CN110998652B - 用于针对对应形成评估图像片段的方法和设备 - Google Patents
用于针对对应形成评估图像片段的方法和设备 Download PDFInfo
- Publication number
- CN110998652B CN110998652B CN201880048314.5A CN201880048314A CN110998652B CN 110998652 B CN110998652 B CN 110998652B CN 201880048314 A CN201880048314 A CN 201880048314A CN 110998652 B CN110998652 B CN 110998652B
- Authority
- CN
- China
- Prior art keywords
- image
- noise
- image sensor
- signal
- evaluation parameter
- 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.)
- Active
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005755 formation reaction Methods 0.000 title description 40
- 238000011156 evaluation Methods 0.000 claims abstract description 133
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 21
- 239000013598 vector Substances 0.000 claims description 13
- 238000007906 compression Methods 0.000 claims description 12
- 230000006835 compression Effects 0.000 claims description 12
- 230000000087 stabilizing effect Effects 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 8
- 230000000875 corresponding effect Effects 0.000 description 49
- 230000033001 locomotion Effects 0.000 description 13
- 238000013507 mapping Methods 0.000 description 13
- 238000009499 grossing Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006641 stabilisation Effects 0.000 description 4
- 238000011105 stabilization Methods 0.000 description 4
- 239000010426 asphalt Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 230000003139 buffering effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/204—Image signal generators using stereoscopic image cameras
- H04N13/207—Image signal generators using stereoscopic image cameras using a single 2D image sensor
-
- 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
- H04N25/618—Noise processing, e.g. detecting, correcting, reducing or removing noise for random or high-frequency noise
-
- 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
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/30168—Image quality inspection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N2013/0074—Stereoscopic image analysis
- H04N2013/0081—Depth or disparity estimation from stereoscopic image signals
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及用于针对对应形成评估图像片段的一种方法和一种设备。在此,进行:图像传感器的图像信号(10)的接收;所述图像信号(10)的分析处理,以便确定:通过所述图像传感器引起的噪声对于所述图像传感器的所选择的区域以什么规模存在;和用于由所述图像传感器检测的图像的图像片段(2,3)的最终得出的评估参数(601)的求取,所述最终得出的评估参数描述:所述图像片段(2,3)是否适合用于对应形成,其中,所述图像片段(2,3)相应于所述图像传感器的所选择的区域,其中,基于所述噪声的所确定的规模求取所述最终得出的评估参数(601)。
Description
技术领域
本发明涉及用于针对对应形成(Korrespondenzbildung)评估图像片段的一种方法和一种设备。
背景技术
在计算机视觉领域中,尤其在光流(Optischen Fluss)中和在立体视差(Stereo-)中遇到对应形成的主题。在光流中,在时间方向上形成对应,其方式是,确定在第一图像中的坐标和在第二图像中的坐标之间的配属。这样的对应说明,在3D场景中的点到2D图像中的投影如何从旧坐标继续运动至新坐标。在此,在图像中的运动可能由场景点的运动或者由摄像机的运动引起,或者由两者同时引起。在立体视觉中,两个图像大约同时由位于不同的位置上的两个摄像机检测。在此,摄像机的相对布置通常是固定的和已知的。
例如由EP2275990B1和WO2008/087104A1已知立体摄像机系统。
对应形成例如能够实现:在时间上追踪相对运动或者借助三角测量法确定到3D场景中的点的距离。
在现有技术中的方法中,通常很少注意直至完全没有注意在图像信号中存在的噪声。在弱地纹理化的图像区域中、如例如在天空的区域中或者在道路上或者在平滑的建筑立面上或者在阴影区域中,场景的已有的纹理通常不足以相对于在图像传感器的信号中存在的不可避免的噪声占主导。由不利的信号/噪声比(SNR,Signal-to-Noise Ratio)决定地,在这些图像区域中对应的确定可能是困难的直至不可能的。
因此,用于对应形成的公认的方法中的许多方法利用用于尤其在增加平滑度假设的情况下进行正则化的措施。在此,背景在于以下观察:图像场景基本上由面区段组成,在所述面区段以内,对应的所搜索的(稠密的)区域(Feld)(光流区域或者立体视差区域)具有基本上平滑的走向,即在大多数情况下缓慢地和稳定地从像点到像点地改变。
因此,以下是可能并且是可通用的经验:在具有弱的纹理的图像区域中,相对于通过从图像至图像地比较(“匹配”)纹理进行的真实测量,优选平滑的“内插法”。在大多数情况下,这种过渡是连续的:在好的纹理的情况下,匹配(即,在图像数据中的真实测量)的影响占主导,在弱的纹理的情况下,内插法占主导。尤其当满足先前提到的假设并且所检测的图像场景具有有利的特性时,这种途径通常甚至于导致正确的结果。然而,结果也可能是严重错误的。
因此,这些方案尤其不适合于安全关键的功能(例如基于摄像机的驾驶员辅助),其在困难的周围环境条件下也不应提供错误的结果。
发明内容
根据本发明的用于针对对应形成评估图像片段的方法包括图像传感器的图像信号的接收、图像信号的分析处理以便确定通过图像传感器引起的噪声对于图像传感器的所选择的区域以什么规模存在和用于由图像传感器检测的图像的图像片段的最终得出的评估参数的求取,所述最终得出的评估参数描述:图像片段是否适合用于对应形成,其中,图像片段相应于图像传感器的所选择的区域,其中,基于噪声的所确定的规模求取最终得出的评估参数。
根据本发明的用于针对对应形成评估图像片段的设备包括输入级和分析处理级,所述输入级设置用于接收图像传感器的图像信号,所述分析处理级设置用于分析处理图像信号,以便确定:通过图像传感器引起的噪声对于图像传感器的所选择的区域以什么规模存在,并且求取用于由图像传感器检测的图像的图像片段的最终得出的评估参数,所述最终得出的评估参数描述:图像片段是否适合用于对应形成,其中,图像片段相应于图像传感器的所选择的区域,其中,基于噪声的所确定的规模求取最终得出的评估参数。
对应形成可理解为,求取在两个单个的图像中相互相应的特征,其中,优选已经以时间顺序拍摄或者几乎同时从多个摄像机位置拍摄所述各个图像。
图像信号由图像传感器接收。这意味着,根据本发明的设备优选包括用于图像传感器的接口,但或者也包括图像传感器自身。然而,图像信号的接收也允许图像信号的缓存。因此,例如可以记录图像信号并且可以借助存储介质提供根据本发明的设备。图像信号也可以借助传输技术——例如借助无线电传输由图像传感器接收。
图像传感器的所选择的区域为图像传感器的活性表面的任意的区域。在此,所选择的区域尤其限于图像传感器的一些像点(也称为像素)。相应于图像传感器的所选择的区域的图像片段为由图像传感器所检测的图像的以下区域:所述区域的像点通过置于图像传感器的所选择的区域上的单传感器检测到。
噪声的规模尤其为以下值:所述值描述信号/噪声比。评估参数为根据本发明提供的参数。评估参数可以通过后续的图像处理——通过所述后续的图像处理尤其实现对应形成本身——来使用,以便在对应形成中考虑图像的确定的图像片段(这通过评估参数来指示)并且在对应形成中不考虑图像的确定的图像片段(这通过评估参数来指示)。
根据本发明的设备适合用于实施根据本发明的方法。根据本发明的方法提供方法论,以便使不可避免的传感器噪声的影响在对应方法的框架中可控制。在此,所述方法一方面是非常高效的,因为例如存在很少的计算花费、存储花费和传输花费,并且,所述方法另一方面非常紧密地依赖现有的信号处理链并且因此是特别有效的。
根据本发明,尤其能够实现:图像的以下区域——在所述区域中,现有的表面结构的和/或纹理的痕迹可能由于图像传感器的噪声而出现——不同于以下区域:在所述区域中,实际上存在适合用于对应形成的表面结构和/或纹理。
根据本发明,在对应形成的框架中对噪声的影响建模并且基于差的信号/噪声比而强烈地降低错误的对应的风险。尤其是,对于图像的每个像素求取二进制的信息,即附加的比特,所述二进制的信息提供关于配属于该像素(并且例如描述围绕该像素的局部的周围环境)的特征是否适合被用于对应形成的情况。在此,这种适合性尤其取决于局部的纹理并且取决于噪声。
根据本发明,进行图像信号的分析处理,以便确定:通过图像传感器引起的噪声对于图像传感器的所选择的区域以什么规模存在。这意味着,在图像信号中求取通过图像传感器的所选择的区域引起的噪声。在此,该规模尤其通过SNR值来描述。
根据本发明,进行用于由图像传感器检测的图像的图像片段的、最终得出的评估参数的求取,所述最终得出的评估参数描述:图像片段是否适合用于对应形成,其中,图像片段相应于图像传感器的所选择的区域,其中,基于噪声的所确定的规模求取最终得出的评估参数。这意味着,优选对于由图像传感器借助图像信号提供的图像的每个图像区段求取和提供最终得出的评估参数。
最终得出的评估参数优选与图像信号的所属的份额组合地被提供,通过所述最终得出的评估参数定义通过图像传感器检测的图像的以下特征:所述特征属于图像片段。
优选地,根据本发明的方法此外包括对应形成的实施,其中,仅仅考虑以下图像区域用于对应形成:所述图像区域配属有最终得出的评估参数,所述最终得出的评估参数描述:相应的图像区域适合用于对应形成。
从属权利要求示出本发明的优选扩展方案。
优选地,对于所述图像传感器的所选择的区域分别在不同的信号路径中确定所述噪声的按份额的规模,并且基于所述噪声的来自于所有信号路径的相应的按份额的规模确定用于所述图像片段的、最终得出的评估参数。因此,通过在不同的信号路径中求取噪声的规模的各个份额来确定噪声的规模。因此,获得用于可靠地求取最终得出的评估参数的更宽泛和因此更可靠的基础。尤其对于每个信号路径求取图像信号值,所述图像信号值描述通过图像传感器引起的噪声的规模。信号路径优选为彼此并行的信号路径,其中,信号路径在它们的末尾处合并,以便求取最终得出的评估参数。
进一步优选地,在不同的信号路径中对图像信号分别不同地滤波,以便确定噪声的分别按份额的规模。因此,能够实现:仅仅考虑图像信号的确定的、对于对应形成特别重要相关的份额用于图像片段的评估。
也有利的是,图像信号的不同的频率范围分别属于噪声的每个按份额的规模。在此,噪声的每个按份额的规模属于一信号路径。因此,尤其确定用于图像信号的不同的频率范围的噪声,以便在信号路径中确定噪声的按份额的规模。因此,能够实现在图像信号的通过噪声引起的份额和图像信号的以下份额之间的特别好的区分:所述份额通过实际的表面在图像中的成像引起。
此外,有利的是,由噪声的每个按份额的规模求取临时的评估参数并且将所述临时的评估参数联合(zusammenfassen)为最终得出的评估参数。因此,对于每个图像区段,由多个临时的评估参数生成单个的、最终得出的评估参数。因此,尤其可以通过单个的、最终得出的评估参数复述用于图像信号的不同的频率范围的信息。在此,尤其进行临时的评估参数的加权。因此,由多个信号路径可以产生唯一的、最终得出的评估参数,所述最终得出的评估参数可以以简单的方式被提供用于对应形成。
同样地,有利的是,在进行图像信号的分析处理之前,应用动态压缩到图像信号上。动态压缩也称作色调映射(Tone-Mapping)。通过动态压缩的应用可以使在图像信号中的不同的灰度值对噪声的规模和因此对最终得出的评估参数的影响最小化。在此,将动态压缩应用到由图像传感器检测的整个图像上。
此外,有利的是,最终得出的评估参数为二进制值、以多个级表明对于对应形成的适合性的程度或者为向量值。这样的值可以简单的方式提供并且可以以简单的方式再处理。在此,由于可能的值的有限的绝对的数目而可能的是,在对应形成时规定,要如何处理相应的图像片段。
也有利的是,对于图像传感器的多个所选择的区域进行图像信号的分析处理以便确定噪声的规模,以便求取多个最终得出的评估参数。通过这样多个最终得出的评估参数可以描述在图像中的不同的特征和其对于对应形成的适合性。优选地,在此,对于由图像传感器检测的图像的每个像点,基于噪声的在那里存在的规模求取评估参数。
此外,有利的是,将稳定函数应用到最终得出的评估参数中的属于第一图像片段的那一个上,其中,根据邻近的、最终得出的评估参数进行在位置上和/或在时间上的滤波。因此,将稳定函数应用到最终得出的评估参数中的属于第一图像片段的那一个上,其中,进行第一图像片段的最终得出的评估参数的值与邻近第一图像区域的图像片段的最终得出的评估参数的匹配。因此,可以扩大最终得出的评估参数所基于的信息基础并且因此提高其可靠性。因此,例如充分利用:在图像中,典型地,适合用于对应形成的区域并排布置,并且,同样地,较不适合用于对应形成的区域并排地布置。
附图说明
以下,参照附图详细地描述本发明的实施例。在图中:
图1示出一示例性的图像,该图像由图像传感器检测到,
图2示出根据本发明的第一实施方式的信号处理的方框图,
图3示出根据本发明的第二实施方式的信号处理的方框图,
图4示出用于将多个临时的评估参数联合为最终得出的评估参数的第一逻辑电路,
图5示出用于将多个临时的评估参数联合为最终得出的评估参数的第二逻辑电路,
图6示出用于将多个临时的评估参数联合为最终得出的评估参数的第三逻辑电路,以及
图7示出稳定函数的示意图。
具体实施方式
图1示出一示例性的图像1,该图像由图像传感器检测到。在此,图像的每个像点相应于图像传感器的传感器矩阵中的单个传感器。显然,在示例性的图像1的上方区域中描绘天空,并且,在示例性的图像1的下方区域中描绘道路的沥青路面。
在图1中,标出图像1的两个示例性的图像片段2、3。图像传感器借助其活性表面检测图像1。因此,图像传感器检测的图像1的对应的图像片段2、3分别属于图像传感器的每个区域。因此,图像片段2、3也标出图像传感器的所选择的两个区域。在此,第一图像片段2相应于图像传感器的所选择的第一区域,并且第二图像片段3相应于图像传感器的所选择的第二区域。
第一图像片段2描绘天空并且因此基本上是蓝色的面。第二图像片段3描绘道路的沥青路面并且因此基本上是灰色的面。此外,在两个图像片段2、3中存在纹理,其中,第一图像片段2的纹理主要由图像传感器的噪声产生,因为在所描绘的天空中不存在实际的纹理。对于第二图像片段3,纹理由沥青路面的粗糙的表面和附加地由图像传感器的噪声产生。在此,尤其图像传感器的微小的运动可以与沥青路面的粗糙的表面组合地导致:在第二图像区段3的区域中在不存在图像传感器的噪声的情况下也出现类似噪声的信号。
得出,第一图像片段2不适合用于对应形成,因为在第一图像片段2中出现的纹理仅仅通过统计的随机过程引起。而第二图像片段3适合用于对应形成,因为在第二图像片段3中出现的纹理是在由图像传感器描绘的周围环境中的实际的参考点。
要指出,图像片段2、3可以包括图像传感器的任意大小的和因此任意数目的像点。以下,示例性地假设,图像传感器的所选择的区域包括图像传感器的仅仅一个单个的像素,并且所属的图像区域2、3因此包括单个的像点。
图像传感器的噪声可以看作随机过程,所述随机过程的参数被统计地描述。
图像传感器的单个的像素的或者像点的噪声在正常情况下可以看作独立于相邻像素的噪声。此外,可以假设,所有像素(由于相同的生产过程和相同的温度)具有大约相同的统计特性。在图像传感器的典型的工作区域中,噪声近似地服从正态分布。在此,噪声的方差可以以
来近似地描述。因此,噪声的方差随着灰度值g、更确切地说随着斜度α线性地增加。在黑暗(灰度值g=0)的情况下,噪声的方差为
对于图像信号10的进一步的处理,可能有利的是,消除噪声对灰度值g的依赖关系。
为此目的,按照以下函数将原始灰度值g映射到替代灰度值h(g)上:
以下将函数h(g)称作色调映射函数(Tone-Mapping-Funktion)。表述色调映射与表述动态压缩同义。
将色调映射作为逐像素的运算执行(即,一个像素接一个像素地,相互独立地)。在色调映射之后,消除了噪声的灰度值依赖关系。然后,噪声的方差是恒定的并且为
在对应形成中考虑的两个图像通常(在色调映射之后也)具有噪声的不同方差。
在大多数情况下,色调映射函数比先前描述的更复杂,尤其当涉及非线性的图像传感器(例如HDR传感器,高动态范围,High Dynamic Range)时。色调映射函数可以是在时间上可变的,例如随着所拍摄的每个图像根据摄像机参数改变。色调映射函数可以保存在查找表中或者作为计算规则保存。
以下假设:每个像点受加性高斯(也就是说,正态分布的)噪声干扰并且像点的干扰相互统计独立并且相同地分布。该输入噪声过程的标准偏差以σC表示。简化地,应假设:色调映射已经发生,从而σC在相应的图像中是恒定的并且独立于灰度值g。
该简化不一定是必要的:同样可能的是,建模并且考虑对于每个像素,噪声的灰度值依赖关系,然而这随之带来较高的复杂性的缺点,因为当要利用最优的决策阈值(那么,所述最优的决策阈值取决于所观察的像素的灰度值g并且取决于周围环境的灰度值)时,关于在相应的像素上存在的噪声的方差的信息必须在信号处理链内被传递。
此外,假设,图像信号处理链至少部分地由线性滤波器组成:例如由平滑滤波器组成,接着拆分为多个信号路径,其中,在每个信号路径中可以跟着另外的滤波器,例如平滑滤波器、求导滤波器(Ableitungsfilter)、小波滤波器和它们的组合。
对此,图2示出来自于用于图像传感器的第一图像的信号处理链的示例性的片段。信号处理链可以多重地构造,例如两重地构造——用于第一图像和比较图像。在此,图2示出根据本发明的一种实施方式的信号处理的片段的方框图。
在此,由图像传感器提供图像信号10,所述图像信号构成第一块50的输入信号。因此,第一块构成输入级,该输入级设置用于接收图像传感器的图像信号10。
第一块50例如是可选的色调映射,所述色调映射确保独立于灰度值g的、具有标准偏差σC的噪声。将经调整的图像信号11——即在将色调映射应用到图像信号10上之后的图像信号10——从第一块50转发给第二块100。
第二块100例如是线性的平滑滤波器。通过平滑滤波器对经调整的图像信号进行平滑并且因此产生经平滑的图像信号20。在第二块100之后,信号路径拆分并且在多个并行的信号路径中对经平滑的图像信号20进行再处理。
在图2中示出第一信号路径。除了第一块50和第二块100之外,该第一信号路径还包括第三块101和第四块301。第三块101为例如另外的线性滤波器、例如导出滤波器,所述另外的线性滤波器将两个像素值从图像1的相互共同的周围环境减去。
已知的是,线性滤波器的串联——例如通过第二块100和第三块101表示的滤波器——可以看作唯一的线性滤波器,所述唯一的线性滤波器以下也称作等效滤波器(Ersatzfilter)201。即,对于每个信号路径,可以规定一个等效滤波器201,其中,通常,可以考虑与存在的信号路径同样多的不同的等效滤波器201。这样的等效滤波器201引起多个像素值(灰度值)的所期望的加权的、线性的关联,其中,滤波器系数表示权重。同时,等效滤波器导致独立的噪声过程的加权的相加。加权的相加应根据非常简单的例子来推导出:
如果考虑例如两个不相关的和相同地分布的、零均值的随机变量X1和X2以权重w1或者w2加权的相加Y=w1X1+w2X2,则对于加权的总和的随机变量Y,得出:
在此,E{}代表期望值。由于不相关性,中间项变为零。普遍地,对于具有滤波器系数wi的线性滤波器Y=∑iwiXi和在滤波之前和之后的关系
相应地适用,并且,对于标准偏差,
适用。
即,因子
为用于噪声的增益因子。在这里,概念增益可广泛地理解,因为增益也可以具有≤1的值。然而,在优选整数的系数wi的情况下,增益大多>1。
即,对于该简单的关系的成立的前提是噪声过程的不相关性。对于在实践中的图像传感器,可以以非常好的近似作出这种假设。在这里,前提是,在图像传感器的或者色调映射的输出端和等效滤波器201之间不发生另外的重要相关的滤波,所述另外的重要相关的滤波将会破坏不相关性的所作出的假设。
但是,如果(在图像传感器或者色调映射和等效滤波器201之间)存在另外的破坏不相关性的滤波器,则一种简单的可行的解决方案在于,将所述另外的破坏不相关性的滤波器作为线性滤波器建模并且将其同时包括到等效滤波器201中。因此,所有另外的考虑至少大致是有效的。
在第四块301中,发生第一信号路径的信息的压缩。在此,通常执行非线性运算。
因此,例如,将第四块301的输入信号的经粗略地量化(即可以借助少量的比特表示)的代表作为输出信号401产生。输出信号401可以是来自图像1的特征的一部分或者被再处理,以便被包括到特征的形成中。输出信号401和另外的特征形成在这里不进一步考虑。在紧跟信号处理的对应形成的框架中实现特征形成。
此外,在第四块301中,发生在噪声方面对在该块上存在的输入信号s1的评估,所述评估接下来称作单评估(Einzelbewertung)并且通过所述评估提供临时的评估参数501。在此,进行图像信号10的分析处理,以便确定:通过图像传感器引起的噪声对于图像传感器的所选择的区域以什么规模存在。在此,分析处理通过等效滤波器201预滤波的图像信号10。如以下还描述的、最终得出的评估参数601那样,临时的评估参数501也描述:相应的图像片段2、3是否适合用于对应形成,其中,图像片段2、3相应于图像传感器的所选择的区域,其中,基于噪声的所确定的规模求取评估参数。然而,在此,临时的评估参数501仅仅基于在第三块101中事先被滤波的图像信号10。因此,通过临时的评估参数501例如仅仅提供关于图像片段2、3对于用于图像信号10的确定的频率范围的对应形成的适合性的结论。
在最简单的情况下,临时的评估参数501的求取可以由情况区分组成,其中,检验,用于第四块301的输入信号s1的量值|s1|是否未超出阈值ε1A,其中,索引1在这里分别代表在图2中示出的第一信号路径。在未超出的情况下,在第四块301的输出端上输出一个0,否则输出一个1作为临时的评估参数501。这种具有二进制值的临时的评估参数501的实施方式是一种优选的实施方式。
所描述的借助考虑绝对值进行的、对称的阈值比较是一种优选的实施方式,尤其是当滤波器权重的总和得出0(即,0=Σiwi)时,所述优选的实施方式是有意义的。不对称的阈值比较在0≠Σiwi的情况下同样有利和特别有意义,在所述不对称的阈值比较中,检验,输入信号s1是位于例如ε1AL和ε1AR(其中,ε1AL<ε1AR)之间的区间内部还是外部。
但是,为简单起见,以下的例子涉及对称的阈值比较。
在一种替代的实施方式中,进行输入信号s1的量值|s1|与三个阈值ε1A<ε1B<ε1C的相应的比较,从而存在四个可能的状态并且在第四块301的输出端上输出具有两个比特字宽的单评估作为临时的评估参数501。
有利的是,根据以下影响参量选择相应的阈值(例如ε1A):图像传感器的噪声特性、必要时替代地,图像信号在色调映射之后的噪声特性、通过等效滤波器201的噪声放大或者应用特定的参数、例如因子aA。此外,有利的是,使影响参量相乘地相互关联,以便因此确定阈值。
即,下面对于该实施例假设,如下地确定阈值ε1A:
相应的关系也适用于另外的信号路径p(在该实施例中,p=1......99,其中,具体的值99在这里是无意义的并且仅仅示例性地选择的):
索引A在这里代表第一阈值εpA,该第一阈值可以借助应用特定的第一因子aA来确定。可选地,对于另外的阈值——例如用于阈值εpB和因子aB的索引B等等——存在相应的关系。
图3示出来自于在图2中描绘的信号处理链的较大的片段。在这里,除了在图2中描述的、也称作第一信号路径的信号路径之外,示出另外的信号路径。在这些信号路径的每一个中,对于图像传感器的所选择的区域确定噪声的按份额的规模。在此,噪声的按份额的规模可以相应于对于图像传感器的所选择的区域通过图像传感器引起的噪声的规模。但是,噪声的按份额的规模也可以限于图像信号10的确定的特性,尤其限于一频率范围。
示出数目p个信号路径。在此,具有p∈{1,......,99}的第p个信号路径包括一个线性滤波器102,103,......,199(在这里,即,以参考标记100+p表示),所述线性滤波器相应于第三块101。在此,线性滤波器102,103,......,199具有不同的滤波器特性,以便确定噪声的属于信号路径的、按份额的规模。信号路径的相应的线性滤波器102,103,......199与第二块100的连接在前面的线性滤波器的联合称作属于相应的信号路径的等效滤波器201,202,......299(参考标记200+p)。有利地,线性滤波器101,102,......,199全部彼此不同。相应地,等效滤波器201,202,......299也不同。因此,尤其通过线性滤波器101,102,......,199的相应的选择,噪声的规模的多个所属的份额分别属于图像信号10的不同的频率范围。
在此,第p个信号路径(其中,p∈{1,......,99})此外分别包括相应于第一信号路径的第四块301的块301,302,303,......,399。等效滤波器201,202,......299与块301,302,303,......,399和可选的组合块600一起产生分析处理级。该分析处理级设置用于分析处理图像信号10,以便确定:通过图像传感器引起的噪声对于图像传感器的所选择的区域以什么规模存在,并且用于求取用于由图像传感器检测的图像的图像片段2、3的、最终得出的评估参数601,所述最终得出的评估参数描述:图像片段2、3是否适合用于对应形成,其中,图像片段2、3相应于图像传感器的所选择的区域,其中,基于噪声的所确定的规模求取最终得出的评估参数601。
信号sp(其中,p∈{1,......,99})施加在块301,302,303,......,399的输入端上。如先前描述的那样,在这些块301,302,303,......,399中以及在第四块301中分别发生输入信号的单评估,其中,分别进行用于相应的输入信号sp的量值|sp|的一种或者多种阈值比较的执行。
将这些比较的结果作为临时的评估参数501,502,503,......,599提供并且将其传递给可选的组合块600。
组合块600的任务是信息压缩。该信息压缩的特征在于,组合块600的具有少量的比特的输出信号可以描述为输入信号——即临时的评估参数501,502,503,......,599——的总体。然后,输出信号通常具有较小的熵(Entropie)。出现信息损失,但是所述信息损失是有意地被容忍的,例如以便实现小的字宽的优点并且节省传输带宽。组合块600的输出信号为最终得出的评估参数601。因此,通过组合块600将临时的评估参数501,502,503,......,599联合为最终得出的评估参数601。
图4、5和6示出组合块600可以如何构造的替代的实施例。
图4示出用于将多个临时的评估参数501,502,503,......,599联合为最终得出的评估参数601的第一逻辑电路,在本发明的一种有利的实施方式中,该第一逻辑电路为组合块600。在此,临时的评估参数501,502,503,......,599假设为二进制值的输入信号。临时的评估参数501,502,503,......,599中的每三个构成一个组并且借助两个或门602,603逻辑地关联。这意味着,当该组的临时的评估参数501,502,503,......,599中的至少一个已经假设逻辑“1”为值时,在或门602,603的输出侧上输出逻辑“1”作为用于相应的组的中间结果。所有的组的二进制的中间结果通过多个加法器604耦合并且因此相加。即,在99个信号路径和33个三件组的情况下,组合块600的输出信号具有0-33的值范围。这相应于少于6比特的熵,而对于临时的评估参数501,502,503,......,599要传输总共99比特。因此,以该途径实现第一信息压缩。经相加的中间结果称作总和信号sx并且作为最终得出的评估参数601被提供在组合块600的输出端上。因此,最终得出的评估参数601具有以下值范围:该值范围通过在多个级中的各个值描述一程度,该程度描述分别考虑的图像片段2、3对于对应形成的适合性。
图5示出用于将多个临时的评估参数501,502,503,......,599联合为最终得出的评估参数601的第二逻辑电路,在本发明的一种有利的实施方式中,所述第二逻辑电路为组合块600。图5示出一种相对于在图4中示出的逻辑电路简化的、用于信息压缩——即,通过临时的评估参数501,502,503,......,599的简单的相加——的可能性,所述临时的评估参数不必是二进制值的,而是也可以覆盖较大的值范围。为此,组合块600的所有的输入端——在所述输入端上,将临时的评估参数501,502,503,......,599提供给组合块600——通过多个加法器604耦合,从而将临时的评估参数501,502,503,......,599中的所有相加。
经相加的临时的评估参数501,502,503,......,599称作总和信号sx并且作为最终得出的评估参数601被提供在组合块600的输出端上。
图6示出用于将多个临时的评估参数501,502,503,......,599联合为最终得出的评估参数601的第三逻辑电路,在本发明的一种有利的实施方式中,所述第三逻辑电路为组合块600。在图6中示出的组合块600与从图5已知的组合块600类似地构造,然而将总和信号sx在提供在组合块的输出端之前与阈值T1进行比较并且将该比较的结果作为二进制的信息输出。因此,最终得出的评估参数601为二进制值。
因此,如在图3中示出的那样,通过p个信号路径中的每一个求取临时的评估参数501,502,503,......,599,其中,临时的评估参数501,502,503,......,599中的每一个基于噪声的按份额的规模,其中,噪声的按份额的规模取决于在相应的信号路径中应用的等效滤波器201,202,203,......,299。通过组合块600将临时的评估参数501,502,503,......,599联合为最终得出的评估参数601。因为临时的评估参数501,502,503,......,599中的每一个基于噪声的不同的按份额的规模,因此基于以下噪声确定用于所考虑的图像片段2、3的最终得出的评估参数601:所述噪声由噪声的各个份额的组合——在这里,噪声的按份额的规模——得出。
存在多个另外的可能性,所述另外的可能性用于构型组合块600,以便使临时的评估参数501,502,503,......,599合适地相互组合,例如借助逻辑运算(AND,OR,XOR,NOT等等)、计算运算(相加、相乘等等)、阈值比较、量化、查找表等等相互组合。这些运算的关联或者可以“设计”或者可以根据训练数据“训练”。
在这里,决定性的是,使单评估和因此使临时的评估参数501,502,503,......,599关联成为经压缩的评估,从而经压缩的评估已经得出关于以下的相对可靠的信息:即恰好被处理的、作为输出信号401,402,403,......,499被提供的信号是否以及可能以多大程度相比噪声显得突出。在此,经压缩的评估可以是二进制值的或者具有较大的值范围。
经压缩的评估也可以是向量值的。即,在这种情况下,不是输出仅仅一个二进制值的或者“多值的”信息,而是输出多个这样的信息,所述多个这样的信息可以共同考虑地作为向量理解。例如,在图4和图5中提出的、用于联合单评估的例子可以不看作替代方案,而是两者可以共同地在组合块600中实施,从而组合块600的结果和因此最终得出的评估参数601为二维的向量。
将稳定函数应用到组合块600的输出信号上和因此应用到最终得出的评估参数601上。这在图3中通过稳定块700示出。
可选的稳定块700充分利用在空间上的和/或在时间上的统计学的依赖关系,以便使结果稳定。例如,通过以下方式:将在图5中示出的组合块600的中间结果——所述中间结果具有值范围0-99——以空间的-时间的像素邻近关系加权地相加并且将其与阈值进行比较。
这通过以下方式来激发:当决定不是单个地(逐像素地)作出而是在位置上和/或时间上的前后关系中作出时,可以作出在位置上和/或时间上更稳定的决定。
用于以在空间上的像素邻近关系加权的总和的例子在图7中示出。
在此,进行图像信号10的分析处理,以便确定噪声的规模,对于图像传感器的所选择的多个图像片段2、3,以便求取多个最终得出的评估参数601。因此,尤其对于每个像素——即对于每个像点——或者对于在图像中的每个特征实施在图3中示出的信号处理。如果对于图像传感器的每个像素实施信号处理,则得出,对于每个像素求取最终得出的评估参数601。
在信号处理的通过稳定块700示出的份额中,将稳定函数应用到最终得出的评估参数601上,所述最终得出的评估参数例如属于第一图像片段2,其中,进行第一图像片段2的最终得出的评估参数601的值与邻近第一图像片段2的图像片段4的最终得出的评估参数的匹配。
为此,所求取的所有最终得出的评估参数601至少被缓存短的时间,从而对于每个像素和因此对于每个图像区段2、3可以访问相邻的像素的相应的最终得出的评估参数。
例如,在这里,对于在图7中画阴影线地示出的参考像素6,访问十个邻近像素的最终得出的评估参数601并且通过总共十一个像素执行最终得出的评估参数601的加权的求和,所述加权的求和在这里具有进行平滑的作用(平滑滤波器),其中,权重在这里为1或2。因为权重的总和在这里为14,所以结果具有0至14*99=1386的值范围。参考像素6例如相应于图像传感器的以下像素:通过所述像素检测第一图像片段2。置于参考像素6左旁边的邻近的像素7相应于图像传感器的以下像素:通过所述像素检测邻近第一图像片段2的图像片段4。
如此经稳定的、最终得出的评估参数601作为输出值s2输出并且可以可选地与阈值T2比较,所述阈值具有例如“700”的值。对于该阈值决策替代地,也可以进行量化,所述量化将例如例如0-1386值范围映射到0-7的较小的值范围上。
所提到的所有数字仅仅可看作例子。通过稳定块700提供的平滑滤波器不一定对称地构造,并且其也不必紧密地分布。任意的形状和延展可以被证实是有利的并且可以例如根据实验来求取。
在空间上的加权的求和通常要求最终得出的评估参数601的中间缓冲并且通常也导致延迟,因为当所有另外的中间结果都存在时才可以计算用于相应的(参考)像素的最终结果。
附加地或者替代地,加权的求和也可以在时间方向上执行。为此,同时包括例如来自于(例如用于以前图像的)较早的计算的、中间缓冲的中间结果。这种包括必要时在使用运动补偿——例如用于补偿包括图像传感器的摄像机的旋转——的情况下来进行。
稳定块700的结果为通过在相应的像素上的噪声进行的决定(在二进制的结果的情况下)或者评估(在多于二进制值的结果的情况下)。在此,二进制值可以具有如下的解释。在此,在稳定块700的输出端上提供经稳定的、最终得出的运动参数701。稳定块700是可选的。经稳定的、最终得出的运动参数601的值的接下来描述的意义可以以相同的方式直接应用到(未经稳定的)最终得出的运动参数601上。
如果经稳定的、最终得出的运动参数701或者最终得出的运动参数601为二进制值,则该值可以如下地解释:
值=0意味着:对于该像素确定的特征向量可能受噪声显著地影响并且因此不应该用于对应形成(或者其他的再处理)。
值=1意味着:特征向量可能不受噪声影响并且因此可以用于对应形成等等。
在将经稳定的、最终得出的运动参数701或者最终得出的运动参数601量化到四个值上的情况下,解释可以是:
值=0意味着:特征向量可能受噪声影响并且因此不用于对应形成。
值=1意味着:特征向量可能受噪声影响。因此,借助该特征向量或者对于该特征向量获得的结果不应该被给予过大的信任。
值=2意味着:特征向量可能不受噪声影响并且因此可以正常地用于对应形成。
值=3意味着:特征向量不受噪声影响。该特征向量如此明显地远离噪声水平,使得可以给予相应的结果特别的信任。
组合块600的和稳定块700的所选择的顺序在这里仅仅可示例性地理解。该顺序也可以是相反的,以便首先包括空间上/时间上的邻近关系并且接着实现信息压缩。这些块600、700的功能也可以相对彼此交织并且表示在共同的块中。
概括地,根据本发明的方法能够实现:说明对特征的附加信息,所述附加信息根据“到噪声的距离”表明对该特征的或多或少地大的信任,其中,该信任量度或者质量量度可以非常紧凑地(例如以1比特或者以少量的比特)描述并且可以将其传递给后来的算法或者可以被高效地存储用于进一步的应用。
在优选的实施方式中,对于每个像素或者对于每个特征求取和附加根据本发明的信息。然而,也可能的是,很少地求取和提供所述信息,例如分别对于一组像素或者特征求取和提供或者作为二进制图像求取和提供所述信息,然后,可以借助已知的用于数据压缩的方法来编码和解码所述二进制图像。在这种情况下,对于每个像素或者特征以少于1比特代表也是可能的。
Claims (8)
1.一种用于针对对应形成评估图像片段的方法,其中,求取在两个单个的图像中相互相应的特征,所述方法包括:
接收图像传感器的图像信号(10),
分析处理所述图像信号(10),以便确定:通过所述图像传感器引起的噪声对于所述图像传感器的所选择的区域以什么规模存在,以及
求取用于由所述图像传感器检测的图像的图像片段(2,3)的最终得出的评估参数(601),所述最终得出的评估参数描述:所述图像片段(2,3)是否适合用于对应形成,其中,所述图像片段(2,3)相应于所述图像传感器的所选择的区域,其中,基于所述噪声的所确定的规模求取所述最终得出的评估参数(601),
其特征在于,对于所述图像传感器的所选择的区域分别在不同的信号路径中确定所述噪声的按份额的规模,并且在所述不同的信号路径中对所述图像信号(10)分别不同地滤波,并且基于所述噪声的来自于所有信号路径的相应的按份额的规模确定用于所述图像片段(2,3)的、最终得出的评估参数(601)。
2.根据权利要求1所述的方法,其特征在于,所述图像信号的不同的频率范围分别属于所述噪声的每个按份额的规模。
3.根据权利要求1至2中任一项所述的方法,其特征在于,由所述噪声的每个按份额的规模求取临时的评估参数(501,502,503,......,509)并且将所述临时的评估参数(501,502,503,......,509)联合为所述最终得出的评估参数(601)。
4.根据权利要求1或2所述的方法,其特征在于,在进行所述图像信号(10)的分析处理之前,应用动态压缩到所述图像信号(10)上。
5.根据权利要求1或2所述的方法,其特征在于,所述最终得出的评估参数(601)为二进制值、以多个级表明对于对应形成的适合性的程度或者为向量值。
6.根据权利要求1或2所述的方法,其特征在于,对于所述图像传感器的多个所选择的区域进行所述图像信号(10)的分析处理以便确定所述噪声的规模,以便求取多个最终得出的评估参数(601)。
7.根据权利要求6所述的方法,其特征在于,将稳定函数应用到所述最终得出的评估参数(601)中的属于第一图像片段(2)的那一个上,其中,根据邻近的、最终得出的评估参数(601)进行在位置上和/或在时间上的滤波。
8.一种用于针对对应形成评估图像片段的设备,其中,求取在两个单个的图像中相互相应的特征,所述设备包括:
输入级(50),所述输入级设置用于接收图像传感器的图像信号(10),和
分析处理级,所述分析处理级设置用于:
分析处理所述图像信号(10),以便确定:通过所述图像传感器引起的噪声对于所述图像传感器的所选择的区域以什么规模存在,
求取用于由所述图像传感器检测的图像的图像片段(2,3)的最终得出的评估参数(601),所述最终得出的评估参数描述:所述图像片段(2,3)是否适合用于对应形成,其中,所述图像片段(2,3)相应于所述图像传感器的所选择的区域,其中,基于所述噪声的所确定的规模求取所述最终得出的评估参数(601),
其特征在于,对于所述图像传感器的所选择的区域分别在不同的信号路径中确定所述噪声的按份额的规模,并且在所述不同的信号路径中对所述图像信号(10)分别不同地滤波,并且基于所述噪声的来自于所有信号路径的相应的按份额的规模确定用于所述图像片段(2,3)的、最终得出的评估参数(601)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102017212339.7 | 2017-07-19 | ||
DE102017212339.7A DE102017212339A1 (de) | 2017-07-19 | 2017-07-19 | Verfahren und Vorrichtung zur Bewertung von Bildausschnitten für eine Korrespondenzbildung |
PCT/EP2018/065317 WO2019015877A1 (de) | 2017-07-19 | 2018-06-11 | Verfahren und vorrichtung zur bewertung von bildausschnitten für eine korrespondenzbildung |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110998652A CN110998652A (zh) | 2020-04-10 |
CN110998652B true CN110998652B (zh) | 2024-02-09 |
Family
ID=62599592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880048314.5A Active CN110998652B (zh) | 2017-07-19 | 2018-06-11 | 用于针对对应形成评估图像片段的方法和设备 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11100624B2 (zh) |
EP (1) | EP3655920B1 (zh) |
JP (1) | JP6889327B2 (zh) |
CN (1) | CN110998652B (zh) |
DE (1) | DE102017212339A1 (zh) |
WO (1) | WO2019015877A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017212339A1 (de) * | 2017-07-19 | 2019-01-24 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Bewertung von Bildausschnitten für eine Korrespondenzbildung |
DE102020202973A1 (de) | 2020-03-09 | 2021-09-09 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren und Vorrichtung zum Verarbeiten von Bildern |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101523897A (zh) * | 2006-07-31 | 2009-09-02 | 惠普开发有限公司 | 具有降低噪声的电子图像捕获 |
RU2405200C2 (ru) * | 2008-07-17 | 2010-11-27 | Корпорация "Самсунг Электроникс Ко., Лтд" | Способ и устройство быстрого фильтрования шума цифровых изображений |
CN102592265A (zh) * | 2011-01-14 | 2012-07-18 | 伊姆普斯封闭式股份有限公司 | 数字x射线胶片的噪声评价方法 |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3465988B2 (ja) | 1994-04-27 | 2003-11-10 | 松下電器産業株式会社 | 動き及び奥行き推定方法及びその装置 |
AU2002347754A1 (en) * | 2002-11-06 | 2004-06-07 | Agency For Science, Technology And Research | A method for generating a quality oriented significance map for assessing the quality of an image or video |
US7512286B2 (en) * | 2003-10-27 | 2009-03-31 | Hewlett-Packard Development Company, L.P. | Assessing image quality |
US7693304B2 (en) * | 2005-05-12 | 2010-04-06 | Hewlett-Packard Development Company, L.P. | Method and system for image quality calculation |
JP4821548B2 (ja) * | 2006-10-02 | 2011-11-24 | コニカミノルタホールディングス株式会社 | 画像処理装置、画像処理装置の制御方法、および画像処理装置の制御プログラム |
DE102007003060A1 (de) | 2007-01-15 | 2008-07-17 | Technische Universität Ilmenau | Verfahren zur Bestimmung der Güte eines Messpunktes bei der Kantendetektion in der optischen Längenmesstechnik |
JP2009104366A (ja) * | 2007-10-23 | 2009-05-14 | Suzuki Motor Corp | ステレオ画像処理方法 |
US20100277774A1 (en) * | 2009-05-04 | 2010-11-04 | Certifi Media Inc. | Image quality indicator responsive to image processing |
EP2275990B1 (de) | 2009-07-06 | 2012-09-26 | Sick Ag | 3D-Sensor |
CN102612697B (zh) * | 2009-07-21 | 2014-10-22 | 高通股份有限公司 | 用于视频图像的检测和增强的方法及系统 |
US8792710B2 (en) * | 2012-07-24 | 2014-07-29 | Intel Corporation | Stereoscopic depth reconstruction with probabilistic pixel correspondence search |
JP5997645B2 (ja) * | 2013-03-26 | 2016-09-28 | キヤノン株式会社 | 画像処理装置及び方法、及び撮像装置 |
EP2808841A1 (en) * | 2013-05-31 | 2014-12-03 | Thomson Licensing | Method and apparatus for generating a noise profile of noise in an image sequence |
JP6369019B2 (ja) * | 2013-12-12 | 2018-08-08 | セイコーエプソン株式会社 | 画像評価装置および画像評価プログラム |
JP6253450B2 (ja) * | 2014-02-28 | 2017-12-27 | オリンパス株式会社 | 画像処理装置、画像処理方法及びプログラム |
JP6415066B2 (ja) * | 2014-03-20 | 2018-10-31 | キヤノン株式会社 | 情報処理装置、情報処理方法、位置姿勢推定装置、ロボットシステム |
US9330340B1 (en) * | 2014-05-06 | 2016-05-03 | Google Inc. | Noise estimation for images using polynomial relationship for pixel values of image features |
JP6397284B2 (ja) * | 2014-09-16 | 2018-09-26 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
WO2016097758A1 (en) * | 2014-12-19 | 2016-06-23 | Apical Limited | Sensor noise profile |
PL411631A1 (pl) * | 2015-03-18 | 2016-09-26 | Politechnika Poznańska | System do generowania mapy głębi i sposób generowania mapy głębi |
JP6548556B2 (ja) * | 2015-11-17 | 2019-07-24 | 富士フイルム株式会社 | グリッド品質判定装置、方法およびプログラム |
US9922411B2 (en) * | 2015-11-30 | 2018-03-20 | Disney Enterprises, Inc. | Saliency-weighted video quality assessment |
DE102017212339A1 (de) * | 2017-07-19 | 2019-01-24 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Bewertung von Bildausschnitten für eine Korrespondenzbildung |
KR102466998B1 (ko) * | 2018-02-09 | 2022-11-14 | 삼성전자주식회사 | 영상 융합 방법 및 장치 |
JP7412983B2 (ja) * | 2019-02-04 | 2024-01-15 | キヤノン株式会社 | 情報処理装置、情報処理方法、及びプログラム |
-
2017
- 2017-07-19 DE DE102017212339.7A patent/DE102017212339A1/de active Pending
-
2018
- 2018-06-11 CN CN201880048314.5A patent/CN110998652B/zh active Active
- 2018-06-11 EP EP18731048.7A patent/EP3655920B1/de active Active
- 2018-06-11 JP JP2020502319A patent/JP6889327B2/ja active Active
- 2018-06-11 WO PCT/EP2018/065317 patent/WO2019015877A1/de unknown
- 2018-06-11 US US16/631,694 patent/US11100624B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101523897A (zh) * | 2006-07-31 | 2009-09-02 | 惠普开发有限公司 | 具有降低噪声的电子图像捕获 |
RU2405200C2 (ru) * | 2008-07-17 | 2010-11-27 | Корпорация "Самсунг Электроникс Ко., Лтд" | Способ и устройство быстрого фильтрования шума цифровых изображений |
CN102592265A (zh) * | 2011-01-14 | 2012-07-18 | 伊姆普斯封闭式股份有限公司 | 数字x射线胶片的噪声评价方法 |
Also Published As
Publication number | Publication date |
---|---|
US11100624B2 (en) | 2021-08-24 |
EP3655920B1 (de) | 2021-03-31 |
EP3655920A1 (de) | 2020-05-27 |
CN110998652A (zh) | 2020-04-10 |
WO2019015877A1 (de) | 2019-01-24 |
JP6889327B2 (ja) | 2021-06-18 |
DE102017212339A1 (de) | 2019-01-24 |
US20200151864A1 (en) | 2020-05-14 |
JP2020528182A (ja) | 2020-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pradhan et al. | Performance evaluation parameters of image steganography techniques | |
Aslantas et al. | Fusion of multi-focus images using differential evolution algorithm | |
Eden | No-reference estimation of the coding PSNR for H. 264-coded sequences | |
Aslantas et al. | A comparison of criterion functions for fusion of multi-focus noisy images | |
CN106210448B (zh) | 一种视频图像抖动消除处理方法 | |
Kumar et al. | A reversible high capacity data hiding scheme using pixel value adjusting feature | |
CN110998652B (zh) | 用于针对对应形成评估图像片段的方法和设备 | |
JP2005354685A (ja) | パターン適応型フィルターリングによる映像信号の平滑化装置及びその平滑化方法 | |
Luo et al. | Convolutional neural networks-based stereo image reversible data hiding method | |
KR20160013023A (ko) | 비디오 시퀀스를 톤-맵핑하는 방법 | |
JP4611535B2 (ja) | 符号化された画像を評価するための処理、装置及び、使用 | |
Savić et al. | Coding algorithm for grayscale images based on Linear Prediction and dual mode quantization | |
Zuo et al. | Video Denoising Based on a Spatiotemporal Kalman‐Bilateral Mixture Model | |
Dawood et al. | Removal of high-intensity impulse noise by Weber’s law noise identifier | |
Xing et al. | A multi-embedding domain video steganography algorithm based on TU partitioning and intra prediction mode | |
Palacios-Enriquez et al. | Sparse technique for images corrupted by mixed Gaussian-impulsive noise | |
JP2013500624A (ja) | ブロックアーティファクト低減器 | |
JP2017123641A (ja) | デジタル画像の圧縮比を制御する方法及び装置 | |
Brahma et al. | A reversible data hiding technique using lower magnitude error channel pair selection | |
Verdant et al. | Three novell analog-domain algorithms for motion detection in video surveillance | |
Al-Qershi et al. | Controlling hiding capacity using image characteristics with a 2D-DE data hiding scheme | |
CN112652000B (zh) | 一种针对图像小尺度运动方向判定的方法 | |
Wen et al. | TransIm: Transfer image local statistics across EOTFs for HDR image applications | |
Ren et al. | A new scheme for side information generation in DVC by using optical flow algorithm | |
Sameer et al. | Universal wavelet relative distortion: A new counter–forensic attack on photo response non-uniformity based source camera identification |
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 |