CN110599431A - 应用于红外摄像头的时域滤波方法 - Google Patents

应用于红外摄像头的时域滤波方法 Download PDF

Info

Publication number
CN110599431A
CN110599431A CN201910794956.6A CN201910794956A CN110599431A CN 110599431 A CN110599431 A CN 110599431A CN 201910794956 A CN201910794956 A CN 201910794956A CN 110599431 A CN110599431 A CN 110599431A
Authority
CN
China
Prior art keywords
image
lens
camera
formula
moving
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
CN201910794956.6A
Other languages
English (en)
Other versions
CN110599431B (zh
Inventor
公志强
汪利庆
黄植红
彭玲
刘仁军
何涛
覃杰
彭目华
周国栋
张文芳
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.)
Wuhan Huazhong Numerical Control Co Ltd
Original Assignee
Wuhan Huazhong Numerical Control 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 Wuhan Huazhong Numerical Control Co Ltd filed Critical Wuhan Huazhong Numerical Control Co Ltd
Priority to CN201910794956.6A priority Critical patent/CN110599431B/zh
Publication of CN110599431A publication Critical patent/CN110599431A/zh
Application granted granted Critical
Publication of CN110599431B publication Critical patent/CN110599431B/zh
Active 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
    • G06T5/20—Image enhancement or restoration using local operators
    • 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 using two or more images, e.g. averaging or subtraction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
    • H04N25/62—Detection or reduction of noise due to excess charges produced by the exposure, e.g. smear, blooming, ghost image, crosstalk or leakage between pixels
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/30—Transforming light or analogous information into electric information
    • H04N5/33—Transforming infrared radiation
    • 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
    • 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
    • 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
    • G06T2207/20024—Filtering details
    • 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
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering

Landscapes

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

Abstract

本发明提供了一种应用于红外摄像头的时域滤波方法，包括以下步骤：(1)将摄像头获取的当前帧图像与上一帧图像各像素点的像素差值的绝对值与设定的阈值比较得到二值图；(2)对步骤(1)中获取的二值图在横纵轴向进行投影，并据此判断摄像头处于镜头移动、镜头不动但存在运动目标、镜头不动且不存在运动目标三种状态中的哪一种；(3)根据步骤(2)得到的摄像头所处状态，分别选取适应于对应状态的滤波公式得到输出图像；(4)当下一帧图像数据输入时，回到步骤(1)，当前帧的输出图像作为out(x,y,k‑1)继续滤波，如此循环得到时域滤波后的视频序列。本发明能够获得较好的滤波效果和避免出现拖影和鬼影现象，算法简单，适用性较广。

Description

应用于红外摄像头的时域滤波方法
技术领域
本发明涉及红外视频的时域降噪处理技术，尤其涉及一种应用于红外摄像头的时域滤波方法。
背景技术
红外摄像头是一种非常重要的图像采集设备，与普通的可见光摄像头相比，具有全天候工作、采集距离远和更好的隐蔽性等优势，目前在军事和民用中都得到了广泛的应用。在红外摄像头的实际使用中，由于采集单元的工艺问题以及环境气候的影响，采集到的视频图像数据中往往带有较大的时域高斯噪声，表现在视频序列中为闪动的噪点，此时采用帧平均时域滤波处理可以有效的去除时域高斯噪声，提高视频图像质量。
然而，使用场景中出现运动的物体，或者镜头移动，都会造成滤波输出视频中出现拖影现象，这使时域滤波的范围受到了很大的限制。为此，目前在使用帧平均时域滤波时多采用先提取出视频序列中的运动物体，再对不动场景进行帧间累加的办法，但是复杂的算法虽然可以较为精确的提取出运动物体区域，但都计算量过大，不适用于硬件条件有限的红外摄像头；而简单的算法则容易出现漏检测和误检测，造成输出视频序列中出现拖影和鬼影现象。
发明内容
本发明的目的在于提供一种应用于红外摄像头的时域滤波方法，旨在用于解决现有的滤波方法要么算法复杂，要么易出现漏检测和误检测，造成输出视频序列中出现拖影和鬼影现象。
本发明是这样实现的：
本发明提供一种应用于红外摄像头的时域滤波方法，包括以下步骤：
(1)将摄像头获取的当前帧图像与上一帧图像各像素点的像素差值的绝对值与设定的阈值比较得到二值图，公式如下：
公式(1)中，src(x,y,k)表示当前帧坐标为(x,y)的输入像素值，out(x,y,k-1)表示上一帧坐标为(x,y)的滤波输出像素值，T(x,y)表示设定的阈值，mask(x,y,k)表示当前帧坐标为(x,y)的二值图像素值,mask(x,y,k)＝0表示固定场景区域，mask(x,y,k)＝1表示运动目标区域；
(2)对步骤(1)中获取的二值图在横纵轴向进行投影，并据此判断摄像头处于镜头移动、镜头不动但存在运动目标、镜头不动且不存在运动目标三种状态中的哪一种；
(3)根据步骤(2)得到的摄像头所处状态，分别选取适应于对应状态的滤波公式得到输出图像；
(4)当下一帧图像数据输入时，回到步骤(1)，当前帧的输出图像作为out(x,y,k-1)继续滤波，如此循环得到时域滤波后的视频序列。
进一步地，所述步骤(1)中设定的阈值T(x,y)的获取方法如下：
摄像头对准均匀的黑体采集多帧图像，并利用以下公式计算阈值T(x,y)：
公式(2)中，mean(x,y)表示采集的多帧图像在坐标(x,y)处像素的均值，max(x,y)表示坐标(x,y)处像素的最大值，min(x,y)表示坐标(x,y)处像素的最小值。
进一步地，所述步骤(1)中获取二值图后对二值图进行中值滤波处理。
进一步地，所述步骤(2)中投影操作的具体公式为：
公式(3)-(6)中，medfilter(mask(x,y,k))为经过中值滤波后的二值图在坐标(x,y)处的值，height和width分别为图像的宽和高，valuex和valuey分别为二值图在x轴和y轴处的投影值，countx和county分别表示二值图在x轴和y轴处的投影值的累加值。
进一步地，所述步骤(2)中摄像头的状态判断公式为：
公式(7)中，status＝0表示镜头不动且没有运动目标，status＝1表示镜头移动，status＝2表示镜头不动但有运动目标。
进一步地，所述步骤(3)中采用的滤波公式为：
公式(8)中，L和V均为滤波系数，status＝0表示镜头不动且没有运动目标，status＝1表示镜头移动，status＝2表示镜头不动但有运动目标。
进一步地，步骤(3)中，当status＝2时，V根据移动目标的大小自适应调整，调整公式为：
公式(9)中，Vmin为status＝1时视频观察不到拖影的最大参数，Vmax为移动目标在图像中的大小为(0.05×width,0.05×height)时视频观察不到拖影的最大参数。
与现有技术相比，本发明具有以下有益效果：
本发明提供的这种应用于红外摄像头的时域滤波方法，能够根据视频序列信息获得摄像头所处的状态，并据此自适应的调整滤波公式和滤波参数，以获得较好的滤波效果并避免了运动目标误检测和漏检测带来拖影和鬼影现象，运用时域滤波不需要复杂的运动目标检测算法，能够应用在硬件条件有限的红外摄像头上，适用性较广。
附图说明
图1是本发明实施例提供的一种应用于红外摄像的时域滤波方法的算法流程图；
图2是当摄像头处于镜头不动且没有运动目标时应用本发明实施例提供的一种应用于红外摄像头的时域滤波方法处理后的结果；其中图a为滤波处理后的图像，图b为未经滤波图像；
图3是当摄像头处于镜头不动但有运动目标状态时应用本发明实施例提供的一种应用于红外摄像头的时域滤波方法处理后的结果；其中图a为滤波处理后的图像，图b为未经滤波图像；
图4是当摄像头处于镜头移动状态时应用本发明实施例提供的一种应用于红外摄像头的时域滤波方法处理后的结果；其中图a为滤波处理后的图像，图b为未经滤波图像。
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做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，本发明实施例提供一种应用于红外摄像头的时域滤波方法，包括以下步骤：
(1)将摄像头获取的视频序列的当前帧图像与上一帧图像各像素点的像素差值的绝对值与设定的阈值比较得到二值图，公式如下：
公式(1)中，src(x,y,k)表示当前帧坐标为(x,y)的输入像素值，out(x,y,k-1)表示上一帧坐标为(x,y)的滤波输出像素值，T(x,y)表示设定的阈值，mask(x,y,k)表示当前帧坐标为(x,y)的二值图像素值；
若当前帧图像与上一帧图像对应像素点的像素差值的绝对值较小，说明该像素点区域的目标未发生移动，若当前帧图像与上一帧图像对应像素点的像素差值的绝对值较大，说明该像素点区域的目标发生了移动，因此，mask(x,y,k)＝0表示固定场景区域，mask(x,y,k)＝1表示运动目标区域。
(2)对步骤(1)中获取的二值图在横纵轴向进行投影，并据此判断摄像头处于镜头移动、镜头不动但存在运动目标、镜头不动且不存在运动目标三种状态中的哪一种。
(3)根据步骤(2)得到的摄像头所处状态，分别选取适应于对应状态的滤波公式得到输出图像，从而根据不同的状态选择不同的滤波公式，以避免物体运动或者镜头移动造成的滤波输出视频中出现的拖影现象。
(4)当下一帧图像数据输入时，回到步骤(1)，当前帧的输出图像作为out(x,y,k-1)继续滤波，直至完成视频序列的最后一帧图像的滤波，如此循环得到时域滤波后的视频序列。
本发明实施例提供的这种应用于红外摄像头的时域滤波方法，，能够根据视频序列信息获得摄像头所处的状态，并据此自适应的调整滤波公式和滤波参数，以获得较好的滤波效果并避免了运动目标误检测和漏检测带来拖影和鬼影现象，运用时域滤波不需要复杂的运动目标检测算法，能够应用在硬件条件有限的红外摄像头上，适用性较广。
本发明的方法在步骤(1)允许一定的误检测，但要尽量避免漏检测，因此获取阈值T(x,y)需要在摄像头对准均匀黑体的时候采集多帧图像，所述步骤(1)中设定的阈值T(x,y)的获取方法如下：
摄像头对准均匀的黑体采集多帧图像，并利用以下公式计算阈值T(x,y)：
公式(2)中，mean(x,y)表示采集的多帧图像在坐标(x,y)处像素的均值，max(x,y)表示坐标(x,y)处像素的最大值，min(x,y)表示坐标(x,y)处像素的最小值。
同时为了去除一些孤立的目标点和孤立的固定场景，所述步骤(1)中获取二值图后对二值图进行中值滤波处理。
在一个实施例中，所述步骤(2)中投影操作的具体公式为：
公式(3)-(6)中，medfilter(mask(x,y,k))为经过中值滤波后的二值图在坐标(x,y)处的值，height和width分别为图像的宽和高，valuex和valuey分别为二值图在x轴和y轴处的投影值，countx和county分别表示二值图在x轴和y轴处的投影值的累加值。
在一个实施例中，所述步骤(2)中摄像头的状态判断公式为：
公式(7)中，status＝0表示镜头不动且没有运动目标，status＝1表示镜头移动，status＝2表示镜头不动但有运动目标。
在一个实施例中，所述步骤(3)中采用的滤波公式为：
公式(8)中，L和V均为滤波系数，status＝0表示镜头不动且没有运动目标，status＝1表示镜头移动，status＝2表示镜头不动但有运动目标。其中L可以改变实时输入的当前帧图片在叠加中所占的比例，当满足条件status＝0||medfilter(mask(i,y,k)＝0)时，L才起作用，取值不会引起拖影和鬼影现象，此时L值越大，当前帧图片在叠加中所占的比例越小，最后达到的滤波效果越好，但同时达到最优滤波效果所需的时间也最长，实际使用时根据具体的需求选取最优L值；V可以用来表示当发生漏检测时，肉眼不能够识别的最大的目标真实像素值和输出像素值之间的偏差，以确保即使发生漏检测也不会观察到拖影现象。
作为优选地，步骤(3)中，当status＝2时，V根据移动目标的大小自适应调整，调整公式为：
公式(9)中，Vmin为status＝1时视频观察不到拖影的最大参数，Vmax为移动目标在图像中的大小为(0.05×width,0.05×height)时视频观察不到拖影的最大参数。
结合图2、图3和图4可知，无论摄像头处于哪种状态，本实施例提供的这种应用于红外摄像的时域滤波方法的算法在避免漏检测和误检测引起的拖影和鬼影的同时，还能起到很好的滤波效果。该方法是利用帧间累加在时域上进行滤波的，避免了空域滤波带来的边缘和细节信息的丢失，对时域上的高斯噪声也能起到很好的抑制作用；另外，为了避免时域滤波产生的拖影和鬼影现象，该方法首先将摄像头状态分为镜头移动、镜头不动但存在运动目标、镜头不动且不存在运动目标三种，并通过图像帧间相差法和二值化目标横纵轴投影法自动准确的确定摄像头状态，然后对处于不同状态下的视频序列使用不同的帧间累加公式，且当摄像头处于镜头不动但存在目标状态时，该方法能根据目标大小自适应调整滤波参数，避免了拖影和鬼影现象的同时，保证了很好的滤波效果。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种应用于红外摄像头的时域滤波方法，其特征在于，包括以下步骤：
(1)将摄像头获取的当前帧图像与上一帧图像各像素点的像素差值的绝对值与设定的阈值比较得到二值图，公式如下：
公式(1)中，src(x,y,k)表示当前帧坐标为(x,y)的输入像素值，out(x,y,k-1)表示上一帧坐标为(x,y)的滤波输出像素值，T(x,y)表示设定的阈值，mask(x,y,k)表示当前帧坐标为(x,y)的二值图像素值,mask(x,y,k)＝0表示固定场景区域，mask(x,y,k)＝1表示运动目标区域；
(2)对步骤(1)中获取的二值图在横纵轴向进行投影，并据此判断摄像头处于镜头移动、镜头不动但存在运动目标、镜头不动且不存在运动目标三种状态中的哪一种；
(3)根据步骤(2)得到的摄像头所处状态，分别选取适应于对应状态的滤波公式得到输出图像；
(4)当下一帧图像数据输入时，回到步骤(1)，当前帧的输出图像作为out(x,y,k-1)继续滤波，如此循环得到时域滤波后的视频序列。
2.如权利要求1所述的一种应用于红外摄像头的时域滤波方法，其特征在于，所述步骤(1)中设定的阈值T(x,y)的获取方法如下：
摄像头对准均匀的黑体采集多帧图像，并利用以下公式计算阈值T(x,y)：
公式(2)中，mean(x,y)表示采集的多帧图像在坐标(x,y)处像素的均值，max(x,y)表示坐标(x,y)处像素的最大值，min(x,y)表示坐标(x,y)处像素的最小值。
3.如权利要求1所述的一种应用于红外摄像头的时域滤波方法，其特征在于：所述步骤(1)中获取二值图后对二值图进行中值滤波处理。
4.如权利要求3所述的一种应用于红外摄像头的时域滤波方法，其特征在于，所述步骤(2)中投影操作的具体公式为：
公式(3)-(6)中，medfilter(mask(x,y,k))为经过中值滤波后的二值图在坐标(x,y)处的值，height和width分别为图像的宽和高，valuex和valuey分别为二值图在x轴和y轴处的投影值，countx和county分别表示二值图在x轴和y轴处的投影值的累加值。
5.如权利要求4所述的一种应用于红外摄像头的时域滤波方法，其特征在于，所述步骤(2)中摄像头的状态判断公式为：
公式(7)中，status＝0表示镜头不动且没有运动目标，status＝1表示镜头移动，status＝2表示镜头不动但有运动目标。
6.如权利要求1所述的一种应用于红外摄像头的时域滤波方法，其特征在于，所述步骤(3)中采用的滤波公式为：
公式(8)中，L和V均为滤波系数，status＝0表示镜头不动且没有运动目标，status＝1表示镜头移动，status＝2表示镜头不动但有运动目标。
7.如权利要求6所述的一种应用于红外摄像头的时域滤波方法，其特征在于，步骤(3)中，当status＝2时，V根据移动目标的大小自适应调整，调整公式为：
公式(9)中，Vmin为status＝1时视频观察不到拖影的最大参数，Vmax为移动目标在图像中的大小为(0.05×width,0.05×height)时视频观察不到拖影的最大参数。
CN201910794956.6A 2019-08-27 2019-08-27 应用于红外摄像头的时域滤波方法 Active CN110599431B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910794956.6A CN110599431B (zh) 2019-08-27 2019-08-27 应用于红外摄像头的时域滤波方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910794956.6A CN110599431B (zh) 2019-08-27 2019-08-27 应用于红外摄像头的时域滤波方法

Publications (2)

Publication Number Publication Date
CN110599431A true CN110599431A (zh) 2019-12-20
CN110599431B CN110599431B (zh) 2022-03-08

Family

ID=68855779

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910794956.6A Active CN110599431B (zh) 2019-08-27 2019-08-27 应用于红外摄像头的时域滤波方法

Country Status (1)

Country Link
CN (1) CN110599431B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112907476A (zh) * 2021-03-02 2021-06-04 中国电子科技集团公司第三研究所 时域与空域相结合的红外图像实时帧间降噪方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1814320A2 (en) * 2006-01-30 2007-08-01 Sony Corporation Imaging apparatus, method and program for its control
EP1975695A2 (en) * 2007-03-28 2008-10-01 Nikon Corporation Focus detection device, focusing state detection method and imaging apparatus
CN104902182A (zh) * 2015-05-28 2015-09-09 努比亚技术有限公司 一种实现连续自动对焦的方法和装置
CN105206109A (zh) * 2015-08-13 2015-12-30 长安大学 一种基于红外ccd的车辆雾天识别预警系统及方法
CN109272520A (zh) * 2018-09-18 2019-01-25 浙江大学 一种联合运动指导与边缘检测的自适应红外焦平面非均匀校正方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1814320A2 (en) * 2006-01-30 2007-08-01 Sony Corporation Imaging apparatus, method and program for its control
EP1975695A2 (en) * 2007-03-28 2008-10-01 Nikon Corporation Focus detection device, focusing state detection method and imaging apparatus
CN104902182A (zh) * 2015-05-28 2015-09-09 努比亚技术有限公司 一种实现连续自动对焦的方法和装置
CN105206109A (zh) * 2015-08-13 2015-12-30 长安大学 一种基于红外ccd的车辆雾天识别预警系统及方法
CN109272520A (zh) * 2018-09-18 2019-01-25 浙江大学 一种联合运动指导与边缘检测的自适应红外焦平面非均匀校正方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112907476A (zh) * 2021-03-02 2021-06-04 中国电子科技集团公司第三研究所 时域与空域相结合的红外图像实时帧间降噪方法及装置
CN112907476B (zh) * 2021-03-02 2023-10-20 中国电子科技集团公司第三研究所 时域与空域相结合的红外图像实时帧间降噪方法及装置

Also Published As

Publication number Publication date
CN110599431B (zh) 2022-03-08

Similar Documents

Publication Publication Date Title
CN110599433B (zh) 一种基于动态场景的双曝光图像融合方法
US20150310594A1 (en) Method for imaging processing, and image processing device
KR101929494B1 (ko) 영상 처리 방법 및 장치
Kim et al. A novel approach for denoising and enhancement of extremely low-light video
JP2004522372A (ja) 時空間適応的雑音除去／高画質復元方法及びこれを応用した高画質映像入力装置
TWI462054B (zh) Estimation Method of Image Vagueness and Evaluation Method of Image Quality
CN106991418B (zh) 飞虫检测方法、装置及终端
CN106599783B (zh) 一种视频遮挡检测方法及装置
US10614554B2 (en) Contrast adaptive video denoising system
CN111161172A (zh) 一种红外图像列向条纹消除方法、系统及计算机存储介质
CN111614965B (zh) 基于图像网格光流滤波的无人机视频稳像方法及系统
WO2012063533A1 (ja) 画像処理装置
WO2017001096A1 (en) Static soiling detection and correction
WO2023273868A1 (zh) 图像降噪方法、装置、终端、存储介质
Kim et al. A novel framework for extremely low-light video enhancement
US9338354B2 (en) Motion blur estimation and restoration using light trails
CN110599431B (zh) 应用于红外摄像头的时域滤波方法
Yamashita et al. Automatic removal of foreground occluder from multi-focus images
Zhou et al. Denoising method using a moving-average filter for the moving-object recognition of low-illuminance video-image
CN113240607A (zh) 图像去噪方法、装置、电子设备及存储介质
CN112767446A (zh) 一种提高红外图像跟踪的目标跟踪准确率的图像跟踪系统
CN113724142A (zh) 图像复原系统及方法
Yoo et al. 7‐5: Synthetic Dataset for Improving UDC Video Restoration Network Performance
Naseeba et al. KP Visibility Restoration of Single Hazy Images Captured in Real-World Weather Conditions
Junior et al. Restoration of images affected by welding fume

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