CN112927135A - 一种基于边缘感知的偏振图像插值方法 - Google Patents
一种基于边缘感知的偏振图像插值方法 Download PDFInfo
- Publication number
- CN112927135A CN112927135A CN202110239071.7A CN202110239071A CN112927135A CN 112927135 A CN112927135 A CN 112927135A CN 202110239071 A CN202110239071 A CN 202110239071A CN 112927135 A CN112927135 A CN 112927135A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- polarization
- directions
- edge
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000008447 perception Effects 0.000 title claims abstract description 26
- 230000010287 polarization Effects 0.000 claims abstract description 55
- 238000001914 filtration Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 abstract description 7
- 230000007547 defect Effects 0.000 abstract description 2
- 238000007781 pre-processing Methods 0.000 abstract 1
- 238000003384 imaging method Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000005215 recombination Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000023077 detection of light stimulus Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于边缘感知的偏振图像插值方法，旨在采用插值的方法减少缺陷，恢复丢失的偏振信息。首先对偏振图像进行去噪预处理，排除掉因为噪声导致的图像像素质量低的问题。然后通过对去噪后的偏振图像计算边缘感知权重，生成导图，应用采用了LOG算子的加权引导滤波对图像进行处理，再对对角线、水平和垂直方向进行误差估计。最后利用各个方向上的强度误差决定具体的插值方法，获得每个像素点缺失的偏振信息。本发明充分考虑到了平坦区域与边缘区域的联系，提高了重建后偏振图像的精度，利用边缘感知权重进行处理，获得了高质量的偏振图像。
Description
技术领域
本发明涉及一种基于边缘感知的偏振图像插值方法，属于偏振图像插值算法技术领域。
背景技术
光的三个基本特性是强度、波长和偏振度。人类感知光的强度和波长分别体现为亮度和颜色。然而，人眼是看不见偏振的。但是光的偏振特性提供了许多有价值的信息，偏振成像是在传统成像技术的基础上发展起来的一种新的成像技术，它能够捕获物体的偏振特性。相应的偏振图像传感系统已经在包括生物医学在内的各种应用中得到了验证，比如三维形状重建和材料分类。近年来在纳米技术和纳米制造领域的进展也使之成为可能。为充分运用这些偏振信息对物质进行辨别，偏振图像的处理成为人们研究的重点。运用插值算法对偏振图像进行处理也广泛应用于军事、医学、通信、卫星、遥感和天文研究观测等各个领域，并取得了很好的成果。
分焦平面(DoFP)偏振图像传感器具有能够在一帧内记录目标物体全部偏振信息的显著优势。然而，这是以空间分辨率(IFOV)为代价的，因为每个滤波器只能记录目标的一个偏振信息，因此，一个像素应该依赖它的邻居来估计其他三个强度测量值。由于每个像素有不同的IFoV，评估过程中不可避免地会引入误差。然而，如果采用插值方法，可以明显降低误差。为了弥补这一缺陷，提出了采用插值算法来恢复每个像素处缺失的偏振信息，利用插值方法恢复部分丢失的空间分辨率，提高捕获的极化信息的精度。
插值算法可看作是图像信息重新生成的一种计算处理过程，它由原始有限的具有较低分辨率的离散数据恢复出具有更好分辨率的连续的图像信息数据。插值算法主要运用相邻位置的图像的灰度值进行未知图像灰度值的计算，从而实现图像的复原、缩放和重组等，能够获得更好、更清晰的图像。运用插值算法进行偏振图像处理，对于提高偏振图像的对比度、分辨率、质量等具有重要意义，同时，在偏振图像信息识别恢复也具有重要意义。
插值算法重点在于对图像细节等特征进行平滑，实现较好的观察效果。插值算法对图像处理也是三维重组技术的关键步骤，因此插值算法处理图像质量的优劣，对图像的重建有着至关重要的作用。因此，利用插值算法对目标图像计算，可以实现图像信息的恢复。复原、重建、缩小和放大实际要求的信息，把图像的细节信息或残缺的部分信息显示或恢复出来。目前现有的插值算法包括非自适应技术，如双线性插值，双三次插值，双三次样条插值。这三种插值方法是基于空间不变的非自适应线性滤波器，本质上是低通滤波器，会扭曲高频细节，平滑了细节信息。在一些图像中，由于对强度图像进行平滑处理，会产生物体边缘的锯齿状伪影。这些锯齿状伪影会降低成像质量，应该被消除。也存在一些自适应技术，如基于梯度的插值方法，基于强度相关性的插值方法。基于梯度的插值方法，该方法在四个基本梯度方向上插值缺失的极化分量，以获得更精确的边缘特征；基于强度相关性的插值方法利用强度相关法直接检测偏振图像的边缘。该方法根据两个正交方向的判断，沿单个方向填充缺失强度，由于这种二元决策，可能会失去潜在有用的估计。所以这些方法都不是最佳选择。
发明内容
为了解决现有技术存在的问题，本发明提供一种基于边缘感知的偏振图像插值方法，以边缘感知的方式生成导图，有效地插补缺失的像素值而不越过边缘。
本发明为解决上述技术问题采用以下技术方案：
一种基于边缘感知的偏振图像插值方法，具体步骤如下：
步骤1、对偏振图像进行去噪以及上采样，得到0°、45°、90°和135°四个方向的偏振图像；
步骤2、计算边缘感知权重，生成边缘感知引导图；
步骤3、对四个方向的偏振图像在对角线、水平和垂直方向分别进行插值，得到四张不同偏振方向的图像。
进一步，步骤2中边缘感知引导图G为：
其中，(i,j)表示像素，v表示水平方向，h表示垂直方向，Xk(i,j)＝Xk1(i,j)-Xk2(i,j)，
进一步，步骤3具体为：
步骤3.1、对角线方向
计算所有像素的对角线方向的像素误差ΔD45和ΔD135，如果某像素点对应的ΔD135/ΔD45≥λ1，则对该像素点取135°方向的4个相邻像素做双三次样条插值，否则对该像素点取45°方向的4个相邻像素做双三次样条插值，λ1表示设定第一阈值；
步骤3.2、水平和垂直方向
步骤3.2.1、基于去噪后的偏振图像Id，获得Ih、Iv：
其中，(i,j)表示像素，
步骤3.2.2、使用边缘感知引导图，采用基于LOG算子的加权引导滤波方法对Ih、Iv进行滤波，得到水平、垂直方向图像ΔIh、ΔIv；
步骤3.2.3、计算所有像素的水平、垂直方向的像素误差ΔD0、ΔD90，如果某像素点对应的ΔD0/ΔD90＞λ2，则对该像素点取水平方向的4个相邻像素做双三次样条插值；若ΔD0/ΔD90＜λ2，则对该像素点取垂直方向的4个相邻像素做双三次样条插值；如果ΔD0/ΔD90＝λ2，则在水平方向和垂直方向分别使用4个相邻像素对该像素应用双三次样条插值，λ2表示设定第二阈值。
进一步，对偏振图像进行BM3D去噪。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：、
1、在对偏振图像进行插值算法之前，先对图像进行去噪的预处理，避免了噪声引起的图像质量降低，导致后续的插值算法的应用不可以获得精确的偏振信息；
2、针对图像设计边缘感知权重，再结合LOG算子的加权引导滤波去处理图像，既保证了图像的分辨率，又突出了边缘细节；
3、根据计算对角线、水平和垂直方向上的强度误差，再决定对图像像素插值的具体方式，充分考虑到了图像像素之间强度相关性的联系，平坦区域与边缘区域的联系。
附图说明
图1是基于边缘感知偏振图像插值方法的流程图；
图2是本发明实施例的流程图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明：
在实现各自的插值算法之前如果没有考虑图像噪声，重构后的偏振图像会严重退化。由于噪声的存在会严重降低图像的质量，并导致重建了假的偏振信息，因此在接下来的插值前必须对DoFP偏振仪采集的图像进行去噪。传统的灰度域和彩色域去噪方法可以推广应用于DoFP图像。这些传统的方法包括平均滤波、中值滤波、维纳滤波以及小波阈值去噪。然而，由于DoFP偏振计固有的物理特性，直接将灰度去噪策略应用于DoFP偏振图像传感器所拍摄的图像是不现实的。所以在本明中采用的是BM3D(Block-Matching and 3Dfiltering)去噪算法先对DoFP图像进行预处理，得到去噪后图像Id。
DoFP成像传感器捕获场景的强度和偏振信息，通过0°、45°、90°和135°偏振滤波器对场景进行采样，并对四幅次采样图像进行配准。然后用0°、45°、90°和135°的线性偏振滤波器对图像进行强度和偏振计算。斯托克斯(Stokes)矢量是由S0、S1、S2和S3四个参量构成，它的四个量纲都是光波强度的平均值，其中的三个参量是相互独立的。表示光偏振的标准方法是使用前三个斯托克斯参数来描述光的偏振特性，公式如下：
根据斯托克斯公式，对于水平方向区域，根据公式(2)至(5)估计图像Id中像素(i,j)的强度值：
其中
代表使用I0°和I90°估计的强度,
代表使用I45°和I135°估计的强度，I0(i,j)代表I0°中像素(i,j)的像素值,I90(i-1,j)和I90(i+1,j)分别代表I90°中像素(i-1,j)和(i+1,j)的像素值，I135(i,j-1)代表I135°中像素(i,j-1)的像素值，I45(i-1,j-1)和I45(i+1,j-1)分别代表I90°中像素(i-1,j-1)和(i+1,j-1)的像素值。
和
分别表示两个估计值的平均值和差值。
如图1所示，为了充分考虑边缘信息，我们提出了一种新的边缘感知权重，通过整合新的边缘检测器来有效地生成导图去滤波DoFP图像。采用基于LOG算子的加权引导滤波方法对图像进行处理，去保证了图像的分辨率，又突出了边缘细节。此外，通过结合来自不同区域的像素信息生成有效的导波图像G，对后续的计算绝对误差减小误差。对去噪后的图像Id进行误差计算得到图像Ih,Iv，对Ih,Iv用导波图像G做LOG算子加权的引导滤波处理，生成的图像IG的边缘与像素的邻域相关性较低，即具有较高的强度误差。根据上述公式，我们可以定义像素IG(i,j)的真实值与估计值之间的绝对误差ΔI(i,j)。
由于每个像素的偏振方向不同，其邻域3×3像素，传统的边缘检测方法无法对DoFP图像检测出准确的边缘。幸运的是，我们可以根据梯度相关性检测边缘。图像中的边缘被定义为空间梯度超过给定阈值的地方，通常标识图像中一个物体结束和另一个物体开始的区域。这些物体在产生它们的传感器参数方面通常是不同的。例如，在颜色传感器中，两个不同颜色或强度的物体之间存在一个高梯度。在偏振传感器中，具有不同线偏振角度或度的物体之间存在高梯度。这些梯度将意味着在4个合成图像中有边缘，即在0°、45°、90°和135°图像中。我们将双三次样条插值方法扩展到包含梯度选择性特征。在这种程度上，所有四张图像在低分辨率像素附近的垂直、水平和两个对角线方向上的梯度计算强度误差，根据误差进行插值，强度误差公式如下：
根据梯度值45度和135度方向的误差，如果45度方向的值和135度方向的值相等，则目标像素的强度值为对角线方向强度值的平均值。另外，在45度、135度方向上进行单方向插补插补。例如，90°偏振图像如果像素在45度方向上的误差值较大，我们可以通过在135度方向上四个相邻像素上实现双三次样条插值的方法得到0°方向上的强度度量。对角线插值完，再对水平、垂直区域的运用双三次样条插值法进行插补。
本发明所述基于边缘感知偏振图像插值算法，着重于对偏振图像的水平、垂直方向进行估计，然后根据每个方向的权重对其进行取平均得到导图G，然后结合LOG算子的加权引导滤波对图像进行处理，减小强度误差。如图2所示，具体的实现包括如下步骤：
步骤1、对图像Img进行BM3D去噪预处理，得到处理后的图像Id；
步骤2、对Id进行上采样，获得0°、45°、90°、135°、四个角度的偏振图像I0°、I45°、I90°和I135°；
步骤3、通过计算边缘感知权重，获取导图G；
步骤3.1、评估水平和垂直方向的强度差值，用来确定边缘感知导向图像的插值方向的权重。将方向强度估计值
是像素强度估计值的平均值)归一化到像素值范围，计算为：
Xk(i,j)＝Xk1(i,j)-Xk2(i,j) (9)
其中
表示滤波操作，k表示水平(v)和垂直(h)方向。Fk是k方向的滤波核，表示为：
步骤3.2、计算方向强度差
其中每个过滤器Hk表示为：
步骤3.3、计算水平和垂直方向的权重Wk(i,j)：
其中：
Mk为3*3大小的拉普拉斯算子，ε为一个很小的正值，|·|为取绝对值运算符；
步骤3.4、将Xk(i,j)按像素进行加权平均，生成边缘感知导图G：
步骤4、插值方法；
步骤4.1、对角线方向进行插值，获得在相反偏振方向的缺失的像素值：根据强度误差公式计算出整个图像所有像素的对角线方向的像素误差ΔD45和ΔD135。如果ΔD135/ΔD45＞＝λ1,(λ1＝1.2)，则对该像素点取135方向的4个相邻像素做双三次样条插值，若ΔD135/ΔD45＜λ1，则对该像素点取45方向的4个相邻像素做双三次样条插值；
步骤4.2、水平和垂直方向上的插值，先计算绝对误差Ih(i,j),Iv(i,j)：
使用步骤3.4中生成的导图G，与输入图像Ih,Iv用采用了LOG算子的加权引导滤波进行滤波处理，得到输出图像ΔIh，ΔIv；
步骤4.3、根据强度误差公式计算出整个图像所有像素的水平方向和垂直方向的像素误差ΔD0和ΔD90。如果ΔD0/ΔD90＞λ2,(λ2＝1.5)，则对该像素点取水平方向的4个相邻像素做双三次样条插值，若ΔD0/ΔD90＜λ2，则对该像素点取垂直方向的4个相邻像素做双三次样条插值。如果ΔD0/ΔD90＝λ2，则在水平方向和垂直方向分别使用四个相邻像素对目标像素应用双三次样条插值。最终得到四张不同偏振方向的图像。
为了更清晰展示本发明的优势，特将本发明与其他方案的对比结果如表1所示，采用定量的评价标准RMSE对五张DoFP图像进行评估。
表1本发明与其它方法在RMSE方面的比较
| 本发明 | 基于强度相关性 | 使用边缘感知残差插值 | |
| I<sub>0°</sub> | 0.014654 | 3.98584 | 3.05672 |
| I<sub>45°</sub> | 0.01535 | 4.26544 | 3.438 |
| I<sub>90°</sub> | 0.014741 | 4.08778 | 3.14634 |
| I<sub>135°</sub> | 0.014491 | 3.97132 | 3.23152 |
| S<sub>0</sub> | 0.008127 | 2.18952 | 1.38528 |
| DoLP | 0.026952 | 0.02896 | 0.02966 |
由表1可以得到，本发明与其他方案在RMSE方面的比较，RMSE在图像I0°、I45°、I90°、I135°、S0、DoLP的结果均明显优于其他方案，本发明的RMSE的结果降低最高可达99％。
以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。
Claims (4)
1.一种基于边缘感知的偏振图像插值方法，其特征在于，具体步骤如下：
步骤1、对偏振图像进行去噪以及上采样，得到0°、45°、90°和135°四个方向的偏振图像；
步骤2、计算边缘感知权重，生成边缘感知引导图；
步骤3、对四个方向的偏振图像在对角线、水平和垂直方向分别进行插值，得到四张不同偏振方向的图像。
2.如权利要求1所述的一种基于边缘感知的偏振图像插值方法，其特征在于，步骤2中边缘感知引导图G为：
其中，(i,j)表示像素，v表示水平方向，h表示垂直方向，Xk(i,j)＝Xk1(i,j)-Xk2(i,j)，
表示滤波操作，Id表示去噪后的偏振图像，ε表示极小的正值。
3.如权利要求1所述的一种基于边缘感知的偏振图像插值方法，其特征在于，步骤3具体为：
步骤3.1、对角线方向
计算所有像素的对角线方向的像素误差ΔD45和ΔD135，如果某像素点对应的ΔD135/ΔD45≥λ1，则对该像素点取135°方向的4个相邻像素做双三次样条插值，否则对该像素点取45°方向的4个相邻像素做双三次样条插值；其中，λ1表示设定第一阈值；
步骤3.2、水平和垂直方向
步骤3.2.1、基于去噪后的偏振图像Id，获得Ih、Iv：
其中，(i,j)表示像素，
步骤3.2.2、使用边缘感知引导图，采用基于LOG算子的加权引导滤波方法对Ih、Iv进行滤波，得到水平、垂直方向图像ΔIh、ΔIv；
步骤3.2.3、计算所有像素的水平、垂直方向的像素误差ΔD0、ΔD90，如果某像素点对应的ΔD0/ΔD90＞λ2，则对该像素点取水平方向的4个相邻像素做双三次样条插值；若ΔD0/ΔD90＜λ2，则对该像素点取垂直方向的4个相邻像素做双三次样条插值；如果ΔD0/ΔD90＝λ2，则在水平方向和垂直方向分别使用4个相邻像素对该像素应用双三次样条插值；其中，λ2表示设定第二阈值。
4.如权利要求1所述的一种基于边缘感知的偏振图像插值方法，其特征在于，对偏振图像进行BM3D去噪。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110239071.7A CN112927135A (zh) | 2021-03-04 | 2021-03-04 | 一种基于边缘感知的偏振图像插值方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110239071.7A CN112927135A (zh) | 2021-03-04 | 2021-03-04 | 一种基于边缘感知的偏振图像插值方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112927135A true CN112927135A (zh) | 2021-06-08 |
Family
ID=76173292
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110239071.7A Pending CN112927135A (zh) | 2021-03-04 | 2021-03-04 | 一种基于边缘感知的偏振图像插值方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112927135A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113706378A (zh) * | 2021-06-11 | 2021-11-26 | 西北工业大学 | 一种基于偏振先验的快速偏振去马赛克方法 |
| CN114993295A (zh) * | 2022-08-08 | 2022-09-02 | 中国人民解放军国防科技大学 | 一种基于偏振定向误差补偿的自主导航方法 |
| CN117095134A (zh) * | 2023-10-18 | 2023-11-21 | 中科星图深海科技有限公司 | 一种三维海洋环境数据插值处理方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150363910A1 (en) * | 2013-09-11 | 2015-12-17 | Xi'an Jiaotong University | Method for edge-directed adaptive image interpolation and vlsi implementation device for the same |
| CN106169173A (zh) * | 2016-06-30 | 2016-11-30 | 北京大学 | 一种图像插值方法 |
| CN107292824A (zh) * | 2016-03-30 | 2017-10-24 | 中国科学院沈阳自动化研究所 | 一种基于相关性的分焦平面偏振图像插值方法 |
-
2021
- 2021-03-04 CN CN202110239071.7A patent/CN112927135A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150363910A1 (en) * | 2013-09-11 | 2015-12-17 | Xi'an Jiaotong University | Method for edge-directed adaptive image interpolation and vlsi implementation device for the same |
| CN107292824A (zh) * | 2016-03-30 | 2017-10-24 | 中国科学院沈阳自动化研究所 | 一种基于相关性的分焦平面偏振图像插值方法 |
| CN106169173A (zh) * | 2016-06-30 | 2016-11-30 | 北京大学 | 一种图像插值方法 |
Non-Patent Citations (1)
| Title |
|---|
| 闫中;: "基于Sobel算子的混合有理插值图像算法", 重庆科技学院学报(自然科学版), no. 02, 15 April 2020 (2020-04-15) * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113706378A (zh) * | 2021-06-11 | 2021-11-26 | 西北工业大学 | 一种基于偏振先验的快速偏振去马赛克方法 |
| CN113706378B (zh) * | 2021-06-11 | 2024-02-13 | 西北工业大学 | 一种基于偏振先验的快速偏振去马赛克方法 |
| CN114993295A (zh) * | 2022-08-08 | 2022-09-02 | 中国人民解放军国防科技大学 | 一种基于偏振定向误差补偿的自主导航方法 |
| CN117095134A (zh) * | 2023-10-18 | 2023-11-21 | 中科星图深海科技有限公司 | 一种三维海洋环境数据插值处理方法 |
| CN117095134B (zh) * | 2023-10-18 | 2023-12-22 | 中科星图深海科技有限公司 | 一种三维海洋环境数据插值处理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lee et al. | Iterative filter adaptive network for single image defocus deblurring | |
| CN112927135A (zh) | 一种基于边缘感知的偏振图像插值方法 | |
| US9619862B2 (en) | Raw camera noise reduction using alignment mapping | |
| Zhang et al. | Image denoising and zooming under the linear minimum mean square-error estimation framework | |
| CN112634159B (zh) | 基于盲噪声估计的高光谱图像去噪方法 | |
| CN111510691A (zh) | 颜色插值方法及装置、设备、存储介质 | |
| Morimatsu et al. | Monochrome and color polarization demosaicking based on intensity-guided residual interpolation | |
| CN107945119B (zh) | 基于拜耳模式的图像内相关噪声估计方法 | |
| Takeda et al. | Spatiotemporal video upscaling using motion-assisted steering kernel (mask) regression | |
| Sadaghiani et al. | Image interpolation based on 2D-DWT with novel regularity-preserving algorithm using RLS adaptive filters | |
| Sheng et al. | Guided colorization using mono-color image pairs | |
| Ponomaryov et al. | Fuzzy color video filtering technique for sequences corrupted by additive Gaussian noise | |
| Zhang et al. | A new image filtering method: Nonlocal image guided averaging | |
| Asiq et al. | Efficient colour filter array demosaicking with prior error reduction | |
| Bhonsle et al. | De-noising of CT images using combined bivariate shrinkage and enhanced total variation technique | |
| Shen et al. | Modified laplacian filter and intensity correction technique for image resolution enhancement | |
| CN111462011B (zh) | 一种去除红外偏振角图像噪声的方法及系统 | |
| Gantenapalli et al. | Selective mean filtering for reducing impulse noise in digital color images | |
| Choi et al. | Fast, trainable, multiscale denoising | |
| El Abbadi et al. | Improve image de-blurring | |
| Sun et al. | Adaptive bilateral filter considering local characteristics | |
| Xie et al. | A demosaicing algorithm based on local directional gradients for polarization image | |
| KR101882739B1 (ko) | 패턴을 이용한 영상 해상도 변환 장치 및 방법 | |
| Liao et al. | Restoration of motion blurred image based on improved inverse filtering model | |
| CN111652808A (zh) | 一种红外图像细节增强及噪声抑制方法 |
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 |