CN105354817A - 一种噪声图像自动聚焦方法 - Google Patents
一种噪声图像自动聚焦方法 Download PDFInfo
- Publication number
- CN105354817A CN105354817A CN201510619505.0A CN201510619505A CN105354817A CN 105354817 A CN105354817 A CN 105354817A CN 201510619505 A CN201510619505 A CN 201510619505A CN 105354817 A CN105354817 A CN 105354817A
- Authority
- CN
- China
- Prior art keywords
- image
- noise
- focusing
- focusing method
- processing region
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000011156 evaluation Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000001914 filtration Methods 0.000 claims abstract description 10
- 230000009467 reduction Effects 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims description 25
- 230000000694 effects Effects 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 6
- 238000011946 reduction process Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 230000035945 sensitivity Effects 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000009514 concussion Effects 0.000 description 2
- 239000006002 Pepper Substances 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Automatic Focus Adjustment (AREA)
Abstract
本发明属于智能监控应用技术领域,特别涉及一种噪声图像自动聚焦方法。该噪声图像自动聚焦方法为:获取当前待处理的图像,进行灰度化处理,得到其灰度图像;对得到的灰度图像设置聚焦处理区域;对聚焦处理区域内的图像进行缩放处理;对缩放后的图像进行滤波降噪处理;计算降噪后图像的自动聚焦评价值,得到时间序列聚焦曲线图。本发明的有益效果是:在保持低复杂度的基础上,很大程度上去除了噪声对于图像细节部分的影响,提高了图像聚焦评价值的准确性,尤其对于受噪声污染较大的视频图像,能够获取单峰性、灵敏度比较好的聚焦曲线。
Description
(一)技术领域
本发明属于智能监控应用技术领域,特别涉及一种噪声图像自动聚焦方法。
(二)背景技术
在安全理念越来越重要的今天,安防监控系统的重要性也日益凸现,出于安全和管理的需要,人们需要对关注的场所进行监控。监控摄像机自动聚焦性能如聚焦速度和效果的好坏直接影响到监控现场画面的观看和录像。
目前,监控摄像机主要有两种聚焦类型:一种是自动聚焦,另一种是手动聚焦。对于基于画面处理的自动聚焦技术而言,其首先对数字画面进行采集,通过一定滤波处理提高图像质量,利用聚焦评价函数对图像进行评价,计算得到每帧图像的聚焦值,然后形成一时间序列的聚焦曲线,通过极点搜索算法获取最佳聚焦位置。目前大多数的自动聚焦算法也是基于此过程。
聚焦曲线应具有单峰性、准确性、单调性等特点,好的聚焦曲线是准确聚焦的基础。聚焦图像相比离焦图像包含更多的信息与细节,通过评价函数计算得到的图像聚焦值通常是基于检测图像清晰度为基础。目前,针对图像清晰度评价函数已有较为广泛的研究,常见的图像清晰度评价函数可以分为空域和频域两大类,主要有以下几种:基于图像灰度差分变换函数,如灰度梯度函数、Robert、拉普拉斯等梯度函数;基于图像灰度熵函数以及频域类函数,如图像信息熵函数、DCT变换、快速傅里叶变换函数等。这些评价函数在没有噪声或噪声很小的情况下可以获得比较好的评价曲线,但对于噪声影响较大的视频图像则不能得到很好的效果,噪声会影响图像中边缘和轮廓信息,如果不对图像进行有效的处理,会使得评价曲线出现多波峰、震荡的情况,结果是导致聚焦位置不准确,或聚焦失败。而在实际应用中,摄像机采集到的图像常常由于各种原因会受到各种噪声的影响,简单的滤波并不能很好的去除噪声,从而不能获得准确的聚焦位置。
目前大多数自动聚焦算法将重点放在提升搜索聚焦极值上,而对计算评价值的图像重视不够。如专利申请号为201310447587.6的一种快速自适应自动聚焦方法,自适应的选取对焦区域使用Laplace函数计算清晰度评价值,对于噪声较少的视频序列提高了聚焦的速度,但是对于受到噪声干扰的图像使用该方法得到的评价曲线会呈现震荡且单峰不明显的情况,此时的极值搜索算法并不能够得到准确的聚焦图像。加强对图像的预处理,能够得到单调性和单峰性更加好的聚焦曲线,即使使用简单的极值搜索策略也能准确的找到聚焦的位置。
(三)发明内容
本发明为了弥补现有技术的不足,提供了一种噪声图像自动聚焦方法,增加了对图像的预处理,有效降低了噪声对于图像清晰度判定的影响,提高了算法的抗噪性和准确性,有助于获取单峰性、灵敏度好的聚焦曲线。
本发明是通过如下技术方案实现的:
一种噪声图像自动聚焦方法,其特征是:包括以下步骤:
(1)、获取当前待处理的图像,进行灰度化处理,得到其灰度图像;
(2)、对得到的灰度图像设置聚焦处理区域;
(3)、对聚焦处理区域内的图像进行缩放处理;
(4)、对缩放后的图像进行滤波降噪处理;
(5)、计算降噪后图像的自动聚焦评价值,得到时间序列聚焦曲线图。
优选的,在步骤(1)中,若获取的待处理图像为YUV格式,只取出其Y分量。
优选的,在步骤(2)中,可选择画面中心区域或中心偏下区域作为聚焦处理区域。
优选的,在步骤(3)中,通过对图像进行下采样,去除噪声影响的同时保留原图像的轮廓信息,得到小分辨率的处理图像。
优选的,在步骤(5)中,利用每帧计算得到的该自动聚焦值,得到整个视频序列的时间序列聚焦曲线图。
优选的,在步骤(5)中,采用基于空域或频域或时域的聚焦评价函数计算去噪图像的自动聚焦评价值。
本发明的有益效果是:在保持低复杂度的基础上,很大程度上去除了噪声对于图像细节部分的影响,提高了图像聚焦评价值的准确性,尤其对于受噪声污染较大的视频图像,能够获取单峰性、灵敏度比较好的聚焦曲线。
(四)附图说明
下面结合附图对本发明作进一步的说明。
附图1为本发明的流程图;
附图2为本发明的聚焦处理区域为画面中心区域的示意图;
附图3为本发明的聚焦处理区域为画面中心偏下区域的示意图。
(五)具体实施方式
附图为本发明的一种具体实施例。该实施例包括以下步骤:获取当前待处理的视频图像(若获取的YUV格式的待处理视频,只取出其Y分量即可),进行灰度化处理,得到其灰度图像;对得到的灰度图像设置聚焦处理区域,聚焦处理区域即为后面处理关注的目标所在区域,一般目标位于监控画面的中心区域,而监控画面的两边和上下两侧的图像对画面的影响较小,设置聚焦处理区域的时候,可选择画面中心区域或中心偏下区域;对聚焦区域内的图像进行缩放处理,即下采样以得到小分辨率的处理图像,以减少大量噪声对图像的影响,可以有效保存原始图像的轮廓特征,极大地降低噪声对图像细节的影响;对缩放后的图像进行滤波处理,进一步去除图像中存在的噪声;计算所述去噪后图像的自动聚焦评价值,利用每帧计算得到的该自动聚焦值,得到整个视频序列的时间序列聚焦曲线图;采用基于空域或者频域或时域的聚焦评价函数计算去噪图像的自动聚焦值:空域聚焦评价函数多是基于图像的梯度信息或者像素差分信息计算图像的评价值;频域聚焦评价函数是基于图像高频信息量计算图像的评价值,突出了离焦图像间差异频率的能量。
采用本发明的一种噪声图像自动聚焦方法,其流程包括以下步骤:
步骤101,根据摄像机拍摄的图像,获取前端采集的图像。
步骤102,对获取到的视频图像进行灰度化处理,得到其灰度图像。
步骤103,针对灰度图像,设置聚焦处理区域。
其中,由于整幅图像中关注点一般都在中间部分,两侧对聚焦值计算的贡献较小,甚至会起到负面作用,设置聚焦处理区域不仅可以减少计算复杂度还可以突出重要部分进行准确对焦;因此,对原图大小的灰度图像获取聚焦区域包括:根据灰度图像大小获取其中间区域的窗口作为聚焦处理的感兴趣区域。
可选的,在本实施例中感兴趣区域可选择如图2、3所示的聚焦区域。如选择待处理图像的中间区域,或者是选择中下部分的中间区域图像,这种中心窗口的选择方法适用于大多数的聚焦场景。选取感兴趣区域在尽量不丢失有效可用信息的同时可以降低计算的复杂度。
步骤104,对设置的聚焦处理区域进行缩放以获取小分辨率的处理图像。
噪声会严重影响图像中的细节部分,如物体边缘,轮廓等信息,而这些细节信息正是判定图像清晰度的重要依据。针对聚焦区域的图像,进行缩放处理,可尽可能的去除噪声的影响,同时保留图像的轮廓信息。
在此步骤中,将原图较大分辨率的图像进行缩小,即下采样操作,该步骤可有效减小噪声对视频图像的影响。在大幅度减轻噪声影响的同时,尽可能的保留原图中的轮廓等有效信息,对严重噪声影响的视频图像效果尤为明显。
较佳的,在该步骤中,对图像进行缩放的方法可以按照现有任意一种图像缩放算法进行处理,如分块均值下采样或等间隔取值下采样等方法。
下面以分块求均值下采样方法为例,阐述一下图像缩放的实施方法。
图像的缩小实际是通过减少像素个数来实现的,较少图像的像素会造成图像信息的丢失,在原图中合理选择像素方法可以保持原图的概貌特征不丢失,而对于噪声信息会得到破坏。
局部均值的图像缩小方法,在求缩小图像的像素时,不仅仅单纯的取原图像的采样点像素,而是以相邻的两个采样点为分割,将原图分成一个个的子块,提出子块的像素的均值作为新图像的一个像素值。遍历原图的每个子块,即可得到一幅新的小分辨率的图像。
步骤105,对上述处理得到的小分辨率灰度图像进行滤波去噪得到降噪后图像,包括:利用空域滤波器对待处理图像进行滤波,可以去除部分噪声。该步骤可以进一步去除图像中存在的噪声。
常用滤波器可以在一定程度上去除图像中的噪声,其使用空域模板在待处理的图像中逐点的移动,滤波器在该点的响应通过事先定义的滤波器系数与滤波模板扫过区域的相应像素值的关系来计算。如均值滤波器,使用邻域像素值的均值代替像素值,可以有效去除图像中的随机噪声;统计滤波器如中值滤波由统计排序的结果决定的值代替中心像素的值,对于脉冲噪声如椒盐噪声非常有效;高斯滤波器可以有效去除图像中的高斯白噪声。空域滤波的方法不限于上述描述的方法。
步骤106,对经过上述处理后的图像选择合理的聚焦评价函数计算图像的聚焦值。
可选的,本实施例中,可选用时域分析的聚焦评价函数,分析去噪图像的清晰度,当图像比较清晰时,图像包含的细节会比较丰富,其表现为图像的灰度变化比较明显,边缘与轮廓相对较清晰。获取图像聚焦值的聚焦评价函数的计算方法有很多种,包括但不限于下列计算方法:空域评价函数,频域评价函数。较佳的,本实施例中,以梯度能量聚焦评价函数为例,介绍评价值的计算。其计算公式如下:
其中,h,w表示去噪图像的高度和宽度,g(x,y)表示位于(x,y)处的像素的灰度值,F为去噪图像的聚焦评价值。
该评价函数计算当前像素水平和垂直方向相邻像素之间的灰度差值的平方和,并将左右元素的灰度差值平方和的值求和,作为当前处理图像的聚焦评价值。每帧图像都可以计算得到一个聚焦评价值,整个视频就会形成一个时间序列曲线,使用相应的搜索算法找到该评价曲线的最高点,即曲线的峰值点,此位置对应视频最佳聚焦位置,该位置上的图像最为清晰。
本发明所列出的一系列的详细说明,仅仅是对本发明的可行性实施方式的具体说明,并非用以限制本发明的保护范围,在不背离本发明精神或基本特征的情况下,以其他的具体形式、等效方式、变更方式实现本发明,均应包含在本发明的保护范围之内。
本发明按照实施例的方式描述,但并不是每个实施方式仅包含一个独立的技术方案,还应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
此外,本发明实施例是用流程图和/或方框图来描述的,计算机程序指令实现流程图和/或方框图,除了可提供方法或计算机程序产品外,还可提供计算机程序指令到计算机嵌入式处理机或者其他可编程数据处理设备中,使其产生流程图和/或方框图中的功能。
Claims (6)
1.一种噪声图像自动聚焦方法,其特征是:包括以下步骤:
(1)、获取当前待处理的图像,进行灰度化处理,得到其灰度图像;
(2)、对得到的灰度图像设置聚焦处理区域;
(3)、对聚焦处理区域内的图像进行缩放处理;
(4)、对缩放后的图像进行滤波降噪处理;
(5)、计算降噪后图像的自动聚焦评价值,得到时间序列聚焦曲线图。
2.根据权利要求1所述的一种噪声图像自动聚焦方法,其特征是:在步骤(1)中,若获取的待处理图像为YUV格式,只取出其Y分量。
3.根据权利要求1所述的一种噪声图像自动聚焦方法,其特征是:在步骤(2)中,选择画面中心区域或中心偏下区域作为聚焦处理区域。
4.根据权利要求1所述的一种噪声图像自动聚焦方法,其特征是:在步骤(3)中,通过对图像进行下采样,去除噪声影响的同时保留原图像的轮廓信息,得到小分辨率的处理图像。
5.根据权利要求1所述的一种噪声图像自动聚焦方法,其特征是:在步骤(5)中,利用每帧计算得到的该自动聚焦值,得到整个视频序列的时间序列聚焦曲线图。
6.根据权利要求1所述的一种噪声图像自动聚焦方法,其特征是:在步骤(5)中,采用基于空域或频域或时域的聚焦评价函数计算去噪图像的自动聚焦评价值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510619505.0A CN105354817A (zh) | 2015-09-25 | 2015-09-25 | 一种噪声图像自动聚焦方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510619505.0A CN105354817A (zh) | 2015-09-25 | 2015-09-25 | 一种噪声图像自动聚焦方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105354817A true CN105354817A (zh) | 2016-02-24 |
Family
ID=55330784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510619505.0A Pending CN105354817A (zh) | 2015-09-25 | 2015-09-25 | 一种噪声图像自动聚焦方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105354817A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109246352A (zh) * | 2018-08-29 | 2019-01-18 | 中国科学院长春光学精密机械与物理研究所 | 一种调焦方法及装置 |
CN109785323A (zh) * | 2019-01-25 | 2019-05-21 | 淮阴师范学院 | 一种基于中频滤波的图像聚焦测度实现方法 |
CN109859195A (zh) * | 2019-01-25 | 2019-06-07 | 淮阴师范学院 | 一种基于局部相位特征的图像聚焦测度实现方法 |
CN109886943A (zh) * | 2019-01-25 | 2019-06-14 | 淮阴师范学院 | 一种基于数论变换的图像聚焦测度实现方法 |
CN109886942A (zh) * | 2019-01-25 | 2019-06-14 | 淮阴师范学院 | 一种基于图像峭度的聚焦测度实现方法 |
CN109934801A (zh) * | 2019-01-25 | 2019-06-25 | 淮阴师范学院 | 一种基于分块哈达玛变换的图像聚焦测度实现方法 |
CN110780438A (zh) * | 2019-10-23 | 2020-02-11 | 山西大学 | 一种激光共聚焦显微镜的自动聚焦的方法 |
CN112184569A (zh) * | 2020-09-08 | 2021-01-05 | 杭州三坛医疗科技有限公司 | 图像修复方法和图像修复装置 |
CN113628119A (zh) * | 2020-05-06 | 2021-11-09 | 北京君正集成电路股份有限公司 | 一种图像去噪过程中识别待去噪块的方法 |
CN113947546A (zh) * | 2021-10-18 | 2022-01-18 | 江阴市人人达科技有限公司 | 影像画面多层滤波处理系统 |
CN113960778A (zh) * | 2021-09-29 | 2022-01-21 | 成都西图科技有限公司 | 一种基于中频滤波的动态步长聚焦方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100123818A1 (en) * | 2008-11-17 | 2010-05-20 | Hitachi, Ltd. | Focus Control Device and Focus Control Method |
CN101943839A (zh) * | 2010-07-06 | 2011-01-12 | 浙江大学 | 一体化的自动聚焦摄像机装置及清晰度评价方法 |
CN104459940A (zh) * | 2013-09-25 | 2015-03-25 | 北京环境特性研究所 | 一种快速自适应自动聚焦方法 |
-
2015
- 2015-09-25 CN CN201510619505.0A patent/CN105354817A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100123818A1 (en) * | 2008-11-17 | 2010-05-20 | Hitachi, Ltd. | Focus Control Device and Focus Control Method |
CN101943839A (zh) * | 2010-07-06 | 2011-01-12 | 浙江大学 | 一体化的自动聚焦摄像机装置及清晰度评价方法 |
CN104459940A (zh) * | 2013-09-25 | 2015-03-25 | 北京环境特性研究所 | 一种快速自适应自动聚焦方法 |
Non-Patent Citations (2)
Title |
---|
樊攀: "基于数字图像处理的自动聚焦系统算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
龙红梅: "视频图像降噪算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109246352A (zh) * | 2018-08-29 | 2019-01-18 | 中国科学院长春光学精密机械与物理研究所 | 一种调焦方法及装置 |
CN109859195B (zh) * | 2019-01-25 | 2023-06-16 | 淮阴师范学院 | 一种基于局部相位特征的图像聚焦测度实现方法 |
CN109785323A (zh) * | 2019-01-25 | 2019-05-21 | 淮阴师范学院 | 一种基于中频滤波的图像聚焦测度实现方法 |
CN109859195A (zh) * | 2019-01-25 | 2019-06-07 | 淮阴师范学院 | 一种基于局部相位特征的图像聚焦测度实现方法 |
CN109886943A (zh) * | 2019-01-25 | 2019-06-14 | 淮阴师范学院 | 一种基于数论变换的图像聚焦测度实现方法 |
CN109886942A (zh) * | 2019-01-25 | 2019-06-14 | 淮阴师范学院 | 一种基于图像峭度的聚焦测度实现方法 |
CN109934801A (zh) * | 2019-01-25 | 2019-06-25 | 淮阴师范学院 | 一种基于分块哈达玛变换的图像聚焦测度实现方法 |
CN109785323B (zh) * | 2019-01-25 | 2024-01-30 | 淮阴师范学院 | 一种基于中频滤波的图像聚焦测度实现方法 |
CN110780438A (zh) * | 2019-10-23 | 2020-02-11 | 山西大学 | 一种激光共聚焦显微镜的自动聚焦的方法 |
CN113628119A (zh) * | 2020-05-06 | 2021-11-09 | 北京君正集成电路股份有限公司 | 一种图像去噪过程中识别待去噪块的方法 |
CN113628119B (zh) * | 2020-05-06 | 2024-05-03 | 北京君正集成电路股份有限公司 | 一种图像去噪过程中识别待去噪块的方法 |
CN112184569A (zh) * | 2020-09-08 | 2021-01-05 | 杭州三坛医疗科技有限公司 | 图像修复方法和图像修复装置 |
CN113960778A (zh) * | 2021-09-29 | 2022-01-21 | 成都西图科技有限公司 | 一种基于中频滤波的动态步长聚焦方法 |
CN113947546A (zh) * | 2021-10-18 | 2022-01-18 | 江阴市人人达科技有限公司 | 影像画面多层滤波处理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105354817A (zh) | 一种噪声图像自动聚焦方法 | |
Pertuz et al. | Generation of all-in-focus images by noise-robust selective fusion of limited depth-of-field images | |
CN111091503B (zh) | 基于深度学习的图像去失焦模糊方法 | |
Yousefi et al. | A new auto-focus sharpness function for digital and smart-phone cameras | |
CN111091091A (zh) | 目标对象重识别特征的提取方法、装置、设备及存储介质 | |
US8320700B2 (en) | Apparatus and method of estimating scale ratio and noise strength of encoded image | |
US8553137B2 (en) | Image data processing method and apparatus | |
CN109509163B (zh) | 一种基于fgf的多聚焦图像融合方法及系统 | |
Zhang et al. | Focus and blurriness measure using reorganized DCT coefficients for an autofocus application | |
CN116091322B (zh) | 超分辨率图像重建方法和计算机设备 | |
CN107911599B (zh) | 一种红外图像全局自动对焦方法及装置 | |
CN103578080A (zh) | 一种图像降噪并增强图像的算法 | |
KR101204433B1 (ko) | 잡음에 강인한 초점값을 이용한 자동초점 장치 및 방법 | |
CN117011205A (zh) | 一种像素级多焦图像融合方法、存储介质及装置 | |
Rahmat et al. | Comparison of LULU and median filter for image denoising | |
Kwon et al. | All-in-focus imaging using average filter-based relative focus measure | |
CN103841312B (zh) | 物体侦测装置及方法 | |
Xia et al. | Ladar range image denoising by a nonlocal probability statistics algorithm | |
CN112001387A (zh) | 对焦区域的确定方法及装置、终端、存储介质 | |
Cao et al. | Auto-focusing evaluation functions in digital image system | |
Yao et al. | Extreme Zoom Surveillance: System Design and Image Restoration. | |
Guo et al. | A novel autofocus measure based on weighted walsh-hadamard transform | |
Tian et al. | Intelligent Spot Detection for Degraded Image Sequences Based on Machine Vision | |
CN105893999B (zh) | 一种感兴趣区域提取方法及装置 | |
Jain et al. | Estimation of image focus measure and restoration by wavelet |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160224 |
|
RJ01 | Rejection of invention patent application after publication |