CN108280818A - 一种基于压缩感知的快速目标成像方法和系统 - Google Patents
一种基于压缩感知的快速目标成像方法和系统 Download PDFInfo
- Publication number
- CN108280818A CN108280818A CN201810054553.3A CN201810054553A CN108280818A CN 108280818 A CN108280818 A CN 108280818A CN 201810054553 A CN201810054553 A CN 201810054553A CN 108280818 A CN108280818 A CN 108280818A
- Authority
- CN
- China
- Prior art keywords
- rarefication
- original picture
- picture block
- sampled signal
- degree
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- 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
- G06T2207/20004—Adaptive image processing
Abstract
本发明公开了基于压缩感知的快速目标成像方法和系统,包括:S1、将DMD上目标场景的原始图像均匀地划分为多个原始图像块;S2、根据原始图像块的矩阵大小和采样率,构建一确定性的测量矩阵,所述测量矩阵满足:每列中1的个数为1,每行中1的个数相同且每行中1的个数根据采样率来设定;S3、利用步骤S2构建的所述测量矩阵,对所述多个原始图像块进行并行采样,得到各原始图像块对应的采样信号;S4、计算每一采样信号的相对灰度值变化,并根据所述相对灰度值变化,自适应地为每一采样信号的原始图像块分配相对稀疏度,利用所述相对稀疏度来进行分块重构,输出所述目标场景的重构图像。
Description
技术领域
本发明涉及计算机与图像处理技术领域,尤其是涉及基于压缩感知的快速目标成像方法和系统。
背景技术
传统的信号处理遵循奈奎斯特采样定理:只有当采样频率大于待采样信号带宽的两倍时,才能很好地恢复信号。随着图像处理技术的不断发展和应用,奈奎斯特定理渐渐显现出局限性:在一些应用场合对图像和视频进行处理时,需要以很高的采样率对图像进行采集,之后又要进行压缩才能对图像进行处理,造成了资源的浪费。因此,运用压缩感知的原理,使压缩与采样同时进行,可以很好的解决资源浪费,数据传输慢等问题。
传统的压缩成像技术主要是以一种串行的工作方式来输出压缩采样的图像信号,它主要运用一个孔径编码器来实现对光信号的调制,然后在接收端使用单个光电探测器来接受信号,最后利用一个像素记录的多次电压值实现对场景图像的恢复。这就使得目前的压缩成像系统的采样过程较为耗时;另一方面,由于使用的测量矩阵大多为随机矩阵,例如,当我们选择数字微镜阵列(DMD)来进行光信息调制时,我们把DMD中的微镜翻转+12°记为+1,微镜翻转-12°记为0,这样我们只能向DMD中写入随机二进制伯努利矩阵,这种矩阵在信号采样与重构时的效率太低,需要在较高的采样率下才能很好地恢复图像,不利于快速成像。
以上背景技术内容的公开仅用于辅助理解本发明的发明构思及技术方案,其并不必然属于本专利申请的现有技术,在没有明确的证据表明上述内容在本专利申请的申请日前已经公开的情况下,上述背景技术不应当用于评价本申请的新颖性和创造性。
发明内容
本发明的主要目的在于提出一种基于压缩感知的快速目标成像方法和系统,利用面阵探测器替代传统单像素相机的单点探测器,并基于确定性的测量矩阵对目标场景进行分块并行采样,并在重构时利用自适应分配的稀疏度,能够很好地恢复出目标场景图像。
本发明为达上述目的所提供的技术方案如下:
一种基于压缩感知的快速目标成像方法,包括以下步骤:
S1、将DMD上目标场景的原始图像均匀地划分为多个原始图像块;
S2、根据原始图像块的矩阵大小和采样率,构建一确定性的测量矩阵,所述测量矩阵满足:每列中1的个数为1,每行中1的个数相同且每行中1的个数根据采样率来设定;
S3、利用步骤S2构建的所述测量矩阵,对所述多个原始图像块进行并行采样,得到各原始图像块对应的采样信号;
S4、计算每一采样信号的相对灰度值变化,并根据所述相对灰度值变化,自适应地为每一采样信号的原始图像块分配相对稀疏度,利用所述相对稀疏度来进行分块重构,输出所述目标场景的重构图像
测量矩阵在压缩感知成像技术中起着关键的作用,它的性能直接影响信号的压缩与重构效果。测量矩阵的选择需要满足RIP准则,所以现有的测量矩阵主要是随机高斯矩阵、随机伯努利矩阵等随机矩阵,这种测量矩阵重构效率低,且难以在硬件上实现,而本发明中使用易在硬件(DMD)上实现的确定性测量矩阵来进行采样与重构;另外,本发明通过并行分块采样的方式解决了目前单像素相机采样次数过多的缺点,更适应于超分辨率成像,同时设计的确定性测量矩阵满足很好的行不相关性以及列不相关性,可以很好的计算出各个块之间的相对稀疏度差异,在运用正交匹配追踪法(OMP)进行图像重构时能够以较低的采样率很好的恢复目标场景的图像。
优选地,所述测量矩阵的每行中1的个数或其中f表示采样率。
优选地,步骤S4中,根据所述相对灰度值变化,自适应地为每一采样信号的原始图像块分配相对稀疏度具体包括:将所有采样信号的所述相对灰度值变化按大小进行排序,并判断相应的原始图像块的实际稀疏度的相对大小,根据判断结果为各原始图像块分配相适应的相对稀疏度;其中,所述相对灰度值变化越大,则相应的原始图像块的实际稀疏度越大,反之,则所述实际稀疏度越小。
优选地,步骤S4中进行所述分块重构具体包括:对每一采样信号采用OMP算法分别进行重构,再拼接合成所述目标场景的重构图像。
本发明另还提出了一种基于压缩感知的快速目标成像系统,包括前端成像透镜、位于成像透镜后端的DMD、位于DMD后端的面阵探测器、存储器和处理器,其中,所述成像透镜用于对目标场景进行成像并将原始图像打在DMD上;所述存储器上存储有一计算机程序,所述计算机程序被处理器执行时可实现如下步骤:
S1、将DMD上目标场景的原始图像均匀地划分为多个原始图像块;
S2、根据原始图像块的矩阵大小和采样率,构建一确定性的测量矩阵,所述测量矩阵满足:每列中1的个数为1,每行中1的个数相同且每行中1的个数根据采样率来设定;
S3、利用步骤S2构建的所述测量矩阵,对所述多个原始图像块进行并行采样,得到各原始图像块对应的采样信号;
S4、计算每一采样信号的相对灰度值变化,并根据所述相对灰度值变化,自适应地为每一采样信号的原始图像块分配相对稀疏度,利用所述相对稀疏度来进行分块重构,得到所述目标场景的重构图像;
其中,所述面阵探测器用于接收并行采样得到的采样信号并进行光电转换。
附图说明
图1是本发明实施例的分块并行压缩采样的过程示意图;
图2是利用随机高斯矩阵和本发明设计的确定性测量矩阵分别进行并行压缩采样后重构出的重构图像与原始图像的对比图;
图3是直接基于默认的稀疏度进行重构以及基于自适应分配的相对稀疏度进行重构得到的重构图像与原始图像的对比图。
具体实施方式
下面结合附图和具体的实施方式对本发明作进一步说明。
本发明的一具体实施方式提供了一种基于压缩感知的快速目标成像方法,包括以下步骤:
S1、将DMD上目标场景的原始图像均匀地划分为多个原始图像块;
S2、根据原始图像块的矩阵大小和采样率,构建一确定性的测量矩阵,所述测量矩阵满足:每列中1的个数为1,每行中1的个数相同且每行中1的个数根据采样率来设定;
S3、利用步骤S2构建的所述测量矩阵,对所述多个原始图像块进行并行采样,得到各原始图像块对应的采样信号;
S4、计算每一采样信号的相对灰度值变化,并根据所述相对灰度值变化,自适应地为每一采样信号的原始图像块分配相对稀疏度,利用所述相对稀疏度来进行分块重构,输出所述目标场景的重构图像。
本发明上述具体实施方式提供的基于压缩感知的快速目标成像方法可用于一成像系统中,该成像系统主要包括位于前端的成像透镜、位于成像透镜后端的DMD、位于DMD后端的面阵探测器、存储器和处理器。参考图1(图中的虚线表征对应关系),所述成像透镜对目标场景10进行成像之后打到DMD 20上,使得DMD上呈现目标场景的原始图像。所述存储器上存储了计算机程序,该计算机程序被处理器执行时可实现前述成像方法的步骤。所述成像系统例如是一单像素相机,但该单像素相机与传统单像素相机相比,具有区别,除了使用本发明的前述成像方法,还在系统硬件上作了改进:将原先的单点探测器使用面阵探测器30替代,以为分块并行压缩采样提供硬件基础。面阵探测器用于接收采样信号并进行光电转换,例如,图像块21的采样信号31,图像块22的采样信号32。
对图像块进行压缩采样的过程可以用公式y=A*x,其中A表示测量矩阵,x表示原始的图像块,y表示对图像块采样得到的采样信号。继续参考图1,在一具体实施例中,假设每个图像块(例如图像块21、22)的大小为32×32,设定采样率为25%,则测量矩阵的每行中1的个数或其中f表示采样率,则设计的确定性测量矩阵大小为8×32,并且每列中只有一个元素为1,其余为0;每行中有4个元素为1,其余也为0,因此,矩阵满足很好的行不相关性和列不相关性。一种示例性的测量矩阵的形式如下:
说明,上述矩阵A的表示中,空白的地方代表元素为0,省略号…代表省略掉的1,上述矩阵A为8×32,每行含有4个1,每列含有1个1。利用本发明设计的确定性测量矩阵来对每个图像块分别并行地进行压缩采样,相比于传统方法中采用随机矩阵进行采样,最终得到的重构效果更佳,如图2所示,采用单一变量原则,其它条件相同的情况下,对原始图像100进行分块并行压缩采样,图像200是利用随机高斯矩阵作为测量矩阵来进行并行压缩采样后重构出的重构图像,图像300是利用本发明设计的确定性测量矩阵进行并行压缩采样后重构出的重构图像,可以很明显地看出,图像300的重构效果好很多。其中,图像200的PSNR(峰值信噪比)为19.43dB、SSIM(结构相似性)为0.306,而图像300的PSNR为29.41dB、SSIM为0.809。
当直接对采样信号进行图像的重构时,发现得到的重构图像出现很多块效应,这是因为在分块重构时定义的各个块的稀疏度是一样的(但实际上每个图像块的实际稀疏度是不一样的),因此,本发明提出为每个块自适应分配稀疏度,所谓自适应就是:根据每个块的采样信号的相对灰度值变化的大小,来判断每个块的实际稀疏度的相对大小,再来分配与实际稀疏度差异相适应的相对稀疏度。在重构时,基于相对稀疏度来进行,就能很好地消除因稀疏度一样导致的块效应问题。具体而言,当得到采样信号后,利用下述公式对每个采样信号求解其相对灰度值变化:
在上式中,rgv(i)表示第i个采样信号yi的相对灰度值变化,yi(k,j)表示采样信号yi的矩阵中第k行第j列的元素。如果rgv(i)越大,则说明采样信号yi的图像块所含的信息量越大,图像块的稀疏度就越大,反之则稀疏度越小,根据这个原理,我们先将所有采样信号的相对灰度值变化rgv值按大小进行排序,判断出相对应的图像块的实际稀疏度的相对大小情况,再来分配相对稀疏度。即,按照rgv值由大到小,依次分配由大到小的相对稀疏度,例如,为rgv值最大的采样信号的图像块分配给定的最大稀疏度,为rgv值最小的采样信号的图像块分配给定的最小稀疏度,更进一步地,可以rgv值较为接近的几个分配同样大小的相对稀疏度,不一定每个rgv值对应一个相对稀疏度。这样自适应分配相对稀疏度之后,重构时就可以利用相对稀疏度来进行重构,就可以解决前述提到的块效应问题。如图3所示,当其它条件相同,只是在重构时,图像400是直接基于定义的相同稀疏度来进行重构的效果,图像500是基于上述方法分配的相对稀疏度来进行重构的效果,可以看出,重构效果好很多。其中,图像400的PSNR为28.36dB、SSIM为0.831,图像500的PSNR为30.42dB、SSIM为0.891。
本发明中进行分块重构时,对每个采样信号分别利用OMP算法进行重构,分别得到每个图像块的重构图像块,再进行拼接就可得到重构图像。每个采样信号重构得到重构图像块的过程与传统的OMP算法重构过程一样,在此不再赘述。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的技术人员来说,在不脱离本发明构思的前提下,还可以做出若干等同替代或明显变型,而且性能或用途相同,都应当视为属于本发明的保护范围。
Claims (8)
1.一种基于压缩感知的快速目标成像方法,其特征在于,包括以下步骤:
S1、将DMD上目标场景的原始图像均匀地划分为多个原始图像块;
S2、根据原始图像块的矩阵大小和采样率,构建一确定性的测量矩阵,所述测量矩阵满足:每列中1的个数为1,每行中1的个数相同且每行中1的个数根据采样率来设定;
S3、利用步骤S2构建的所述测量矩阵,对所述多个原始图像块进行并行采样,得到各原始图像块对应的采样信号;
S4、计算每一采样信号的相对灰度值变化,并根据所述相对灰度值变化,自适应地为每一采样信号的原始图像块分配相对稀疏度,利用所述相对稀疏度来进行分块重构,输出所述目标场景的重构图像。
2.如权利要求1所述的基于压缩感知的快速目标成像方法,其特征在于:所述测量矩阵的每行中1的个数或其中f表示采样率。
3.如权利要求1所述的基于压缩感知的快速目标成像方法,其特征在于:步骤S4中,根据所述相对灰度值变化,自适应地为每一采样信号的原始图像块分配相对稀疏度具体包括:
将所有采样信号的所述相对灰度值变化按大小进行排序,并判断相应的原始图像块的实际稀疏度的相对大小,根据判断结果为各原始图像块分配相适应的相对稀疏度;其中,所述相对灰度值变化越大,则相应的原始图像块的实际稀疏度越大,反之,则所述实际稀疏度越小。
4.如权利要求1所述的基于压缩感知的快速目标成像方法,其特征在于:步骤S4中进行所述分块重构具体包括:对每一采样信号采用OMP算法分别进行重构,再拼接合成所述目标场景的重构图像。
5.一种基于压缩感知的快速目标成像系统,其特征在于:包括前端成像透镜、位于成像透镜后端的DMD、位于DMD后端的面阵探测器、存储器和处理器,其中,所述成像透镜用于对目标场景进行成像并将原始图像打在DMD上;所述存储器上存储有一计算机程序,所述计算机程序被处理器执行时可实现如下步骤:
S1、将DMD上目标场景的原始图像均匀地划分为多个原始图像块;
S2、根据原始图像块的矩阵大小和采样率,构建一确定性的测量矩阵,所述测量矩阵满足:每列中1的个数为1,每行中1的个数相同且每行中1的个数根据采样率来设定;
S3、利用步骤S2构建的所述测量矩阵,对所述多个原始图像块进行并行采样,得到各原始图像块对应的采样信号;
S4、计算每一采样信号的相对灰度值变化,并根据所述相对灰度值变化,自适应地为每一采样信号的原始图像块分配相对稀疏度,利用所述相对稀疏度来进行分块重构,得到所述目标场景的重构图像;
其中,所述面阵探测器用于接收并行采样得到的采样信号并进行光电转换。
6.如权利要求5所述的基于压缩感知的快速目标成像系统,其特征在于:所述测量矩阵的每行中1的个数或其中f表示采样率。
7.如权利要求5所述的基于压缩感知的快速目标成像系统,其特征在于:步骤S4中,根据所述相对灰度值变化,自适应地为每一采样信号的原始图像块分配相对稀疏度具体包括:
将所有采样信号的所述相对灰度值变化按大小进行排序,并判断相应的原始图像块的实际稀疏度的相对大小,根据判断结果为各原始图像块分配相适应的相对稀疏度;其中,所述相对灰度值变化越大,则相应的原始图像块的实际稀疏度越大,反之,则所述实际稀疏度越小。
8.如权利要求5所述的基于压缩感知的快速目标成像系统,其特征在于:步骤S4中进行所述分块重构具体包括:对每一采样信号采用OMP算法分别进行重构,再拼接合成所述目标场景的重构图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810054553.3A CN108280818B (zh) | 2018-01-19 | 2018-01-19 | 一种基于压缩感知的快速目标成像方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810054553.3A CN108280818B (zh) | 2018-01-19 | 2018-01-19 | 一种基于压缩感知的快速目标成像方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108280818A true CN108280818A (zh) | 2018-07-13 |
CN108280818B CN108280818B (zh) | 2020-04-03 |
Family
ID=62804237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810054553.3A Active CN108280818B (zh) | 2018-01-19 | 2018-01-19 | 一种基于压缩感知的快速目标成像方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108280818B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109088638A (zh) * | 2018-08-15 | 2018-12-25 | 苏州蛟视智能科技有限公司 | 一种基于二进制测量矩阵的压缩感知方法 |
CN110441264A (zh) * | 2019-07-22 | 2019-11-12 | 上海集成电路研发中心有限公司 | 一种基于压缩感知的频域多分辨率成像装置及方法 |
CN112684861A (zh) * | 2020-12-25 | 2021-04-20 | 无锡影速半导体科技有限公司 | 一种数据处理系统及方法 |
CN113554574A (zh) * | 2021-09-23 | 2021-10-26 | 苏州浪潮智能科技有限公司 | 一种压缩感知图像恢复方法、装置、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123740A (zh) * | 2014-07-08 | 2014-10-29 | 浙江传媒学院 | 一种基于压缩感知的图像重构方法 |
CN104779960A (zh) * | 2015-03-20 | 2015-07-15 | 南京邮电大学 | 一种基于分块压缩感知的信号重构方法 |
CN106203374A (zh) * | 2016-07-18 | 2016-12-07 | 清华大学深圳研究生院 | 一种基于压缩感知的特征识别方法及其系统 |
CN106203453A (zh) * | 2016-07-18 | 2016-12-07 | 清华大学深圳研究生院 | 一种基于压缩感知的生物与非生物目标识别方法及其系统 |
CN106993121A (zh) * | 2017-04-07 | 2017-07-28 | 杭州电子科技大学 | 一种基于压缩感知的高光谱图像采集成像系统与控制方法 |
CN107273908A (zh) * | 2017-07-06 | 2017-10-20 | 清华大学深圳研究生院 | 一种基于压缩感知的目标识别方法 |
-
2018
- 2018-01-19 CN CN201810054553.3A patent/CN108280818B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123740A (zh) * | 2014-07-08 | 2014-10-29 | 浙江传媒学院 | 一种基于压缩感知的图像重构方法 |
CN104779960A (zh) * | 2015-03-20 | 2015-07-15 | 南京邮电大学 | 一种基于分块压缩感知的信号重构方法 |
CN106203374A (zh) * | 2016-07-18 | 2016-12-07 | 清华大学深圳研究生院 | 一种基于压缩感知的特征识别方法及其系统 |
CN106203453A (zh) * | 2016-07-18 | 2016-12-07 | 清华大学深圳研究生院 | 一种基于压缩感知的生物与非生物目标识别方法及其系统 |
CN106993121A (zh) * | 2017-04-07 | 2017-07-28 | 杭州电子科技大学 | 一种基于压缩感知的高光谱图像采集成像系统与控制方法 |
CN107273908A (zh) * | 2017-07-06 | 2017-10-20 | 清华大学深圳研究生院 | 一种基于压缩感知的目标识别方法 |
Non-Patent Citations (6)
Title |
---|
HATEF MONAJEMI等: "Deterministic matrices matching the compressed sensing phase transitions of Gaussian random matrices", 《PNAS》 * |
LEE C.POTTER等: "Sparsity and Compressed Sensing in Radar Imaging", 《PROCEEDINGS OF THE IEEE 》 * |
左觅文: "基于自适应采样率的视频压缩感知方案研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
张德生: "压缩感知确定性测量矩阵的构造及其有限等距性质研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
殷长涛: "压缩感知采样和观测矩阵优化算法的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
王强等: "压缩感知中确定性测量矩阵构造算法综述", 《电子学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109088638A (zh) * | 2018-08-15 | 2018-12-25 | 苏州蛟视智能科技有限公司 | 一种基于二进制测量矩阵的压缩感知方法 |
CN110441264A (zh) * | 2019-07-22 | 2019-11-12 | 上海集成电路研发中心有限公司 | 一种基于压缩感知的频域多分辨率成像装置及方法 |
CN110441264B (zh) * | 2019-07-22 | 2022-04-01 | 上海集成电路研发中心有限公司 | 一种基于压缩感知的频域谱成像装置及方法 |
CN112684861A (zh) * | 2020-12-25 | 2021-04-20 | 无锡影速半导体科技有限公司 | 一种数据处理系统及方法 |
CN112684861B (zh) * | 2020-12-25 | 2024-04-16 | 无锡影速半导体科技有限公司 | 一种数据处理系统及方法 |
CN113554574A (zh) * | 2021-09-23 | 2021-10-26 | 苏州浪潮智能科技有限公司 | 一种压缩感知图像恢复方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108280818B (zh) | 2020-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108280818A (zh) | 一种基于压缩感知的快速目标成像方法和系统 | |
US8374444B2 (en) | Method and apparatus for providing higher resolution images in an embedded device | |
EP2560375B1 (en) | Image processing device, image capture device, program, and image processing method | |
CN111447359B (zh) | 数字变焦方法、系统、电子设备、介质及数字成像设备 | |
CN107205154B (zh) | 一种基于矩阵补全的无线多媒体传感网图像压缩采集方法 | |
FR2651399A1 (fr) | Procede et dispositif d'estimation et de codage hierarchise du mouvement de sequences d'images. | |
CN113781320A (zh) | 一种图像处理方法、装置、终端设备及存储介质 | |
CN102629371A (zh) | 基于实时盲图像复原技术的视频像质改善系统 | |
WO2020142456A1 (en) | Methods and apparatus for optimized stitching of overcapture content | |
FR3027144A1 (fr) | Procede et dispositif de determination de mouvement entre des images video successives | |
CN111738951A (zh) | 图像处理方法及装置 | |
Zhang et al. | Optical flow reusing for high-efficiency space-time video super resolution | |
CN111626948B (zh) | 一种基于图像补的低光子泊松图像复原方法 | |
FR2828977A1 (fr) | Dispositif et procede d'estimation du niveau de bruit, systeme de reduction de bruit et systeme de codage comprenant un tel dispositif | |
CN113793272A (zh) | 图像降噪方法及装置、存储介质、终端 | |
CN101986690A (zh) | 图像传感器的图像数据处理方法及装置 | |
CN112070676B (zh) | 一种双通道多感知卷积神经网络的图片超分辨率重建方法 | |
CN108648143B (zh) | 一种利用序列图像的图像分辨率增强方法 | |
KR100311481B1 (ko) | 영상 처리 시스템의 정규화 복원방법과 장치 | |
US11140419B2 (en) | Image processing method and device | |
JP6817784B2 (ja) | 超解像装置及びプログラム | |
CN114902237A (zh) | 图像处理方法、装置和电子设备 | |
CN112446824B (zh) | 一种图像重建方法及装置 | |
JP2001043361A (ja) | 画像処理方法及びこれを用いた画像処理装置 | |
CN113507578B (zh) | 预处理装置及方法 |
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 |