CN106651791A - 一种单幅运动模糊图像恢复方法 - Google Patents
一种单幅运动模糊图像恢复方法 Download PDFInfo
- Publication number
- CN106651791A CN106651791A CN201611039904.0A CN201611039904A CN106651791A CN 106651791 A CN106651791 A CN 106651791A CN 201611039904 A CN201611039904 A CN 201611039904A CN 106651791 A CN106651791 A CN 106651791A
- Authority
- CN
- China
- Prior art keywords
- motion blur
- image
- blur image
- motion
- spectrogram
- 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
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000011084 recovery Methods 0.000 title abstract description 9
- 238000001914 filtration Methods 0.000 claims abstract description 18
- 230000003412 degenerative effect Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 4
- 238000013178 mathematical model Methods 0.000 abstract description 3
- 238000006731 degradation reaction Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 101100001670 Emericella variicolor andE gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000001728 nano-filtration Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000013519 translation Methods 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
- G06T5/73—Deblurring; Sharpening
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20201—Motion blur correction
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供的单幅运动模糊图像恢复方法包括:建立运动模糊图像退化过程的数学模型;对所述运动模糊图像进行二维傅里叶变换,得到频谱图;将所述频谱图进行中心化处理,得到明暗相间条纹;根据所述明暗相间条纹获得模糊参数,所述模糊参数包括模糊长度和模糊角度;对所述运动模糊图像的边界处进行最优窗处理;根据所述数学模型和所述模糊参数对最优窗处理后的所述运动模糊图像进行维纳滤波,得到复原后的所述运动模糊图像。本发明提供的单幅运动模糊图像恢复方法能够有效识别运动模糊图像中的细节问题,因而具有价高的精度和较好的复原性,能够很好的应用于不能重复拍摄的场景。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种单幅运动模糊图像恢复方法。
背景技术
在相机的曝光时间内,相机与被拍摄物体之间的相对运动会造成图像模糊,得到运动模糊图像。运动模糊图像在日常生活中普遍存在且毫无价值,给人们的生活带来很多不便。如电子眼对交通路口车辆实施监控时,需要记录车牌号码等信息,当车体运动速度较快时,电子眼所摄取到的车牌号码信息可能不清晰,影响车辆的检测及事故调查。又如在很多随着时间和空间不断改变的拍摄场景中拍摄具有不可重复性,摄影者不能二次拍摄,若某一瞬间由于相机抖动、未能设置合适焦距、摄像系统存在光学系统摄差、几何失真等原因造成图像模糊,摄影者将会失去这一珍贵的图像信息。即便有些图片能够二次拍摄,但由于条件的限制,有些图像二次拍摄的代价很大,给拍摄者造成一定的负担。因此,运动模糊图像的恢复在图像恢复中占有重要的地位。
随着科学技术的高速发展,运动模糊图像的恢复广泛应用于天文、军事、道路交通、医学图像、工业制造以及公安侦查等领域,具有重要的现实意义。目前,现有的运动模糊图像恢复方法在恢复图像时不能够识别运动模糊图像中的细节问题,进而不能很好地恢复运动模糊图像。
发明内容
本发明提供一种单幅运动模糊图像恢复方法,以解决现有运动模糊图像恢复方法不能识别运动模糊图像中细节问题的技术问题。
本发明提供一种单幅运动模糊图像恢复方法,所述方法包括:
建立运动模糊图像退化过程的数学模型;
对所述运动模糊图像进行二维傅里叶变换,得到频谱图;
将所述频谱图进行中心化处理,得到明暗相间条纹;
根据所述明暗相间条纹获得模糊参数,所述模糊参数包括模糊长度和模糊角度;
对所述运动模糊图像的边界处进行最优窗处理;
根据所述数学模型和所述模糊参数对最优窗处理后的所述运动模糊图像进行维纳滤波,得到复原后的所述运动模糊图像。
优选地,建立运动模糊图像退化过程的数学模型包括:
建立运动模糊图像退化过程的数学模型为:g(x,y)=h(x,y)*f(x,y)+n(x,y),其中,g(x,y)为退化后图像,h(x,y)为退化函数,f(x,y)为原图像,n(x,y)为外加噪声。
优选地,将所述频谱图进行中心化处理,得到频谱图包括:
调整所述频谱图的频率以所述频谱图的中心为原点由内向外依次变大,形成明暗相间条纹。
优选地,根据所述明暗相间条纹获得模糊参数包括:
截取所述明暗相间条纹的明显区域;
对明显区域的所述明暗相间条纹进行直方图均衡化和二值化处理;
对二值化处理后的所述明暗相间条纹进行canny边界检测和Hough变换;
根据经所述Hough变换后的所述明暗相间条纹鉴别条纹的方向和数量,得到模糊长度和模糊角度。
优选地,对所述运动模糊图像的边界处进行最优窗处理包括:
根据PSF函数对所述运动模糊图像的边界进行加权处理,以使所述运动模糊图像边界的像素值以所述运动模糊图像中心为原点由外向内过渡到零。
优选地,根据所述数学模型和所述模糊参数对最优窗处理后的所述运动模糊图像进行维纳滤波,得到复原后的所述运动模糊图像包括:
根据所述数学模型进行傅里叶变换,得到其中,F(u,v)为原图像,G(u,v)退化图像的傅里叶变换,H(u,v)退化函数;
根据所述模糊参数及所述计算维纳滤波参数,得到维纳滤波公式;
所述维纳滤波公式进行反向傅里叶变换得到复原后的所述运动模糊图像。
本发明的实施例提供的技术方案可以包括以下有益效果:
本发明提供的单幅运动模糊图像恢复方法包括:建立运动模糊图像退化过程的数学模型;对所述运动模糊图像进行二维傅里叶变换,得到频谱图;将所述频谱图进行中心化处理,得到明暗相间条纹;根据所述明暗相间条纹获得模糊参数,所述模糊参数包括模糊长度和模糊角度;对所述运动模糊图像的边界处进行最优窗处理;根据所述数学模型和所述模糊参数对最优窗处理后的所述运动模糊图像进行维纳滤波,得到复原后的所述运动模糊图像。本发明提供的单幅运动模糊图像恢复方法首先建立运动模糊图像退化过程的数学模型,通过对运动模糊图像进行二维傅里叶变换、频谱图中心化处理得到明暗相间条纹,进而通过对明暗相间条纹的处理获得模糊参数;通过对运动模糊图像进行最优窗处理而抑制振铃效应;最后通过数学模型和模糊参数对最优窗处理后的运动模糊图像进行维纳滤波得到清晰地复原图像。本发明提供的单幅运动模糊图像恢复方法能够有效识别运动模糊图像中的细节问题,因而具有价高的精度和较好的复原性,能够很好的应用于不能重复拍摄的场景。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的单幅运动模糊图像恢复方法流程图;
图2为本发明实施例提供的运动模糊图像退化过程的数学模型;
图3为本发明实施例提供的模糊参数获得流程图;
图4为本发明实施例提供的模糊参数具体获得实验图;
图5为本发明实施例提供的最优窗区域划分示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
请参考附图1,附图1示出了本发明实施例提供的单幅运动模糊图像恢复方法流程图,下述具体方法的描述均以附图1为基础。
本发明实施例提供了一种单幅运动模糊图像恢复方法,该方法包括:
S01:建立运动模糊图像退化过程的数学模型;
S02:对所述运动模糊图像进行二维傅里叶变换,得到频谱图;
S03:将所述频谱图进行中心化处理,得到明暗相间条纹;
S04:根据所述明暗相间条纹获得模糊参数,所述模糊参数包括模糊长度和模糊角度;
S05:对所述运动模糊图像的边界处进行最优窗处理;
S06:根据所述数学模型和所述模糊参数对最优窗处理后的所述运动模糊图像进行维纳滤波,得到复原后的所述运动模糊图像。
具体的,
S01:建立运动模糊图像退化过程的数学模型;
如附图2所示,运动模糊图像的产生过程可以使用线性移不变系统表示,因而将运动模糊图像退化过程的数学模型建立为g(x,y)=h(x,y)*f(x,y)+n(x,y),其中,g(x,y)为退化后图像,h(x,y)为退化函数,表示和原图像的卷积之后形成模糊图像的过程;f(x,y)为原图像,n(x,y)为外加噪声。运动模糊图像退化的原因为原图像f(x,y)和退化函数h(x,y)的卷积。在上式中,h(x,y)由模糊参数确定,若已知h(x,y)和g(x,y),则可反向求解f(x,y),得到复原图像。
S02:对所述运动模糊图像进行二维傅里叶变换,得到频谱图;
根据二维傅里叶变换公式对运动模糊图像进行变换得到变换后的频谱图,其中,该频谱图被分解为四块,且每一块频谱图的频率由内向外都是由高频过渡到低频。
S03:将所述频谱图进行中心化处理,得到明暗相间条纹;
调整频谱图的频率以整个频谱图的中心为原点由内向外依次变大,即左上子图与右下子图交换,右上子图与左下子图交换,从而形成明暗相间条纹。
S04:根据所述明暗相间条纹获得模糊参数,所述模糊参数包括模糊长度和模糊角度;
如附图3和附图4所示,截取明暗相间条纹的明显区域;对明显区域的明暗相间条纹进行直方图均衡化和二值化处理以增强图像的对比度,从而很好的鉴别出直线,增加运动模糊图像中细节的处理度;对二值化处理后的明暗相间条纹进行canny边界检测,以使每条条纹的边缘突出,进一步对运动模糊图像细致化处理;对canny边界检测后的明暗相间条纹进行Hough变换,以使检测直线更加准确。明暗相间条纹经过Hough变换后,当模糊角度为0度时,条纹的数量和模糊长度在数值上相差1,条纹的倾斜方向和模糊角度垂直;当模糊角度不为0度时,可以得出模糊角度和条纹方向之间的关系与图片的大小有关,从而得出模糊长度和模糊角度。
S05:对所述运动模糊图像的边界处进行最优窗处理;
由于运动模糊图像的边界存在不连续性,因此在对运动模糊图像进行复原时会产生振铃效应,从而影响运动模糊图像的复原处理,这就需要对运动模糊图像的边界进行连续性处理。如附图5所示,将运动模糊图像换分为九个区域,每个区域对应不同的函数,根据附图5所示的划分,九个区域的函数为:
根据PSF函数(point-spread function,点扩散函数)对运动模糊图像的边界进行加权处理,以使运动模糊图像边界的像素值以运动模糊图像中心为原点由外向内过渡到零,进而使得该运动模糊图像在边界附近近似为完全卷积的图像,以减缓振铃效应。
S06:根据所述数学模型和所述模糊参数对最优窗处理后的所述运动模糊图像进行维纳滤波,得到复原后的所述运动模糊图像。
根据数学模型g(x,y)=h(x,y)*f(x,y)+n(x,y)进行傅里叶变换,得到其中,F(u,v)为原图像,G(u,v)退化图像的傅里叶变换,H(u,v)退化函数。由于维纳滤波是在统计学中使原图像和恢复图像之间的均方误差最小来求解复原图像的,因此最小均方误差函数定义为:E{[f(x,y)-g(x,y)]2}=min。为抑制噪声影响,因此根据模糊参数及可以得到满足E{[f(x,y)-g(x,y)]2}=min的维纳滤波公式,该维纳滤波公式为:其中,G(x,y)退化图像的傅里叶变换,H(u,v)退化函数,Pn(u,v)噪声的功率谱,Pf(u,v)原始图像的功率谱。可令则k值表示抑制噪声的能力,根据噪声大小适当调整K值,一般取K在0.1到0.001之间。根据维纳滤波公式进行反向傅里叶变换就能得到复原后的运动模糊图像。
本发明提供的单幅运动模糊图像恢复方法首先建立运动模糊图像退化过程的数学模型,通过对运动模糊图像进行二维傅里叶变换、频谱图中心化处理得到明暗相间条纹,进而通过对明暗相间条纹进行直方图均衡化、二值化、canny边界检测以及Hough变换的处理,以对运动模糊图像的细节进行细致化处理,从而获得模糊参数;通过对运动模糊图像进行最优窗处理而抑制振铃效应,从而减缓振铃效应对运动模糊图像复原处理的影响;最后通过数学模型和模糊参数对最优窗处理后的运动模糊图像进行维纳滤波得到清晰地复原图像。本发明提供的单幅运动模糊图像恢复方法能够有效识别运动模糊图像中的细节问题,因而具有价高的精度和较好的复原性,能够很好的应用于不能重复拍摄的场景。
本领域技术人员在考虑说明书及实践这里发明的公开后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (6)
1.一种单幅运动模糊图像恢复方法,其特征在于,所述方法包括:
建立运动模糊图像退化过程的数学模型;
对所述运动模糊图像进行二维傅里叶变换,得到频谱图;
将所述频谱图进行中心化处理,得到明暗相间条纹;
根据所述明暗相间条纹获得模糊参数,所述模糊参数包括模糊长度和模糊角度;
对所述运动模糊图像的边界处进行最优窗处理;
根据所述数学模型和所述模糊参数对最优窗处理后的所述运动模糊图像进行维纳滤波,得到复原后的所述运动模糊图像。
2.根据权利要求1所述的单幅运动模糊图像恢复方法,其特征在于,建立运动模糊图像退化过程的数学模型包括:
建立运动模糊图像退化过程的数学模型为:g(x,y)=h(x,y)*f(x,y)+n(x,y),其中,g(x,y)为退化后图像,h(x,y)为退化函数,f(x,y)为原图像,n(x,y)为外加噪声。
3.根据权利要求1所述的单幅运动模糊图像恢复方法,其特征在于,将所述频谱图进行中心化处理,得到频谱图包括:
调整所述频谱图的频率以所述频谱图的中心为原点由内向外依次变大,形成明暗相间条纹。
4.根据权利要求3所述的单幅运动模糊图像恢复方法,其特征在于,根据所述明暗相间条纹获得模糊参数包括:
截取所述明暗相间条纹的明显区域;
对明显区域的所述明暗相间条纹进行直方图均衡化和二值化处理;
对二值化处理后的所述明暗相间条纹进行canny边界检测和Hough变换;
根据经所述Hough变换后的所述明暗相间条纹鉴别条纹的方向和数量,得到模糊长度和模糊角度。
5.根据权利要求4所述的单幅运动模糊图像恢复方法,其特征在于,对所述运动模糊图像的边界处进行最优窗处理包括:
根据PSF函数对所述运动模糊图像的边界进行加权处理,以使所述运动模糊图像边界的像素值以所述运动模糊图像中心为原点由外向内过渡到零。
6.根据权利要求5所述的单幅运动模糊图像恢复方法,其特征在于,根据所述数学模型和所述模糊参数对最优窗处理后的所述运动模糊图像进行维纳滤波,得到复原后的所述运动模糊图像包括:
根据所述数学模型进行傅里叶变换,得到其中,F(u,v)为原图像,G(u,v)退化图像的傅里叶变换,H(u,v)退化函数;
根据所述模糊参数及所述计算维纳滤波参数,得到维纳滤波公式;
所述维纳滤波公式进行反向傅里叶变换得到复原后的所述运动模糊图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611039904.0A CN106651791B (zh) | 2016-11-21 | 2016-11-21 | 一种单幅运动模糊图像恢复方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611039904.0A CN106651791B (zh) | 2016-11-21 | 2016-11-21 | 一种单幅运动模糊图像恢复方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106651791A true CN106651791A (zh) | 2017-05-10 |
CN106651791B CN106651791B (zh) | 2023-07-07 |
Family
ID=58812556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611039904.0A Active CN106651791B (zh) | 2016-11-21 | 2016-11-21 | 一种单幅运动模糊图像恢复方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106651791B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108189027A (zh) * | 2017-12-19 | 2018-06-22 | 朱宁波 | 移动机器人控制方法 |
CN108376393A (zh) * | 2018-03-16 | 2018-08-07 | 华南理工大学 | 一种面向高速直线运动对象的模糊图像盲复原方法 |
CN108717529A (zh) * | 2018-05-17 | 2018-10-30 | 山东深图智能科技有限公司 | 一种基于车型的极低质量车牌字符识别方法及系统 |
CN108898563A (zh) * | 2018-07-02 | 2018-11-27 | 京东方科技集团股份有限公司 | 一种显示面板光学检测图像的处理方法及计算机可读介质 |
CN109785264A (zh) * | 2019-01-15 | 2019-05-21 | 北京旷视科技有限公司 | 图像增强方法、装置及电子设备 |
CN111340724A (zh) * | 2020-02-24 | 2020-06-26 | 卡莱特(深圳)云科技有限公司 | 一种led屏校正过程中的图像去抖方法及装置 |
CN116128873A (zh) * | 2023-04-04 | 2023-05-16 | 山东金帝精密机械科技股份有限公司 | 一种基于图像识别的轴承保持器检测方法、设备及介质 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0525408A2 (en) * | 1991-07-01 | 1993-02-03 | Eastman Kodak Company | Method for multiframe Wiener restoration of noisy and blurred image sequences |
US20030011717A1 (en) * | 2001-05-29 | 2003-01-16 | Mcconica Charles H. | Method for reducing motion blur in a digital image |
US20070165961A1 (en) * | 2006-01-13 | 2007-07-19 | Juwei Lu | Method And Apparatus For Reducing Motion Blur In An Image |
US20070258707A1 (en) * | 2006-05-08 | 2007-11-08 | Ramesh Raskar | Method and apparatus for deblurring images |
CN101079149A (zh) * | 2006-09-08 | 2007-11-28 | 浙江师范大学 | 一种基于径向基神经网络的有噪运动模糊图像复原方法 |
JP2008167336A (ja) * | 2006-12-29 | 2008-07-17 | Seiko Epson Corp | 画像復元装置、画像復元方法及び画像復元プログラム |
CN101359398A (zh) * | 2008-06-16 | 2009-02-04 | 北京航空航天大学 | 运动模糊图像的盲恢复方法 |
CN101968881A (zh) * | 2010-10-27 | 2011-02-09 | 东南大学 | 一种运动模糊和散焦复合模糊的图像复原方法 |
CN102156965A (zh) * | 2011-04-02 | 2011-08-17 | 北京理工大学 | 一种存在运动物体的场景运动模糊图像恢复方法 |
CN102903077A (zh) * | 2011-07-26 | 2013-01-30 | 陈奋 | 一种快速图像去模糊算法 |
CN102903078A (zh) * | 2012-07-13 | 2013-01-30 | 南京大学 | 一种基于多分辨率傅里叶分析理论的运动模糊图像参数估计方法 |
US20130129233A1 (en) * | 2010-09-21 | 2013-05-23 | Stephen N. Schiller | System and Method for Classifying the Blur State of Digital Image Pixels |
KR20140072712A (ko) * | 2012-12-05 | 2014-06-13 | 삼성테크윈 주식회사 | 영상 처리 방법 및 장치 |
CN104318586A (zh) * | 2014-09-26 | 2015-01-28 | 燕山大学 | 基于自适应形态学滤波的运动模糊方向估计方法及装置 |
CN104820969A (zh) * | 2015-04-03 | 2015-08-05 | 西安交通大学 | 一种实时图像盲复原方法 |
CN105005968A (zh) * | 2015-06-10 | 2015-10-28 | 南京信息工程大学 | 基于贝叶斯原理与维纳滤波的相机抖动模糊图像复原方法 |
-
2016
- 2016-11-21 CN CN201611039904.0A patent/CN106651791B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0525408A2 (en) * | 1991-07-01 | 1993-02-03 | Eastman Kodak Company | Method for multiframe Wiener restoration of noisy and blurred image sequences |
US20030011717A1 (en) * | 2001-05-29 | 2003-01-16 | Mcconica Charles H. | Method for reducing motion blur in a digital image |
US20070165961A1 (en) * | 2006-01-13 | 2007-07-19 | Juwei Lu | Method And Apparatus For Reducing Motion Blur In An Image |
US20070258707A1 (en) * | 2006-05-08 | 2007-11-08 | Ramesh Raskar | Method and apparatus for deblurring images |
CN101079149A (zh) * | 2006-09-08 | 2007-11-28 | 浙江师范大学 | 一种基于径向基神经网络的有噪运动模糊图像复原方法 |
JP2008167336A (ja) * | 2006-12-29 | 2008-07-17 | Seiko Epson Corp | 画像復元装置、画像復元方法及び画像復元プログラム |
CN101359398A (zh) * | 2008-06-16 | 2009-02-04 | 北京航空航天大学 | 运动模糊图像的盲恢复方法 |
US20130129233A1 (en) * | 2010-09-21 | 2013-05-23 | Stephen N. Schiller | System and Method for Classifying the Blur State of Digital Image Pixels |
CN101968881A (zh) * | 2010-10-27 | 2011-02-09 | 东南大学 | 一种运动模糊和散焦复合模糊的图像复原方法 |
CN102156965A (zh) * | 2011-04-02 | 2011-08-17 | 北京理工大学 | 一种存在运动物体的场景运动模糊图像恢复方法 |
CN102903077A (zh) * | 2011-07-26 | 2013-01-30 | 陈奋 | 一种快速图像去模糊算法 |
CN102903078A (zh) * | 2012-07-13 | 2013-01-30 | 南京大学 | 一种基于多分辨率傅里叶分析理论的运动模糊图像参数估计方法 |
KR20140072712A (ko) * | 2012-12-05 | 2014-06-13 | 삼성테크윈 주식회사 | 영상 처리 방법 및 장치 |
CN104318586A (zh) * | 2014-09-26 | 2015-01-28 | 燕山大学 | 基于自适应形态学滤波的运动模糊方向估计方法及装置 |
CN104820969A (zh) * | 2015-04-03 | 2015-08-05 | 西安交通大学 | 一种实时图像盲复原方法 |
CN105005968A (zh) * | 2015-06-10 | 2015-10-28 | 南京信息工程大学 | 基于贝叶斯原理与维纳滤波的相机抖动模糊图像复原方法 |
Non-Patent Citations (1)
Title |
---|
李桐: "单幅图像全局运动去模糊研究", 《中国优秀硕士学位论文全文数据库 (基础科学辑)》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108189027A (zh) * | 2017-12-19 | 2018-06-22 | 朱宁波 | 移动机器人控制方法 |
CN108376393A (zh) * | 2018-03-16 | 2018-08-07 | 华南理工大学 | 一种面向高速直线运动对象的模糊图像盲复原方法 |
CN108376393B (zh) * | 2018-03-16 | 2021-09-14 | 华南理工大学 | 一种面向高速直线运动对象的模糊图像盲复原方法 |
CN108717529A (zh) * | 2018-05-17 | 2018-10-30 | 山东深图智能科技有限公司 | 一种基于车型的极低质量车牌字符识别方法及系统 |
CN108898563A (zh) * | 2018-07-02 | 2018-11-27 | 京东方科技集团股份有限公司 | 一种显示面板光学检测图像的处理方法及计算机可读介质 |
CN109785264A (zh) * | 2019-01-15 | 2019-05-21 | 北京旷视科技有限公司 | 图像增强方法、装置及电子设备 |
CN111340724A (zh) * | 2020-02-24 | 2020-06-26 | 卡莱特(深圳)云科技有限公司 | 一种led屏校正过程中的图像去抖方法及装置 |
CN111340724B (zh) * | 2020-02-24 | 2021-02-19 | 卡莱特(深圳)云科技有限公司 | 一种led屏校正过程中的图像去抖方法及装置 |
CN116128873A (zh) * | 2023-04-04 | 2023-05-16 | 山东金帝精密机械科技股份有限公司 | 一种基于图像识别的轴承保持器检测方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106651791B (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651791A (zh) | 一种单幅运动模糊图像恢复方法 | |
Eigen et al. | Restoring an image taken through a window covered with dirt or rain | |
Hyun Kim et al. | Online video deblurring via dynamic temporal blending network | |
Yang et al. | Seeing deeply and bidirectionally: A deep learning approach for single image reflection removal | |
US9672601B2 (en) | System, method and computer-accessible medium for restoring an image taken through a window | |
Svoboda et al. | CNN for license plate motion deblurring | |
CN106778730B (zh) | 一种用于快速生成ocr训练样本的自适应方法及系统 | |
CN103973990B (zh) | 宽动态融合方法及装置 | |
TWI808406B (zh) | 圖像去霧方法和使用圖像去霧方法的圖像去霧設備 | |
CN111986129A (zh) | 基于多摄图像融合的hdr图像生成方法、设备及存储介质 | |
DE102013114996A1 (de) | Bildsuperauflösung für dynamischen Rückspiegel | |
CN109801231B (zh) | 一种电泳电子纸检测设备的图像处理方法 | |
Gao et al. | Atmospheric turbulence removal using convolutional neural network | |
He et al. | Atmospheric turbulence mitigation based on turbulence extraction | |
Malik et al. | Llrnet: A multiscale subband learning approach for low light image restoration | |
CN115526781A (zh) | 一种基于图像重叠区域的拼接方法、系统、设备及介质 | |
Xue | Blind image deblurring: a review | |
Almeida et al. | Blind deblurring of natural images | |
CN113935910A (zh) | 一种基于深度学习的图像模糊长度测量方法 | |
CN115115546A (zh) | 一种图像处理方法、系统、电子设备及可读存储介质 | |
Komatsu et al. | Effectiveness of u-net in denoising rgb images | |
Kim et al. | A system architecture for real time traffic monitoring in foggy video | |
Zhang et al. | Spatio-Temporal Turbulence Mitigation: A Translational Perspective | |
CN113570596B (zh) | 一种基于人类视觉系统的无参考结构清晰度评价方法 | |
Akila et al. | Survey on illumination condition of video/image under heterogeneous environments for enhancement |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20191031 Address after: Yunda economic and Technological Development Zone in Yunnan province Kunming city 650217 West Road No. 105 Applicant after: ELECTRIC POWER RESEARCH INSTITUTE, YUNNAN POWER GRID Co.,Ltd. Address before: Yunda economic and Technological Development Zone in Yunnan province Kunming city 650217 West Road No. 105 Applicant before: ELECTRIC POWER RESEARCH INSTITUTE, YUNNAN POWER GRID Co.,Ltd. Applicant before: HARBIN ENGINEERING University |
|
GR01 | Patent grant | ||
GR01 | Patent grant |