,用BO表示ΩO区域对应的背景分量,如图6所示。在I1中反射分量RO1在I2中的对应区域是ΩO+Δ,其中Δ表示从Ω1到Ω2的位移。同理可得,在I2中反射分量RO2在I1中的对应区域是ΩO–Δ,其中–Δ表示从R2到R1的位移。观察图6不难发现,在I1中ΩO+Δ子图像是BO+Δ,I1中ΩO–Δ的子图像是RO2+BO–Δ;I2中ΩO–Δ子图像是BO–Δ,I2中ΩO+Δ的子图像是RO1+BO+Δ。
根据上述分析,所提方法使用一种去除重叠部分反射分量的方法,具体过程如下:
1)从I1中提取图6所示3个子图像,用(RO1+BO)、(RO2+BO–Δ)和BO+Δ表示。
2)从I2中提取图6所示3个子图像,用(RO2+BO)、(RO1+BO+Δ)和BO–Δ表示。
3)计算(RO1+BO–Δ)和BO–Δ的差值,得到R’O1;计算(RO1+BO)和R’O1的差值,结果用B’O表示。
4)计算(RO2+BO+Δ))和BO+Δ的差值,得到R’O2;然后计算(RO2+BO)和R’O2的差值,用B”O表示。
5)计算B’O和B”O的均值,得到ΩO的背景子图像,用BO表示,即有:BO=(B’O+B”O)/2。
6)参考子步骤3.2,恢复非重叠部分的背景图像,最终得到总的背景图像。
采用Windows7SP1系统下的matlab2014a作为实验仿真平台。选用专利申请人自行拍摄的20组图像作为测试集。采用本专利提出的方法对实验图像进行处理,得到了良好的处理效果。对于每一组分辨为1920×1080的图像,在通过用户输入确定反射区域之后,反射区域的去除过程只需0.02ms,处理速度非常迅速。图7(a)-(d)给出了反射效应去除过程示例,其中(a)和(b)为输入彩色图像原图,(c)是检测到的反射重叠区域,(d)为反射效应去除结果。
Claims (3)
1.一种夜景图像窗户镜面反射效应去除方法,包括下面的步骤:
步骤1:按照下列的条件获取同一背景下的两幅含有反射效应的夜景图像:
(1)需要拍摄两幅图像,并保证在拍摄时镜头的焦距、光圈、曝光度等参数保持不变;
(2)在拍摄两幅图像时,要保证两图像在同一个平面内;
(3)在改变相机位置时,相机可以在同一个平面内的水平方向或垂直方向移动,但要求位移的大小应保证反射场景在两图像的位置有一定差别;
用I1和I2分别表示同一背景下两幅含有反射场景的夜景图像,用B表示整个背景分量,Ω1和Ω2表示I1和I2中反射分量所在区域,B1和B2分别表示Ω1和Ω2对应区域的背景分量,反射分量用R表示,使用加性模型来描述成像过程,即Ω1在I1中对应的子图像是B1+R,Ω2在I2中对应的子图像是B2+R;
步骤2:定位反射区域
确认两幅图像中反射区域对应的最上方、最下方、最左方和最右方位置的坐标值,进而分别得到两图像中反射区域Ω1和Ω2的外接矩形位置信息;
步骤3:判断反射区域是否存在重叠;
步骤4:按照不同的情况分别进行处理:
第一种,对于反射区域不重叠的情况:用R表示Ω1和Ω2中的反射分量,用B1表示Ω1中的背景分量,用B2表示Ω2中的背景成分;由于Ω1和Ω2区域不重叠,因此I1中Ω1对应的子图像是(R+B1),I1中Ω2对应的子图像是B2;I2中Ω1对应的子图像是B1,I2中Ω2对应的子图像是(R+B2),针对反射区域不重叠情况的反射效应去除方法如下:
1)从I1提取Ω1和Ω2对应的子图像,分别用(R+B1)和B2表示;
2)从I2中提取Ω1和Ω2对应的子图像,分别用(R+B2)和B1表示;
3)使用I2中Ω1对应的子图像B1代替I1中的Ω1对应的子图像(R+B1),处理后的图像用C2表示;
4)使用I1中Ω2对应的子图像B2代替I2中的Ω2对应的子图像(R+B2),处理后的图像用C2表示;
5)将C1和C2求平均,得到最后的恢复图像,用C表示;
第二种,对于反射区域存在重叠的情况:
用ΩO表示Ω1和Ω2的重叠区域,即有ΩO=Ω1∩Ω2,由于Ω1和Ω2是用其外接矩形表示其位置,因此ΩO也是一个矩形区域,对于Ω1和Ω2中非重叠的区域,按照前述的反射区域不重叠情况进行处理;
用RO1表示I1中ΩO区域对应的反射分量,用RO2表示I2中ΩO区域对应的反射分量,用BO表示ΩO区域对应的背景分量,在I1中的反射分量RO1在I2中的对应区域是ΩO+Δ,其中,Δ表示从Ω1到Ω2的位移,同理可得,在I2中的反射分量RO2在I1中的对应区域是ΩO–Δ,其中–Δ表示从R2到R1的位移;在I1中ΩO+Δ子图像是BO+Δ,I1中ΩO–Δ的子图像是RO2+BO–Δ;I2中ΩO–Δ子图像是BO–Δ,I2中ΩO+Δ的子图像是RO1+BO+Δ,采用下面方法去除Ω1和Ω2重叠区域ΩO的反射分量:
1)从I1中提取3个子图像,分别用(RO1+BO)、(RO2+BO–Δ)和BO+Δ表示;
2)从I2中提取3个子图像,分别用(RO2+BO)、(RO1+BO+Δ)和BO–Δ表示;
3)计算(RO1+BO–Δ)和BO–Δ的差值,得到R′O1;计算(RO1+BO)和R′O1的差值,结果用B′O表示;
4)计算(RO2+BO+Δ)和BO+Δ的差值,得到R′O2;然后计算(RO2+BO)和R′O2的差值,用B″O表示;
5)计算B′O和B″O的均值,得到ΩO的背景子图像,用BO表示,即有:BO=(B′O+B″O)/2;
6)恢复非重叠部分的背景图像,最终得到总的背景图像。
2.根据权利要求1所述的夜景图像窗户镜面反射效应去除方法,其特征在于,步骤2中,借助用户辅助输入定位反射区域。
3.根据权利要求1所述的夜景图像窗户镜面反射效应去除方法,其特征在于,步骤3中,判断反射区域是否存在重叠的方法如下:
1)根据Ω1对应的外接矩形位置信息,计算反射区域二值图BW1,
2)根据Ω2对应的外接矩形位置信息,计算反射区域二值图BW2,
3)计算BW1和BW2的重叠区域二值图BW,
4)如果则认为Ω1和Ω2位置不重叠;否则,认为Ω1和Ω2位置存在部分重叠。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410242762.2A CN104091317B (zh) | 2014-06-03 | 2014-06-03 | 一种夜景图像窗户镜面反射效应去除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410242762.2A CN104091317B (zh) | 2014-06-03 | 2014-06-03 | 一种夜景图像窗户镜面反射效应去除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104091317A true CN104091317A (zh) | 2014-10-08 |
CN104091317B CN104091317B (zh) | 2017-05-17 |
Family
ID=51639032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410242762.2A Expired - Fee Related CN104091317B (zh) | 2014-06-03 | 2014-06-03 | 一种夜景图像窗户镜面反射效应去除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104091317B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127696A (zh) * | 2016-06-13 | 2016-11-16 | 西安电子科技大学 | 一种基于bp神经网络拟合运动场的图像去除反射方法 |
CN106911896A (zh) * | 2017-02-28 | 2017-06-30 | 努比亚技术有限公司 | 一种图像处理装置及方法 |
CN108961205A (zh) * | 2018-03-26 | 2018-12-07 | 杭州同绘科技有限公司 | 一种基于Sift-edge Flow的图像反射分离方法 |
CN108961389A (zh) * | 2018-06-06 | 2018-12-07 | 链家网(北京)科技有限公司 | 消除房源虚拟三维模型中镜面产生的虚像的方法及系统 |
CN113395436A (zh) * | 2020-03-12 | 2021-09-14 | 杭州海康威视数字技术股份有限公司 | 图像处理方法、图像处理装置及图像处理系统 |
CN114097032A (zh) * | 2019-07-23 | 2022-02-25 | 凸版印刷株式会社 | 光学构造体以及光学构造体的制造方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1352780A (zh) * | 1999-11-03 | 2002-06-05 | 特许科技有限公司 | 基于视频的交通监控系统的图像处理技术及其方法 |
CN101398929A (zh) * | 2008-10-28 | 2009-04-01 | 深圳市迅雷网络技术有限公司 | 一种抑制夜景图像噪声的方法和装置 |
CN102231206A (zh) * | 2011-07-14 | 2011-11-02 | 浙江理工大学 | 适用于汽车辅助驾驶系统的彩色夜视图像亮度增强方法 |
CN102547079A (zh) * | 2010-12-29 | 2012-07-04 | 株式会社理光 | 夜景光源检测设备及夜景光源检测方法 |
US20120229681A1 (en) * | 2011-03-07 | 2012-09-13 | Sony Corporation | System and method for automatic flash removal from images |
-
2014
- 2014-06-03 CN CN201410242762.2A patent/CN104091317B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1352780A (zh) * | 1999-11-03 | 2002-06-05 | 特许科技有限公司 | 基于视频的交通监控系统的图像处理技术及其方法 |
CN101398929A (zh) * | 2008-10-28 | 2009-04-01 | 深圳市迅雷网络技术有限公司 | 一种抑制夜景图像噪声的方法和装置 |
CN102547079A (zh) * | 2010-12-29 | 2012-07-04 | 株式会社理光 | 夜景光源检测设备及夜景光源检测方法 |
US20120229681A1 (en) * | 2011-03-07 | 2012-09-13 | Sony Corporation | System and method for automatic flash removal from images |
CN102231206A (zh) * | 2011-07-14 | 2011-11-02 | 浙江理工大学 | 适用于汽车辅助驾驶系统的彩色夜视图像亮度增强方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127696A (zh) * | 2016-06-13 | 2016-11-16 | 西安电子科技大学 | 一种基于bp神经网络拟合运动场的图像去除反射方法 |
CN106127696B (zh) * | 2016-06-13 | 2019-06-07 | 西安电子科技大学 | 一种基于bp神经网络拟合运动场的图像去除反射方法 |
CN106911896A (zh) * | 2017-02-28 | 2017-06-30 | 努比亚技术有限公司 | 一种图像处理装置及方法 |
CN106911896B (zh) * | 2017-02-28 | 2020-09-01 | 努比亚技术有限公司 | 一种图像处理装置及方法 |
CN108961205A (zh) * | 2018-03-26 | 2018-12-07 | 杭州同绘科技有限公司 | 一种基于Sift-edge Flow的图像反射分离方法 |
CN108961389A (zh) * | 2018-06-06 | 2018-12-07 | 链家网(北京)科技有限公司 | 消除房源虚拟三维模型中镜面产生的虚像的方法及系统 |
CN108961389B (zh) * | 2018-06-06 | 2019-07-09 | 贝壳找房(北京)科技有限公司 | 消除房源虚拟三维模型中镜面产生的虚像的方法及系统 |
CN114097032A (zh) * | 2019-07-23 | 2022-02-25 | 凸版印刷株式会社 | 光学构造体以及光学构造体的制造方法 |
CN114097032B (zh) * | 2019-07-23 | 2024-04-16 | 凸版印刷株式会社 | 光学构造体以及光学构造体的制造方法 |
CN113395436A (zh) * | 2020-03-12 | 2021-09-14 | 杭州海康威视数字技术股份有限公司 | 图像处理方法、图像处理装置及图像处理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104091317B (zh) | 2017-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104091317A (zh) | 一种夜景图像窗户镜面反射效应去除方法 | |
US11430205B2 (en) | Method and apparatus for detecting salient object in image | |
Wan et al. | Depth of field guided reflection removal | |
Li et al. | Exploiting reflection change for automatic reflection removal | |
Dudhane et al. | C^ 2msnet: A novel approach for single image haze removal | |
KR101121034B1 (ko) | 복수의 이미지들로부터 카메라 파라미터를 얻기 위한 시스템과 방법 및 이들의 컴퓨터 프로그램 제품 | |
KR102101916B1 (ko) | 시각적 방해물들을 통과하여 사진 찍기 | |
JP5952001B2 (ja) | 深さ情報を用いたカメラモーションの推定方法および装置、拡張現実システム | |
EP3340170A1 (en) | Multi-depth image fusion method and apparatus | |
US20120237114A1 (en) | Method and apparatus for feature-based stereo matching | |
US20170261319A1 (en) | Building height calculation method, device, and storage medium | |
US9171222B2 (en) | Image processing device, image capturing device, and image processing method for tracking a subject in images | |
CN106778730A (zh) | 一种用于快速生成ocr训练样本的自适应方法及系统 | |
EP3937129A1 (en) | Image processing method and related apparatus | |
US10942567B2 (en) | Gaze point compensation method and apparatus in display device, and display device | |
CN108377374A (zh) | 用于产生与图像相关的深度信息的方法和系统 | |
CN107886471B (zh) | 一种基于超像素投票模型的照片多余物体去除方法 | |
CN109493282A (zh) | 一种消除运动重影的立体图像拼接方法 | |
CN111524082B (zh) | 目标鬼影消除方法 | |
Xu et al. | A method of hole-filling for the depth map generated by Kinect with moving objects detection | |
CN112802081A (zh) | 一种深度检测方法、装置、电子设备及存储介质 | |
Bokov et al. | Automatic detection of artifacts in converted S3D video | |
WO2022179251A1 (zh) | 图像处理方法及装置、电子设备、存储介质 | |
CN113505799A (zh) | 显著性检测方法及其模型的训练方法和装置、设备、介质 | |
CN110751668B (zh) | 图像处理方法、装置、终端、电子设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170517 |