CN110660039A - 一种多帧加权的宽动态图像处理方法 - Google Patents

一种多帧加权的宽动态图像处理方法 Download PDF

Info

Publication number
CN110660039A
CN110660039A CN201910957600.XA CN201910957600A CN110660039A CN 110660039 A CN110660039 A CN 110660039A CN 201910957600 A CN201910957600 A CN 201910957600A CN 110660039 A CN110660039 A CN 110660039A
Authority
CN
China
Prior art keywords
value
weight
frame
frames
module
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
CN201910957600.XA
Other languages
English (en)
Other versions
CN110660039B (zh
Inventor
何利蓉
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.)
Zhejiang Xinmai Microelectronics Co ltd
Original Assignee
Hangzhou Mai Integrated Circuit 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 Hangzhou Mai Integrated Circuit Technology Co Ltd filed Critical Hangzhou Mai Integrated Circuit Technology Co Ltd
Priority to CN201910957600.XA priority Critical patent/CN110660039B/zh
Publication of CN110660039A publication Critical patent/CN110660039A/zh
Application granted granted Critical
Publication of CN110660039B publication Critical patent/CN110660039B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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 using two or more images, e.g. averaging or subtraction
    • 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
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • 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
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H04N5/2622—Signal amplitude transition in the zone between image portions, e.g. soft edges
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H04N5/265—Mixing
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Studio Devices (AREA)
  • Picture Signal Circuits (AREA)

Abstract

本发明公开了一种多帧加权的宽动态图像处理方法，包括以下步骤，将输入的N帧图像分别通过MxM滤波模块，对其进行简单的噪声消除和边界平滑作用，将均值滤波后的数据送入权值初始化模块，根据每帧对应的可配置权值阈值参数，对输入的帧进行权值初始化，赋予每帧初始的加权值，将均值滤波后的数据送入运动检测模块，根据各帧之间的差值计算加在各帧初始化权值上的权值偏移量。本发明中，利用几帧不同曝光强度的帧图像进行加权求和，可在不影响图像质量的前提下，补偿恢复图像中过亮区域和过暗区域看不见的图像细节信息，使过暗的区域以曝光强度较强的帧为主，使过亮的区域以曝光强度较弱的帧为主，使处理后的图像亮暗边界自然过渡。

Description

一种多帧加权的宽动态图像处理方法
技术领域
本发明涉及视频图像处理技术领域，尤其涉及一种多帧加权的宽动态图像处理方法。
背景技术
在安防监控摄像机实际应用中，通常监控画面中有可能出现某些区域因过亮或过暗而看不清楚的情况，从而有可能使图像画面的某些重要信息缺失。目前，通常有两种方法来解决这个问题：第一，根据场景自动调整图像的曝光强度，若图像过亮则降低图像的曝光时间，若图像过暗则增加图像的曝光时间，但此种方法是改变图像整体亮度，不够灵活，第二，把多帧图像从时域变换到频域，将图像信息分为高频系数和低频系数，然后对低频系数求均值，并将求得的均值作为融合后的低频系数；对高频系数进行加权求和，并将求和的值作为融合后的高频系数。此种方法计算复杂度较大，硬件实现成本较高。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种多帧加权的宽动态图像处理方法。
为了实现上述目的，本发明采用了如下技术方案：一种多帧加权的宽动态图像处理方法，包括以下步骤：
S01：将输入的N帧图像分别通过MxM滤波模块，对其进行简单的噪声消除和边界平滑作用；
S02：将均值滤波后的数据送入权值初始化模块，根据每帧对应的可配置权值阈值参数，对输入的帧进行权值初始化，赋予每帧初始的加权值；
S03：将均值滤波后的数据送入运动检测模块，根据各帧之间的差值计算加在各帧初始化权值上的权值偏移量；
S04：将各帧的初始化权值和权值偏移量送入权值修正模块，计算每帧图像的实际权值；
S05：将输入的N帧图像和其对应的权值送入加权融合模块，对各帧数据进行加权求和，并进行归一化，得到输出的帧图像。
作为上述技术方案的进一步描述：
所述S01步骤中MxM滤波模块用于对输入数据进行简单的降噪处理和边界平滑效果，使得后面计算的加权权值更准确，且MxM滤波模块处理的数学表达式为：
Figure BDA0002227852920000021
其中，H为MxM滤波的滤波系数，可根据滤波特性进行配置；Fk为输入帧数据，Fk’为滤波输出帧数据，k的取值为1～N；T是一个中间参数，取值为floor(M/2)。
作为上述技术方案的进一步描述：
所述S02步骤中权值初始化模块用于根据帧图像数据的取值赋予一个用于后面加权融合的初始权值，且权值初始化模块处理的数学表达式为：
W1＝min(max(Th1_max-Yl，1)，val1)
W2＝min(A2，B2)
A2＝min(max(F2′-Th2_min，1)，val2)
B2＝min(max(Th2_max-F2′，1)，val2)
...
WN-1＝min(AN-1，BN-1)
AN-1＝min(max(FN-1′-ThN-1_min，1)，valN-1)
BN-1＝min(max(ThN-1_max-FN-1′，1)，valN-1)
WN＝min(max(FN′-ThN_min，1)，valN)，
其中，F1～FN默认是曝光强度依次递减，F1曝光最强，FN曝光最弱，Th1_max～ThN-1_max为权值阈值的上限，其值可配置，取值范围为0～2Nbit-1(Nbit为输入帧数据的比特宽度)，大于上限权值阈值的帧数据对应的初始化权值为0，Th2_min～ThN_min为权值阈值的下限，其值可配置，取值范围为0～2Nbit-1，小于下限权值阈值的帧数据对应的初始化权值为0，val1～valN为对应帧数据的权值，其值可配置，取值范围为0～255。
作为上述技术方案的进一步描述：
所述S03步骤中运动检测模块用于根据输入的N帧数据，先计算其差值，再对差值进行图像化处理，最终得到叠加到初始化权值上的权值修正量。
作为上述技术方案的进一步描述：
所述S03步骤中运动检测模块的处理方法包括以下步骤：
S1：差分计算；
S2：m*n腐蚀处理，取当前点及其周围m行n列的样点，取其中的最小值作为当前点的输出值；
S3：m*n膨胀处理，取当前点及其周围m行n列的样点，取其中的最大值作为当前点的输出值；
S4：s*s膨胀处理，取当前点及其周围s行s列的样点，取其中的最大值作为当前点的输出值。
作为上述技术方案的进一步描述：
所述步骤S1差分计算还包括以下步骤：
S1.1：计算短曝光帧分别于其他帧的绝对差值；
S1.2：根据F_mode取值，对N-1个绝对差值进行融合，生成参数dFabs，其中，F_mode位宽为N-1bit，其从高到低的比特值分别控制DF1～dFN-1是否参与融合，若对应比特为1，则其控制的对应绝对差值参与融合，否则不参与融合
S1.3：将dFabs进行增益控制，再减去一个阈值，并将结果限制在[0,255]的区间内。
作为上述技术方案的进一步描述：
所述S04步骤中权值修正模块用于根据运动检测模块得到的偏移值量对各帧初始化的权值进行修正。
作为上述技术方案的进一步描述：
所述S04步骤中权值修正模块的修正方法包括以下步骤：
SS1：根据s_ctrl的值，利用Offset_s对N帧的权值进行修正，s_ctrl为可配置参数，位宽为N bit，其N-1～0比特分别对应1～N帧的控制；
SS2：根据l_ctrl的值，利用Offset_l对N帧的权值进行修正，l_ctrl为可配置参数，位宽为N bit，其N-1～0比特分别对应1～N帧的控制。
作为上述技术方案的进一步描述：
所述S05步骤中加权融合模块用于根据F_mode取值，将输入N帧图像，根据计算的权值将其融合成一帧图像输出，且加权融合模块计算表达式为：
Figure BDA0002227852920000051
其中，F_mode位宽为N-1bit，其从高到低的比特值分别控制F1～FN-1是否参与融合，若对应比特为1，则其控制的对应绝对差值参与融合，否则不参与融合，p1、p2、p3，…，pN为可配置值，表示在加权融合中对输入帧数据的增益控制，取值范围为0～63，比特位宽为6bit，默认值为16。
有益效果
本发明提供了一种多帧加权的宽动态图像处理方法。具备以下有益效果：
该多帧加权的宽动态图像处理方法利用几帧不同曝光强度的帧图像进行加权求和，可在不影响图像质量的前提下，补偿恢复图像中过亮区域和过暗区域看不见的图像细节信息，使过暗的区域以曝光强度较强的帧为主，使过亮的区域以曝光强度较弱的帧为主，从而使处理后的图像亮暗边界自然过渡。
附图说明
图1为本发明提出的一种多帧加权的宽动态图像处理方法的系统结构图；
图2为本发明中运动检测模块的结构图；
图3为本发明中腐蚀处理原理图；
图4为本发明中膨胀处理原理图。
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。
参照图1-4，一种多帧加权的宽动态图像处理方法，包括以下步骤：
S01：将输入的N帧图像分别通过MxM滤波模块，对其进行简单的噪声消除和边界平滑作用；
S02：将均值滤波后的数据送入权值初始化模块，根据每帧对应的可配置权值阈值参数，对输入的帧进行权值初始化，赋予每帧初始的加权值；
S03：将均值滤波后的数据送入运动检测模块，根据各帧之间的差值计算加在各帧初始化权值上的权值偏移量；
S04：将各帧的初始化权值和权值偏移量送入权值修正模块，计算每帧图像的实际权值；
S05：将输入的N帧图像和其对应的权值送入加权融合模块，对各帧数据进行加权求和，并进行归一化，得到输出的帧图像。
S01步骤中MxM滤波模块用于对输入数据进行简单的降噪处理和边界平滑效果，使得后面计算的加权权值更准确，且MxM滤波模块处理的数学表达式为：
Figure BDA0002227852920000071
其中，H为MxM滤波的滤波系数，可根据滤波特性进行配置；Fk为输入帧数据，Fk’为滤波输出帧数据，k的取值为1～N；T是一个中间参数，取值为floor(M/2)。
MxM滤波模块中的M的值越小，则降噪效果一般，图像边界处的权值差别越大，边界过渡明显；M的值越大，降噪效果好，但实现成本高，在应用中可根据实际情况斟酌确定，默认值为3，，
S02步骤中权值初始化模块用于根据帧图像数据的取值赋予一个用于后面加权融合的初始权值，且权值初始化模块处理的数学表达式为：
Figure BDA0002227852920000081
其中，F1～FN默认是曝光强度依次递减，F1曝光最强，FN曝光最弱，Th1_max～ThN-1_max为权值阈值的上限，其值可配置，取值范围为0～2Nbit-1(Nbit为输入帧数据的比特宽度)，大于上限权值阈值的帧数据对应的初始化权值为0，Th2_min～ThN_min为权值阈值的下限，其值可配置，取值范围为0～2Nbit-1，小于下限权值阈值的帧数据对应的初始化权值为0，val1～valN为对应帧数据的权值，其值可配置，取值范围为0～255。
S03步骤中运动检测模块用于根据输入的N帧数据，先计算其差值，再对差值进行图像化处理，最终得到叠加到初始化权值上的权值修正量。
S03步骤中运动检测模块的处理方法包括以下步骤：
S1：差分计算；
S2：m*n腐蚀处理，取当前点及其周围m行n列的样点，取其中的最小值作为当前点的输出值；
m*n腐蚀处理的m和n的取值由效果和实现成本决定，若取值太小，则不能精确的识别出过亮和过暗区域的边界，若取值太大，则实现太复杂成本较高，可根据实际情况确定；
S3：m*n膨胀处理，取当前点及其周围m行n列的样点，取其中的最大值作为当前点的输出值；
S4：s*s膨胀处理，取当前点及其周围s行s列的样点，取其中的最大值作为当前点的输出值，
s*s膨胀处理是取当前点及其周围s行s列的样点，取其中的最大值作为当前点的输出值。s的取值由效果和实现成本决定，若取值太小，则不能精确的识别出过亮和过暗区域的边界，若取值太大，则实现太复杂成本较高，可根据实际情况确定。
步骤S1差分计算还包括以下步骤：
S1.1：计算短曝光帧分别于其他帧的绝对差值，绝对差值的计算公式为：
Figure BDA0002227852920000091
S1.2：根据F_mode取值，对N-1个绝对差值进行融合，生成参数dFabs，其中，F_mode位宽为N-1bit，其从高到低的比特值分别控制DF1～dFN-1是否参与融合，若对应比特为1，则其控制的对应绝对差值参与融合，否则不参与融合，参数dFabs的计算公式为：
Figure BDA0002227852920000092
S1.3：将dFabs进行增益控制，再减去一个阈值，并将结果限制在[0,255]的区间内，dFabs进行增益控制表达式为：
dF＝min(max((dFabs>>n0)-motion_thr，0)，255)，其中，A>>B表示A右移B bit；n0为可配置参数，取值范围为0～N-1；motion_thr为可配置参数，取值范围0～255，比特位宽为8。
S04步骤中权值修正模块用于根据运动检测模块得到的偏移值量对各帧初始化的权值进行修正。
S04步骤中权值修正模块的修正方法包括以下步骤：
SS1：根据s_ctrl的值，利用Offset_s对N帧的权值进行修正，s_ctrl为可配置参数，位宽为N bit，其N-1～0比特分别对应1～N帧的控制；
计算表达式为：
Figure BDA0002227852920000101
SS2：根据l_ctrl的值，利用Offset_l对N帧的权值进行修正，l_ctrl为可配置参数，位宽为N bit，其N-1～0比特分别对应1～N帧的控制，计算公式为：
计算表达式为：
S05步骤中加权融合模块用于根据F_mode取值，将输入N帧图像，根据计算的权值将其融合成一帧图像输出，且加权融合模块计算表达式为：
其中，F_mode位宽为N-1bit，其从高到低的比特值分别控制F1～FN-1是否参与融合，若对应比特为1，则其控制的对应绝对差值参与融合，否则不参与融合，p1、p2、p3，…，pN为可配置值，表示在加权融合中对输入帧数据的增益控制，取值范围为0～63，比特位宽为6bit，默认值为16。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种多帧加权的宽动态图像处理方法，其特征在于，包括以下步骤：
S01：将输入的N帧图像分别通过MxM滤波模块，对其进行简单的噪声消除和边界平滑作用；
S02：将均值滤波后的数据送入权值初始化模块，根据每帧对应的可配置权值阈值参数，对输入的帧进行权值初始化，赋予每帧初始的加权值；
S03：将均值滤波后的数据送入运动检测模块，根据各帧之间的差值计算加在各帧初始化权值上的权值偏移量；
S04：将各帧的初始化权值和权值偏移量送入权值修正模块，计算每帧图像的实际权值；
S05：将输入的N帧图像和其对应的权值送入加权融合模块，对各帧数据进行加权求和，并进行归一化，得到输出的帧图像。
2.根据权利要求1所述的一种多帧加权的宽动态图像处理方法，其特征在于，所述S01步骤中MxM滤波模块用于对输入数据进行简单的降噪处理和边界平滑效果，使得后面计算的加权权值更准确，且MxM滤波模块处理的数学表达式为：
Figure FDA0002227852910000011
其中，H为MxM滤波的滤波系数，可根据滤波特性进行配置；Fk为输入帧数据，Fk’为滤波输出帧数据，k的取值为1～N；T是一个中间参数，取值为floor(M/2)。
3.根据权利要求1所述的一种多帧加权的宽动态图像处理方法，其特征在于，所述S02步骤中权值初始化模块用于根据帧图像数据的取值赋予一个用于后面加权融合的初始权值，且权值初始化模块处理的数学表达式为：
W1＝min(max(Th1_max-Yl，1)，val1)
W2＝min(A2，B2)
A2＝min(max(F2′-Th2_min，1)，val2)
B2＝min(max(Th2_max-F2′，1)，val2)
...
WN-1＝min(AN-1，BN-1)
AN-1＝min(max(FN-1′-ThN-1_min，1)，valN-1)
BN-1＝min(max(ThN-1_max-FN-1′，1)，valN-1)
WN＝min(max(FN′-ThN_min，1)，valN)，
其中，F1～FN默认是曝光强度依次递减，F1曝光最强，FN曝光最弱，Th1_max～ThN-1_max为权值阈值的上限，其值可配置，取值范围为0～2Nbit-1(Nbit为输入帧数据的比特宽度)，大于上限权值阈值的帧数据对应的初始化权值为0，Th2_min～ThN_min为权值阈值的下限，其值可配置，取值范围为0～2Nbit-1，小于下限权值阈值的帧数据对应的初始化权值为0，val1～valN为对应帧数据的权值，其值可配置，取值范围为0～255。
4.根据权利要求1所述的一种多帧加权的宽动态图像处理方法，其特征在于，所述S03步骤中运动检测模块用于根据输入的N帧数据，先计算其差值，再对差值进行图像化处理，最终得到叠加到初始化权值上的权值修正量。
5.根据权利要求1所述的一种多帧加权的宽动态图像处理方法，其特征在于，所述S03步骤中运动检测模块的处理方法包括以下步骤：
S1：差分计算；
S2：m*n腐蚀处理，取当前点及其周围m行n列的样点，取其中的最小值作为当前点的输出值；
S3：m*n膨胀处理，取当前点及其周围m行n列的样点，取其中的最大值作为当前点的输出值；
S4：s*s膨胀处理，取当前点及其周围s行s列的样点，取其中的最大值作为当前点的输出值。
6.根据权利要求5所述的一种多帧加权的宽动态图像处理方法，其特征在于，所述步骤S1差分计算还包括以下步骤：
S1.1：计算短曝光帧分别于其他帧的绝对差值；
S1.2：根据F_mode取值，对N-1个绝对差值进行融合，生成参数dFabs，其中，F_mode位宽为N-1bit，其从高到低的比特值分别控制DF1～dFN-1是否参与融合，若对应比特为1，则其控制的对应绝对差值参与融合，否则不参与融合
S1.3：将dFabs进行增益控制，再减去一个阈值，并将结果限制在[0,255]的区间内。
7.根据权利要求1所述的一种多帧加权的宽动态图像处理方法，其特征在于，所述S04步骤中权值修正模块用于根据运动检测模块得到的偏移值量对各帧初始化的权值进行修正。
8.根据权利要求1所述的一种多帧加权的宽动态图像处理方法，其特征在于，所述S04步骤中权值修正模块的修正方法包括以下步骤：
SS1：根据s_ctrl的值，利用Offset_s对N帧的权值进行修正，s_ctrl为可配置参数，位宽为N bit，其N-1～0比特分别对应1～N帧的控制；
SS2：根据l_ctrl的值，利用Offset_l对N帧的权值进行修正，l_ctrl为可配置参数，位宽为N bit，其N-1～0比特分别对应1～N帧的控制。
9.根据权利要求1所述的一种多帧加权的宽动态图像处理方法，其特征在于，所述S05步骤中加权融合模块用于根据F_mode取值，将输入N帧图像，根据计算的权值将其融合成一帧图像输出，且加权融合模块计算表达式为：
Figure FDA0002227852910000041
其中，F_mode位宽为N-1bit，其从高到低的比特值分别控制F1～FN-1是否参与融合，若对应比特为1，则其控制的对应绝对差值参与融合，否则不参与融合，p1、p2、p3，…，pN为可配置值，表示在加权融合中对输入帧数据的增益控制，取值范围为0～63，比特位宽为6bit，默认值为16。
CN201910957600.XA 2019-10-10 2019-10-10 一种多帧加权的宽动态图像处理方法 Active CN110660039B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910957600.XA CN110660039B (zh) 2019-10-10 2019-10-10 一种多帧加权的宽动态图像处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910957600.XA CN110660039B (zh) 2019-10-10 2019-10-10 一种多帧加权的宽动态图像处理方法

Publications (2)

Publication Number Publication Date
CN110660039A true CN110660039A (zh) 2020-01-07
CN110660039B CN110660039B (zh) 2022-04-22

Family

ID=69040315

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910957600.XA Active CN110660039B (zh) 2019-10-10 2019-10-10 一种多帧加权的宽动态图像处理方法

Country Status (1)

Country Link
CN (1) CN110660039B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652847A (zh) * 2020-04-30 2020-09-11 温州医科大学附属眼视光医院 一种基于机器视觉的睑板腺图像预处理的方法
CN112971778A (zh) * 2021-02-09 2021-06-18 北京师范大学 脑功能成像信号获得方法、装置及电子设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101867721A (zh) * 2010-04-15 2010-10-20 青岛海信网络科技股份有限公司 宽动态图像的实现方法、实现装置及成像设备
WO2011013606A1 (ja) * 2009-07-31 2011-02-03 富士フイルム株式会社 画像処理装置及び方法、データ処理装置及び方法、並びにプログラム及び記録媒体
CN103973990A (zh) * 2014-05-05 2014-08-06 浙江宇视科技有限公司 宽动态融合方法及装置
CN104144298A (zh) * 2014-07-16 2014-11-12 浙江宇视科技有限公司 一种宽动态图像合成方法
CN106251318A (zh) * 2016-09-29 2016-12-21 杭州雄迈集成电路技术有限公司 一种序列图像的去噪装置及方法
CN106412448A (zh) * 2016-02-03 2017-02-15 周彩章 一种基于单帧图像的宽动态范围处理方法与系统
CN107085707A (zh) * 2017-04-14 2017-08-22 河海大学 一种基于交通监控视频的车牌定位方法
CN108205796A (zh) * 2016-12-16 2018-06-26 大唐电信科技股份有限公司 一种多曝光图像的融合方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011013606A1 (ja) * 2009-07-31 2011-02-03 富士フイルム株式会社 画像処理装置及び方法、データ処理装置及び方法、並びにプログラム及び記録媒体
CN102576453A (zh) * 2009-07-31 2012-07-11 富士胶片株式会社 图像处理装置和方法、数据处理装置和方法、程序和记录介质
CN101867721A (zh) * 2010-04-15 2010-10-20 青岛海信网络科技股份有限公司 宽动态图像的实现方法、实现装置及成像设备
CN103973990A (zh) * 2014-05-05 2014-08-06 浙江宇视科技有限公司 宽动态融合方法及装置
CN104144298A (zh) * 2014-07-16 2014-11-12 浙江宇视科技有限公司 一种宽动态图像合成方法
CN106412448A (zh) * 2016-02-03 2017-02-15 周彩章 一种基于单帧图像的宽动态范围处理方法与系统
CN106251318A (zh) * 2016-09-29 2016-12-21 杭州雄迈集成电路技术有限公司 一种序列图像的去噪装置及方法
CN108205796A (zh) * 2016-12-16 2018-06-26 大唐电信科技股份有限公司 一种多曝光图像的融合方法及装置
CN107085707A (zh) * 2017-04-14 2017-08-22 河海大学 一种基于交通监控视频的车牌定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
谢骞: "宽动态视频监控技术研究", 《信息科技辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652847A (zh) * 2020-04-30 2020-09-11 温州医科大学附属眼视光医院 一种基于机器视觉的睑板腺图像预处理的方法
CN111652847B (zh) * 2020-04-30 2023-04-07 温州医科大学附属眼视光医院 一种基于机器视觉的睑板腺图像预处理的方法
CN112971778A (zh) * 2021-02-09 2021-06-18 北京师范大学 脑功能成像信号获得方法、装置及电子设备

Also Published As

Publication number Publication date
CN110660039B (zh) 2022-04-22

Similar Documents

Publication Publication Date Title
CN111028163B (zh) 一种基于卷积神经网络的联合图像去噪与弱光增强方法
CN110599433B (zh) 一种基于动态场景的双曝光图像融合方法
JP3187348B2 (ja) 画質改善回路及びその方法
Kim et al. A novel approach for denoising and enhancement of extremely low-light video
CN110660039B (zh) 一种多帧加权的宽动态图像处理方法
CN110570374B (zh) 一种对红外传感器所获得图像的处理方法
JPH1051661A (ja) 低域フィルタリングとヒストグラム等化を用いた画質改善方法及びその回路
JP2012532367A (ja) コントラスト改善
CN106846270A (zh) 一种图像边缘增强方法及装置
CN107492077B (zh) 基于自适应多方向总变分的图像去模糊方法
JP2013162431A (ja) 画像信号処理装置，撮像装置および画像処理プログラム
US20090074318A1 (en) Noise-reduction method and apparatus
CN110401784B (zh) 自适应调节滤波强度的运动平滑方法、系统及视频设备
CN112819721A (zh) 一种图像彩色噪声降噪的方法和系统
CN111242860A (zh) 超级夜景图像的生成方法、装置、电子设备及存储介质
CN101197942A (zh) 多曝光控制方法及多曝光控制装置
CN113902638B (zh) 结合卷积神经网络和轻型自适应中值滤波视频降噪方法
KR101778461B1 (ko) 저조도 영상의 노이즈 제거 방법 및 이의 제조 장치
US8090210B2 (en) Recursive 3D super precision method for smoothly changing area
CN107610072A (zh) 一种基于梯度引导滤波的微光视频图像自适应降噪方法
US20040120601A1 (en) Noise reduction method
CN115409872B (zh) 一种水下摄像机图像优化方法
CN114638764B (zh) 基于人工智能的多曝光图像融合方法及系统
Subah et al. Underwater image enhancement based on fusion technique via color correction and illumination adjustment
CN114120167A (zh) 一种视频图像曝光度度量及自动校正的方法和装置

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 311400 4th floor, building 9, Yinhu innovation center, No. 9, Fuxian Road, Yinhu street, Fuyang District, Hangzhou City, Zhejiang Province

Applicant after: Hangzhou xiongmai integrated circuit technology Co.,Ltd.

Address before: 311400 4th floor, building 9, Yinhu innovation center, No. 9, Fuxian Road, Yinhu street, Fuyang District, Hangzhou City, Zhejiang Province

Applicant before: HANGZHOU XIONGMAI INTEGRATED CIRCUIT TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A multi frame weighted wide dynamic image processing method

Effective date of registration: 20221211

Granted publication date: 20220422

Pledgee: Hangzhou Fuyang Sub branch of Zheshang Bank Co.,Ltd.

Pledgor: Hangzhou xiongmai integrated circuit technology Co.,Ltd.

Registration number: Y2022330003571

CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 311422 4th floor, building 9, Yinhu innovation center, 9 Fuxian Road, Yinhu street, Fuyang District, Hangzhou City, Zhejiang Province

Patentee after: Zhejiang Xinmai Microelectronics Co.,Ltd.

Address before: 311400 4th floor, building 9, Yinhu innovation center, No.9 Fuxian Road, Yinhu street, Fuyang District, Hangzhou City, Zhejiang Province

Patentee before: Hangzhou xiongmai integrated circuit technology Co.,Ltd.