CN113298764B - 基于图像噪声分析的高速相机成像质量分析方法 - Google Patents
基于图像噪声分析的高速相机成像质量分析方法 Download PDFInfo
- Publication number
- CN113298764B CN113298764B CN202110511274.7A CN202110511274A CN113298764B CN 113298764 B CN113298764 B CN 113298764B CN 202110511274 A CN202110511274 A CN 202110511274A CN 113298764 B CN113298764 B CN 113298764B
- Authority
- CN
- China
- Prior art keywords
- image
- noise
- signal component
- pixel
- image signal
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 55
- 238000003384 imaging method Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000009826 distribution Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 12
- 238000001228 spectrum Methods 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 abstract description 3
- 238000000605 extraction Methods 0.000 abstract description 3
- 238000005457 optimization Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 2
- 206010034960 Photophobia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 208000013469 light sensitivity Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000016776 visual perception Effects 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
- G06T5/50—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
- G06T5/70—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
- G06T2207/20—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)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
本发明公开了基于图像噪声分析的高速相机成像质量分析方法,包括:模拟至少一个图像采集环境;在所述图像采集环境下,对同一场景采集多张图像获得场景图像序列集;对场景图像序列集中每一张图像进行局部噪声分析;根据局部噪声数据,生成至少一种类型的高层次噪声特征,获取高速相机成像质量分析结果;局部噪声分析的过程包括:基于场景图像序列集提取每张图像的每个位置像素点的图像信号分量和噪声信号分量;对预设局部区域的像素点的噪声信号分量进行融合获取局部区域噪声。基于多张图像进行图像噪声数据分析,充分利用了多张图像的时间域信息,提高了噪声信号分量提取的精准度,进而对于高速成像系统的成像质量分析更有意义。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及基于图像噪声分析的高速相机成像质量分析方法。
背景技术
图像噪声在图像上具有直观的表现,直接影响用户的视觉感受,因此图像噪声是高速相机成像质量评价的一个重要指标。图像噪声评价还可以为高速相机成像系统提供优化的方向,持续提升成像质量。
目前的图像噪声评价算法多是基于单幅图像进行分析,而高速相机在很短的时间内可以采集多幅图像,图像的噪声参数在这段时间内可以认为是平稳的,因此基于多幅图像的图像噪声分析对于高速成像系统成像质量分析更有意义。
发明内容
针对上述现有技术存在的问题,本发明提供了基于图像噪声分析的高速相机成像质量分析方法,紧密结合高速相机成像系统特点,基于高速相机在很短的时间内采集的多幅图像进行图像噪声分析,提高噪声分析的精准度。该技术方案如下:
基于图像噪声分析的高速相机成像质量分析方法,包括:
模拟至少一个图像采集环境;
在所述图像采集环境下,对同一场景采集多张图像获得场景图像序列集;
对场景图像序列集中每一张图像进行局部噪声分析;
根据局部噪声数据,生成至少一种类型的高层次噪声特征,获取高速相机成像质量分析结果;
其中,局部噪声分析的过程,包括:
基于场景图像序列集提取每张图像的每个位置像素点的图像信号分量获取噪声信号分量;
对预设局部区域的像素点的噪声信号分量进行融合获取局部区域噪声。
作为上述方案的进一步优化,所述基于场景图像序列集提取每张图像的每个位置像素点的图像信号分量获取噪声信号分量,包括:
基于场景图像序列集,对所有图像中的同一位置像素点的像素值分布进行分析,确定所述同一位置像素点的第一图像信号分量;
基于每张图像中所述同一位置像素点的实际像素值与第一图像信号分量,获得所述同一位置像素点的第一噪声信号分量。
作为上述方案的进一步优化,所述基于场景图像序列集提取每张图像的每个位置像素点的图像信号分量获取噪声信号分量,包括:
基于场景图像序列集,对所有图像中的同一位置像素点的像素值分布进行分析,确定所述同一位置像素点的第一图像信号分量;
对所有位置像素点的第一图像信号分量的分布进行分析,确定所有位置像素点的第二图像信号分量;
基于每张图像的每个位置像素点的实际像素值与第二图像信号分量,获得每张图像的每个位置像素点的第二噪声信号分量。
作为上述方案的进一步优化,所述对所有图像中的同一位置像素点的像素值分布进行分析,确定所述同一位置像素点的第一图像信号分量,包括:
对所有图像中的同一位置像素点的像素值进行加权融合计算,获得同一位置像素点的第一图像信号分量。
作为上述方案的进一步优化,所述对所有位置像素点的第一图像信号分量的分布进行分析,确定所有位置像素点的第二图像信号分量,包括:
对所有位置像素点的第一图像信号分量进行加权融合计算,获得所有位置像素点的第二图像信号分量。
作为上述方案的进一步优化,所述模拟至少一个图像采集环境,包括:
通过盖上镜头盖,设置图像采集曝光时间为最小值,模拟第一图像采集环境;
通过去掉镜头,将摄像机与积分球连接,调整积分球亮度和摄像机的曝光时间,使图像亮度达到最大值,模拟第二图像采集环境;
通过去掉镜头,将摄像机与积分球连接,调整积分球亮度和摄像机的曝光时间,使图像亮度达到中间值,模拟第三图像采集环境。
作为上述方案的进一步优化,所述第一图像采集环境下,对于位置像素点的第一图像信号分量大于第一预设阈值的位置像素点确定为亮度坏点,
所述第二图像采集环境下,对于第二图像采集环境下采集图像的第一图像信号分量B1(x,y)通过第一图像采集环境下采集图像的第一图像信号分量A(x,y)进行暗场校正,获得校正后的第二图像采集环境下的采集图像C1(x,y),对于C1(x,y)图像中除了第一图像采集环境确定为亮度坏点以外的所有灰度值小于第二预设阈值的像素点确定为暗点坏点。
作为上述方案的进一步优化,所述高层次噪声特征的类型包括:功率谱、信噪比、与温度的关系、与亮度的关系、方差、RMS。
本发明的一种基于图像噪声分析的高速相机成像质量分析方法,具备如下有益效果:
1、基于多张图像进行图像噪声数据分析,充分利用了多张图像的时间域信息,提高了噪声信号分量提取的精准度,进而对于高速成像系统的成像质量分析更有意义。
2、通过场景图像序列集提取每张图像的每个位置像素点的噪声信号分量,进一步的可以分析局部区域的噪声数据,比如行像素噪声、列像素噪声等,基于该每个位置像素点的噪声信号分量和局部图像区域的噪声数据,实现对该噪声数据从多方面进行高层次噪声特征统计分析,以同时实现多角度和高层次的图像的噪声分析和评价。
3、针对高速图像采集帧率、噪声特性平稳的特点,提出了分析高速图像时域和空域噪声特性的方法,所需设备简单,操作流程便捷,分析结果类型丰富,可替代大量重复的人力劳动,为高速图像质量评价提供重要的参考,对提升高速图像采集系统质量也有很好的指导意义。
附图说明
图1是本发明实施例中的基于图像噪声分析的高速相机成像质量分析方法的流程示意图;
图2是本发明实施例中对场景图像序列集中每一张图像获取局部噪声的方法流程图。
具体实施方式
下面结合本发明实施例中的附图对本发明实施例进行描述。
本发明实施例提供的一种基于图像噪声分析的高速相机成像质量分析方法,包括:
模拟至少一个图像采集环境;
在所述图像采集环境下,对同一场景采集多张图像获得场景图像序列集;
对场景图像序列集中每一张图像进行局部噪声分析;
根据局部噪声数据,生成至少一种类型的高层次噪声特征,获取高速相机成像质量分析结果;
其中,局部噪声分析的过程,包括:
基于场景图像序列集提取每张图像的每个位置像素点的图像信号分量获取噪声信号分量;
对预设局部区域的像素点的噪声信号分量进行融合获取局部区域噪声。
由于高速相机在很短的时间内可以采集多幅图像,对于高速相机连续采集的多帧图像,场景是相同的,它们所受到的噪声污染情况也是相似的,图像的噪声参数在这段时间内可以认为是平稳的,本发明实施例中,基于多张图像进行图像噪声数据分析,充分利用了多张图像的时间域信息,提高了噪声信号分量提取的精准度,进而对于高速成像系统的成像质量分析更有意义。
本发明实施例中,通过场景图像序列集提取每张图像的每个位置像素点的噪声信号分量,进一步的可以分析局部区域的噪声数据,比如行像素噪声、列像素噪声等,基于该每个位置像素点的噪声信号分量和局部图像区域的噪声数据,可以进一步对该噪声数据从多方面进行高层次噪声特征统计分析,以同时实现多角度和高层次的图像的噪声分析和评价。值得说明的是,本发明实施例中上述每个位置像素点的噪声数据和局部图像区域的噪声数据都称为局部噪声数据。
在本实施例中,上述高层次噪声特征的类型包括:功率谱、信噪比、与温度的关系、与亮度的关系、方差、RMS。具体的,根据不同的局部噪声数据,可以获取不同类型的高层次噪声特征。
在一种实施方式中,上述基于场景图像序列集提取每张图像的每个位置像素点的图像信号分量获取噪声信号分量,包括:
基于场景图像序列集,对所有图像中的同一位置像素点的像素值分布进行分析,确定所述同一位置像素点的第一图像信号分量;
基于每张图像中所述同一位置像素点的实际像素值与第一图像信号分量,获得所述同一位置像素点的第一噪声信号分量。
本发明实施例中,对于图像中的单像素点的噪声信号分量提取,基于同一场景下多张连续拍摄的图像中的相同位置的像素点的像素值分布进行分析,基于该多张图像中同一像素点的像素信息融合分析,确定该位置像素点的第一期望像素值,即该位置像素点在未产生噪声之前原本的图像信号分量,进一步的,本实施例中确定第一图像分量的方法为:对所有图像中的同一位置像素点的像素值进行加权融合计算,该加权融合的结果作为该位置像素点的第一图像分量,该加权系数可根据高斯函数或者其它方法获取,本实施例中,对于包含多张图像的场景图像序列集,为了减小计算量,该加权融合计算采用均值计算:
用{I[k](x,y)∈R2|k=0,…,N-1;x=0,…,W-1;y=0,…,H-1}表示分辨率为 W×H、帧数为N的图像序列(视频),该图像序列的每个位置像素点(x,y)的第一图像分量为:
然后基于位置像素点的第一图像分量,获取该位置像素点的第一噪声信号分量(时域单像素噪声):
对序列I′[k](x,y)进行处理分析可以得到各个像素点的时域噪声特性。
基于该时域单像素噪声,可以进一步生成的高层次噪声特征类型包括噪声功率谱、方差、RMS、时域信噪比、温度与噪声的关系、亮度值与噪声的关系。其中,时域信噪比的计算方法如下:
本实施例中,基于该时域单像素噪声,可以进一步获取局部区域的像素噪声:
比如每一行区域的时域行像素噪声:
对序列GV[k](y)进行信号处理分析可以得各行的时域噪声特性。
基于该时域行像素噪声,可以进一步生成的高层次噪声特征类型包括:噪声功率谱、方差、RMS、温度与噪声的关系、亮度值与噪声的关系。
比如每一列区域的时域列像素噪声:
基于该时域列像素噪声,可以进一步生成的高层次噪声特征类型包括:噪声功率谱、方差、RMS、温度与噪声的关系、亮度值与噪声的关系。
在一种实施方式中,上述基于场景图像序列集提取每张图像的每个位置像素点的图像信号分量获取噪声信号分量,包括:
基于场景图像序列集,对所有图像中的同一位置像素点的像素值分布进行分析,确定所述同一位置像素点的第一图像信号分量;
对所有位置像素点的第一图像信号分量的分布进行分析,确定所有位置像素点的第二图像信号分量;
基于每张图像的每个位置像素点的实际像素值与第二图像信号分量,获得每张图像的每个位置像素点的第二噪声信号分量。
本发明实施例中,先根据上述先获取时域单像素噪声,即基于同一场景下多张连续拍摄的图像中的相同位置的像素点的像素值分布进行分析,基于该多张图像中同一像素点的像素信息融合分析,确定该位置像素点的期望像素值(第一图像信号分量),基于每一位置像素点的第一期望像素值,计算每一位置像素点的第二期望像素值(第二图像信号分量),即该位置像素点在未产生噪声之前原本的图像信号分量,进一步的,本实施例中确定第二图像分量的方法为:对所有位置像素点的第一图像信号分量进行加权融合计算,该加权融合的结果作为所有位置像素点的第二图像信号分量,该加权系数可根据高斯函数分布或者其它方法获取,本实施例中,为了减小计算量,该加权融合计算采用均值计算:
然后基于每张图像的每个位置像素点的第二图像信号分量,获取第二噪声信号分量,即空域单像素噪声:
I′(x,y)=I(x,y)-E
基于该空域单像素噪声,可以进一步生成的高层次噪声特征类型包括:噪声功率谱、方差、RMS、时域信噪比、温度与噪声的关系、亮度值与噪声的关系。其中,时域信噪比的计算方法如下:
本实施例中,基于该空域单像素噪声,可以进一步获取局部区域的像素噪声:比如每一行区域的空域行像素噪声:
基于该空域行像素噪声,可以进一步生成的高层次噪声特征类型包括:噪声功率谱、方差、RMS、温度与噪声的关系、亮度值与噪声的关系。
比如每一列区域的空域列像素噪声:
基于该空域列像素噪声,可以进一步生成的高层次噪声特征类型包括:噪声功率谱、方差、RMS、温度与噪声的关系、亮度值与噪声的关系。
基于上述空域单像素噪声、空域行像素噪声、空域列像素噪声,可以消除由于高速相机局部感光度不一致导致的噪声数据估计偏差,噪声估计更精准。
本发明实施例中,模拟至少一个图像采集环境,包括:
(1)通过盖上镜头盖,设置图像采集曝光时间为最小值,模拟第一图像采集环境;
(2)通过去掉镜头,将摄像机与积分球连接,调整积分球亮度和摄像机的曝光时间,使图像亮度达到最大值,模拟第二图像采集环境;
对于第一图像采集环境下采集的图像,至少采集20帧图像,计算每个位置像素点的第一图像信号分量A(x,y),基于该第一图像信号分量判断位置像素点像素值是否大于第一预设阈值,该预设阈值可取值为200,若大于200,则判定该位置像素点为亮度坏点,
所述第二图像采集环境下,至少采集20帧图像,对于该第二图像采集环境下采集的图像,计算每个像素点的第一图像信号分量B1(x,y),对该第二图像采集环境下得到的第一图像信号分量B1(x,y)通过第一图像采集环境下采集图像的第一图像信号分量 A(x,y)进行暗场校正,即第二图像采集环境下采集图像暗场校正后每个位置像素点的像素值为:C1(x,y)=B1(x,y)-A(x,y),在第二图像采集环境下采集图像进行暗场校正后,对于C1(x,y)图像中除了亮点以外的所有灰度值小于第二预设阈值的点即为暗点,本实施例中该第二预设阈值取值10。在实施例中,基于图像亮度最大值时采集的多张图像进行暗点判断时,进行了暗场校正,以消除电路噪声导致的微小图像噪声。
由于第一图像采集环境/第二图像采集环境采集的图像是除了亮点坏点/暗点坏点之外所有的位置像素值均为最小值/最大值,所以对于第二图像采集环境下采集的图像只计算第一图像信号分量的计算用于判定暗点坏点,对于第一图像采集环境下采集的图像只计算第一图像信号分量用于判定亮点坏点和暗场校正,不需要进一步进行每个位置像素点的噪声信号分量计算以及不同类型的高层次噪声特征计算。即上述第一噪声信号分量(时域单像素噪声)、时域行像素噪声、时域列像素噪声、第二噪声信号分量(空域单像素噪声)、空域行像素噪声、空域列像素噪声的计算均基于在第三图像采集环境采集的图像进行分析。
考虑相机的感光特性,检测噪声时要防止积分球亮度过大,从而掩盖了相机本身的噪声,而亮度太小时,噪声不能充分暴露,本实施例中优选将图像亮度达到中间值的环境作为第三图像采集环境,即:
(3)通过去掉镜头,将摄像机与积分球连接,调整积分球亮度和摄像机的曝光时间,使图像亮度达到中间值,模拟第三图像采集环境。
当然,针对在第三图像采集环境采集的图像,可以选择是否进行暗场校正,消除电路噪声导致的微小图像噪声,该暗场矫正过程即在同一场景下,先对第一图像采集环境下采集的图像进行第一图像信号分量的计算A(x,y),再对第三图像采集环境采集的图像进行第一图像信号分量的计算B2(x,y),基于C2(x,y)=B2(x,y)-A(x,y)得到第三图像采集环境采集的图像暗场校正后的数据。
本发明不局限于上述具体的实施方式,本领域的普通技术人员从上述构思出发,不经过创造性的劳动,所做出的种种变换,均落在本发明的保护范围之内。
Claims (6)
1.基于图像噪声分析的高速相机成像质量分析方法,其特征在于,包括:
模拟至少一个图像采集环境;
在所述图像采集环境下,对同一场景采集多张图像获得场景图像序列集;
对场景图像序列集中每一张图像进行局部噪声分析;
根据局部噪声数据,生成至少一种类型的高层次噪声特征,获取高速相机成像质量分析结果;
其中,局部噪声分析的过程,包括:
基于场景图像序列集提取每张图像的每个位置像素点的图像信号分量获取噪声信号分量;
对预设局部区域的像素点的噪声信号分量进行融合获取局部区域噪声;
所述每个位置像素点的图像信号分量表征每个位置像素点的期望像素值,所述图像信号分量包括第一图像信号分量和第二图像信号分量,所述第一图像信号分量是对所有图像中的同一位置像素点的像素值进行加权融合计算得到,所述第二图像信号分量是对所有位置像素点的第一图像信号分量进行加权融合计算得到。
2.根据权利要求1所述的基于图像噪声分析的高速相机成像质量分析方法,其特征在于,所述基于场景图像序列集提取每张图像的每个位置像素点的图像信号分量获取噪声信号分量,包括:
基于场景图像序列集,对所有图像中的同一位置像素点的像素值分布进行分析,确定所述同一位置像素点的第一图像信号分量;
基于每张图像中所述同一位置像素点的实际像素值与第一图像信号分量,获得所述同一位置像素点的第一噪声信号分量。
3.根据权利要求1所述的基于图像噪声分析的高速相机成像质量分析方法,其特征在于,所述基于场景图像序列集提取每张图像的每个位置像素点的图像信号分量获取噪声信号分量,包括:
基于场景图像序列集,对所有图像中的同一位置像素点的像素值分布进行分析,确定所述同一位置像素点的第一图像信号分量;
对所有位置像素点的第一图像信号分量的分布进行分析,确定所有位置像素点的第二图像信号分量;
基于每张图像的每个位置像素点的实际像素值与第二图像信号分量,获得每张图像的每个位置像素点的第二噪声信号分量。
4.根据权利要求1所述的基于图像噪声分析的高速相机成像质量分析方法,其特征在于,所述模拟至少一个图像采集环境,包括:
通过盖上镜头盖,设置图像采集曝光时间为最小值,模拟第一图像采集环境;
通过去掉镜头,将摄像机与积分球连接,调整积分球亮度和摄像机的曝光时间,使图像亮度达到最大值,模拟第二图像采集环境;
通过去掉镜头,将摄像机与积分球连接,调整积分球亮度和摄像机的曝光时间,使图像亮度达到中间值,模拟第三图像采集环境。
5.根据权利要求4所述的基于图像噪声分析的高速相机成像质量分析方法,其特征在于,
所述第一图像采集环境下,对于位置像素点的第一图像信号分量大于第一预设阈值的位置像素点确定为亮度坏点,
所述第二图像采集环境下,对于第二图像采集环境下采集图像的第一图像信号分量B1(x,y)通过第一图像采集环境下采集图像的第一图像信号分量A(x,y)进行暗场校正,获得校正后的第二图像采集环境下的采集图像C1(x,y),对于C1(x,y)图像中除了第一图像采集环境确定为亮度坏点以外的所有灰度值小于第二预设阈值的像素点确定为暗点坏点。
6.根据权利要求1所述的基于图像噪声分析的高速相机成像质量分析方法,其特征在于,所述高层次噪声特征的类型包括:功率谱、信噪比、与温度的关系、与亮度的关系、方差、RMS。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110511274.7A CN113298764B (zh) | 2021-05-11 | 2021-05-11 | 基于图像噪声分析的高速相机成像质量分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110511274.7A CN113298764B (zh) | 2021-05-11 | 2021-05-11 | 基于图像噪声分析的高速相机成像质量分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113298764A CN113298764A (zh) | 2021-08-24 |
CN113298764B true CN113298764B (zh) | 2022-06-14 |
Family
ID=77321365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110511274.7A Active CN113298764B (zh) | 2021-05-11 | 2021-05-11 | 基于图像噪声分析的高速相机成像质量分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113298764B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114500802B (zh) * | 2022-01-21 | 2023-05-05 | 西南科技大学 | 一种γ辐射环境下成像设备的图像去噪方法 |
CN116228589B (zh) * | 2023-03-22 | 2023-08-29 | 新创碳谷集团有限公司 | 一种视觉检测相机噪声点消除方法、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101605208A (zh) * | 2008-06-13 | 2009-12-16 | 富士胶片株式会社 | 图像处理设备、成像设备、图像处理方法及程序 |
CN112580385A (zh) * | 2020-12-31 | 2021-03-30 | 杭州荣旗科技有限公司 | 一种基于多帧图像融合和非局部均值滤波的条码解码方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5382087B2 (ja) * | 2011-11-02 | 2014-01-08 | 株式会社デンソー | レーダ装置 |
CN103606132B (zh) * | 2013-10-31 | 2016-04-13 | 西安电子科技大学 | 基于空域和时域联合滤波的多帧数字图像去噪方法 |
CN106651781B (zh) * | 2016-09-26 | 2019-05-24 | 长春理工大学 | 一种激光主动成像的图像噪声抑制方法 |
CN109993703A (zh) * | 2017-12-29 | 2019-07-09 | 展讯通信(上海)有限公司 | 多尺度图像降噪方法及装置 |
CN109410177B (zh) * | 2018-09-28 | 2022-04-01 | 深圳大学 | 一种超分辨率图像的图像质量分析方法及系统 |
US11069063B2 (en) * | 2019-03-18 | 2021-07-20 | Uih America, Inc. | Systems and methods for noise analysis |
CN111800592B (zh) * | 2020-07-17 | 2022-04-29 | 合肥富煌君达高科信息技术有限公司 | 可以抑制像元波动的坏点校正方法及装置、存储介质 |
CN112085682B (zh) * | 2020-09-11 | 2023-08-22 | 成都国科微电子有限公司 | 图像降噪方法、装置、电子设备及存储介质 |
CN112258407B (zh) * | 2020-10-20 | 2024-07-26 | 北京集创北方科技股份有限公司 | 一种图像采集设备的信噪比获取方法、装置及存储介质 |
CN112419188A (zh) * | 2020-11-23 | 2021-02-26 | 杭州丽视智能科技有限公司 | 图像噪声消除方法、装置、电子设备及计算机存储介质 |
-
2021
- 2021-05-11 CN CN202110511274.7A patent/CN113298764B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101605208A (zh) * | 2008-06-13 | 2009-12-16 | 富士胶片株式会社 | 图像处理设备、成像设备、图像处理方法及程序 |
CN112580385A (zh) * | 2020-12-31 | 2021-03-30 | 杭州荣旗科技有限公司 | 一种基于多帧图像融合和非局部均值滤波的条码解码方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113298764A (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wei et al. | A physics-based noise formation model for extreme low-light raw denoising | |
CN113298764B (zh) | 基于图像噪声分析的高速相机成像质量分析方法 | |
CN105100632B (zh) | 成像设备自动曝光的调整方法及装置、成像设备 | |
US20050286802A1 (en) | Method for detecting and selecting good quality image frames from video | |
CN107451969A (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN106030653A (zh) | 用于生成高动态范围图像的图像处理系统和图像处理方法 | |
US20050057670A1 (en) | Method and device for extracting and utilizing additional scene and image formation data for digital image and video processing | |
CN112767392A (zh) | 图像清晰度确定方法、装置、设备及存储介质 | |
CN115965889A (zh) | 一种视频质量评估数据处理方法、装置及设备 | |
CN103455809A (zh) | 一种自动拍摄文档图像的方法及系统 | |
CN112906488A (zh) | 一种基于人工智能的安防视频质量评价系统 | |
Yahiaoui et al. | Optimization of ISP parameters for object detection algorithms | |
CN113691724A (zh) | Hdr场景检测方法与装置、终端及可读存储介质 | |
CN114286014A (zh) | 一种图像数据库采集方法 | |
CN105469413B (zh) | 一种基于归一化振铃加权的无参考模糊复原图像综合质量评估方法 | |
CN111726543B (zh) | 一种提高图像动态范围的方法、摄像机 | |
CN111064864A (zh) | 设置畸变校正参数的方法、装置和内窥镜系统 | |
CN117036401A (zh) | 一种基于目标追踪的配网线路巡检方法及系统 | |
CN109658405B (zh) | 一种农作物实景观测中图像数据质量控制方法及系统 | |
US11631183B2 (en) | Method and system for motion segmentation | |
CN111951312B (zh) | 图像配准、图像采集时间配准方法、装置、设备及介质 | |
CN116167969A (zh) | 镜头脏污检测方法、装置、车辆、存储介质及程序产品 | |
Guthier et al. | Algorithms for a real-time HDR video system | |
CN114723624A (zh) | 一种图像处理方法、系统、设备及计算机可读存储介质 | |
CN113572968A (zh) | 图像融合方法、装置、摄像设备及存储介质 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: Fuhuang New Vision Building, No. 77 Wutaishan Road, Baohe Economic Development Zone, Hefei City, Anhui Province, 230051 Patentee after: Hefei Zhongke Junda Vision Technology Co.,Ltd. Address before: 230088 Room 107, Building 3, Tiandao 10 Software Park, Hefei High-tech Zone, Anhui Province Patentee before: HEFEI FUHUANG JUNDA HIGH-TECH INFORMATION TECHNOLOGY Co.,Ltd. |