CN104166967A - 提升视频图像清晰度的方法 - Google Patents
提升视频图像清晰度的方法 Download PDFInfo
- Publication number
- CN104166967A CN104166967A CN201410402860.8A CN201410402860A CN104166967A CN 104166967 A CN104166967 A CN 104166967A CN 201410402860 A CN201410402860 A CN 201410402860A CN 104166967 A CN104166967 A CN 104166967A
- Authority
- CN
- China
- Prior art keywords
- texture
- pixel
- value
- luminance component
- strengthens
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种提升视频图像清晰度的方法,其实现步骤为:(1)输入待提升图像清晰度的视频序列。(2)在输入视频序列中选取一帧图像,作为待处理图像。(3)比较待处理图像的分辨率和显示设备的分辨率,若待处理图像的分辨率小于显示设备的分辨率,执行步骤(4)。否则,执行步骤(5)。(4)插值处理。(5)增强纹理。(6)增强对比度。(7)判断视频序列的最后一帧图像是否处理完毕,若是,执行步骤(8)。否则,转入步骤(2)。(8)输出视频序列。本发明能够根据视频图像自身的纹理程度和像素分布情况来提升视频图像的清晰度,并有效抑制噪声放大,尤其适用于视频播放器中。
Description
技术领域
本发明属于图像处理技术领域,更进一步涉及图像清晰度增强技术领域的一种提升视频图像清晰度的方法。本发明可用于视频播放器中,在送显之前提升视频画面的清晰度,同时,也可以用于图像采集设备进行后处理,提升采集到的图像的清晰度。
背景技术
现有的图像清晰度增强方法可以简单地分为空域增强技术和频域增强技术。空域增强技术中最具代表性的有灰度的非线性变换和直方图均衡化处理,这两种方法都是根据一定的转换函数直接对组成图像的像素灰度值进行运算处理。灰度的非线性变换和直方图均衡化技术的优点在于实现简单,速度快。但是该方法仍然存在的缺点是,算法比较单一,不具有普适性,不能够根据图像原有信息进行自适应清晰度增强,只对某一部分图像适用,对其他的图像提升效果不明显。
Tarik Arici和Salih Dikbas在文章中“A Histogram Modification Framework and ItsApplication for Image Contrast Enhancement”(IEEE Transactions On Image Processing,vol.18,no.9,Sep.2009)中提出了一种直方图修改和应用的方法。该方法首先统计整幅图像中的像素分布情况,再根据每个灰度级的出现概率大小来修改其分布概率,最后依据修改后的分布概率来进行均衡化处理。该方法是对图像有一定程度的增强,但还未达到比较理想的效果。该方法不考虑像素点的位置信息和像素间的相关性,不管像素是景物产生的还是噪声带来的,在提高图像清晰度的同时,也放大了噪声。
北京暴风科技股份有限公司申请的专利“提升视频图像清晰度的方法及系统”(申请日:2012年06月14日,申请号:201210196854.2,公开号:CN102811353)中公开了一种提升视频图像清晰度的方法和系统。该方法在对视频图像进行清晰度增强时,利用高斯矩阵作为像素点的权重值,对每个像素点四周的预设个数的其它像素点进行纹理增强处理,以获得每个像素点进行纹理增强后的像素值。该方法存在的不足是,对视频图像全局进行同一程度的纹理增强,没有考虑到视频图像自身的纹理信息,在对某些局部不够平滑、凹凸小点较多的视频图像进行处理后,在连续播放时会出现明显的闪烁现象。
发明内容
本发明针对上述现有技术的不足,提出一种提升视频图像清晰度的方法,本发明根据原始视频图像的分辨率和显示设备的分辨率,对视频图像进行插值处理,利用视频图像自身的纹理程度,对每一个像素点进行自适应的纹理增强,最后,修改视频图像的灰度直方图,增强视频图像的对比度,改善灰度分布集中,动态范围狭窄缺少必要细节的视频图像,显著的提高视频图像的清晰度。
为实现上述目的,本发明包括如下主要步骤:
(1)输入待提升图像清晰度的视频序列;
(2)在输入视频序列中选取一帧图像,作为待处理图像;
(3)比较待处理图像的分辨率和显示设备分辨率,若待处理图像的分辨率小于显示设备的分辨率,则认为该待处理图像需要进行插值,执行步骤(4);否则,执行步骤(5);
(4)插值处理:
(4a)将待处理图像的亮度分量矩阵划分为2×2边缘相互重叠的多个小块,选取其中的一个小块作为当前块,以当前块的对角线交点作为一个待插值点;
(4b)对待插值点四周的四个像素点求均值,将该四个像素点分别与所获得的均值求方差,得到四个方差值;
(4c)利用下式,计算待插值点的四个权重系数:
wi=(varj+c)-2
其中,wi表示待插值点的第i个权重系数,i=1,2,3,4,varj表示四个方差值中的第j个方差值,j=1,2,3,4,c表示经验常数,c=0.25;
(4d)利用下式,求待插值点的像素值:
其中,y表示待插值点的像素值,wi表示待插值点的第i个权重系数,i=1,2,3,4,xm表示待插值点四周的第m个像素点的灰度值,m=1,2,3,4,∑表示累加操作,*表示相乘操作;
(4e)将待插值点的像素值插入当前块的对角线交点;
(4f)重复步骤(4a)至步骤(4e),直至处理完亮度分量矩阵的最后一个待插值点;
(4g)判断亮度分量矩阵是否插值完毕,若是,得到插值后的亮度分量矩阵;否则,执行步骤(4a);
(4h)重复步骤(4a)至步骤(4g),对待处理图像的色度分量矩阵进行处理,得到插值后的色度分量矩阵;
(5)增强纹理:
(5a)选取插值后的亮度分量矩阵中的一个像素点,作为待增强像素点,以该待增强像素点为中心,取大小为3×3像素大小的图像块,将该图像块分别与水平索贝尔Sobel算子和垂直索贝尔Sobel算子进行卷积,得到该像素点在水平方向上的梯度值和垂直方向上的梯度值,对所获得的两个梯度值求均方根;
(5b)对均方根进行归一化处理,将归一化处理后的均方根与纹理增强强度控制因子相乘,得到待增强像素点的最终纹理增强强度控制因子;
(5c)利用下式,求待增强像素点纹理增强模板的外层参数:
其中,Tn表示待增强像素点纹理增强模板的外层参数,n表示待增强像素点的纹理增强模板的大小,v表示待增强像素点的最终纹理增强强度控制因子,Γ(·)表示伽马函数,∑表示累加操作,!表示阶层操作;
(5d)利用下式,求待增强像素点纹理增强模板的中心参数:
R=1-∑8*n*Tn
其中,R表示待增强像素点纹理增强模板的中心参数,Tn表示待增强像素点纹理增强模板的外层参数,n表示待增强像素点的纹理增强模板的大小,∑表示累加操作,*表示相乘操作;
(5e)以待增强像素点为中心,取大小为3×3像素大小的图像块,将该图像块与待增强像素点纹理增强模板进行卷积,得到待增强像素点的灰度值;
(5f)用待增强像素点的灰度值,替换插值后亮度分量矩阵中的像素点的灰度值;
(5g)重复步骤(5a)至步骤(5f),直至插值后亮度分量矩阵中的最后一个像素点替换完毕,得到纹理增强后的亮度分量矩阵;
(6)增强对比度:
(6a)删除纹理增强后亮度分量矩阵中的第一列和第二列,将剩余的纹理增强后亮度分量矩阵中的其他列组成一个新的矩阵,用纹理增强后亮度分量矩阵减去该新的矩阵,得到一个差值矩阵;
(6b)统计差值矩阵中绝对值大于阈值的元素个数,将统计结果除以256,得到一个比例参数;
(6c)对差值矩阵中每个元素的绝对值求和,将求和结果与对比度增强因子相乘,对相乘结果进行归一化,得到一个概率参数;
(6d)利用下式,求纹理增强后亮度分量矩阵的最终灰度级出现的概率值:
g(t)=(1-k)*u+k*h(t) if(5<t<220)
其中,g(t)表示纹理增强后亮度分量矩阵的最终灰度级出现的概率值,t表示纹理增强后亮度分量矩阵的灰度值,k表示概率参数,u表示比例参数,h(t)表示纹理增强后亮度分量的原始灰度级出现的概率值,a表示经验参数,a的取值范围为[1,5],*表示相乘操作;
(6e)将纹理增强后亮度分量矩阵的最终灰度级出现的概率值,代入直方图均衡化的灰度级转换函数中,得到纹理增强后亮度分量矩阵的灰度值的映射值;
(6f)用纹理增强后亮度分量矩阵的灰度值的映射值,替换纹理增强后亮度分量矩阵中的灰度值,得到对比度增强后的亮度分量矩阵;
(6g)用对比度增强后的亮度分量矩阵,替换步骤(2)中待处理图像的亮度分量矩阵,得到对比度增强图像;
(7)判断视频序列的最后一帧图像是否处理完毕,若是,执行步骤(8);否则,执行步骤(2);
(8)输出视频序列。
与现有的技术相比,本发明具有以下优点:
第一,本发明能够根据播放设备的分辨率来调整视频图像的分辨率,克服了现有技术存在的不能够根据图像原有信息进行自适应清晰度增强,只对某一部分图像适用的不足,使得本发明具有较好的实时动态适应性,尤其适用于视频播放器中。
第二,本发明依据视频图像自身的纹理程度和像素点之间的位置关系,对视频图像进行自适应纹理增强,克服了现有技术在连续播放时会出现闪烁现象的不足,使得本发明能够保证视频播放的流畅性。
第三,本发明对视频图像进行纹理增强后,再进行对比度增强,克服了现有技术在对比度增强过程中易放大噪声的不足,有效提升了视频图像的清晰度。
附图说明
图1为本发明的流程图;
图2为本发明的仿真图。
具体实施方式
下面结合附图对本发明作进一步的描述。
参考附图1,对本发明实现的步骤作进一步的详细描述:
步骤1,输入待提升图像清晰度的视频序列,其中,该视频序列的每一帧视频图像包含亮度分量矩阵和色度分量矩阵。
步骤2,按视频序列中视频图像的先后排列顺序,在视频序列中选取一帧图像,作为待处理图像。
步骤3,比较待处理图像的分辨率和显示设备分辨率,若待处理图像的分辨率小于显示设备的分辨率,则认为该待处理图像需要进行插值,执行步骤4;否则,执行步骤5。
步骤4,插值处理。
(4a)将待处理图像的亮度分量矩阵划分为2×2边缘相互重叠的多个小块,选取其中的一个小块作为当前块,以当前块的对角线交点作为优先的一个待插值点。
(4b)对待插值点四周的四个像素点求均值,将该四个像素点分别与所获得的均值求方差,得到与这四个像素点相对应的四个方差值。
(4c)利用下式,计算待插值点的四个权重系数:
wi=(varj+c)-2
其中,wi表示待插值点的第i个权重系数,i=1,2,3,4,varj表示四个方差值中的第j个方差值,j=1,2,3,4,c表示经验常数,c=0.25。
(4d)利用下式,求出待插值点的像素值:
其中,y表示待插值点的像素值,wi表示待插值点的第i个权重系数,i=1,2,3,4,xm表示待插值点四周的第m个像素点的灰度值,m=1,2,3,4,∑表示累加操作,*表示相乘操作。
(4e)将待插值点的像素值插入当前块的对角线交点,对所有块的对角线交点进行插值后,再对其他的待插值点进行插值。
(4f)重复步骤(4a)至步骤(4e),直至处理完亮度分量矩阵的最后一个待插值点。
(4g)判断亮度分量矩阵是否插值完毕,若是,得到插值后的亮度分量矩阵;否则,执行步骤(4a)。
(4h)重复步骤(4a)至步骤(4g),对待处理图像的色度分量矩阵进行处理,得到插值后的色度分量矩阵。
步骤5,增强纹理。
(5a)根据插值后亮度分量矩阵中的像素点排列顺序,选取插值后的亮度分量矩阵中的一个像素点,作为待增强像素点,以该待增强像素点为中心取大小为3×3像素大小的图像块,将该图像块分别与下述水平索贝尔Sobel算子和垂直索贝尔Sobel算子进行卷积,得到该像素点在水平方向上的梯度值和垂直方向上的梯度值,对所获得的两个梯度值求均方根:
其中,Sobel1表示水平索贝尔Sobel算子,Sobel2表示垂直索贝尔Sobel算子。
(5b)对均方根进行归一化处理,将归一化处理后的均方根与纹理增强强度控制因子相乘,该纹理增强强度控制因子的取值为范围[0.01,0.1]内的一个任意小数,取值为0.01的时候纹理增强程度最小,取值为0.1的时候纹理增强程度最大,得到待增强像素点的最终纹理增强强度控制因子。
(5c)利用下式,求待增强像素点纹理增强模板的外层参数:
其中,Tn表示待增强像素点纹理增强模板的外层参数,n表示待增强像素点的纹理增强模板大小,v表示待增强像素点的最终纹理增强强度控制因子,Γ(·)表示伽马函数,∑表示累加操作,!表示阶层操作。
(5d)利用下式,求待增强像素点纹理增强模板的中心参数:
R=1-∑8*n*Tn
其中,R表示待增强像素点纹理增强模板的中心参数,Tn表示待增强像素点纹理增强模板的外层参数,n表示待增强像素点的纹理增强模板的大小,∑表示累加操作,*表示相乘操作。
(5e)以待增强像素点为中心,取大小为3×3像素大小的图像块,利用下式,将该图像块与待增强像素点的纹理增强模板进行卷积,得到待增强像素点的灰度值:
其中,X表示待增强像素点的灰度值,B表示以待增强像素点为中心取大小为3×3像素大小的图像块,Z表示待增强像素点的纹理增强模板,Tn表示待增强像素点纹理增强模板的外层参数,R表示待增强像素点纹理增强模板的中心参数,n表示待增强像素点纹理增强模板的大小,表示卷积操作。
(5f)用待增强像素点的灰度值,替换插值后亮度分量矩阵中的像素点的灰度值。
(5g)重复步骤(5a)至步骤(5f),直至插值后亮度分量矩阵中的最后一个像素点替换完毕,得到纹理增强后的亮度分量矩阵。
步骤6,增强对比度。
删除纹理增强后亮度分量矩阵中的第一列和第二列,将剩余的纹理增强后亮度分量矩阵中的其他列组成一个新的矩阵,用纹理增强后亮度分量矩阵减去该新的矩阵,得到一个差值矩阵。
统计差值矩阵中绝对值大于阈值的元素个数,该阈值的取值为范围[3,5]内的一个任意整数,将统计结果除以256,得到一个比例参数。
对差值矩阵中每个元素的绝对值求和,将求和结果与对比度增强因子相乘,该对比度增强因子的取值为范围[1,20]内的一个任意整数,取值为1的时候对比度增强程度最小,取值为20的时候对比度增强程度最大,对相乘结果进行归一化,得到一个概率参数。
利用下式,求纹理增强后亮度分量矩阵的最终灰度级出现的概率值:
g(t)=(1-k)*u+k*h(t) if(5<t<220)
其中,g(t)表示纹理增强后亮度分量矩阵的最终灰度级出现的概率值,t表示纹理增强后亮度分量矩阵的灰度值,k表示概率参数,u表示比例参数,h(t)表示纹理增强后亮度分量的原始灰度级出现的概率值,a表示经验参数,a的取值范围为[1,5],*表示相乘操作。
将纹理增强后亮度分量矩阵的最终灰度级出现的概率值,代入下述直方图均衡化的灰度级转换函数中,得到纹理增强后亮度分量矩阵的灰度值的映射值:
sx=int[(L-1)*px+0.5]
其中,px表示纹理增强后亮度分量矩阵的最终灰度级出现的概率值的累加和,x表示纹理增强后亮度分量矩阵的灰度值,x的取值范围为0~255,g(f)表示纹理增强后亮度分量矩阵的最终灰度级出现概率值,f表示一个变量,f=0,1,2,...,x,sx表示纹理增强后亮度分量矩阵的灰度值x的映射值,int表示取整操作,L表示灰度级的最大值。
用纹理增强后亮度分量矩阵的灰度值的映射值,替换纹理增强后亮度分量矩阵中的像素点的灰度值,得到对比度增强后的亮度分量矩阵。
用对比度增强后的亮度分量矩阵,替换步骤2中待处理图像的亮度分量矩阵,得到对比度增强图像。
步骤7,判断视频序列的最后一帧视频图像是否处理完毕,若是,执行步骤8;否则,执行步骤2。
步骤8,输出视频序列。
下面结合附图2对本发明的仿真效果做进一步说明。
1.仿真数据:
仿真所使用待处理的测试视频图像为标准视频测试序列中的suzie_qcif视频序列的第一帧图像,图像大小为176×144,视频图像具有亮度分量和色度分量,其中,亮度分量的灰度级为256。
2.仿真结果与分析:
附图2是本发明的仿真结果图,其中,附图2(a)为待处理图像的原图;附图2(b)为修改直方图方法的效果图;附图2(c)为本发明提升视频图像清晰度方法的效果图。
对比附图2中的三幅子图,可以看出修改直方图方法虽然提升了原图的清晰度,但出现了过度曝光的情况,使得整幅图像发白,与人眼看到的场景情况不符。本发明则很好地利用了原图自身的纹理程度和像素分布情况,对待处理图像的原图进行自适应增强,尤其在图中头像的发丝部分,纹理增强效果表现明显。此外,整幅图在对比度方面也有很好的效果。
综上所述,可以看出本发明能够很好的提升视频图像的清晰度,克服了一般清晰度增强技术不能够依据图像自身内容进行增强的缺点。
Claims (6)
1.一种提升视频图像清晰度的方法,包括如下步骤:
(1)输入待提升图像清晰度的视频序列;
(2)在输入视频序列中选取一帧图像,作为待处理图像;
(3)比较待处理图像的分辨率和显示设备分辨率,若待处理图像的分辨率小于显示设备的分辨率,则认为该待处理图像需要进行插值,执行步骤(4);否则,执行步骤(5);
(4)插值处理:
(4a)将待处理图像的亮度分量矩阵划分为2×2边缘相互重叠的多个小块,选取其中的一个小块作为当前块,以当前块的对角线交点作为一个待插值点;
(4b)对待插值点四周的四个像素点求均值,将该四个像素点分别与所获得的均值求方差,得到四个方差值;
(4c)利用下式,计算待插值点的四个权重系数:
wi=(varj+c)-2
其中,wi表示待插值点的第i个权重系数,i=1,2,3,4,varj表示四个方差值中的第j个方差值,j=1,2,3,4,c表示经验常数,c=0.25;
(4d)利用下式,求待插值点的像素值:
其中,y表示待插值点的像素值,wi表示待插值点的第i个权重系数,i=1,2,3,4,xm表示待插值点四周的第m个像素点的灰度值,m=1,2,3,4,∑表示累加操作,*表示相乘操作;
(4e)将待插值点的像素值插入当前块的对角线交点;
(4f)重复步骤(4a)至步骤(4e),直至处理完亮度分量矩阵的最后一个待插值点;
(4g)判断亮度分量矩阵是否插值完毕,若是,得到插值后的亮度分量矩阵;否则,执行步骤(4a);
(4h)重复步骤(4a)至步骤(4g),对待处理图像的色度分量矩阵进行处理,得到插值后的色度分量矩阵;
(5)增强纹理:
(5a)选取插值后的亮度分量矩阵中的一个像素点,作为待增强像素点,以该待增强像素点为中心,取大小为3×3像素大小的图像块,将该图像块分别与水平索贝尔Sobel算子和垂直索贝尔Sobel算子进行卷积,得到该像素点在水平方向上的梯度值和垂直方向上的梯度值,对所获得的两个梯度值求均方根;
(5b)对均方根进行归一化处理,将归一化处理后的均方根与纹理增强强度控制因子相乘,得到待增强像素点的最终纹理增强强度控制因子;
(5c)利用下式,求待增强像素点纹理增强模板的外层参数:
其中,Tn表示待增强像素点纹理增强模板的外层参数,n表示待增强像素点的纹理增强模板的大小,v表示待增强像素点的最终纹理增强强度控制因子,Γ(·)表示伽马函数,∑表示累加操作,!表示阶层操作;
(5d)利用下式,求待增强像素点纹理增强模板的中心参数:
R=1-∑8*n*Tn
其中,R表示待增强像素点纹理增强模板的中心参数,Tn表示待增强像素点纹理增强模板的外层参数,n表示待增强像素点的纹理增强模板的大小,∑表示累加操作,*表示相乘操作;
(5e)以待增强像素点为中心,取大小为3×3像素大小的图像块,将该图像块与待增强像素点纹理增强模板进行卷积,得到待增强像素点的灰度值;
(5f)用待增强像素点的灰度值,替换插值后亮度分量矩阵中的像素点的灰度值;
(5g)重复步骤(5a)至步骤(5f),直至插值后亮度分量矩阵中的最后一个像素点替换完毕,得到纹理增强后的亮度分量矩阵;
(6)增强对比度:
(6a)删除纹理增强后亮度分量矩阵中的第一列和第二列,将剩余的纹理增强后亮度分量矩阵中的其他列组成一个新的矩阵,用纹理增强后亮度分量矩阵减去该新的矩阵,得到一个差值矩阵;
(6b)统计差值矩阵中绝对值大于阈值的元素个数,将统计结果除以256,得到一个比例参数;
(6c)对差值矩阵中每个元素的绝对值求和,将求和结果与对比度增强因子相乘,对相乘结果进行归一化,得到一个概率参数;
(6d)利用下式,求纹理增强后亮度分量矩阵的最终灰度级出现的概率值:
g(t)=(1-k)*u+k*h(t) if(5<t<220)
其中,g(t)表示纹理增强后亮度分量矩阵的最终灰度级出现的概率值,t表示纹理增强后亮度分量矩阵的灰度值,k表示概率参数,u表示比例参数,h(t)表示纹理增强后亮度分量的原始灰度级出现的概率值,a表示经验参数,a的取值范围为[1,5],*表示相乘操作;
(6e)将纹理增强后亮度分量矩阵的最终灰度级出现的概率值,代入直方图均衡化的灰度级转换函数中,得到纹理增强后亮度分量矩阵的灰度值的映射值;
(6f)用纹理增强后亮度分量矩阵的灰度值的映射值,替换纹理增强后亮度分量矩阵中的灰度值,得到对比度增强后的亮度分量矩阵;
(6g)用对比度增强后的亮度分量矩阵,替换步骤(2)中待处理图像的亮度分量矩阵,得到对比度增强图像;
(7)判断视频序列的最后一帧图像是否处理完毕,若是,执行步骤(8);否则,执行步骤(2);
(8)输出视频序列。
2.根据权利要求1所述的提升视频图像清晰度的方法,其特征在于:步骤(5a)中所述水平索贝尔Sobel算子与垂直索贝尔Sobel算子分别表示如下:
其中,Sobel1表示水平索贝尔Sobel算子,Sobel2表示垂直索贝尔Sobel算子。
3.根据权利要求1所述的提升视频图像清晰度的方法,其特征在于:步骤(5b)中所述纹理增强强度控制因子的取值为范围[0.01,0.1]内的一个任意小数,取值为0.01的时候纹理增强程度最小,取值为0.1的时候纹理增强程度最大。
4.根据权利要求1所述的提升视频图像清晰度的方法,其特征在于:步骤(6b)中所述阈值的取值为范围[3,5]内的一个任意整数。
5.根据权利要求1所述的提升视频图像清晰度的方法,其特征在于:步骤(6c)中所述对比度增强因子的取值为范围[1,20]内的一个任意整数,取值为1的时候对比度增强程度最小,取值为20的时候对比度增强程度最大。
6.根据权利要求1所述的提升视频图像清晰度的方法,其特征在于:步骤(6e)中所述直方图均衡化的灰度转换函数为:
sx=int[(L-1)*px+0.5]
其中,sx表示灰度值的映射值,x表示纹理增强后亮度分量矩阵的灰度值,x的取值范围为[0,255],int表示取整操作,L表示灰度级的最大值,px表示纹理增强后亮度分量的最终灰度级出现概率值的累加和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410402860.8A CN104166967B (zh) | 2014-08-15 | 2014-08-15 | 提升视频图像清晰度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410402860.8A CN104166967B (zh) | 2014-08-15 | 2014-08-15 | 提升视频图像清晰度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104166967A true CN104166967A (zh) | 2014-11-26 |
CN104166967B CN104166967B (zh) | 2017-05-17 |
Family
ID=51910760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410402860.8A Active CN104166967B (zh) | 2014-08-15 | 2014-08-15 | 提升视频图像清晰度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104166967B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104766319A (zh) * | 2015-04-02 | 2015-07-08 | 西安电子科技大学 | 提升夜间拍照图像配准精度的方法 |
CN105469367A (zh) * | 2015-11-27 | 2016-04-06 | 合一网络技术(北京)有限公司 | 动态视频图像清晰度强化方法及装置 |
CN108810498A (zh) * | 2017-08-04 | 2018-11-13 | 成都理想境界科技有限公司 | 一种扫描投影方法及扫描投影设备 |
CN109064507A (zh) * | 2018-08-21 | 2018-12-21 | 北京大学深圳研究生院 | 一种用于视频预测的多运动流深度卷积网络模型方法 |
CN109936679A (zh) * | 2017-12-19 | 2019-06-25 | 瑞昱半导体股份有限公司 | 影像梯度提升方法与影像梯度提升电路 |
CN110691216A (zh) * | 2019-06-22 | 2020-01-14 | 王刚 | 运行状态现场监测机构 |
CN111462002A (zh) * | 2020-03-19 | 2020-07-28 | 重庆理工大学 | 一种基于卷积神经网络的水下图像增强与复原方法 |
CN112784923A (zh) * | 2021-02-07 | 2021-05-11 | 重庆渝抗医药科技有限公司 | 大数据环境下医疗异常影像的分类方法 |
CN112927142A (zh) * | 2021-04-02 | 2021-06-08 | 中国人民解放军国防科技大学 | 一种基于时域插值的高速高分辨率视频生成方法和装置 |
CN114664216A (zh) * | 2022-02-21 | 2022-06-24 | 北京富通亚讯网络信息技术有限公司 | 基于双域锁模技术的分集信号产生系统及方法 |
WO2023142715A1 (zh) * | 2022-01-27 | 2023-08-03 | 腾讯科技(深圳)有限公司 | 视频编码方法、实时通信方法、装置、设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810675A (zh) * | 2013-09-09 | 2014-05-21 | 深圳市华星光电技术有限公司 | 图像超分辨率重构系统及方法 |
-
2014
- 2014-08-15 CN CN201410402860.8A patent/CN104166967B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810675A (zh) * | 2013-09-09 | 2014-05-21 | 深圳市华星光电技术有限公司 | 图像超分辨率重构系统及方法 |
Non-Patent Citations (2)
Title |
---|
FRANCK NEYCENSSAC: "《Contrase Enhancement Using the Laplacian-of-Gaussian Filter》", 《CVGIP:GRAPHICAL MODELS AND IMAGE PROCESSING》 * |
HAYIT GREENSPAN ET AL: "《Image Enhancement By Nonlinear Extrapolation in Frequency Space》", 《IEEE TRANSACTIONS ON IMAGE PROCESSING,》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104766319B (zh) * | 2015-04-02 | 2017-06-13 | 西安电子科技大学 | 提升夜间拍照图像配准精度的方法 |
CN104766319A (zh) * | 2015-04-02 | 2015-07-08 | 西安电子科技大学 | 提升夜间拍照图像配准精度的方法 |
CN105469367A (zh) * | 2015-11-27 | 2016-04-06 | 合一网络技术(北京)有限公司 | 动态视频图像清晰度强化方法及装置 |
CN108810498A (zh) * | 2017-08-04 | 2018-11-13 | 成都理想境界科技有限公司 | 一种扫描投影方法及扫描投影设备 |
CN109936679B (zh) * | 2017-12-19 | 2022-03-08 | 瑞昱半导体股份有限公司 | 影像梯度提升方法与影像梯度提升电路 |
CN109936679A (zh) * | 2017-12-19 | 2019-06-25 | 瑞昱半导体股份有限公司 | 影像梯度提升方法与影像梯度提升电路 |
CN109064507A (zh) * | 2018-08-21 | 2018-12-21 | 北京大学深圳研究生院 | 一种用于视频预测的多运动流深度卷积网络模型方法 |
WO2020037965A1 (zh) * | 2018-08-21 | 2020-02-27 | 北京大学深圳研究生院 | 一种用于视频预测的多运动流深度卷积网络模型方法 |
CN109064507B (zh) * | 2018-08-21 | 2021-06-22 | 北京大学深圳研究生院 | 一种用于视频预测的多运动流深度卷积网络模型方法 |
CN110691216A (zh) * | 2019-06-22 | 2020-01-14 | 王刚 | 运行状态现场监测机构 |
CN111462002A (zh) * | 2020-03-19 | 2020-07-28 | 重庆理工大学 | 一种基于卷积神经网络的水下图像增强与复原方法 |
CN111462002B (zh) * | 2020-03-19 | 2022-07-12 | 重庆理工大学 | 一种基于卷积神经网络的水下图像增强与复原方法 |
CN112784923A (zh) * | 2021-02-07 | 2021-05-11 | 重庆渝抗医药科技有限公司 | 大数据环境下医疗异常影像的分类方法 |
CN112927142A (zh) * | 2021-04-02 | 2021-06-08 | 中国人民解放军国防科技大学 | 一种基于时域插值的高速高分辨率视频生成方法和装置 |
CN112927142B (zh) * | 2021-04-02 | 2022-11-11 | 中国人民解放军国防科技大学 | 一种基于时域插值的高速高分辨率视频生成方法和装置 |
WO2023142715A1 (zh) * | 2022-01-27 | 2023-08-03 | 腾讯科技(深圳)有限公司 | 视频编码方法、实时通信方法、装置、设备及存储介质 |
CN114664216A (zh) * | 2022-02-21 | 2022-06-24 | 北京富通亚讯网络信息技术有限公司 | 基于双域锁模技术的分集信号产生系统及方法 |
CN114664216B (zh) * | 2022-02-21 | 2022-10-18 | 北京富通亚讯网络信息技术有限公司 | 一种带mpo光纤功能的显示系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104166967B (zh) | 2017-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104166967A (zh) | 提升视频图像清晰度的方法 | |
Wang et al. | An experiment-based review of low-light image enhancement methods | |
CN104346776B (zh) | 基于Retinex理论的非线性图像增强方法及其系统 | |
CN105374007B (zh) | 融合骨架笔画和纹理特征的铅笔画生成方法和装置 | |
CN104537615B (zh) | 一种基于HSV色彩空间的局部Retinex增强方法 | |
CN103295191B (zh) | 多尺度视觉自适应图像增强方法及评价方法 | |
Salih et al. | Tone mapping of HDR images: A review | |
US9336578B2 (en) | Interactive tone mapping for high dynamic range video | |
CN110610463A (zh) | 一种图像增强方法及装置 | |
CN105205794B (zh) | 一种低照度图像的同步增强去噪方法 | |
CN104240194A (zh) | 一种基于抛物线函数的低照度图像增强算法 | |
CN108022223B (zh) | 一种基于对数映射函数分块处理融合的色调映射方法 | |
CN110706172B (zh) | 基于自适应混沌粒子群优化的低照度彩色图像增强方法 | |
CN103034983B (zh) | 一种基于各向异性滤波的去雾方法 | |
CN104574328A (zh) | 一种基于直方图分割的彩色图像增强方法 | |
US9892542B2 (en) | Creating bump and normal maps from images with multi-scale control | |
CN107895350B (zh) | 一种基于自适应双伽玛变换的hdr图像生成方法 | |
US11887218B2 (en) | Image optimization method, apparatus, device and storage medium | |
CN109919859A (zh) | 一种户外场景图像去雾增强方法、计算设备及其存储介质 | |
Sun et al. | Brightness preserving image enhancement based on a gradient and intensity histogram | |
CN107516302A (zh) | 一种基于OpenCV的混合图像增强的方法 | |
Huang et al. | An advanced gradient histogram and its application for contrast and gradient enhancement | |
CN105426847A (zh) | 低质量自然光虹膜图像非线性增强方法 | |
CN103295205A (zh) | 一种基于Retinex的微光图像快速增强方法和装置 | |
CN104616259B (zh) | 一种噪声强度自适应的非局部均值图像去噪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |