CN107301667A - 基于棋盘格图像对单透镜计算成像的psf估计方法 - Google Patents
基于棋盘格图像对单透镜计算成像的psf估计方法 Download PDFInfo
- Publication number
- CN107301667A CN107301667A CN201710402292.5A CN201710402292A CN107301667A CN 107301667 A CN107301667 A CN 107301667A CN 201710402292 A CN201710402292 A CN 201710402292A CN 107301667 A CN107301667 A CN 107301667A
- Authority
- CN
- China
- Prior art keywords
- simple lens
- psf
- picture
- table images
- fuzzy
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
- G06T2207/30208—Marker matrix
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于棋盘格图像对单透镜计算成像的PSF估计方法，首先用单透镜在正常光圈下拍摄棋盘格标定板，然后用单透镜在极小光圈下拍摄棋盘格标定板，基于所得到的模糊与清晰的棋盘格图像对，将单透镜的模糊核标定问题转换为非盲卷积图像复原，并采用优化算法求解该非盲卷积图像复原问题的目标函数，从而得到单透镜的PSF。本方法在现有的单透镜计算成像算法的基础上，借助棋盘格标定板，标定过程简单，实际操作性强，而且增加了所估计PSF的精度，在保证图像质量的同时大大降低镜头成本，减小了镜头的体积与重量，在图像处理和相机设计领域具有重要的意义。
Description
技术领域
本发明涉及图像复原技术领域，具体的涉及一种基于棋盘格图像对单透镜计算成像PSF估计方法。
背景技术
目前，单反相机以其高清的成像质量、丰富的镜头选择、迅捷的响应速度、卓越的手控能力等优势在人们的日常生活中发挥着越来越重要的作用。然而，为弥补单反镜头中镜片的几何畸变和像差，进一步提高成像质量，单反镜头的设计日益复杂，甚至包含数十个独立的光学器件。复杂的镜头在提高成像质量的同时，会增加镜头的体积和重量，给用户灵活使用增加难度，并增加镜头的成本。因此，在尽量消除镜片像差，增加成像质量的同时，如何降低镜头成本，使其更为轻便，也成为目前单反相机设计的重要需求之一。近年来，随着图像复原技术的快速发展，图像去模糊等方法越来越成熟，镜头中某些消除像差和修正几何畸变的镜片可由去模糊等计算摄影技术代替，从而减轻镜头的重量。因此，单透镜计算成像与图像复原技术的结合也逐渐成为单反相机设计的一个新的研究方向。
单透镜计算成像的关键在于准确估计出单透镜成像系统的点扩散函数(PointSpread Function，PSF)，又称为模糊核。现有技术中估计模糊核常用的方法是利用盲卷积图像复原算法(N.Joshi,R.Szeliski and D.J.Kriegman.PSF estimation using sharpedge prediction.IEEE International Conference on Computer Vision and PatternRecognition.pp.3-8,2008.)，但是利用盲卷积图像复原方法直接估计模糊核一般需要设计相应的图像先验以及模糊核先验，盲卷积图像复原算法的目标函数比较复杂，估计模糊核需要较长的优化迭代时间，而且先验选取得好坏将直接影响模糊核的估计精度，进而影响图像最终复原效果。
发明内容
针对目前的单透镜计算成像问题中PSF估计精确度不高以及估计方法复杂的技术问题，本发明提出一种基于棋盘格图像对单透镜计算成像的PSF估计方法。
本发明提供了一种基于棋盘格图像对单透镜计算成像的PSF估计方法，包括以下步骤：
步骤一：采用单透镜成像系统在正常光圈下拍摄棋盘格图像，得到模糊棋盘格图像；
步骤二：采用单透镜成像系统在最小光圈下拍摄棋盘格图像，得到清晰棋盘格图像；
步骤三：将模糊棋盘格图像和清晰棋盘格图像作为输入值，构造该非盲卷积图像复原目标函数，
非盲卷积图像复原目标函数为：
其中，K表示单透镜的模糊核，又称点扩散函数PSF；I表示清晰图像；B表示由单透镜成像系统直接得到的模糊图像；表示数据拟合项；表示模糊核先验，其中表示模糊核的导数；表示能量限制项，满足∑x,yK(x,y)＝1，其中(x,y)表示模糊核的坐标；λ1和λ2分别表示模糊核先验与能量限制项的在目标函数中的权重；
步骤四：采用EM优化算法求解非盲卷积图像复原的目标函数，得到所用单透镜的PSF估值。
进一步地，棋盘格为黑白棋盘格。
进一步地，EM优化算法包括以下步骤：
(1)E-step：令Q(I)＝P(I|B,K)，并计算出Q(I)的均值u和方差C，其中P(I|B,K)表示在已知模糊图像B和模糊核K的条件下，对应的清晰图像为I的概率；均值u代表给定当前模糊核时潜在的清晰图像，C代表清晰图像周围的方差；
(2)M-step：找到使K*I-B达到最小值的K值，即使式(2)达到最小值；
EQ[||K*I-B||2] (2)
其中，EQ是目标函数的符号，所得最小值即为所用单透镜的PSF估值。
本发明的技术效果：
本发明提供的基于棋盘格图像对单透镜计算成像的PSF估计方法，采用棋盘格图像，在不同光圈条件下，拍摄对应的模糊与清晰棋盘格图像，分别模拟单透镜实际与理想拍摄情况，再通过非盲卷积算法即可估计出单透镜的模糊核，相比于现有方法，这种方法操作简单，目标函数简单，无需设计复杂的模糊核先验与图像先验，而且估计出的PSF更加准确。借助棋盘格来“估计”单透镜镜头的PSF，属于图像复原领域的问题。
具体请参考根据本发明的基于棋盘格图像对单透镜计算成像的PSF标定方法提出的各种实施例的如下描述，将使得本发明的上述和其他方面显而易见。
附图说明
图1为本发明提供的基于棋盘格图像对单透镜计算成像的PSF标定方法的流程框图；
图2为本发明优选实施例中单透镜成像系统在正常光圈下拍摄得到的模糊棋盘格图像；
图3为本发明优选实施例中单透镜成像系统在最小光圈下拍摄得到的清晰棋盘格图像；
图4为本发明提供方法和现有盲卷积方法估计的模糊核示意图，其中(a)为本发明提供方法用于处理该优选实施例所得估计模糊核示意图，(b)为采用内现有盲卷积方法处理该优选实施例所得的估计模糊核示意图。
具体实施方式
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
参见图1，本发明提供的基于棋盘格图像对单透镜计算成像的PSF估计方法，包括以下步骤：
步骤一：采用单透镜成像系统在正常光圈下拍摄棋盘格图像，得到模糊棋盘格图像；
步骤二：采用单透镜成像系统在最小光圈下拍摄棋盘格图像，得到清晰棋盘格图像；
步骤三：将模糊棋盘格图像和清晰棋盘格图像作为输入值，构造该非盲卷积图像复原目标函数，
非盲卷积图像复原目标函数为：
其中，K表示单透镜的模糊核，又称点扩散函数PSF；I表示清晰图像；B表示由单透镜成像系统直接得到的模糊图像；表示数据拟合项；表示模糊核先验，其中表示模糊核的导数；表示能量限制项，满足∑x,yK(x,y)＝1，其中(x,y)表示模糊核的坐标；λ1和λ2分别表示模糊核先验与能量限制项的在目标函数中的权重；
步骤四：采用EM优化算法求解非盲卷积图像复原的目标函数，得到单透镜的PSF估值。
本发明提供方法为提高单透镜成像系统PSF的估计精度，充分利用单透镜成像系统自身的特性增加PSF估计的已知条件，将盲卷积图像复原算法转换为非盲卷积图像复原算法。此处的清晰和模糊为相对概念，仅取决于拍摄时所用光圈。本发明提供方法通过将单透镜成像系统所得清晰图像和相对模糊的图像作为目标函数的输入值，通过EM优化算法求解目标函数即可得到模糊核。
本发明利用适合用于估计模糊核的棋盘格图像，通过单透镜成像系统分别得到棋盘格的模糊图像和清晰图像，再将现有方法中利用盲卷积图像复原算法估计成像系统模糊核的方法转换成非盲卷积图像复原算法，非盲卷积图像复原算法相对盲卷积图像复原算法更加简单，而且增加了模糊核估计作为已知条件，无需复杂的图像先验或模糊核先验-即可估计出较为准确的PSF。
此处的正常光圈是指可称为中等光圈范围的光圈，如f3.5到f5.6均可。最小光圈是指所用单透镜成像系统的光圈调小至不能再调小时所对应的光圈；单透镜成像系统是指前端镜头 只包含一片凸透镜的成像设备，例如该成像设备包括包裹单镜片的镜筒以及设置于镜筒后端的卡口，通过卡口可将镜头固定在现有相机上，从而拍摄获得单镜片图像。
单透镜成像系统直接拍到的图像相对于单反等高清设备而言，成像效果模糊，通过后期算法将图像复原清晰，在此过程中即可估计出单透镜的PSF。
其中非盲卷积图像复原目标函数可以按现有EM优化算法进行求解，优选的EM优化算法包括以下步骤：
(1)E-step：令Q(I)＝P(I|B,K)，并计算出Q(I)的均值u和方差C，其中P(I|B,K)表示在已知模糊图像B和模糊核K的条件下，对应的清晰图像为I的概率；均值u就代表给定当前模糊核时潜在的清晰图像，C代表清晰图像周围的方差；在此步骤中，因为清晰棋盘格标定板已知，可直接将I替换成清晰图像。
(2)M-step：找到使K*I-B达到最小值的K值，即式(2)达到最小值；
EQ[||K*I-B||2] (2)
其中，EQ是目标函数的符号，所得最小值即为所用单透镜的PSF估值。
利用EM迭代优化算法求得目标函数的最优解，即可得到单透镜镜头的PSF。
这个不是改进点。(1)中的目标函数都需要优化算法来求解，我们只是列举了一种可行的优化算法来求解。
优选的，棋盘格为黑白棋盘格。采用该棋盘格，能提高估计精确度。
具体的该方法包括以下步骤：
步骤一：采用单透镜在正常光圈下拍摄棋盘格图像，得到模糊棋盘格图像；
步骤二：采用单透镜在最小光圈下拍摄棋盘格图像，得到清晰棋盘格图像；
步骤三：基于步骤一和步骤二中得到的模糊棋盘格图像与清晰棋盘格图像，将模糊棋盘格图像与清晰棋盘格图像作为已知条件，则可将单透镜计算成像的PSF估计问题转换为非盲卷积图像复原问题。所设计的非盲卷积图像复原目标函数可以表述为：
其中，K表示单透镜的模糊核，又称点扩散函数PSF；I表示清晰图像；B表示由单透镜成像系统直接得到的模糊图像；表示数据拟合项；表示模糊核先验，其中表示模糊核的导数；表示能量限制项，满足∑x,yK(x,y)＝1，其中(x,y)表示模糊核的坐标；λ1和λ2分别表示模糊核先验与能量限制项的在目标函数中的权重。
步骤四：利用EM优化算法求解步骤三中非盲卷积图像复原的目标函数，从而得到单透镜的PSF。
所采用的迭代优化算法为EM优化算法，EM优化算法主要分为两个步骤：
(1)E-step：令Q(I)＝P(I|B,K)，并计算出Q(I)的均值u和方差C，其中P(I|B,K)表示在已知模糊图像B和模糊核K的条件下，对应的清晰图像为I的概率；均值u就代表给定当前模糊核时潜在的清晰图像，C代表清晰图像周围的方差；在此步骤中，因为清晰棋盘格标定板已知，可直接将I替换成清晰图像。
(2)M-step：找到使K*I-B达到最小值的K值，即式(2)达到最小值；
EQ[||K*I-B||2] (2)
其中，EQ是目标函数的符号，即求最小值。
利用EM迭代优化算法求得目标函数的最优解，即可得到单透镜镜头的PSF。按此步骤进行求解，计算效率较高，所得估值的准确度也较高。
以下结合具体实施例对本发明提供的方法进行详细说明：
本实施例中基于棋盘格图像对单透镜计算成像的PSF估计方法，包括如下步骤：
步骤一：利用单透镜在正常光圈下拍摄棋盘格图像，将直接拍摄得到的棋盘格图像作为模糊棋盘格图像，其中的棋盘格标定板是指常见的黑白棋盘格，所拍摄的模糊棋盘格图像如图2所示，本实施案例中单透镜的正常光圈是5.6。
步骤二：利用单透镜在最小光圈下拍摄棋盘格图像，将得到的棋盘格图像作为清晰棋盘格图像，其中的最小光圈是指将镜头的光圈调至最小，在这种情况下拍摄棋盘格标定板，所拍摄的清晰棋盘格图像如图3所示，本实施案例中单透镜的最小光圈是22。
步骤三：基于步骤一和步骤二中得到的模糊棋盘格与清晰棋盘格图像对，将模糊棋盘格图像与清晰棋盘格图像作为已知条件，则可将单透镜计算成像的PSF估计问题转换为非盲卷积图像复原问题。所设计的非盲卷积图像复原目标函数可以表述为：
其中，K表示单透镜的模糊核，又称点扩散函数PSF；I表示清晰图像；B表示由单透镜成像系统直接得到的模糊图像；表示数据拟合项；表示模糊核先验，其中表示模糊核的导数；表示能量限制项，满足∑x,yK(x,y)＝1，其中(x,y)表示模糊核的坐标；λ1和λ2分别表示模糊核先验与能量限制项的在目标函数中的权重。在具体实施过程中，取λ1＝0.45和λ2＝0.55。
步骤四：利用EM优化算法求解步骤三中非盲卷积图像复原的目标函数，从而得到单透镜的PSF。所采用的迭代优化算法为EM优化算法，主要分为两个步骤：
(1)E-step：令Q(I)＝P(I|B,K)，并计算出Q(I)的均值u和方差C，其中P(I|B,K)表示在已知模糊图像B和模糊核K的条件下，对应的清晰图像为I的概率；均值u就代表给定当前模糊核时潜在的清晰图像，C代表清晰图像周围的方差；在此步骤中，因为清晰棋盘格标定板已知，可直接将I替换成清晰图像。
(2)M-step：找到使K*I-B达到最小值的K值，即式(2)达到最小值；
EQ[||K*I-B||2] (2)
其中，EQ是目标函数的符号，所得最小值即为所用单透镜的PSF估值。
利用EM迭代优化算法求得目标函数的最优解，简单透镜成像系统的模糊核大致形状是磁盘圆环状，所得估计模糊核越接近圆盘状说明所估计的效果越好。
本发明所提出的PSF估计方法能估计出较准确的单透镜成像系统模糊核，如图4(a)所示，而图4(b)是采用现有的盲卷积方法所估计出的模糊核。从图4的对比中可知，现有标定方法所估计的模糊核更接近简单透镜成像系统真实的模糊核。
本领域技术人员将清楚本发明的范围不限制于以上讨论的示例，有可能对其进行若干改变和修改，而不脱离所附权利要求书限定的本发明的范围。尽管己经在附图和说明书中详细图示和描述了本发明，但这样的说明和描述仅是说明或示意性的，而非限制性的。本发明并不限于所公开的实施例。
通过对附图，说明书和权利要求书的研究，在实施本发明时本领域技术人员可以理解和实现所公开的实施例的变形。在权利要求书中，术语“包括”不排除其他步骤或元素，而不定冠词“一个”或“一种”不排除多个。在彼此不同的从属权利要求中引用的某些措施的事实不意味着这些措施的组合不能被有利地使用。权利要求书中的任何参考标记不构成对本发明的范围的限制。
Claims (3)
1.一种基于棋盘格图像对单透镜计算成像的PSF估计方法，其特征在于，包括以下步骤：
步骤一：采用单透镜成像系统在正常光圈下拍摄棋盘格图像，得到模糊棋盘格图像；
步骤二：采用所述单透镜成像系统在最小光圈下拍摄所述棋盘格图像，得到清晰棋盘格图像；
步骤三：将所述模糊棋盘格图像和所述清晰棋盘格图像作为输入值，构造该非盲卷积图像复原目标函数，
所述非盲卷积图像复原目标函数为：
<mrow>
<msub>
<mi>K</mi>
<mrow>
<mi>o</mi>
<mi>p</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>=</mo>
<munder>
<mi>argmin</mi>
<mi>K</mi>
</munder>
<mo>|</mo>
<mo>|</mo>
<mi>B</mi>
<mo>-</mo>
<mi>K</mi>
<mo>*</mo>
<mi>I</mi>
<mo>|</mo>
<msubsup>
<mo>|</mo>
<mn>2</mn>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mn>1</mn>
</msub>
<mo>|</mo>
<mo>|</mo>
<mo>&dtri;</mo>
<mi>K</mi>
<mo>|</mo>
<msub>
<mo>|</mo>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mn>2</mn>
</msub>
<mo>|</mo>
<mo>|</mo>
<msup>
<mn>1</mn>
<mi>T</mi>
</msup>
<mi>K</mi>
<mo>-</mo>
<mn>1</mn>
<mo>|</mo>
<msubsup>
<mo>|</mo>
<mn>2</mn>
<mn>2</mn>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，K表示单透镜的模糊核，又称点扩散函数PSF；I表示清晰图像；B表示由单透镜成像系统直接得到的模糊图像；表示数据拟合项；表示模糊核先验，其中表示模糊核的导数；表示能量限制项，满足∑x,yK(x,y)＝1，其中(x,y)表示模糊核的坐标；λ1和λ2分别表示模糊核先验与能量限制项的在目标函数中的权重；
步骤四：采用EM优化算法求解所述非盲卷积图像复原的目标函数，得到所用单透镜的PSF估值。
2.根据权利要求1所述的基于棋盘格图像对单透镜计算成像的PSF估计方法，其特征在于，所述棋盘格为黑白棋盘格。
3.根据权利要求1所述的基于棋盘格图像对单透镜计算成像的PSF估计方法，其特征在于，所述EM优化算法包括以下步骤：
(1)E-step：令Q(I)＝P(I|B,K)，并计算出Q(I)的均值u和方差C，其中P(I|B,K)表示在已知模糊图像B和模糊核K的条件下，对应的清晰图像为I的概率；均值u代表给定当前模糊核时潜在的清晰图像，C代表清晰图像周围的方差；
(2)M-step：找到使K*I-B达到最小值的K值，即使式(2)达到最小值；
EQ[||K*I-B||2] (2)
其中，EQ是目标函数的符号，所得最小值即为所用单透镜的PSF估值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710402292.5A CN107301667A (zh) | 2017-06-01 | 2017-06-01 | 基于棋盘格图像对单透镜计算成像的psf估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710402292.5A CN107301667A (zh) | 2017-06-01 | 2017-06-01 | 基于棋盘格图像对单透镜计算成像的psf估计方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107301667A true CN107301667A (zh) | 2017-10-27 |
Family
ID=60137830
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710402292.5A Pending CN107301667A (zh) | 2017-06-01 | 2017-06-01 | 基于棋盘格图像对单透镜计算成像的psf估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107301667A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107833193A (zh) * | 2017-11-20 | 2018-03-23 | 长沙全度影像科技有限公司 | 一种基于refinement‑network深度学习模型的单透镜全局图像复原方法 |
| CN109883654A (zh) * | 2019-01-25 | 2019-06-14 | 武汉精立电子技术有限公司 | 一种用于oled亚像素定位的棋盘格图、生成方法及定位方法 |
| CN110996082A (zh) * | 2019-12-17 | 2020-04-10 | 成都极米科技股份有限公司 | 投影调节方法、装置、投影仪及可读存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150077583A1 (en) * | 2013-09-19 | 2015-03-19 | Raytheon Canada Limited | Systems and methods for digital correction of aberrations produced by tilted plane-parallel plates or optical wedges |
| CN104599254A (zh) * | 2015-02-03 | 2015-05-06 | 中国人民解放军国防科学技术大学 | 基于组合模糊核结构先验的单透镜计算成像方法 |
| CN105046659A (zh) * | 2015-07-02 | 2015-11-11 | 中国人民解放军国防科学技术大学 | 一种基于稀疏表示的单透镜计算成像psf估算方法 |
-
2017
- 2017-06-01 CN CN201710402292.5A patent/CN107301667A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150077583A1 (en) * | 2013-09-19 | 2015-03-19 | Raytheon Canada Limited | Systems and methods for digital correction of aberrations produced by tilted plane-parallel plates or optical wedges |
| CN104599254A (zh) * | 2015-02-03 | 2015-05-06 | 中国人民解放军国防科学技术大学 | 基于组合模糊核结构先验的单透镜计算成像方法 |
| CN105046659A (zh) * | 2015-07-02 | 2015-11-11 | 中国人民解放军国防科学技术大学 | 一种基于稀疏表示的单透镜计算成像psf估算方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李卫丽: "单透镜高质量计算成像技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107833193A (zh) * | 2017-11-20 | 2018-03-23 | 长沙全度影像科技有限公司 | 一种基于refinement‑network深度学习模型的单透镜全局图像复原方法 |
| CN109883654A (zh) * | 2019-01-25 | 2019-06-14 | 武汉精立电子技术有限公司 | 一种用于oled亚像素定位的棋盘格图、生成方法及定位方法 |
| CN109883654B (zh) * | 2019-01-25 | 2021-11-09 | 武汉精立电子技术有限公司 | 一种用于oled亚像素定位的棋盘格图、生成方法及定位方法 |
| CN110996082A (zh) * | 2019-12-17 | 2020-04-10 | 成都极米科技股份有限公司 | 投影调节方法、装置、投影仪及可读存储介质 |
| CN110996082B (zh) * | 2019-12-17 | 2021-11-09 | 成都极米科技股份有限公司 | 投影调节方法、装置、投影仪及可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hu et al. | Deblurring low-light images with light streaks | |
| US10755390B2 (en) | Image deblurring method based on light streak information in an image | |
| Wang et al. | Recent progress in image deblurring | |
| US7860336B2 (en) | Image conversion device, image conversion method, and recording medium | |
| Chen et al. | Blind deblurring for saturated images | |
| Ma et al. | Defocus image deblurring network with defocus map estimation as auxiliary task | |
| KR101437234B1 (ko) | 초점이 흐려진 필박스 화상을 이용하여 깊이 평가를 수행하는 시스템 및 방법 | |
| US9225898B2 (en) | Image pickup apparatus, image processing system, image pickup system, image processing method, and non-transitory computer-readable storage medium | |
| JP6703314B2 (ja) | フォーカス検出 | |
| US9723197B2 (en) | Depth estimation from image defocus using multiple resolution Gaussian difference | |
| Schelten et al. | Interleaved regression tree field cascades for blind image deconvolution | |
| CN106651812B (zh) | 一种简单镜头成像的多通道psf标定方法 | |
| CN107301667A (zh) | 基于棋盘格图像对单透镜计算成像的psf估计方法 | |
| Komodakis et al. | MRF-based blind image deconvolution | |
| CN111031241B (zh) | 图像处理方法及其装置、终端和计算机可读存储介质 | |
| CN111105370B (zh) | 图像处理方法、图像处理装置、电子设备和可读存储介质 | |
| Zhang et al. | Self-supervised image restoration with blurry and noisy pairs | |
| Xue | Blind image deblurring: a review | |
| CN107451971A (zh) | 基于暗通道和高斯组合先验的低照度盲卷积图像复原法 | |
| CN107358591A (zh) | 一种基于rgb交叉通道先验的简单透镜成像色差校正方法 | |
| Joshi | Enhancing photographs using content-specific image priors | |
| CN115937021A (zh) | 基于频率域特征分离和迭代优化大气光的偏振去雾方法 | |
| Maik et al. | Blind deconvolution using maximum a posteriori (MAP) estimation with directional edge based priori | |
| KR20150032764A (ko) | 인위적으로 디포커스된 블러 이미지를 생성하는 방법 및 이미지 캡쳐링 디바이스 | |
| Li et al. | Joint motion deblurring with blurred/noisy image pair |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171027 |
|
| WD01 | Invention patent application deemed withdrawn after publication |