CN107451971A - 基于暗通道和高斯组合先验的低照度盲卷积图像复原法 - Google Patents

基于暗通道和高斯组合先验的低照度盲卷积图像复原法 Download PDF

Info

Publication number
CN107451971A
CN107451971A CN201710635193.1A CN201710635193A CN107451971A CN 107451971 A CN107451971 A CN 107451971A CN 201710635193 A CN201710635193 A CN 201710635193A CN 107451971 A CN107451971 A CN 107451971A
Authority
CN
China
Prior art keywords
image
priori
light
level
low
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
Application number
CN201710635193.1A
Other languages
English (en)
Inventor
曾奇远
牛坤
曾连求
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.)
Hunan Ming Teng Intelligent Technology Co Ltd
Original Assignee
Hunan Ming Teng Intelligent Technology Co Ltd
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 Hunan Ming Teng Intelligent Technology Co Ltd filed Critical Hunan Ming Teng Intelligent Technology Co Ltd
Priority to CN201710635193.1A priority Critical patent/CN107451971A/zh
Publication of CN107451971A publication Critical patent/CN107451971A/zh
Pending legal-status Critical Current

Links

Classifications

    • G06T5/73—
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/10024—Color image
    • 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
    • G06T2207/20192—Edge enhancement; Edge preservation

Abstract

本发明公开了一种基于暗通道和高斯组合先验的低照度盲卷积图像复原方法，涉及图像复原技术领域，包括：利用简单透镜拍摄低照度下的模糊图像；将低照度模糊图像的复原问题转换成盲卷积图像复原问题；在盲卷积图像复原算法的目标函数中加入暗通道先验和高斯模糊核先验；对盲卷积图像复原算法的目标函数采用相应的优化算法得到复原后的清晰图像。本方法提出将暗通道先验与高斯模糊核先验结合起来解决低照度下简单透镜成像的图像复原问题，因为暗通道先验针对低照度图像，而高斯模糊核先验针对简单透镜成像模糊核呈圆盘状的实际情况，两者的结合可以很好地解决简单透镜在低照度环境下拍摄模糊图像的复原问题。

Description

基于暗通道和高斯组合先验的低照度盲卷积图像复原法
技术领域
本发明涉及数字图像处理领域，尤其是涉及图像复原领域，特指基于暗通道和高斯组合先验的低照度盲卷积图像复原法。
背景技术
目前，单反相机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。复杂镜头在提高成像质量的同时，也会增加镜头的体积和重量，导致镜头成本大大提高。近年来，随着计算摄影技术的发展，简单镜头结合后期图像复原算法整逐渐成为相机设计领域以及图像处理领域一个新的研究方向。
简单镜头只包含一个镜片，由于在成像过程中球面镜片对不同波长光线的折射率不同，受镜头像差和色散的影响，由简单镜头直接拍摄的图像是模糊的。因此，由简单镜头直接拍摄的图像质量不高，不能直接应用。针对简单透镜，现在已提出不少算法首先标定得到简单镜头的点扩散函数(Point Spread Function，PSF)，PSF中包含简单镜头的像差等模糊信息，再利用图像复原算法可对图像进行去模糊。
但是目前针对简单透镜成像的去模糊算法所存在的主要问题在于，目前针对简单透镜图像复原所提出的算法都没有考虑到拍摄环境对成像的影响，大部分算法默认是在光线充足的条件下拍摄，但在实际应用中，往往存在拍摄时光线不充足即低照度的情况，比如傍晚、阴雨天或者晚上在路灯下。低照度环境下拍摄对简单透镜成像最直接的影响是导致图像整体色调偏暗，尤其是图像边缘部分，相比正常光照下拍摄的模糊图像，低照度模糊图像的边界更加模糊，对比度不明显。使用现有的针对简单透镜成像的图像复原算法并不能取得很好的复原效果。
在中国专利申请号ZL201410331056.5中介绍了根据图像频谱信息提取模糊核先验的单透镜成像方法，这种方法通过分析简单透镜所拍摄模糊图像的频谱信息，从而提取出模糊核先验，并用以复原模糊图像。这种方法主要存在的问题在于：根据图像频谱信息所提出的先验，如果原始模糊图像自身的频谱信息比较丰富，则可以取得良好的去模糊效果。但如果原始模糊图像的频谱主要集中在某些频段，或者频谱信息分布不均匀，则不能取得很好的去模糊效果。在正常光照下拍摄边缘比较多的自然图像所得到的模糊图像频谱信息比较丰富，但在低照度环境下，由简单透镜拍摄的图像整体色调偏暗，而且图像边缘受低照度影响更加模糊，低照度模糊图像的频谱信息主要集中在低频，没有太多高频细节信息，则由这种方法不能得到很好的去模糊效果。
发明内容
本发明为克服上述情况不足，旨在提出基于暗通道和高斯组合先验的低照度盲卷积图像复原法，包括以下步骤：
步骤一：用简单透镜在低照度环境下拍摄获取模糊图像；
步骤二：将简单透镜低照度去模糊图像转换成盲卷积图像复原问题；将简单透镜在低照度下得到的模糊图像作为已知条件，并将其看作盲卷积图像复原问题，用盲卷积图像复原算法对模糊图像处理；盲卷积图像复原算法为基于最大后验概率MAP的盲卷积图像复原算法，在最大后验概率模型下，盲卷积图像复原问题的统计学模型可以表述为：
arg max P(K，I|B)＝arg max P(B|I，K)P(I)P(K) (1)
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；P(K，I|B)表示在模糊图像B已知条件下，与模糊图像B对应的模糊核和清晰图像分别为K和I的概率；P(B|I，K)表示如果已知模糊核K和清晰图像I，对应的模糊图像为B的概率；P(I)表示对原始清晰图像已知的先验概率；P(K)表示模糊核的先验概率；
考虑到对数与乘积的转换关系以及对数函数的单调性，对式(1)左右两端分别取负对数：
-log P(K，I|B)＝-log P(B|K，I)-log P(I)-log P(K) (2)则上述问题转化为能量最小化问题，左边的目标函数可以定义为：
其中，表示数据拟合项；表示图像先验；||K||p2表示模糊核先验；l1和l2分别表示图像先验和模糊核先验的权重；P1和P2分别表示图像先验和模糊核先验的具体范数；
步骤三：在目标函数中加入暗通道先验和高斯模糊核先验；根据低照度模糊图像的性质以及简单透镜成像的特性，提出暗通道先验与高斯模糊核先验的组合先验，并将其加入到盲卷积图像复原算法的目标函数中；
暗通道旨在描述图像块中像素值最小的区域，暗通道的定义如下：
其中，I表示清晰图像，x和y表示像素坐标，N(x)表示以x为中心的局部图像块，r、g和b表示图像的三个不同通道，Ic表示图像中的第c个通道，其中c∈{r，g，b}，min表示求最小值操作，D(I)(x)表示图像中以x为中心的局部图像块的暗通道；
由暗通道公式(4)提取出图像中局部图像块的像素最小值区域；在目标函数(3)中，暗通道先验由0范数表示，即||D(I)||0，其中，D(I)的具体含义与公式(4)中相同；
所述步骤三中简单透镜成像的特性具体是指，简单透镜的模糊核形状类似圆盘状，针对这种圆盘状的模糊核，在目标函数中，采用高斯模糊核先验加以限制，高斯模糊核先验的具体表达方式如下：
其中，表示模糊核的导数，σ表示高斯分布的标准差，x和y表示像素坐标；
将暗通道先验||D(I)||0与公式(5)所表示的高斯模糊核先验加入盲卷积图像复原算法的目标函数公式(3)中，得到最终的目标函数可表达为：
其中，表示数据拟合项，||D(I)||0表示暗通道先验，表示高斯模糊核先验，l1和l2分别表示两项先验的权重；
在具体实施过程中，取l1＝0.55和l2＝0.45；
步骤四：求解目标函数，得到复原后的低照度清洗图像；即针对步骤三中的目标函数，采用相应的迭代优化算法估计出去模糊之后的低照度清晰图像；
进一步的，所述步骤一中的低照度环境具体是指光照度较弱的环境，如在傍晚或者晚上路灯下进行拍摄。
进一步的，所述步骤四中迭代优化算法采用EM优化算法；主要分为两步：首先根据给定的当前模糊核初始值进行非盲卷积图像复原求解出潜在的平均图像，并估计该平均图像周围的方差；然后根据求出的潜在平均图像再进一步估计出更加准确的模糊核；不断重复上述步骤直至求出最终清晰图像。
本发明所提供的基于暗通道和高斯组合先验的低照度盲卷积图像复原法，针对简单透镜在低照度下所拍摄的图像，将低照度模糊图像的去模糊问题转换成盲卷积图像复原问题，并根据低照度图像的性质以及简单透镜成像的特性，提出暗通道先验与高斯模糊核先验的组合先验。通过这种方法可以克服拍摄环境光线不足对简单透镜成像图像复原精确度的影响，使得色调偏暗区域的图像边缘也能得到较好恢复。有利于提高简单透镜成像对不同拍摄环境的适应能力，在图像处理领域具有非常重要的意义。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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是本发明结构示意图；
图2为由简单透镜在低照度环境下拍摄的模糊图像；
图3为本方法处理得到的去模糊之后的低照顾图像。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施例提供的基于暗通道和高斯组合先验的低照度盲卷积图像复原法，如图1所示，包括如下步骤：
步骤一：用简单透镜在低照度环境下拍摄获取模糊图像，如图2所示，所述低照度环境具体是指光照度较弱的环境，如在傍晚或者晚上路灯下进行拍摄；
步骤二：将低照度模糊图像的去模糊问题转换成盲卷积图像复原问题，将简单透镜在低照度下得到的模糊图像作为已知条件，并将其看作盲卷积图像复原问题，用盲卷积图像复原算法对模糊图像处理。其特征在于，所述步骤二中的盲卷积图像复原算法为基于最大后验概率MAP的盲卷积图像复原算法，在最大后验概率模型下，盲卷积图像复原问题的统计学模型可以表述为：
arg max P(K，I|B)＝arg max P(B|I，K)P(I)P(K) (1)
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；P(K，I|B)表示在模糊图像B已知条件下，与模糊图像B对应的模糊核和清晰图像分别为K和I的概率；P(B|I，K)表示如果已知模糊核K和清晰图像I，对应的模糊图像为B的概率；P(I)表示对原始清晰图像已知的先验概率；P(K)表示模糊核的先验概率。
为计算方便，考虑到对数与乘积的转换关系以及对数函数的单调性，对式(1)左右两端分别取负对数：
-log P(K，I|B)＝-log P(B|K，I)-log P(I)-log P(K) (2)则上述问题转化为能量最小化问题，左边的目标函数可以定义为：
其中，表示数据拟合项；表示图像先验；||K||p2表示模糊核先验；l1和l2分别表示图像先验和模糊核先验的权重；P1和P2分别表示图像先验和模糊核先验的具体范数。
步骤三：根据低照度模糊图像的性质以及简单透镜成像的特性，提出暗通道先验与高斯模糊核先验的组合先验，并将其加入到盲卷积图像复原算法的目标函数中。所述低照度模糊图像的性质是指由于拍摄环境光线较少，所拍得的图像整体色调偏暗，图像边缘细节相比正常光照下拍得的图像更加模糊，界限不分明，一般图像复原问题中所采用的先验针对低照度模糊图像不能取得很好的效果。暗通道旨在描述图像块中像素值最小的区域，暗通道的定义如下：
其中，I表示清晰图像，x和y表示像素坐标，N(x)表示以x为中心的局部图像块，r、g和b表示图像的三个不同通道，Ic表示图像中的第c个通道，其中c∈{r，g，b}，min表示求最小值操作，D(I)(x)表示图像中以x为中心的局部图像块的暗通道。
由暗通道公式(4)提取出图像中局部图像块的像素最小值区域，暗通道图像相对于原始低照度图像，提取出了色调最暗的区域，使色调偏暗区域的边界对比度更加明显。因此，如果通过图像复原算法使暗通道图像的边缘变得清晰，则相应的原始低照度图像的边缘也会清晰，从而达到去模糊的效果。在目标函数(3)中，暗通道先验可由0范数表示，即||D(I)||0，其中，D(I)的具体含义与公式(4)中相同。
所述步骤三中简单透镜成像的特性具体是指，简单透镜的模糊核形状类似圆盘状，针对这种圆盘状的模糊核，在目标函数中，可采用高斯模糊核先验加以限制，高斯模糊核先验的具体表达方式如下：
其中，表示模糊核的导数，σ表示高斯分布的标准差，x和y表示像素坐标。
将暗通道先验||D(I)||0与公式(5)所表示的高斯模糊核先验加入盲卷积图像复原算法的目标函数公式(3)中，得到最终的目标函数可表达为：
其中，表示数据拟合项，||D(I)||0表示暗通道先验，表示高斯模糊核先验，l1和l2分别表示两项先验的权重。
在具体实现过程中，取l1＝0.55和l2＝0.45。
步骤四：针对步骤三中的目标函数，采用相应的迭代优化算法估计出去模糊之后的低照度清晰图像。所述步骤四中迭代优化算法采用现有的优化算法即可，常用的优化算法包括但不限于EM优化算法。
EM优化算法主要分为两步：首先根据给定的当前模糊核初始值进行非盲卷积图像复原求解出潜在的平均图像，并估计该平均图像周围的方差；然后根据求出的潜在平均图像再进一步估计出更加准确的模糊核。不断重复上述步骤直至求出最终清晰图像，即可得到简单透镜去模糊之后的低照度清晰图像，如图3所示。
本发明的方法充分考虑简单透镜成像自身的特性以及低照度图像的性质，提出暗通道先验与高斯模糊核先验的组合先验。与现有简单透镜图像复原算法相比，本方法针对低照度模糊图像更有优势，可以克服拍摄环境光线不足对简单透镜成像图像复原精确度的影响，使得色调偏暗区域的图像边缘也能得到较好恢复。有利于提高简单透镜成像对不同拍摄环境的适应能力，在图像处理领域具有非常重要的意义。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (3)

1.基于暗通道和高斯组合先验的低照度盲卷积图像复原法，其特征在于，包括以下步骤：
步骤一：用简单透镜在低照度环境下拍摄获取模糊图像；
步骤二：将简单透镜低照度去模糊图像转换成盲卷积图像复原问题；将简单透镜在低照度下得到的模糊图像作为已知条件，并将其看作盲卷积图像复原问题，用盲卷积图像复原算法对模糊图像处理；盲卷积图像复原算法为基于最大后验概率MAP的盲卷积图像复原算法，在最大后验概率模型下，盲卷积图像复原问题的统计学模型可以表述为：
argmaxP(K,I|B)＝argmaxP(B|I,K)P(I)P(K) (1)
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；P(K,I|B)表示在模糊图像B已知条件下，与模糊图像B对应的模糊核和清晰图像分别为K和I的概率；P(B|I,K)表示如果已知模糊核K和清晰图像I，对应的模糊图像为B的概率；P(I)表示对原始清晰图像已知的先验概率；P(K)表示模糊核的先验概率；
考虑到对数与乘积的转换关系以及对数函数的单调性，对式(1)左右两端分别取负对数：
-logP(K,I|B)＝-logP(B|K,I)-logP(I)-logP(K) (2)
则上述问题转化为能量最小化问题，左边的目标函数可以定义为：
其中，表示数据拟合项；表示图像先验；||K||p2表示模糊核先验；l1和l2分别表示图像先验和模糊核先验的权重；P1和P2分别表示图像先验和模糊核先验的具体范数；
步骤三：在目标函数中加入暗通道先验和高斯模糊核先验；根据低照度模糊图像的性质以及简单透镜成像的特性，提出暗通道先验与高斯模糊核先验的组合先验，并将其加入到盲卷积图像复原算法的目标函数中；
暗通道旨在描述图像块中像素值最小的区域，暗通道的定义如下：
其中，I表示清晰图像，x和y表示像素坐标，N(x)表示以x为中心的局部图像块，r、g 和b表示图像的三个不同通道，Ic表示图像中的第c个通道，其中c∈{r,g,b}，min表示求最小值操作，D(I)(x)表示图像中以x为中心的局部图像块的暗通道；
由暗通道公式(4)提取出图像中局部图像块的像素最小值区域；在目标函数(3)中，暗通道先验由0范数表示，即||D(I)||0，其中，D(I)的具体含义与公式(4)中相同；
所述步骤三中简单透镜成像的特性具体是指，简单透镜的模糊核形状类似圆盘状，针对这种圆盘状的模糊核，在目标函数中，采用高斯模糊核先验加以限制，高斯模糊核先验的具体表达方式如下：
其中，表示模糊核的导数，σ表示高斯分布的标准差，x和y表示像素坐标；
将暗通道先验||D(I)||0与公式(5)所表示的高斯模糊核先验加入盲卷积图像复原算法的目标函数公式(3)中，得到最终的目标函数可表达为：
其中，表示数据拟合项，||D(I)||0表示暗通道先验，表示高斯模糊核先验，l1和l2分别表示两项先验的权重；
在具体实施过程中，取l1＝0.55和l2＝0.45；
步骤四：求解目标函数，得到复原后的低照度清洗图像；即针对步骤三中的目标函数，采用相应的迭代优化算法估计出去模糊之后的低照度清晰图像。
2.根据权利要求1所述的基于暗通道和高斯组合先验的低照度盲卷积图像复原法，其特征在于，所述步骤一中的低照度环境具体是指光照度较弱的环境，如在傍晚或者晚上路灯下进行拍摄。
3.根据权利要求1所述的基于暗通道和高斯组合先验的低照度盲卷积图像复原法，其特征在于，所述步骤四中迭代优化算法采用EM优化算法；主要分为两步：首先根据给定的当前模糊核初始值进行非盲卷积图像复原求解出潜在的平均图像，并估计该平均图像周围的方差；然后根据求出的潜在平均图像再进一步估计出更加准确的模糊核；不断重复上述步骤直至求出最终清晰图像。
CN201710635193.1A 2017-07-30 2017-07-30 基于暗通道和高斯组合先验的低照度盲卷积图像复原法 Pending CN107451971A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710635193.1A CN107451971A (zh) 2017-07-30 2017-07-30 基于暗通道和高斯组合先验的低照度盲卷积图像复原法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710635193.1A CN107451971A (zh) 2017-07-30 2017-07-30 基于暗通道和高斯组合先验的低照度盲卷积图像复原法

Publications (1)

Publication Number Publication Date
CN107451971A true CN107451971A (zh) 2017-12-08

Family

ID=60490328

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710635193.1A Pending CN107451971A (zh) 2017-07-30 2017-07-30 基于暗通道和高斯组合先验的低照度盲卷积图像复原法

Country Status (1)

Country Link
CN (1) CN107451971A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109300092A (zh) * 2018-09-20 2019-02-01 北京空间机电研究所 一种基于暗通道的遥感图像去模糊方法
CN109859111A (zh) * 2018-11-20 2019-06-07 昆明理工大学 一种基于map方法的单幅图像盲去模糊方法
CN110969582A (zh) * 2019-08-13 2020-04-07 中国科学院遥感与数字地球研究所 一种基于多源参考信息的遥感图像盲复原方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102222328A (zh) * 2011-07-01 2011-10-19 杭州电子科技大学 一种边缘保持的自然场景图像自适应加权滤波方法
CN102968772A (zh) * 2012-12-04 2013-03-13 电子科技大学 一种基于暗通道信息的图像去雾方法
CN103345733A (zh) * 2013-07-31 2013-10-09 哈尔滨工业大学 基于改进暗通道先验的快速低照度图像增强方法
CN103489166A (zh) * 2013-10-12 2014-01-01 大连理工大学 一种基于双边滤波的单幅图像去雾方法
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
CN104809706A (zh) * 2015-05-05 2015-07-29 中国人民解放军国防科学技术大学 一种基于图像颜色平缓变化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
CN105913392A (zh) * 2016-04-08 2016-08-31 西安电子科技大学昆山创新研究院 复杂环境下退化图像综合质量提升方法
CN105931208A (zh) * 2015-08-22 2016-09-07 首都师范大学 基于物理模型的低照度图像增强算法
CN106780368A (zh) * 2016-11-24 2017-05-31 天津大学 一种基于前景模型的水下图像增强方法
CN106780406A (zh) * 2017-02-28 2017-05-31 长沙全度影像科技有限公司 一种快速鱼眼图像去模糊方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102222328A (zh) * 2011-07-01 2011-10-19 杭州电子科技大学 一种边缘保持的自然场景图像自适应加权滤波方法
CN102968772A (zh) * 2012-12-04 2013-03-13 电子科技大学 一种基于暗通道信息的图像去雾方法
CN103345733A (zh) * 2013-07-31 2013-10-09 哈尔滨工业大学 基于改进暗通道先验的快速低照度图像增强方法
CN103489166A (zh) * 2013-10-12 2014-01-01 大连理工大学 一种基于双边滤波的单幅图像去雾方法
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
CN104809706A (zh) * 2015-05-05 2015-07-29 中国人民解放军国防科学技术大学 一种基于图像颜色平缓变化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
CN105931208A (zh) * 2015-08-22 2016-09-07 首都师范大学 基于物理模型的低照度图像增强算法
CN105913392A (zh) * 2016-04-08 2016-08-31 西安电子科技大学昆山创新研究院 复杂环境下退化图像综合质量提升方法
CN106780368A (zh) * 2016-11-24 2017-05-31 天津大学 一种基于前景模型的水下图像增强方法
CN106780406A (zh) * 2017-02-28 2017-05-31 长沙全度影像科技有限公司 一种快速鱼眼图像去模糊方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109300092A (zh) * 2018-09-20 2019-02-01 北京空间机电研究所 一种基于暗通道的遥感图像去模糊方法
CN109300092B (zh) * 2018-09-20 2021-09-07 北京空间机电研究所 一种基于暗通道的遥感图像去模糊方法
CN109859111A (zh) * 2018-11-20 2019-06-07 昆明理工大学 一种基于map方法的单幅图像盲去模糊方法
CN110969582A (zh) * 2019-08-13 2020-04-07 中国科学院遥感与数字地球研究所 一种基于多源参考信息的遥感图像盲复原方法
CN110969582B (zh) * 2019-08-13 2023-12-15 中国科学院遥感与数字地球研究所 一种基于多源参考信息的遥感图像盲复原方法

Similar Documents

Publication Publication Date Title
CN106157267B (zh) 一种基于暗通道先验的图像去雾透射率优化方法
Shi et al. Normalised gamma transformation‐based contrast‐limited adaptive histogram equalisation with colour correction for sand–dust image enhancement
CN110599433B (zh) 一种基于动态场景的双曝光图像融合方法
US10755390B2 (en) Image deblurring method based on light streak information in an image
EP2987134B1 (en) Generation of ghost-free high dynamic range images
CN109754377B (zh) 一种多曝光图像融合方法
WO2019105298A1 (zh) 图像虚化处理方法、装置、移动设备及存储介质
CN110807738B (zh) 一种基于边缘图块锐化的模糊图像非盲复原方法
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
Asha et al. Auto removal of bright spot from images captured against flashing light source
CN104966274B (zh) 一种采用图像检测与区域提取的局部模糊复原方法
CN105447890A (zh) 一种抗光照影响的运动车辆检测方法
WO2022261828A1 (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN111325688B (zh) 融合形态学聚类优化大气光的无人机图像去雾方法
CN114862698A (zh) 一种基于通道引导的真实过曝光图像校正方法与装置
CN115063331A (zh) 基于多尺度块lbp算子无鬼影多曝光图像融合算法
CN114897916A (zh) 图像处理方法及装置、非易失性可读存储介质、电子设备
CN113674303A (zh) 图像处理方法、装置、电子设备及存储介质
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
CN112614063A (zh) 用于楼宇内低照度环境的图像增强和噪声自适应去除方法
CN107301667A (zh) 基于棋盘格图像对单透镜计算成像的psf估计方法
CN113658197B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN115829851A (zh) 便携式眼底相机图像缺陷消除方法、系统及存储介质
Chen et al. Low‐light image enhancement based on exponential Retinex variational model
CN113298829B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20171208