CN106846275A - 一种红外视频图像条状噪声实时消除方法 - Google Patents

一种红外视频图像条状噪声实时消除方法 Download PDF

Info

Publication number
CN106846275A
CN106846275A CN201710059820.1A CN201710059820A CN106846275A CN 106846275 A CN106846275 A CN 106846275A CN 201710059820 A CN201710059820 A CN 201710059820A CN 106846275 A CN106846275 A CN 106846275A
Authority
CN
China
Prior art keywords
infrared
correction
frame
image
infrared image
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
Application number
CN201710059820.1A
Other languages
English (en)
Other versions
CN106846275B (zh
Inventor
王书朋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian University of Science and Technology
Original Assignee
Xian University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian University of Science and Technology filed Critical Xian University of Science and Technology
Priority to CN201710059820.1A priority Critical patent/CN106846275B/zh
Publication of CN106846275A publication Critical patent/CN106846275A/zh
Application granted granted Critical
Publication of CN106846275B publication Critical patent/CN106846275B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06T2207/10048—Infrared image

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Transforming Light Signals Into Electric Signals (AREA)

Abstract

本发明公开了一种红外视频图像条状噪声实时消除方法，包括步骤：一、输入首帧红外图像；二、校正参数初始化；三、当前帧红外图像校正及校正图像输出：301、设置迭代次数K及迭代校正序号k，302、计算第s帧红外图像Ys(i,j)第k次校正后的红外图像，303、计算第s帧红外图像Ys(i,j)第k次校正后红外图像梯度的模，304、更新校正参数G(s‑1)K+k(j)和O(s‑1)K+k(j)，305、判断k＜K是否成立；四、输入下一帧红外图像；五、多次循环步骤三至步骤四，实时对连续输入的红外视频数据校正输出。本发明对于每帧红外图像的处理所需计算量小，节省视频图像校正时间，适用于红外视频图像的实时去噪。

Description

一种红外视频图像条状噪声实时消除方法
技术领域
本发明属于视频图像去噪技术领域，具体涉及一种红外视频图像条状噪声实时消除方法。
背景技术
红外成像系统能够捕获人眼无法看见的红外信息，在工业、医学、军事等领域具有重要的应用价值。红外焦平面阵列是当前红外成像系统使用的主流技术，它具有体积小、制造成本低、敏感度高等优点。红外焦平面阵列通常采用列输出方式，即一个读出电路读取焦平面阵列中位于相同列的传感器响应。由于各读出电路无法做到完全相同，这种差异会在红外图像中产生明显的条状固定模式噪声。为了消除条状固定模式噪声，主要有两类方法：基于标定的固定模式噪声消除方法和基于场景的固定模式噪声消除方法。基于标定的噪声消除方法需要在拍摄过程中使用黑体(各处温度相同的物体)校正参数，因此会中断拍摄过程。基于场景的噪声消除方法仅使用连续拍摄的场景图像序列估计校正参数，但容易导致“伪影”现象。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种红外视频图像条状噪声实时消除方法，针对每帧红外图像条状噪声的产生机理，通过最小化校正图像的能量估计校正参数，利用线性变换校正图像条状噪声，计算当前帧校正参数时，利用了前一帧图像的校正参数，因此对每一帧红外图像的处理所需计算量小，适合视频图像的实时去噪，在有效消除视频图像的条状噪声的同时不会造成图像细节模糊，便于推广使用。
为解决上述技术问题，本发明采用的技术方案是：一种红外视频图像条状噪声实时消除方法，其特征在于该方法包括以下步骤：
步骤一、输入首帧红外图像：输入首帧带有条状噪声的红外图像Y1(i,j)，其中，首帧红外图像Y1(i,j)的像素为M×N，i＝1,2，…，M且j＝1,2，…，N；
步骤二、校正参数初始化：初始化增益校正参数G0(j)和偏置校正参数O0(j)；
步骤三、当前帧红外图像校正及校正图像输出，过程如下：
步骤301、设置迭代次数K及迭代校正序号k：设定输入迭代次数为K，并给定初始迭代校正序号k＝0；
步骤302、根据公式计算第s帧红外图像Ys(i,j)第k次校正后的红外图像其中，s为输入的红外图像的帧序号且s＝1,2，…，S，S≥1，k≤K且K≥1，G(s-1)K+k(j)为第s帧红外图像Ys(i,j)第k次迭代后计算得到的红外图像第j列的增益校正参数，O(s-1)K+k(j)为第s帧红外图像Ys(i,j)第k次迭代后计算得到的红外图像第j列的偏置校正参数；
步骤303、根据公式计算第s帧红外图像Ys(i,j)第k次校正后红外图像梯度的模其中，为第s帧红外图像Ys(i,j)第k次校正后红外图像在(i，j)像素处的梯度的模值；
步骤304、根据公式更新校正参数G(s-1)K+k(j)和O(s-1)K+k(j)，其中，G(s-1)K+k+1(j)为校正参数G(s-1)K+k(j)更新一次后的增益校正参数，O(s-1)K+k+1(j)为校正参数O(s-1)K+k(j)更新一次后的偏置校正参数，为第s帧红外图像Ys(i,j)第k次校正后红外图像的能量函数且λ为更新步长且为正常数；
步骤305、判断k＜K是否成立：当k＜K成立时，循环步骤302至步骤304；当k＜K不成立时，k取K，根据公式计算并输出当前帧红外图像校正后的图像并执行步骤四；
步骤四、输入下一帧红外图像；
步骤五、多次循环步骤三至步骤四，实时对连续输入的红外视频数据校正输出。
上述的一种红外视频图像条状噪声实时消除方法，其特征在于：步骤二中所述
上述的一种红外视频图像条状噪声实时消除方法，其特征在于：所述K取1～10。
上述的一种红外视频图像条状噪声实时消除方法，其特征在于：所述λ取0～1。
上述的一种红外视频图像条状噪声实时消除方法，其特征在于：步骤304中为第s帧红外图像Ys(i,j)第k次校正后红外图像的能量函数对于其增益校正参数的偏导数且 为第s帧红外图像Ys(i,j)第k次校正后红外图像的能量函数对于其偏置校正参数的偏导数且其中，为第s帧红外图像Ys(i,j)第k次校正后红外图像在(i+1，j)像素处梯度的模值，为第s帧红外图像Ys(i,j)第k次校正后红外图像在(i，j+1)像素处梯度的模值。
上述的一种红外视频图像条状噪声实时消除方法，其特征在于：所述红外图像Ys(i,j)的像素均为M×N。
本发明与现有技术相比具有以下优点：
1、在拍摄过程中，由于受外部环境影响，红外焦平面阵列读出电路的增益和偏置电压会随着时间而缓慢变化，本发明根据每一帧红外图像数据实时估计和更新增益校正参数与偏置校正参数，可获得更好的去噪效果。
2、本发明中新一帧红外图像的校正参数是基于前一帧红外图像的校正参数更新得到，每一帧红外图像只需要计算更新量，所需计算量小，节省视频图像校正时间，适用于视频图像的实时去噪。
3、本发明由于每一帧红外图像的校正参数只是在前一帧红外图像的校正参数的基础上进行了少量的更新，因此相邻两帧之间的校正参数变化不会很大，避免了由于校正参数的显著变化而导致的相邻帧差异。
综上所述，本发明针对每帧红外图像条状噪声的产生机理，通过最小化校正图像的能量估计校正参数，利用线性变换校正图像条状噪声，计算当前帧校正参数时，利用了前一帧图像的校正参数，因此对每一帧红外图像的处理所需计算量小，适合视频图像的实时去噪，在有效消除视频图像的条状噪声的同时不会造成图像细节模糊，便于推广使用。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明采用的红外视频图像条状噪声实时消除设备的电路原理框图。
图2为本发明的方法流程框图。
附图标记说明:
1—视频采集模块； 2—数据处理模块。
具体实施方式
如图1和图2所示，本发明包括一种红外视频图像条状噪声实时消除方法，包括以下步骤：
步骤一、输入首帧红外图像：输入首帧带有条状噪声的红外图像Y1(i,j)，其中，首帧红外图像Y1(i,j)的像素为M×N，i＝1,2，…，M且j＝1,2，…，N；
本实施例中，所述红外图像Ys(i,j)的像素均为M×N。
需要说明的是，采用视频采集模块1连续输入红外视频数据，红外视频数据以帧为单位采集输出，每帧所述红外图像的像素均为M×N，像素M×N的红外图像表示图像包含M行，每行有N个像素，实际使用中，视频采集模块1包括红外焦平面探测器，数据处理模块2为计算机、高速微控制器或现场可编程门阵列，红外焦平面探测器中的红外焦平面阵列通常采用列输出方式，即一个读出电路读取红外焦平面阵列中位于相同列的传感器响应，本实施例中，采用视频采集模块1采集每帧像素为288×384的红外图像并传输至数据处理模块2中连续处理输出，采用视频采集模块1采集的每帧所述红外图像的像素均为288×384，每帧图像中均包含了条状非均匀性噪声。
步骤二、校正参数初始化：初始化增益校正参数G0(j)和偏置校正参数O0(j)；
本实施例中，步骤二中所述
初始化增益校正参数和偏置校正参数，给定
步骤三、当前帧红外图像校正及校正图像输出，过程如下：
步骤301、设置迭代次数K及迭代校正序号k：设定输入迭代次数为K，并给定初始迭代校正序号k＝0；
本实施例中，所述K取1～10。
步骤302、根据公式计算第s帧红外图像Ys(i,j)第k次校正后的红外图像其中，s为视频采集模块1采集的红外图像的帧序号且s＝1,2，…，S，S≥1，k≤K且K≥1，G(s-1)K+k(j)为第s帧红外图像Ys(i,j)第k次迭代后计算得到的红外图像第j列的增益校正参数，O(s-1)K+k(j)为第s帧红外图像Ys(i,j)第k次迭代后计算得到的红外图像第j列的偏置校正参数；
步骤303、根据公式计算第s帧红外图像Ys(i,j)第k次校正后红外图像梯度的模其中，为第s帧红外图像Ys(i,j)第k次校正后红外图像在(i，j)像素处的梯度的模值；
步骤304、根据公式更新校正参数G(s-1)K+k(j)和O(s-1)K+k(j)，其中，G(s-1)K+k+1(j)为校正参数G(s-1)K+k(j)更新一次后的增益校正参数，O(s-1)K+k+1(j)为校正参数O(s-1)K+k(j)更新一次后的偏置校正参数，为第s帧红外图像Ys(i,j)第k次校正后红外图像的能量函数且λ为更新步长且为正常数；
步骤305、判断k＜K是否成立：当k＜K成立时，循环步骤302至步骤304；当k＜K不成立时，k取K，根据公式计算并输出当前帧红外图像校正后的图像并执行步骤四；
通过数据处理模块2存储校正参数GsK(j)和OsK(j)，输出当前帧红外图像校正后的图像
步骤四、输入下一帧红外图像；
步骤五、多次循环步骤三至步骤四，实时对连续输入的红外视频数据校正输出。
每输入一帧红外图像，更新校正参数一次，进而校正一帧红外图像并校正图像输出，以此类推。
本实施例中，所述λ取0～1。
本实施例中，由于视频采集模块1采集的视频图像带有明显的条状噪声，需要调节合适的增益校正参数和偏置校正参数来消除每帧图像条状噪声，为了将视频图像条状噪声消除，并使视频图像输出连续快速，每帧图像去噪时间要尽可能的短，因此，每帧图像只进行K次校正，K取1～10，输入一帧红外图像后，利用前一帧红外图像的增益校正参数和偏置校正参数和当前帧红外图像，采用梯度下降法找到使能量函数减小的新增益校正参数和偏置校正参数。
实际操作中，λ取值不易过大，若λ取值过大，会造成视频处理效果差，无法找到最优参数，λ取值过小，找到最优参数的速度会慢，需要更多帧图像处理找到最优参数，本实施例中，更新步长λ取0.0001，更新效果好。
本实施例中，步骤304中为第s帧红外图像Ys(i,j)第k次校正后红外图像的能量函数对于其增益校正参数的偏导数且 为第s帧红外图像Ys(i,j)第k次校正后红外图像的能量函数对于其偏置校正参数的偏导数且其中，为第s帧红外图像Ys(i,j)第k次校正后红外图像在(i+1，j)像素处梯度的模值，为第s帧红外图像Ys(i,j)第k次校正后红外图像在(i，j+1)像素处梯度的模值。
实际计算时，更新校正参数G(s-1)K+k(j)和O(s-1)K+k(j)分别计算，能量函数对增益校正参数G(s-1)K+k(j)的偏导数忽略偏置校正参数O(s-1)K+k(j)变化的影响，由于能量函数第s帧红外图像Ys(i,j)第k次校正后红外图像梯度的模且可得的值与第s帧红外图像Ys(i,j)第k次校正后红外图像的像素值和第s帧红外图像Ys(i,j)的像素值均有关，能量函数对偏置校正参数O(s-1)K+k(j)的偏导数忽略增益校正参数G(s-1)K+k(j)变化的影响，可得的值仅与第s帧红外图像Ys(i,j)第k次校正后红外图像的像素值有关，采用梯度下降法更新校正参数，处理速度快。
实际使用中，对视频图像的条状噪声去噪效果明显，在满足处理每一帧红外图像所需时间要求下，为使视频图像校正效果最优，本实施例中，每一帧红外图像在迭代次数K取3，更新步长λ取0.0001下，连续实时对视频采集模块1采集的红外图像进行去噪处理，持续输出条状噪声消除的清晰视频，使用效果好。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。

Claims (6)

1.一种红外视频图像条状噪声实时消除方法，其特征在于该方法包括以下步骤：
步骤一、输入首帧红外图像：输入首帧带有条状噪声的红外图像Y1(i,j)，其中，首帧红外图像Y1(i,j)的像素为M×N，i＝1,2，…，M且j＝1,2，…，N；
步骤二、校正参数初始化：初始化增益校正参数G0(j)和偏置校正参数O0(j)；
步骤三、当前帧红外图像校正及校正图像输出，过程如下：
步骤301、设置迭代次数K及迭代校正序号k：设定输入迭代次数为K，并给定初始迭代校正序号k＝0；
步骤302、根据公式计算第s帧红外图像Ys(i,j)第k次校正后的红外图像其中，s为输入的红外图像的帧序号且s＝1,2，…，S，S≥1，k≤K且K≥1，G(s-1)K+k(j)为第s帧红外图像Ys(i,j)第k次迭代后计算得到的红外图像第j列的增益校正参数，O(s-1)K+k(j)为第s帧红外图像Ys(i,j)第k次迭代后计算得到的红外图像第j列的偏置校正参数；
步骤303、根据公式计算第s帧红外图像Ys(i,j)第k次校正后红外图像梯度的模其中，为第s帧红外图像Ys(i,j)第k次校正后红外图像在(i，j)像素处的梯度的模值；
步骤304、根据公式更新校正参数G(s-1)K+k(j)和O(s-1)K+k(j)，其中，G(s-1)K+k+1(j)为校正参数G(s-1)K+k(j)更新一次后的增益校正参数，O(s-1)K+k+1(j)为校正参数O(s-1)K+k(j)更新一次后的偏置校正参数，为第s帧红外图像Ys(i,j)第k次校正后红外图像的能量函数且λ为更新步长且为正常数；
步骤305、判断k＜K是否成立：当k＜K成立时，循环步骤302至步骤304；当k＜K不成立时，k取K，根据公式计算并输出当前帧红外图像校正后的图像并执行步骤四；
步骤四、输入下一帧红外图像；
步骤五、多次循环步骤三至步骤四，实时对连续输入的红外视频数据校正输出。
2.按照权利要求1所述的一种红外视频图像条状噪声实时消除方法，其特征在于：步骤二中所述
3.按照权利要求1或2所述的一种红外视频图像条状噪声实时消除方法，其特征在于：所述K取1～10。
4.按照权利要求3所述的一种红外视频图像条状噪声实时消除方法，其特征在于：所述λ取0～1。
5.按照权利要求4所述的一种红外视频图像条状噪声实时消除方法，其特征在于：步骤304中为第s帧红外图像Ys(i,j)第k次校正后红外图像的能量函数对于其增益校正参数的偏导数且 为第s帧红外图像Ys(i,j)第k次校正后红外图像的能量函数对于其偏置校正参数的偏导数且其中，为第s帧红外图像Ys(i,j)第k次校正后红外图像在(i+1，j)像素处梯度的模值，为第s帧红外图像Ys(i,j)第k次校正后红外图像在(i，j+1)像素处梯度的模值。
6.按照权利要求5所述的一种红外视频图像条状噪声实时消除方法，其特征在于：所述红外图像Ys(i,j)的像素均为M×N。
CN201710059820.1A 2017-01-24 2017-01-24 一种红外视频图像条状噪声实时消除方法 Expired - Fee Related CN106846275B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710059820.1A CN106846275B (zh) 2017-01-24 2017-01-24 一种红外视频图像条状噪声实时消除方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710059820.1A CN106846275B (zh) 2017-01-24 2017-01-24 一种红外视频图像条状噪声实时消除方法

Publications (2)

Publication Number Publication Date
CN106846275A true CN106846275A (zh) 2017-06-13
CN106846275B CN106846275B (zh) 2019-05-31

Family

ID=59122846

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710059820.1A Expired - Fee Related CN106846275B (zh) 2017-01-24 2017-01-24 一种红外视频图像条状噪声实时消除方法

Country Status (1)

Country Link
CN (1) CN106846275B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109767403A (zh) * 2019-01-23 2019-05-17 西安科技大学 一种基于场景的红外焦平面阵列条状噪声消除方法
CN109903235A (zh) * 2019-01-21 2019-06-18 天津大学 一种红外图像条纹噪声的消除方法
CN110852976A (zh) * 2019-11-22 2020-02-28 昆明物理研究所 一种红外图像明暗不均匀校正方法及计算机程序产品
CN112837248A (zh) * 2021-04-22 2021-05-25 杭州雄迈集成电路技术股份有限公司 一种视频流去噪方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102013090A (zh) * 2010-11-23 2011-04-13 电子科技大学 一种无源毫米波图像条带噪声抑制方法
US20130135637A1 (en) * 2011-11-28 2013-05-30 Masakazu Ohira Image processing method, image processing apparatus and image forming apparatus including the same, image reading apparatus, and recording medium
CN104657958A (zh) * 2015-03-18 2015-05-27 西安科技大学 一种红外图像条纹噪声消除方法
CN104820972A (zh) * 2015-05-07 2015-08-05 北京空间机电研究所 一种基于在轨分类统计的红外影像me噪声去除方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102013090A (zh) * 2010-11-23 2011-04-13 电子科技大学 一种无源毫米波图像条带噪声抑制方法
US20130135637A1 (en) * 2011-11-28 2013-05-30 Masakazu Ohira Image processing method, image processing apparatus and image forming apparatus including the same, image reading apparatus, and recording medium
CN104657958A (zh) * 2015-03-18 2015-05-27 西安科技大学 一种红外图像条纹噪声消除方法
CN104820972A (zh) * 2015-05-07 2015-08-05 北京空间机电研究所 一种基于在轨分类统计的红外影像me噪声去除方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SHU-PENG WANG: "Stripe noise removal for infrared image by minimizing difference between columns", 《INFRARED PHYSICS & TECHNOLOGY》 *
刘亚梅: "基于空间自适应变分的条带噪声去除方法", 《激光与红外》 *
王书朋 等: "基于双边滤波器的红外图像条纹噪声消除算法", 《红外技术》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109903235A (zh) * 2019-01-21 2019-06-18 天津大学 一种红外图像条纹噪声的消除方法
CN109767403A (zh) * 2019-01-23 2019-05-17 西安科技大学 一种基于场景的红外焦平面阵列条状噪声消除方法
CN109767403B (zh) * 2019-01-23 2022-12-16 西安科技大学 一种基于场景的红外焦平面阵列条状噪声消除方法
CN110852976A (zh) * 2019-11-22 2020-02-28 昆明物理研究所 一种红外图像明暗不均匀校正方法及计算机程序产品
CN112837248A (zh) * 2021-04-22 2021-05-25 杭州雄迈集成电路技术股份有限公司 一种视频流去噪方法及系统
CN112837248B (zh) * 2021-04-22 2021-07-23 杭州雄迈集成电路技术股份有限公司 一种视频流去噪方法及系统

Also Published As

Publication number Publication date
CN106846275B (zh) 2019-05-31

Similar Documents

Publication Publication Date Title
CN106846275A (zh) 一种红外视频图像条状噪声实时消除方法
CN101576771B (zh) 基于非均匀样本插值的眼动仪定标方法
DE102020201787A1 (de) Erzeugen von blickkorrigierten bildern unter verwendung eines bidirektional trainierten netzwerks
CN108230367A (zh) 一种对灰度视频中既定目标的快速跟踪定位方法
CN108846805A (zh) 一种基于场景自适应的红外热图像两点非均匀校正方法
CN104657958B (zh) 一种红外图像条纹噪声消除方法
CN104252700B (zh) 一种红外图像的直方图均衡化方法
CN110223242A (zh) 一种基于时空域残差生成对抗网络的视频湍流移除方法
CN106803235B (zh) 基于各向异性时空域全变分非均匀性校正的方法
CN102778296B (zh) 基于总变分的自适应红外焦平面非均匀性校正方法
CN106886983B (zh) 基于Laplace算子和反卷积的图像非均匀性校正方法
WO2021098081A1 (zh) 基于轨迹特征配准的多光谱立体相机自标定算法
CN102289788A (zh) 多通道红外探测器中条纹非均匀性实时校正方法
CN107993250A (zh) 一种快速多目标行人追踪和分析方法及其智能装置
CN106017695B (zh) 基于运动状态估计的自适应红外非均匀性校正方法
CN104200441B (zh) 基于高阶奇异值分解的磁共振图像去噪方法
CN105466566A (zh) 一种红外非均匀性校正实时补偿方法
CN105338220B (zh) 一种自适应对运动的电子倍增ccd视频图像去噪的方法
CN111724317A (zh) Raw域视频去噪监督数据集构造方法
CN106991428A (zh) 基于自适应池化模型的害虫图像识别方法
CN104424383A (zh) 基于红外图像的硬件处理算法效果评价装置及其评价方法
CN109813442A (zh) 一种基于多帧处理的内部杂散辐射非均匀性校正方法
CN106815820B (zh) 一种红外图像条状噪声消除方法
CN103347171B (zh) 基于dsp的雾天视频处理系统及方法
CN106991706A (zh) 一种拍摄校准方法及系统

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
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: 20190531

Termination date: 20200124