CN112837312A - 一种提高偏振红外热成像仪图像质量的方法及系统 - Google Patents
一种提高偏振红外热成像仪图像质量的方法及系统 Download PDFInfo
- Publication number
- CN112837312A CN112837312A CN202110232549.3A CN202110232549A CN112837312A CN 112837312 A CN112837312 A CN 112837312A CN 202110232549 A CN202110232549 A CN 202110232549A CN 112837312 A CN112837312 A CN 112837312A
- Authority
- CN
- China
- Prior art keywords
- images
- image
- different polarization
- polarization directions
- image quality
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000010287 polarization Effects 0.000 claims abstract description 57
- 230000004927 fusion Effects 0.000 claims abstract description 29
- 238000013441 quality evaluation Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims abstract description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000001931 thermography Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
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
- 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
- G06T5/50—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
- 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
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种提高偏振红外热成像仪图像质量的方法及系统,该方法包括:基于商品级红外热成像仪和偏振片拍摄不同偏振方向的图像;对不同偏振方向的图像进行融合,得到融合图像;基于图像质量评价函数评价融合前后的图像并定量判断图像质量的提升结果。该系统包括:拍摄模块、融合模块和评价模块。通过使用本发明,利用偏振成像技术,通过图像融合对红外热成像仪的图像进行修正,从而在不大幅度提升成本的情况下提高图像质量。本发明作为一种提高偏振红外热成像仪图像质量的方法及系统,可广泛应用于图像质量提升技术领域。
Description
技术领域
本发明涉及图像质量提升领域,尤其涉及一种提高偏振红外热成像仪图像质量的方法及系统。
背景技术
红外热成像技术自20世纪初开始不断发展,到目前为止已有较为成熟的成像技术,红外热成像仪也已经在国内外进入市场并大量投入生产,目前传统红外热成像仪分辨率普遍较低,目前有科研人员尝试将偏振成像技术于红外热成像仪结合以提高成像质量,但是相比较而言,偏振成像技术则发展得较晚,因此到目前为止还没有形成一套比较成熟的成像系统,并且不具备配套的评价标准,难以通过简单方法进行客观评价。
发明内容
为了解决上述技术问题,本发明的目的是提供一种提高偏振红外热成像仪图像质量的方法及系统,利用偏振成像技术,通过图像融合、对红外热成像仪的图像进行修正,从而在不大幅度提升成本的情况下提高图像质量。
本发明所采用的第一技术方案是:一种提高偏振红外热成像仪图像质量的方法,包括以下步骤:
基于商品级红外热成像仪和偏振片拍摄不同偏振方向的图像;
对不同偏振方向的图像进行融合,得到融合图像;
基于图像质量评价函数评价融合图像并定量判断图像质量的提升结果。
进一步,所述基于商品级红外热成像仪和偏振片拍摄不同偏振方向的图像这一步骤,其具体包括:
不加偏振片并基于商品级红外热成像仪拍摄无偏振图像;
添加偏振片并按照预设角度逐次旋转偏振片后基于商品级红外热成像仪拍摄不同偏振方向的图像;
得到多个不同偏振方向的图像。
进一步,所述对不同偏振方向的图像进行融合,得到融合后的图像这一步骤,其具体包括:
将不同偏振方向的图像分别进行多尺度分解,得到对应数量的分量图像;
将分量图像按层进行融合,得到分量的融合图像;
对分量的融合图像进行逆变换,得到融合图像。
进一步,所述将不同偏振方向的图像分别进行多尺度分解,得到对应数量的分量图像这一步骤,其具体包括:
对不同偏振方向的图像进行非下采样金字塔分解,得到不同频段的图像;
基于多方向滤波器对各层中的高频图像进行多方向滤波,分解得到各层图像的高频方向图像;
根据各层图像的高频方向图像得到分量图像。
进一步,所述将分量图像按层进行融合,得到分量的融合图像这一步骤,其具体包括:
计算分量图像中各层图像的显著性值,并得到图像的显著性值矩阵F;
对所有显著性值矩阵F按照预设规则处理,将显著性值矩阵F中每个元素的值均在区间[0,1]中;
根据显著性值矩阵F将分量图像中对应层的图像分别进行融合;
对各层图像完成融合后,得到一组新的分量的融合图像。
进一步,所述基于图像质量评价函数评价融合图像并定量判断图像质量的提升结果这一步骤,其具体包括:
明确待评价图像,包括无偏振图像、不同偏振角度的图像和融合图像;
依次计算无偏振图像、不同偏振角度的图像和融合图像中各个图像的对比度参数,得到评分;
根据评分归纳融合图像相比于无偏振图像的提升结果。
进一步,所述将不同偏振方向的图像分别进行多尺度分解,得到对应数量的分量图像这一步骤,其具体包括:
基于高斯核对不同偏振方向的图像进行n次高斯模糊处理,得到由(n+1)张不同大小的图像组成高斯金字塔;
对高斯金字塔的各层图像按照预设规则进行插值膨胀处理,得到n层预测图像;
将n层预测图像与高斯金字塔中相同大小的图像作差,得到由n张差值图像组成的拉普拉斯金字塔;
将高斯金字塔中最小的一层图像作为拉普拉斯金字塔的第(n+1)张图像;
根据拉普拉斯金字塔内的图像得到分量图像。
本发明所采用的第二技术方案是:一种提高偏振红外热成像仪图像质量的系统,包括:
拍摄模块,基于商品级红外热成像仪和偏振片拍摄不同偏振方向的图像;
融合模块,用于对不同偏振方向的图像进行融合,得到融合图像;
评价模块,基于图像质量评价函数评价融合图像并定量判断图像质量的提升结果。
本发明方法及系统的有益效果是:本发明应用了NSST分解方法,避免了图像分解中采样过程导致的信息丢失,基于频域的剪切波变换分解,能够处理更加细节的图像信息,使得图像融合更加精密,此外,由于参数可调节,可以根据不同需要对融合精度进行修正。
附图说明
图1是本发明一种提高偏振红外热成像仪图像质量的方法的步骤流程图;
图2是本发明一种提高偏振红外热成像仪图像质量的系统的结构框图;
图3是本发明具体实施例拍摄不同偏振方向的图像的装置图;
图4是本发明具体实施例图像分解融合的示意图;
图5是应用本发明方法得到的结果图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
本发明依托于较为成熟的红外热成像系统,利用偏振成像技术,通过图像融合等计算机算法对红外热成像仪的图像进行修正,从而在不大幅度提升成本的情况下提高图像质量。并通过一些图像性质描述性参数,如对比度、信息熵等,对图像质量做出评价。
参照图1,本发明提供了一种提高偏振红外热成像仪图像质量的方法,该方法包括以下步骤:
基于商品级红外热成像仪和偏振片拍摄不同偏振方向的图像;
对不同偏振方向的图像进行融合,得到融合图像;
基于图像质量评价函数评价融合图像并定量判断图像质量的提升结果。
进一步作为本方法的优选实施例,所述基于商品级红外热成像仪和偏振片拍摄不同偏振方向的图像这一步骤,其具体包括:
不加偏振片并基于商品级红外热成像仪拍摄无偏振图像;
添加偏振片并按照预设角度逐次旋转偏振片后基于商品级红外热成像仪拍摄不同偏振方向的图像;
得到多个不同偏振方向的图像。
进一步作为本方法的优选实施例,参照图4,所述对不同偏振方向的图像进行融合,得到融合后的图像这一步骤,其具体包括:
将不同偏振方向的图像分别进行多尺度分解,得到对应数量的分量图像;
将分量图像按层进行融合,得到分量的融合图像;
对分量的融合图像进行逆变换,得到融合图像。
具体地,对融合后的新分量图像依据NSST分解规则,逆变换得到最终融合图像。
进一步作为本方法的优选实施例,所述将不同偏振方向的图像分别进行多尺度分解,得到对应数量的分量图像这一步骤,其具体包括:
对不同偏振方向的图像进行非下采样金字塔分解,得到不同频段的图像;
基于多方向滤波器对各层中的高频图像进行多方向滤波,分解得到各层图像的高频方向图像;
根据各层图像的高频方向图像得到分量图像。
具体地,采用NSST变换对原始图像进行分解,运用Matlab软件基于图像单个像素进行处理,首先自定义分解层数n+1与NSST参数(核边长与逐层方向数量)。然后对图像进行非下采样金字塔分解。对n层高频图像进行快速傅里叶变换,进入频域处理,并对每层高频频域图像应用不同方向的非下采样剪切波滤波器,快速傅里叶逆变换后得到处理后的若干方向分量,以上高频分量与低频原图像可以直接应用到融合中。
进一步作为本方法优选实施例,所述将分量图像按层进行融合,得到分量的融合图像这一步骤,其具体包括:
计算分量图像中各层图像的显著性值,并得到图像的显著性值矩阵F;
具体地,对于每一张图像,将其每个像素点的显著性值定义为:
其中g(x,y)为图像中坐标为(x,y)的像素点所具有的灰度值。
对所有显著性值矩阵F按照预设规则处理,将显著性值矩阵F中每个元素的值均在区间[0,1]中;
具体地,对所有显著性值矩阵F进行一定的数学处理:依次取k组图像中对应层的两张图像的显著性值矩阵F1、F2……Fk,比较这k个矩阵的所有元素并找出最大值fmax(有且仅有一个),对k个显著性值矩阵进行操作:
F1=F1÷fmax
F2=F2÷fmax
Fk=Fk÷fmax
即可保证矩阵F中每个元素的值均在区间[0,1]中。
记k张对应图像的灰度值矩阵为G1、G2……Gk,显著性值矩阵为F1、F2……Fk,令Gsum=G1+G2+……+Gk,融合后图像的灰度值矩阵为G’,则有:
根据显著性值矩阵F将分量图像中对应层的图像分别进行融合;
对各层图像完成融合后,得到一组新的分量的融合图像。
进一步作为本方法优选实施例,所述基于图像质量评价函数评价融合图像并定量判断图像质量的提升结果这一步骤,其具体包括:
明确待评价图像,包括无偏振图像、不同偏振角度的图像和融合图像;
依次计算无偏振图像、不同偏振角度的图像和融合图像中各个图像的对比度参数,得到评分;
根据评分归纳融合图像相比于无偏振图像的提升结果。
具体地,实验结果图参照图5,a表示无偏振图像,b表示60°偏执图像,c表示120°偏执图像,d表示前几张图像的融合图像,融合图像的对比度比融合前图像都要高。
进一步作为本方法优选实施例,所述将不同偏振方向的图像分别进行多尺度分解,得到对应数量的分量图像这一步骤,其具体包括:
基于高斯核对不同偏振方向的图像进行n次高斯模糊处理,得到由(n+1)张不同大小的图像组成高斯金字塔;
对高斯金字塔的各层图像按照预设规则进行插值膨胀处理,得到n层预测图像;
将n层预测图像与高斯金字塔中相同大小的图像作差,得到由n张差值图像组成的拉普拉斯金字塔;
将高斯金字塔中最小的一层图像作为拉普拉斯金字塔的第(n+1)张图像;
根据拉普拉斯金字塔内的图像得到分量图像。
如图2所示,一种提高偏振红外热成像仪图像质量的系统,包括:
拍摄模块,基于商品级红外热成像仪和偏振片拍摄不同偏振方向的图像;
融合模块,用于对不同偏振方向的图像进行融合,得到融合图像;
评价模块,基于图像质量评价函数评价融合图像并定量判断图像质量的提升结果。
上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (8)
1.一种提高偏振红外热成像仪图像质量的方法,其特征在于,包括以下步骤:
基于商品级红外热成像仪和偏振片拍摄不同偏振方向的图像;
对不同偏振方向的图像进行融合,得到融合图像;
基于图像质量评价函数评价融合前后的图像并定量判断图像质量的提升结果。
2.根据权利要求1所述一种提高偏振红外热成像仪图像质量的方法,其特征在于,所述基于商品级红外热成像仪和偏振片拍摄不同偏振方向的图像这一步骤,其具体包括:
不加偏振片并基于商品级红外热成像仪拍摄无偏振图像;
添加偏振片并按照预设角度逐次旋转偏振片后基于商品级红外热成像仪拍摄不同偏振方向的图像;
得到多个不同偏振方向的图像。
3.根据权利要求2所述一种提高偏振红外热成像仪图像质量的方法,其特征在于,所述对不同偏振方向的图像进行融合,得到融合图像这一步骤,其具体包括:
将不同偏振方向的图像分别进行多尺度分解,得到对应数量的分量图像;
将分量图像按层进行融合,得到分量的融合图像;
对分量的融合图像进行逆变换,得到融合图像。
4.根据权利要求3所述一种提高偏振红外热成像仪图像质量的方法,其特征在于,所述将不同偏振方向的图像分别进行多尺度分解,得到对应数量的分量图像这一步骤,其具体包括:
对不同偏振方向的图像进行非下采样金字塔分解,得到不同频段的图像;
基于多方向滤波器对各层中的高频图像进行多方向滤波,分解得到各层图像的高频方向图像;
根据各层图像的高频方向图像得到分量图像。
5.根据权利要求4所述一种提高偏振红外热成像仪图像质量的方法,其特征在于,所述将分量图像按层进行融合,得到分量的融合图像这一步骤,其具体包括:
计算分量图像中各层图像的显著性值,并得到图像的显著性值矩阵F;
对所有显著性值矩阵F按照预设规则处理,使得显著性值矩阵F中每个元素的值均在区间[0,1]中;
根据显著性值矩阵F将分量图像中对应层的图像分别进行融合;
对各层图像完成融合后,得到一组新的分量的融合图像。
6.根据权利要求5所述一种提高偏振红外热成像仪图像质量的方法,其特征在于,所述基于图像质量评价函数评价融合前后的图像并定量判断图像质量的提升结果这一步骤,其具体包括:
确定待评价图像,包括无偏振图像、不同偏振角度的图像和融合图像;
依次计算无偏振图像、不同偏振角度的图像和融合图像中各个图像的对比度参数,得到评分;
根据评分归纳融合图像相比于无偏振图像的提升结果。
7.根据权利要求3所述一种提高偏振红外热成像仪图像质量的方法,其特征在于,所述将不同偏振方向的图像分别进行多尺度分解,得到对应数量的分量图像这一步骤,其具体包括:
基于高斯核对不同偏振方向的图像进行n次高斯模糊处理,得到由(n+1)张不同大小的图像组成高斯金字塔;
对高斯金字塔的各层图像按照预设规则进行插值膨胀处理,得到n层预测图像;
将n层预测图像与高斯金字塔中相同大小的图像作差,得到由n张差值图像组成的拉普拉斯金字塔;
将高斯金字塔中最小的一层图像作为拉普拉斯金字塔的第(n+1)张图像;
根据拉普拉斯金字塔内的图像得到分量图像。
8.一种提高偏振红外热成像仪图像质量的系统,其特征在于,包括以下模块:
拍摄模块,基于商品级红外热成像仪和偏振片拍摄不同偏振方向的图像;
融合模块,用于对不同偏振方向的图像进行融合,得到融合图像;
评价模块,基于图像质量评价函数评价融合图像并定量判断图像质量的提升结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110232549.3A CN112837312B (zh) | 2021-03-03 | 2021-03-03 | 一种提高偏振红外热成像仪图像质量的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110232549.3A CN112837312B (zh) | 2021-03-03 | 2021-03-03 | 一种提高偏振红外热成像仪图像质量的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112837312A true CN112837312A (zh) | 2021-05-25 |
CN112837312B CN112837312B (zh) | 2023-09-15 |
Family
ID=75934391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110232549.3A Active CN112837312B (zh) | 2021-03-03 | 2021-03-03 | 一种提高偏振红外热成像仪图像质量的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112837312B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567977A (zh) * | 2011-12-31 | 2012-07-11 | 南京理工大学 | 一种基于小波的红外偏振图像自适应融合方法 |
CN103815875A (zh) * | 2013-10-28 | 2014-05-28 | 重庆西南医院 | 一种用于烧伤皮肤坏死深度和面积诊断的近红外光谱成像系统及方法 |
CN105139367A (zh) * | 2015-07-27 | 2015-12-09 | 中国科学院光电技术研究所 | 一种基于非下采样剪切波的可见光偏振图像融合方法 |
CN105279747A (zh) * | 2015-11-25 | 2016-01-27 | 中北大学 | 一种多特征目标函数引导的红外偏振与光强图像融合方法 |
CN106204510A (zh) * | 2016-07-08 | 2016-12-07 | 中北大学 | 一种基于结构相似度约束的红外偏振与光强图像融合方法 |
CN111667516A (zh) * | 2020-06-05 | 2020-09-15 | 北京环境特性研究所 | 基于拉普拉斯金字塔分解结构的红外偏振信息融合方法 |
-
2021
- 2021-03-03 CN CN202110232549.3A patent/CN112837312B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567977A (zh) * | 2011-12-31 | 2012-07-11 | 南京理工大学 | 一种基于小波的红外偏振图像自适应融合方法 |
CN103815875A (zh) * | 2013-10-28 | 2014-05-28 | 重庆西南医院 | 一种用于烧伤皮肤坏死深度和面积诊断的近红外光谱成像系统及方法 |
CN105139367A (zh) * | 2015-07-27 | 2015-12-09 | 中国科学院光电技术研究所 | 一种基于非下采样剪切波的可见光偏振图像融合方法 |
CN105279747A (zh) * | 2015-11-25 | 2016-01-27 | 中北大学 | 一种多特征目标函数引导的红外偏振与光强图像融合方法 |
CN106204510A (zh) * | 2016-07-08 | 2016-12-07 | 中北大学 | 一种基于结构相似度约束的红外偏振与光强图像融合方法 |
CN111667516A (zh) * | 2020-06-05 | 2020-09-15 | 北京环境特性研究所 | 基于拉普拉斯金字塔分解结构的红外偏振信息融合方法 |
Non-Patent Citations (2)
Title |
---|
杨风暴;: "红外偏振与光强图像的拟态融合原理和模型研究", 中北大学学报(自然科学版), no. 01, pages 1 - 3 * |
陈卫;孙晓兵;乔延利;陈斐楠;殷玉龙;: "基于FWA的红外偏振图像智能融合方法", 红外与毫米波学报, no. 04, pages 1 - 4 * |
Also Published As
Publication number | Publication date |
---|---|
CN112837312B (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9530073B2 (en) | Efficient descriptor extraction over multiple levels of an image scale space | |
CN111340109B (zh) | 图像匹配方法、装置、设备及存储介质 | |
WO2021164269A1 (zh) | 基于注意力机制的视差图获取方法和装置 | |
CN108171735B (zh) | 基于深度学习的十亿像素视频对齐方法及系统 | |
CN111709980A (zh) | 基于深度学习的多尺度图像配准方法和装置 | |
US20230252605A1 (en) | Method and system for a high-frequency attention network for efficient single image super-resolution | |
WO2022267939A1 (zh) | 图像处理方法及装置、计算机可读存储介质 | |
CN113963072B (zh) | 双目摄像头标定方法、装置、计算机设备和存储介质 | |
CN109934765B (zh) | 高速相机全景图像拼接方法 | |
Wang et al. | A new method estimating linear gaussian filter kernel by image PRNU noise | |
CN112837312A (zh) | 一种提高偏振红外热成像仪图像质量的方法及系统 | |
CN117274055A (zh) | 基于信息复用的偏振图像超分辨率重建方法及系统 | |
CN111275622A (zh) | 图像拼接方法、装置及终端设备 | |
CN113223185B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
Sun et al. | Two-stage deep single-image super-resolution with multiple blur kernels for Internet of Things | |
CN116452836A (zh) | 一种基于图像数据处理的新媒体素材内容采集系统 | |
US20230069654A1 (en) | Method and device for processing image, method for training image processing model, and storage medium | |
CN112862718B (zh) | 一种基于功率谱密度约束的模式分解滤波方法 | |
CN113497886B (zh) | 视频处理方法、终端设备及计算机可读存储介质 | |
CN109685839B (zh) | 图像对齐方法、移动终端以及计算机存储介质 | |
Wei et al. | Real‐world image deblurring using data synthesis and feature complementary network | |
Zeng et al. | Exposing Blurred Image Forgeries through Blind Image Restoration | |
Wang et al. | Single Image Super-Resolution Based on Cascaded Recursive Residual Convolutional Neural Network | |
CN112927142B (zh) | 一种基于时域插值的高速高分辨率视频生成方法和装置 | |
Zhu et al. | Recaptured image detection through multi-resolution residual-based correlation coefficients |
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 |