CN1134077A - 确定特征点的方法与设备 - Google Patents

确定特征点的方法与设备 Download PDF

Info

Publication number
CN1134077A
CN1134077A CN95105460A CN95105460A CN1134077A CN 1134077 A CN1134077 A CN 1134077A CN 95105460 A CN95105460 A CN 95105460A CN 95105460 A CN95105460 A CN 95105460A CN 1134077 A CN1134077 A CN 1134077A
Authority
CN
China
Prior art keywords
pixel
piece
characteristic point
gradient
grad
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
CN95105460A
Other languages
English (en)
Other versions
CN1098596C (zh
Inventor
李敏燮
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.)
Fengye Vision Technology Co., Ltd.
Original Assignee
Daewoo Electronics 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 Daewoo Electronics Co Ltd filed Critical Daewoo Electronics Co Ltd
Publication of CN1134077A publication Critical patent/CN1134077A/zh
Application granted granted Critical
Publication of CN1098596C publication Critical patent/CN1098596C/zh
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/537—Motion estimation other than block-based
    • H04N19/54—Motion estimation other than block-based using feature points or meshes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Image Analysis (AREA)

Abstract

确定特征点的方法，包括(a)为视频帧中象素提供方向梯度和梯度值，(b)将方向梯度归一化，(c)为各象素产生具有其梯度值的第一边缘图，(d)为各象素产生具有归一化方向梯度的第二边缘图，(e)把第一边缘图划分成相同尺寸的块，(f)为包含在一块中各象素提供来自第二边缘图的象素的归一化方向梯度，(g)根据归一化方向梯度，为包含在每一块中的各象素得出离散度，(h)根据各象素对应的梯度值和离散度为各块确定特征点。

Description

确定特征点的方法与设备
该项发明是有关于确定特征点的方法与设备；更确切地说是根据象素的亮度梯度和离散度确定特征点的方法与设备。
众所周知，数字化的视频信号传输比模拟信号传输能获得更高质量的视频图象。当由图象的“帧”序列构成的图象信号用数字形式表示时会产成大量的数据需要传输，特别在高清晰度电视系统情况下更是如此。但是，由于常规传输通道的可用频带宽度是有限的，为把大量的数字数据传输出去，难免要压缩或减少传输数据的数量。在各种不同视频压缩技术中，有一种用统计编码技术把时间和空间压缩技术结合在一起的混合编码技术最为有效。
多数混合编码技术使用一种运动补偿的DPCM(差分脉冲编码调制)方法，这是一种估算物体在当前帧与其前面的帧之间运动，并且根据目标的运动流预测当前帧以生成一个表示当前帧与其预测帧之间差的差分信号的过程。这个方法在IEEE Transactions on communications杂志COM-33，NO.12 (December 1985)期中Staffan Ericsson的文章“用于混合预测/变换编码的固定的和自适应预测器”中有所描述。在IEEE Transactionson communications，COM-30，NO.1(January 1982)期上Ninomiya和Ohtsuka的文章“电视画面的运动补偿帧间编码方案”中也有所描述。
在运动补偿DPCM方法中，当前帧数据是根据当前帧与前面的若干帧之间运动的估算由对应的前一帧数据预测出来的。此估算的运动可以用代表象素在前一帧与当前帧之间位移的二维运动矢量来描述。
有两种估算目标的象素位移的基本方法：一种是逐块地估算法，另一种是逐个象素地趋近法。
在逐块地运动测算法中，将当前帧中的一块与前一帧中的一块进行比较，直至确定出最佳的匹配。由此就能为正在传输的当前帧估算出一个整个块的帧间位移矢量(表示该象素所组成的块在帧与帧间移动了多少)。但是，在逐块地估算中，如果块中所有象素不按相同的方式运动，可能得到很差的估算结果，从而降低整体画面的质量。
另一方面，使用逐个象素趋近方法，要为每一个象素确定一个位移量。这种技术能够较精确的估算象素值，并且具有容易地处理标度改变(例如变焦、与图象平面垂直的运动)的能力。但是，逐个象素趋近方法中，由于要为每一个象素确定一个运动矢量，事实上不可能把所有的运动矢量都传输给接收机。
用于改善由逐个象素趋近方法带来的大量多余传输数据处理问题而引入的技术之一是基于特征点的运动估算法。在基于特征点的运动估算法中，一组选择出来的象素，也就是特征点，在发送端的编码器和接收机端的解码器中以相同的方式被确定，而且特征点的运动矢量被传输到接收机的不承载那些特征点的位置数据，其中特征点被定义为能代表视频信号中目标的运动的当前帧或前一帧内的象素，以致接收机中当前帧上所有象素的运动矢量能够用特征点的运动矢量恢复出来或近似出来。在一份公开了的未决共有申请U.S.Ser.No.08/367,520，题为“用逐个象素运动估算对视频信号进行编码的方法和设备”的文件中公开了一种采用基于特征点的运动估算方法的编码器，首先从前一帧中包含的所有象素中选择取一些特征点，然后确定所被选取的特征点的运动矢量，其中每个运动矢量代表前一帧中一个特征点与相应匹配点即当前帧中最相似的象素之间的空间位移。确定地说，每个特征点的匹配点是在当前帧内的一个搜索区内被搜索到的，其中该搜索区规定为一个围绕相应特征点位置的预先确定的区域。在基于特征点的运动估算技术中，由于当前帧是由前一帧根据一组特征点的运动矢量预测出来的，选择能够正确的表示目标运动的特征点尤为重要。
在采用基于特征点的运动估算编码器和解码器中，一般用栅格技术或边缘检测技术与栅格技术相结合来选取特征点。
在使用各种型式的栅格，例如，矩形栅或六角边形栅的栅格技术中，结点，即栅格的栅格点被规定为特征点，而在边缘检测技术与栅格技术的结合中栅格的交叉点及目标的边缘被选作特征点。然而，栅格点或交叉点并不总能正确的表示目标的运动，从而导致差的目标运动测算。
因此，该项发明的主要目的是提供一种通过利用象素亮度梯度和目标边缘的象素的离散度确定特征点的改进的方法和设备。
按照该发明，它提供了一个用于采用基于运动补偿技术的特征点的视频信号处理器的设备，该设备用于确定特征点，所述特征点是能代表视频帧中各目标运动的象素，它包括：为视频帧中每个象素提供方向梯度和梯度值的装置；用分离方向梯度与梯度值的方法将方向梯度归一化的装置；为每个象素生成第一个具有梯度值的边缘图的装置；为每个象素生成第二个具有归一化方向梯度的边缘图的装置；将第一边缘图分成为许多相同尺寸的块的装置，其中块与块之间不互相重叠并且每一块都包含一个梯度值对应于其中每一个象素；为包括在每一块中的每个象素提供来自第二边缘图的一组预定数量的象素的归一化方向梯度，其中所述一组象素包括所述的每一个象素；根据提供的归一化方向梯度为每个包含在每一块中的象素得出其离散度的装置；以及根据梯度值和对应的每个象素的离散度为每一块确定特征点的装置。
从下面结合给出的附图对优选实施例的说明中可以更明显的看出该项发明的上述目的、其他目的和特点。
图1画出了用于确定特征点的该创造性的设备的方框图；
图2A和2B表示横向及纵向索贝尔(Sobel)算子；
图3表示用矩形栅格产生的示例的栅格点；
图4给出说明用于本项发明的特征点确定方案的示意图。
参看图1，它描述了一个根据该项发明确定特征点的设备，该设备用于采用一种基于运动补偿技术的编码器和解码器中，其中所述特征点被定义为能够在视频信号中表示目标运动的象素。某视频帧的数字视频信号，例如某个前一帧或当前帧被输送到一个梯度计算块100。
在梯度计算块100上，视频帧中所有的象素的象素亮度梯度被用梯度算子计算出来，例如，使用索贝尔(Sobel)算子。索贝尔算子计算横向的和纵向的局部和增量，而且具有合乎需要的为相同数值的地方产生零值的特性。图2A和2B中，一个横向索贝尔算子Sobel(X)和一个纵向索贝尔算子Sobel(Y)被作为典型例子画出，每个框起来的参数代表其最初的位置。横向和纵向索贝尔算子在两个互相垂直的方向上测量某图象I(x，y)的梯度。位于象素位置(x，y)点的象素的方向梯度，也就是横向和纵向梯度Gx(x，y)和Gy(x，y)定义为： G x ( x , y ) = 1 4 Σ i = - 1 1 Σ j = - 1 1 I ( x + i , y + j ) * h ( x ) ( i , j )
Figure A9510546000092
其中h(x)(i，j)和h(y)(i，j)分别为横向和纵向索贝尔算子在(i，j)位置上的索贝尔系数。
于是，在(x，y)位置上的象素的梯度值g(x，y)由下式给出或g(x，y)＝|Gx(x，y)|＋|Gy(x，y)|
梯度幅值g(x，y)被加到一个边缘检测块200上，用以检测目标边界上的边缘点，而方向梯度(Gx(x，y)和Gy(x，y)被加到一个归一化块300上去进行归一化。
边缘检测块200通过将每个象素的梯度值同预先设定的阈值TH进行比较而检测出视频帧中的边缘点。就是说，如果象素位置(x，y)的g(x，y)超过TH，此点即为边缘点。
典型地，可以周g(x，y)的累积直方图选择预设的阈值TH，以致5％到10％的有最大梯度值的象素被确定为边缘点。检测出的边缘点的位置构成一个第一边缘图E(x，y)，它被定义为：
Figure A9510546000101
就是说，边缘图是对各边缘点赋予梯度值并对各非边缘点赋零所形成的。边缘图为追踪图象中目标的边界提供了边界信息，其中边界信息包括视频帧中象素的位置数据及各象素位置上对应的梯度值。由边缘检测块200产生的边界信息被输送到一个帧存贮器块500并作为第一边缘图存贮于其中。
在归一化块300上，由梯度计算块100提供的方向梯度Gx(x，y)和Gy(x，y)按下式被归一化：
Figure A9510546000102
Figure A9510546000103
其中Ux(x，y)和Uy(x，y)表示位于象素位置(x，y)的各梯度Gx(x，y)和Gy(x，y)的归一化的横向和纵向梯度。象素的位置数据及对应于各象素位置的Ux(x，y)和Uy(x，y)被提供给帧存储器400并作为第二边缘图存储在其中。
同时，一个栅格点发生器600为地址发生器700提供大量栅格点。栅格点即为象素的位置，例如A至F点，位于栅格的结点，这种栅格可以是如图3中用虚线画出的矩形栅格，其中每一栅格点有除其横向和纵向上相邻的栅格点之外的N个象素，N是一个偶数。地址发生器700为每个栅格点产生一组第一地址数据，它代表(N＋1)×(N＋1)(例如9×9)个象素位置并构成第一处理块，第一处理块中有处于中心位置的栅格点；地址发生器还产生(N＋1)×(N＋1)组第二地址数据，每组第二地址数据代表(2M＋1)×(2M＋1)例如11×11个象素的位置，(M是奇数)，构成第二处理块，第二处理块中包括包含在中心位置的第一处理块中的(N＋1)×(N＋1)个象素的每一个象素。每个栅点的一组第一地址数据和若干组第二地址数据分别被输送到帧存贮器500和400。
响应由地址发生器700来的每一栅格点的第一地址数据，对应于第一处理块的第一边缘图数据被从帧存贮器500中取出并提供给离散度计算块800，其中第一边缘图数据代表包含在第一处理块中的(N＋1)×(N＋1)个象素的位置数据和对应各象素位置的梯度值。同时，响应由地址发生器700来的每一组第二地址数据，对应于(N＋1)×(N＋1)个第二处理块中每一块的第二边缘图数据被从帧存贮器400中取出并输送到离散度计算块800，其中第二边缘图数据代表包含在第二处理块中的(2M＋1)×(2M＋1)个象素的位置数据及对应那些象素位置上的归一化方向梯度值。
在离散度计算块800上，包含在(N＋1)×(N＋1)个第二处理块的每块中的归一化方向梯度离散度被计算出来并且置为中心象素的离散度。正如所知，离散度是样本偏离其平均值的度量，这就意味着离散度越大梯度分布率也就越大，就是说围绕中心象素的边界布局也就越复杂。
那么在(x，y)位置上的离散度Var(x，y)可以定义为：＋(Uy(x＋i，y＋j)－ Uy(x，y))2]其中Vx(x＋i，y＋i)是在中心的象素位置(x，y)的第二处理块中象素位置上的归一化横向和纵向梯度。
Ux(x，y)和 Uy(x，y)是包含在第二处理块中的归一化横向和纵向梯度平均值，它可以定义为： U ‾ x ( x , y ) = 1 ( 2 M + 1 ) 2 Σ j = - M M Σ j = - M M U x ( x + i , y + j )
此后，离散度计算块800向第一选择器900提供每个第一处理块的第三边缘图数据，其中第三连缘图数据包括第一处理块中(N＋1)×(N＋1)个象素的位置数据以及包含在第一处理块中的对应各象素位置的梯度值和计算的离散度值Var(X，Y)。
第一选择器900从最大一个开始按离散度大小顺序选取最大P个(例如5)象素，其中P是一个预设的大于1的数。具体地说，如果第一处理块中包含具有非零梯度值的P个或更多象素，就按离散度递减的顺序选出P个象素；如果非零值的象素少于P个，则选用所有的象素；如果第一处理块中所有的象素的梯度值都是零，则没有象素被选用。
参看图4，它给出说明在该项发明中确定特征点的方案的示意图。假定一个目标在两个视频帧之间的位移是MV并在目标的连界上选了两个特征点FP1和FP2。通常，使用块匹配算法确定特征点的运动矢量。就是说，一个中心位置有特征点的由5×5个象素组成的搜索块的运动矢量是用常规的块匹配算法确定的，而且搜索块的运动矢量被指定为特征点的运动矢量。在这种情况下，因为特征点PF1处于目标的连界上相当复杂的部分，特征点FP1的匹配点能唯一地被确定在有效的匹配点PF1’。另一方面，特征点PF2周围的边界布局相对简单，以至于特征点PF2的匹配点可以在一个近似的边界布局上选定一个点，例如FP2’、FP2”或FP2。因此，具有较大梯度离散度的特征点FP1的运动矢量能比具有较小离散度的特征点PF2有更多的机会反映目标的真实运动。
随后，第一选择器900为第二选择器1000提供第四边缘图数据，第四边缘图数据包括选用的象素的位置数据及对应每个选用的最大p象素的梯度值。
第二选择器1000比较由第一选择器900提供的第四边缘图数据中的梯度值并选择一个具有最大梯度值的象素，将其设定为选定的特征点。由第二选择器1000输出的是所选特征点的位置数据。
根据该项发明，它为每个包含一个或多个具有非零梯度值象素的块在块中若干具有最大离散度的象素中选择有最大梯度值的象素作为该块的特征点。结果，每个特征点都被确定在有复杂轮廓目标的边界的部分上，这是有助于特征点运动矢量的较好估算的。
虽然该项发明的优选实施例是参照在中心位置有栅格点的(N＋1)×(N＋1)个象素的第一处理块加以说明的，但对熟悉该领域技术的人，很显然只要构成视频帧的是一组第一处理块，第一处理块可以做成有N1×N2个象素，N1和N2是正整数。
尽管该项发明是参照一个特定的实施例加以说明和描述的，但对于熟悉该领域技术的人员而言，很显然在不违背所附权利要求中规定的该发明的精神和范围的情况下，可以做出很多变动和修改。

Claims (4)

1、一种用于采用基于运动补偿技术的特征点的视频信号处理器的设备，用来确定特征点，所述特征点是指在视频帧中能表示目标运动的象素，该设备包括：
为视频帧中每个象素提供方向梯度和梯度值的装置；
用将方向梯度和梯度值分离的方法将方向梯度归一化的装置；
为每个象素产生具有梯度值的第一边缘图的装置；
为每个象素产生具有归一化方向梯度的第二边缘图的装置；
把第一边缘图划分成许多相同尺寸的块的装置，其中块和块之间不互相重叠，而且每一块都包含对应于每个象素的梯度值；
为包含在各块中的每个象素提供来自第二边缘图的一组预先确定的象素的归一化方向梯度的装置，其中所述一组象素包括所述的每一个象素；
根据给出的归一化方向梯度，为包含在每一块中的每一个象素得出离散度的装置；
根据对应于每个象素的梯度值和离散度为每一块确定特征点的装置。
2、根据权利要求1所述的设备，其中所述测定装置包括：
为每一块选择最大P个象素的装置，选择是从离散度最大的一个开始依次选取，P是一个预设的大于1的数，这样如果每一块中包含P个或更多存在非零梯度值的象素，就按离散度递减的顺序选用P个象素，如果非零梯度值的象素少于P个，所有象素都被选用，而且如果每一块中的所有象素都具有零梯度值，就没有象素被选中；
在选取的最大象素中为每一块确定一个有最大梯度值的象素作为特征点的装置。
3、一种用于采用基于运动补偿技术的特征点的视频信号处理器的方法，用来确定特征点，所谓特征点是指那些在视频帧中能表示目标运动的象素，该方法的步骤包括：
(a)为视频帧中每个象素提供方向梯度和梯度幅值；
(b)用将方向梯度和梯度值分离的方法将方向梯度归一化；
(c)为每个象素产生具有其梯度值的第一边缘图；
(d)为每个象素产生具有归一化方向梯度的第二边缘图；
(e)把第一边缘图划分成许多相同尺寸的块，其中块和块之间不互相重叠，而且每一块都包含对应于每个象素的梯度值；
(f)包含在每一块中的每个象素提供来自第二边缘图的一组预先确定的象素的归一化方向梯度，其中所述一组象素包括所述的每一个象素；
(g)根据给出的归一化方向梯度，为包含在每一块中的每一块象素得出离散度；
(h)根据对应于每个象素的梯度值和离散度为每一块确定特征点。
4、根据权利要求3中所述的方法，其中步骤(h)又包括以下步骤：
(h1)为每一个块选择最大P个象素，选择是从离散度最大的一个开始依次选取，P是一个预设的大于1的数，这样，如果包含在每一块中的P个或更多的象素存在非零梯度值，就按离散递减的顺序选用P个象素，如果非零梯度值的象素少于P个，所有象素都被选用，而且如果每一个块中的所有象素都具有零梯度值，就没有象素被选中；
(h2)为每一个块在选取的最大象素中确定一个有最大梯度值的象素作为特征点。
CN95105460A 1995-03-20 1995-05-12 确定特征点的方法与设备 Expired - Lifetime CN1098596C (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1019950005857A KR0171147B1 (ko) 1995-03-20 1995-03-20 그레디언트 변화를 이용한 특징점 선정장치
KR5857/95 1995-03-20

Publications (2)

Publication Number Publication Date
CN1134077A true CN1134077A (zh) 1996-10-23
CN1098596C CN1098596C (zh) 2003-01-08

Family

ID=19410184

Family Applications (1)

Application Number Title Priority Date Filing Date
CN95105460A Expired - Lifetime CN1098596C (zh) 1995-03-20 1995-05-12 确定特征点的方法与设备

Country Status (6)

Country Link
US (1) US5694487A (zh)
EP (1) EP0733996B1 (zh)
JP (1) JP3621152B2 (zh)
KR (1) KR0171147B1 (zh)
CN (1) CN1098596C (zh)
DE (1) DE69534399T2 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103177421A (zh) * 2011-12-26 2013-06-26 深圳市蓝韵实业有限公司 超声医学图像的降噪处理方法

Families Citing this family (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5796855A (en) * 1995-10-05 1998-08-18 Microsoft Corporation Polygon block matching method
US6037988A (en) * 1996-03-22 2000-03-14 Microsoft Corp Method for generating sprites for object-based coding sytems using masks and rounding average
US8625665B2 (en) * 1996-09-20 2014-01-07 At&T Intellectual Property Ii, L.P. Video coder providing implicit coefficient prediction and scan adaptation for image coding and intra coding of video
US6408109B1 (en) * 1996-10-07 2002-06-18 Cognex Corporation Apparatus and method for detecting and sub-pixel location of edges in a digital image
GB2328127B (en) * 1997-08-05 2002-04-10 Canon Kk Image processing apparatus
US6647146B1 (en) 1997-08-05 2003-11-11 Canon Kabushiki Kaisha Image processing apparatus
JP3853034B2 (ja) * 1997-08-13 2006-12-06 シスメックス株式会社 物体の境界決定方法および装置並びに物体の境界決定プログラムを記録した記録媒体
US6289112B1 (en) * 1997-08-22 2001-09-11 International Business Machines Corporation System and method for determining block direction in fingerprint images
US6975764B1 (en) * 1997-11-26 2005-12-13 Cognex Technology And Investment Corporation Fast high-accuracy multi-dimensional pattern inspection
US6229578B1 (en) * 1997-12-08 2001-05-08 Intel Corporation Edge-detection based noise removal algorithm
US6400831B2 (en) 1998-04-02 2002-06-04 Microsoft Corporation Semantic video object segmentation and tracking
US6173083B1 (en) * 1998-04-14 2001-01-09 General Electric Company Method and apparatus for analyzing image structures
US7016539B1 (en) 1998-07-13 2006-03-21 Cognex Corporation Method for fast, robust, multi-dimensional pattern recognition
US6711278B1 (en) 1998-09-10 2004-03-23 Microsoft Corporation Tracking semantic objects in vector image sequences
US6898319B1 (en) * 1998-09-11 2005-05-24 Intel Corporation Method and system for video frame enhancement using edge detection
US6314201B1 (en) * 1998-10-16 2001-11-06 Agilent Technologies, Inc. Automatic X-ray determination of solder joint and view delta Z values from a laser mapped reference surface for circuit board inspection using X-ray laminography
US6697497B1 (en) 1998-12-22 2004-02-24 Novell, Inc. Boundary identification and characterization through density differencing
JP4496595B2 (ja) * 1999-03-29 2010-07-07 ソニー株式会社 画像処理装置および画像処理方法、並びに記録媒体
JP4344964B2 (ja) * 1999-06-01 2009-10-14 ソニー株式会社 画像処理装置および画像処理方法
FI110743B (fi) * 1999-06-28 2003-03-14 Valtion Teknillinen Menetelmä ja järjestelmä liike-estimoinnin suorittamiseksi
KR100415266B1 (ko) * 2000-05-11 2004-01-16 가부시끼가이샤 도시바 물체영역정보 기술방법과 물체영역정보 생성장치 및 기록매체
US7430303B2 (en) * 2002-03-29 2008-09-30 Lockheed Martin Corporation Target detection method and system
US7308136B2 (en) * 2002-07-01 2007-12-11 Xerox Corporation Weak edge repositioning in a MRC segmentor
DE10239343A1 (de) * 2002-08-28 2004-03-11 Philips Intellectual Property & Standards Gmbh Verfahren zur Verarbeitung eines Hautabdruckbildes
EP1418546A1 (en) * 2002-11-07 2004-05-12 Mitsubishi Electric Information Technology Centre Europe B.V. Method and apparatus for representing moving objects in a sequence of images
US8081820B2 (en) 2003-07-22 2011-12-20 Cognex Technology And Investment Corporation Method for partitioning a pattern into optimized sub-patterns
US7190834B2 (en) 2003-07-22 2007-03-13 Cognex Technology And Investment Corporation Methods for finding and characterizing a deformed pattern in an image
US7343048B2 (en) * 2003-09-18 2008-03-11 Arcsoft, Inc. Edge based alignment algorithm
US7289147B2 (en) * 2004-02-03 2007-10-30 Hewlett-Packard Development Company, L.P. Method for providing image alignment feedback for panorama (composite) images in digital cameras using edge detection
US8437502B1 (en) 2004-09-25 2013-05-07 Cognex Technology And Investment Corporation General pose refinement and tracking tool
US7620241B2 (en) * 2004-11-30 2009-11-17 Hewlett-Packard Development Company, L.P. Artifact reduction in a digital video
CN1797429A (zh) * 2004-12-29 2006-07-05 鸿富锦精密工业（深圳）有限公司 二维图像分析处理系统及方法
JP4581733B2 (ja) * 2005-02-17 2010-11-17 ソニー株式会社 符号化装置および方法、復号装置および方法、記録媒体、並びにプログラム、画像処理システム
US7440608B2 (en) * 2005-05-31 2008-10-21 Hewlett-Packard Development Company, L.P. Method and system for detecting image defects
US7965774B2 (en) * 2006-01-06 2011-06-21 International Business Machines Corporation Method for visual signal extrapolation or interpolation
US8212717B2 (en) * 2006-10-26 2012-07-03 Raytheon Company Radar imaging system and method using second moment spatial variance
US8054217B2 (en) * 2006-10-26 2011-11-08 Raytheon Company Radar imaging system and method using gradient magnitude second moment spatial variance detection
WO2008081853A1 (ja) * 2006-12-28 2008-07-10 Alps Electric Co., Ltd. 画像処理方法
US8103085B1 (en) 2007-09-25 2012-01-24 Cognex Corporation System and method for detecting flaws in objects using machine vision
US20100166257A1 (en) * 2008-12-30 2010-07-01 Ati Technologies Ulc Method and apparatus for detecting semi-transparencies in video
JP2010193186A (ja) * 2009-02-18 2010-09-02 Nikon Corp 画像編集装置、撮像装置、および画像編集プログラム
JP5115497B2 (ja) * 2009-02-27 2013-01-09 富士通セミコンダクター株式会社 画像処理プログラム、画像処理装置および画像処理方法
US8964033B2 (en) 2009-12-02 2015-02-24 Tata Consultancy Services Limited Cost-effective system and method for detecting, classifying and tracking the pedestrian using near infrared camera
US8553933B2 (en) 2010-11-10 2013-10-08 Raytheon Company Edge diversity object detection
JP5663283B2 (ja) * 2010-12-02 2015-02-04 オリンパス株式会社 内視鏡画像処理装置及びプログラム
US9679224B2 (en) 2013-06-28 2017-06-13 Cognex Corporation Semi-supervised method for training multiple pattern recognition and registration tool models
US9554086B1 (en) * 2014-01-03 2017-01-24 Pixelworks, Inc. True motion vector editing tool
KR102574175B1 (ko) * 2017-06-05 2023-09-04 파나소닉 인텔렉츄얼 프로퍼티 코포레이션 오브 아메리카 부호화 장치, 복호 장치, 부호화 방법 및 복호 방법

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5626626B2 (zh) * 1973-09-19 1981-06-19
US4499598A (en) * 1982-07-02 1985-02-12 Conoco Inc. Edge and line detection in multidimensional noisey, imagery data
US4910786A (en) * 1985-09-30 1990-03-20 Eichel Paul H Method of detecting intensity edge paths
JPS62172867A (ja) * 1986-01-25 1987-07-29 Minolta Camera Co Ltd 画像処理装置
US4838685A (en) * 1987-04-03 1989-06-13 Massachusetts Institute Of Technology Methods and apparatus for motion estimation in motion picture processing
US5144688A (en) * 1990-03-23 1992-09-01 Board Of Regents, The University Of Texas System Method and apparatus for visual pattern image coding

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103177421A (zh) * 2011-12-26 2013-06-26 深圳市蓝韵实业有限公司 超声医学图像的降噪处理方法
CN103177421B (zh) * 2011-12-26 2017-02-15 深圳市蓝韵实业有限公司 超声医学图像的降噪处理方法

Also Published As

Publication number Publication date
DE69534399T2 (de) 2006-03-16
CN1098596C (zh) 2003-01-08
EP0733996A3 (en) 1998-07-08
DE69534399D1 (de) 2005-09-29
KR960036703A (ko) 1996-10-28
US5694487A (en) 1997-12-02
JPH08265745A (ja) 1996-10-11
JP3621152B2 (ja) 2005-02-16
EP0733996A2 (en) 1996-09-25
EP0733996B1 (en) 2005-08-24
KR0171147B1 (ko) 1999-03-20

Similar Documents

Publication Publication Date Title
CN1134077A (zh) 确定特征点的方法与设备
CN1106768C (zh) 用于检测运动矢量的方法和装置
CN1103166C (zh) 利用基于特征点的运动估算编码视频信号的方法
EP0721287A1 (en) Method and apparatus for encoding a video signal
CN100438609C (zh) 带有降质的图像处理单元
EP0734177A2 (en) Method and apparatus for encoding/decoding a video signal
CN1135147A (zh) 利用基于特征点的运动估算编码视频信号的方法
CN1133535A (zh) 分割与估算移动目标的运动的方法
CN1135148A (zh) 利用基于特征点的运动估算编码视频信号的方法
CN1131876A (zh) 用于确定所选象素的真运动矢量的方法和装置
CN1135146A (zh) 利用基于特征点的运动估算编码视频信号的装置
CN101120594B (zh) 全局运动估计
JPH08275179A (ja) 映像信号符号化装置
EP1472881B1 (en) Unit for and method of estimating a current motion vector
US4974084A (en) Method and apparatus for picture motion measurement
KR0178229B1 (ko) 특징점에 근거한 화소단위 움직임 추정을 이용한 영상 처리 장치
CN1132984A (zh) 块匹配运动估算方法
US5731851A (en) Method for determining feature points based on hierarchical block searching technique
EP0367310B1 (en) Picture motion measurement
CN1212579A (zh) 以运动补偿时间内插图像的方法及设备
KR0178230B1 (ko) 특징점에 의한 움직임 추정을 이용한 영상 처리 장치
CN1328699C (zh) 特征点选择方法和装置、运动向量估计和图像显示装置
CN1131874A (zh) 块匹配运动估算方法
Song et al. A hierarchical motion estimation algorithm using nonlinear pyramid for MPEG-2
Zeng et al. Evaluation of color categorization for representing vehicle colors

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20030516

Patentee after: Daewoo Electronics Co., Ltd.

Patentee before: Daewoo Electronics Co., Ltd.

ASS Succession or assignment of patent right

Owner name: FENGYE VISION TECHNOLOGY CO., LTD.

Free format text: FORMER OWNER: DAEWOO ELECTRONICS CO., LTD.

Effective date: 20130425

C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20130425

Address after: Ontario

Patentee after: Fengye Vision Technology Co., Ltd.

Address before: Seoul, South Kerean

Patentee before: Daewoo Electronics Co., Ltd.

C17 Cessation of patent right
CX01 Expiry of patent term

Expiration termination date: 20150512

Granted publication date: 20030108