CN113793284A - 气动光学效应空变模糊图像不均匀分块的图像复原方法 - Google Patents
气动光学效应空变模糊图像不均匀分块的图像复原方法 Download PDFInfo
- Publication number
- CN113793284A CN113793284A CN202111358837.XA CN202111358837A CN113793284A CN 113793284 A CN113793284 A CN 113793284A CN 202111358837 A CN202111358837 A CN 202111358837A CN 113793284 A CN113793284 A CN 113793284A
- Authority
- CN
- China
- Prior art keywords
- image
- image block
- fuzzy
- estimated
- fuzzy core
- 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 36
- 230000003287 optical effect Effects 0.000 title claims abstract description 26
- 230000000903 blocking effect Effects 0.000 title claims abstract description 20
- 230000015556 catabolic process Effects 0.000 claims abstract description 10
- 238000006731 degradation reaction Methods 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 230000000694 effects Effects 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种气动光学效应空变模糊图像不均匀分块的图像复原方法,包括以下步骤:输入气动光学效应空变图像;滤除对模糊核估计不利的小结构图像,得到多个带有大结构的梯度域图像的待估计模糊核图像块集合;根据待估计模糊核图像块集合中的索引坐标进行行列区分,得到行离散序号组与列离散序号组的两组排序组;删除两组排序组中相邻元素小于预设阈值的行或者列,剩余的行和列所划分的图像块组成待插值模糊核图像块集合;求解待估计模糊核图像块集合和待插值模糊核图像块集合中各个图像块的模糊核;利用超拉普拉斯先验图像退化模型复原图像块,并拼接成完整图像。本发明能够满足在多目标,复杂的宽视场湍流场景下的图像复原工作。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种气动光学效应空变模糊图像不均匀分块的图像复原方法及系统。
背景技术
高速飞行器在输送人员/货物、观察场景、探测目标方面有着快速反应的高时效性和可供探测更大区域的高覆盖率的优点,因而在科技、经济、社会发展和国家安全领域具有广泛的应用价值。飞行器在大气层内飞行时,因与周围空气的相对运动和相互作用,产生气动流场,使飞行器光学成像探测系统功能丧失的物理过程和效果,称为气动光学效应。所以,要解决高品质的成像探测与导航定位问题,以及如何抵消或减轻高速飞行条件下气动光学效应的不利影响是高速飞行器航空航天技术发展的重要方向。
在空间可变的湍流退化模糊核的模拟退化仿真与恢复算法方面,相关工作较少,传统研究都是对于图像近似空不变的方面研究难以满足实时性与真实性的要求,如宽视场、复杂湍流等,近年来最新提出的分块方式的复原主要是在均匀分块的基础上进行滤波处理以及模糊核估计,但是一幅湍流空变模糊图像的分块复原导致了目标区域被割裂之后复原程度的差异,因此有必要针对气动光学效应空变图像自适应不均匀分块以及其空变模糊核估计的空变图像复原方法开展研究。
发明内容
本发明要解决的技术问题在于针对现有方法中的不能估计气动光学效应空变图像的模糊核问题以及对于空变模糊图像难复原问题,提供一种气动光学效应空变模糊图像自适应不均匀分块及其空变模糊核估计的图像复原方法。
为达上述目的,本发明提供了一种气动光学效应空变模糊图像不均匀分块的图像复原方法,包括以下步骤:
S1、输入气动光学效应空变图像;
S2、滤除对模糊核估计不利的小结构图像,得到多个带有大结构的梯度域图像,组成待估计模糊核图像块集合;
S3、根据待估计模糊核图像块集合中的索引坐标进行行列区分,得到行离散序号组与列离散序号组的两组排序组;
S4、删除两组排序组中相邻元素小于预设阈值的行或者列,剩余的行和列所划分的图像块组成待插值模糊核图像块集合;
S5、求解待估计模糊核图像块集合中各个图像块的大结构模糊核;根据待插值模糊核图像块集合中各个图像块的中心与待估计模糊核图像块集合中各个图像块的中心的距离计算加权值,再根据该加权值和对应的大结构模糊核计算待插值模糊核图像块集合中各个图像块的模糊核;
S6、得到所有图像块的模糊核后,利用超拉普拉斯先验图像退化模型复原图像块,并拼接成完整图像。
接上述技术方案,步骤S2中具体利用梯度有用性方法滤除对模糊核估计不利的小结构图像。
接上述技术方案,步骤S2中,待估计模糊核图像块集合中每个图像块的区域位置通过矩形坐标形式确定:
接上述技术方案,步骤S3中,按照升序排列得到行离散序号组与列离散序号组的两组排序组。
接上述技术方案,步骤S4中,相邻元素的预设阈值根据图像大小和模糊核矩阵大小确定。
接上述技术方案,步骤S4中,取两组排序组中相邻元素组合,依据相邻两元素不小于预设阈值进行筛选。
接上述技术方案,步骤S5具体为:
利用基于空间相关约束的非负性最小二乘准则估算方法对待估计模糊核图像块集合进行模糊核的估算;
根据待估计模糊核图像块的模糊核,利用线性插值方法,求得待插值模糊核图像块的模糊核;
其中,线性点插值建模成基于欧氏距离的点插值计算:
接上述技术方案,步骤S6中,图像块拼接时,先对图像块进行拓展,再使用加权插值融合图像块的边界。
本发明还提供一种气动光学效应空变模糊图像不均匀分块的图像复原系统,包括:
图像输入模块,用于输入气动光学效应空变图像;
待估计模糊核图像块获取模块,用于滤除对模糊核估计不利的小结构图像,得到多个带有大结构的梯度域图像,组成待估计模糊核图像块集合;
待插值模糊核图像块获取模块,用于根据待估计模糊核图像块集合中的索引坐标进行行列区分,得到行离散序号组与列离散序号组的两组排序组;删除两组排序组中相邻元素小于预设阈值的行或者列,剩余的行和列所划分的图像块组成待插值模糊核图像块集合;
模糊核求解模块,用于求解待估计模糊核图像块集合中各个图像块的大结构模糊核;根据待插值模糊核图像块集合中各个图像块的中心与待估计模糊核图像块集合中各个图像块的中心的距离计算加权值,再根据该加权值和对应的大结构模糊核计算待插值模糊核图像块集合中各个图像块的模糊核;
复原模块,用于在得到所有图像块的模糊核后,利用超拉普拉斯先验图像退化模型复原图像块,并拼接成完整图像。
本发明还提供一种计算机存储介质,其可被处理器执行,其内存储有计算机程序,该计算机程序执行上述技术方案所述的气动光学效应空变模糊图像不均匀分块的图像复原方法。
本发明产生的有益效果是:本发明的气动光学效应空变模糊图像自适应不均匀分块及其空变模糊核估计的图像复原方法,能够框定有效信息区域进行重点估计复原,在此基础上进行自适应不均匀分块与线性插值估计模糊核进一步提高效率;区别于以往的直接划分区域的局限性与全体估计模糊核的耗时,能够满足在多目标,复杂的宽视场湍流场景下的复原工作。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1为本发明实施例气动光学效应空变模糊图像不均匀分块的图像复原方法的流程图;
图2为原始气动光学效应空变模糊图片;
图3为模糊核区域测度下多梯度图片;
图4为待估计模糊核多区域图片;
图5为自适应不均匀分块图片;
图6为待估计模糊核图像块多区域的模糊核图片;
图7为自适应不均匀分块区域点插值生成的模糊核图片;
图8为图像各块拼接恢复整体图像。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明实施气动光学效应空变模糊图像不均匀分块的图像复原方法,可使用C/C++语言编写,如图1所示,包括以下步骤:
S1、输入气动光学效应空变图像;
S2、滤除对模糊核估计不利的小结构图像,得到多个带有大结构的梯度域图像,组成待估计模糊核图像块集合;
S3、根据待估计模糊核图像块集合中的索引坐标进行行列区分,得到行离散序号组与列离散序号组的两组排序组;
S4、删除两组排序组中相邻元素小于预设阈值的行或者列,剩余的行和列所划分的图像块组成待插值模糊核图像块集合;
S5、求解待估计模糊核图像块集合中各个图像块的大结构模糊核;根据待插值模糊核图像块集合中各个图像块的中心与待估计模糊核图像块集合中各个图像块的中心的距离计算加权值,再根据该加权值和对应的大结构模糊核计算待插值模糊核图像块集合中各个图像块的模糊核;
S6、得到所有图像块的模糊核后,利用超拉普拉斯先验图像退化模型复原图像块,并拼接成完整图像。
梯度有用性滤除对模糊核估计不利的小结构图像:
表1:像素点(i,j)的8邻域
(i-1,j-1) | (i-1,j) | (i-1,j+1) |
(i,j-1) | (i,j) | (i,j+1) |
(i+1,j-1) | (i+1,j) | (i+1,j+1) |
如图3所示,图3说明了该模糊图像的大结构区域共有5块,存在重叠区域、相隔过近和相邻边重合的复杂情况。使用区域测度定位的多个图像区域位置通常可以通过矩形坐标形式确定下来:
为矩形坐标,坐标与分别是的左上顶点像素和右下顶点的像素;每个像素的坐标表明了所处的位置信息,中的坐标组代表上边起始行为第行,左边起始列为第列,下边终止行为第行,右边终止列为第列的图像区域。当区域测度定位的图像区域不止一个的时候,将这些区域统称为待估计模糊核图像块集合,其矩形坐标形式集合为:
步骤S3中,依据上一步得到的5块大结构区域,可以知道其对应的矩形坐标,按图索冀得到的是如图4所示的带有信息的图像块。可按照升序排列得到行离散序号组与列离散序号组的两组排序组。待估计模糊核图像块集合的坐标组集合可表示为:
进一步地,步骤S4中,相邻元素的预设阈值根据图像大小和模糊核矩阵大小确定。可以根据图像和模糊核尺寸,确定出两组排序组中相邻元素的最小阈值。
剩余行、列组成的待插值图像块如图5所示。
图6为重点带有信息图像块的估算出的5块模糊核,图中显示了5块模糊核的放大效果与3D显示。待估计模糊核图像块求解模糊核的过程为:
图7是基于估算出5块模糊核的基础上线性插值生成的31个模糊核,减少了计算量。图7中选取了其中10个模糊核的放大截图与3D显示。
图像块拼接融合具体方法为:
上述实施例可在Windows10操作系统上,在Visual C++ 6.0平台上编程代码。本发明的上述例子中,对Windows10的硬件配置做一下说明:
(1)、运行内存为8G,处理器为Inter Core i5;
(2)、利用C/C++平台的MFC搭建算法框架。
本发明还提供了一种气动光学效应空变模糊图像不均匀分块的图像复原系统,包括:
图像输入模块,用于输入气动光学效应空变图像;
待估计模糊核图像块获取模块,用于滤除对模糊核估计不利的小结构图像,得到多个带有大结构的梯度域图像,组成待估计模糊核图像块集合;
待插值模糊核图像块获取模块,用于根据待估计模糊核图像块集合中的索引坐标进行行列区分,得到行离散序号组与列离散序号组的两组排序组;删除两组排序组中相邻元素小于预设阈值的行或者列,剩余的行和列所划分的图像块组成待插值模糊核图像块集合;
模糊核求解模块,用于求解待估计模糊核图像块集合中各个图像块的大结构模糊核;根据待插值模糊核图像块集合中各个图像块的中心与待估计模糊核图像块集合中各个图像块的中心的距离计算加权值,再根据该加权值和对应的大结构模糊核计算待插值模糊核图像块集合中各个图像块的模糊核;
复原模块,用于在得到所有图像块的模糊核后,利用超拉普拉斯先验图像退化模型复原图像块,并拼接成完整图像。
各个模块具体用于实现上述实施例方法中的各个步骤,在此不赘述。
本发明还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于被处理器执行时实现上述方法实施例的气动光学效应空变模糊图像不均匀分块的图像复原方法。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种气动光学效应空变模糊图像不均匀分块的图像复原方法,其特征在于,包括以下步骤:
S1、输入气动光学效应空变图像;
S2、滤除对模糊核估计不利的小结构图像,得到多个带有大结构的梯度域图像,组成待估计模糊核图像块集合;
S3、根据待估计模糊核图像块集合中的索引坐标进行行列区分,得到行离散序号组与列离散序号组的两组排序组;
S4、删除两组排序组中相邻元素小于预设阈值的行或者列,剩余的行和列所划分的图像块组成待插值模糊核图像块集合;
S5、求解待估计模糊核图像块集合中各个图像块的大结构模糊核;根据待插值模糊核图像块集合中各个图像块的中心与待估计模糊核图像块集合中各个图像块的中心的距离计算加权值,再根据该加权值和对应的大结构模糊核计算待插值模糊核图像块集合中各个图像块的模糊核;
S6、得到所有图像块的模糊核后,利用超拉普拉斯先验图像退化模型复原图像块,并拼接成完整图像。
2.根据权利要求1所述的气动光学效应空变模糊图像不均匀分块的图像复原方法,其特征在于,步骤S2中具体利用梯度有用性方法滤除对模糊核估计不利的小结构图像。
4.根据权利要求1所述的气动光学效应空变模糊图像不均匀分块的图像复原方法,其特征在于,步骤S3中,按照升序排列得到行离散序号组与列离散序号组的两组排序组。
5.根据权利要求1所述的气动光学效应空变模糊图像不均匀分块的图像复原方法,其特征在于,步骤S4中,相邻元素的预设阈值根据图像大小和模糊核矩阵大小确定。
6.根据权利要求1所述的气动光学效应空变模糊图像不均匀分块的图像复原方法,其特征在于,步骤S4中,取两组排序组中相邻元素组合,依据相邻两元素不小于预设阈值进行筛选。
8.根据权利要求1所述的气动光学效应空变模糊图像不均匀分块的图像复原方法,其特征在于,步骤S6中,图像块拼接时,先对图像块进行拓展,再使用加权插值融合图像块的边界。
9.一种气动光学效应空变模糊图像不均匀分块的图像复原系统,其特征在于,包括:
图像输入模块,用于输入气动光学效应空变图像;
待估计模糊核图像块获取模块,用于滤除对模糊核估计不利的小结构图像,得到多个带有大结构的梯度域图像,组成待估计模糊核图像块集合;
待插值模糊核图像块获取模块,用于根据待估计模糊核图像块集合中的索引坐标进行行列区分,得到行离散序号组与列离散序号组的两组排序组;删除两组排序组中相邻元素小于预设阈值的行或者列,剩余的行和列所划分的图像块组成待插值模糊核图像块集合;
模糊核求解模块,用于求解待估计模糊核图像块集合中各个图像块的大结构模糊核;根据待插值模糊核图像块集合中各个图像块的中心与待估计模糊核图像块集合中各个图像块的中心的距离计算加权值,再根据该加权值和对应的大结构模糊核计算待插值模糊核图像块集合中各个图像块的模糊核;
复原模块,用于在得到所有图像块的模糊核后,利用超拉普拉斯先验图像退化模型复原图像块,并拼接成完整图像。
10.一种计算机存储介质,其特征在于,其可被处理器执行,其内存储有计算机程序,该计算机程序执行权利要求1-8中任一项所述的气动光学效应空变模糊图像不均匀分块的图像复原方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111358837.XA CN113793284B (zh) | 2021-11-17 | 2021-11-17 | 气动光学效应空变模糊图像不均匀分块的图像复原方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111358837.XA CN113793284B (zh) | 2021-11-17 | 2021-11-17 | 气动光学效应空变模糊图像不均匀分块的图像复原方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113793284A true CN113793284A (zh) | 2021-12-14 |
CN113793284B CN113793284B (zh) | 2022-03-15 |
Family
ID=78877364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111358837.XA Active CN113793284B (zh) | 2021-11-17 | 2021-11-17 | 气动光学效应空变模糊图像不均匀分块的图像复原方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113793284B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113935925A (zh) * | 2021-12-17 | 2022-01-14 | 武汉工程大学 | 气动光学效应空变模糊图像复原方法及系统 |
CN113962908A (zh) * | 2021-12-21 | 2022-01-21 | 武汉工程大学 | 气动光学效应大视场退化图像逐点校正复原方法及系统 |
CN114529481A (zh) * | 2022-04-21 | 2022-05-24 | 武汉工程大学 | 气动光学热辐射效应校正方法、装置、设备及存储介质 |
CN116862800A (zh) * | 2023-07-11 | 2023-10-10 | 哈尔滨工业大学 | 一种大视场单透镜空变模糊图像复原方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004088615A (ja) * | 2002-08-28 | 2004-03-18 | Fuji Photo Film Co Ltd | 動画像合成方法および装置並びにプログラム |
CN101587588A (zh) * | 2009-06-10 | 2009-11-25 | 华中科技大学 | 一种气动光学退化图像序列自适应校正方法 |
US20130088489A1 (en) * | 2010-06-29 | 2013-04-11 | Koninklijke Philips Electronics N.V. | Method and system for producing a virtual output image from data obtained by an array of image capturing devices |
CN105450933A (zh) * | 2016-01-04 | 2016-03-30 | 中国科学院光电技术研究所 | 一种气动光学效应中模糊图像的复原装置 |
CN105469370A (zh) * | 2015-12-28 | 2016-04-06 | 华中科技大学 | 一种气动光学效应校正识别一体化实时处理的系统和方法 |
CN113538374A (zh) * | 2021-07-15 | 2021-10-22 | 中国科学院上海技术物理研究所 | 一种面向高速运动物体的红外图像模糊校正方法 |
-
2021
- 2021-11-17 CN CN202111358837.XA patent/CN113793284B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004088615A (ja) * | 2002-08-28 | 2004-03-18 | Fuji Photo Film Co Ltd | 動画像合成方法および装置並びにプログラム |
CN101587588A (zh) * | 2009-06-10 | 2009-11-25 | 华中科技大学 | 一种气动光学退化图像序列自适应校正方法 |
US20130088489A1 (en) * | 2010-06-29 | 2013-04-11 | Koninklijke Philips Electronics N.V. | Method and system for producing a virtual output image from data obtained by an array of image capturing devices |
CN105469370A (zh) * | 2015-12-28 | 2016-04-06 | 华中科技大学 | 一种气动光学效应校正识别一体化实时处理的系统和方法 |
CN105450933A (zh) * | 2016-01-04 | 2016-03-30 | 中国科学院光电技术研究所 | 一种气动光学效应中模糊图像的复原装置 |
CN113538374A (zh) * | 2021-07-15 | 2021-10-22 | 中国科学院上海技术物理研究所 | 一种面向高速运动物体的红外图像模糊校正方法 |
Non-Patent Citations (5)
Title |
---|
BO YANG ET AL: "Aero-optical effects simulation technique for starlight transmission in boundary layer under high-speed conditions", 《CHINESE JOURNAL OF AERONAUTICS》 * |
洪汉玉: "红外探测湍流退化图像并行复原方法研究", 《红外技术》 * |
洪汉玉等: "加权L1范数测度的模糊核区域估计及空可变复原", 《红外与激光工程》 * |
洪汉玉等: "基于多分辨率盲目去卷积的气动光学效应退化图像复原算法", 《计算机学报》 * |
洪汉玉等: "气动光学效应退化图像循环迭代复原算法研究", 《华中科技大学学报(自然科学版)》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113935925A (zh) * | 2021-12-17 | 2022-01-14 | 武汉工程大学 | 气动光学效应空变模糊图像复原方法及系统 |
CN113935925B (zh) * | 2021-12-17 | 2022-03-15 | 武汉工程大学 | 气动光学效应空变模糊图像复原方法及系统 |
WO2023109008A1 (zh) * | 2021-12-17 | 2023-06-22 | 武汉工程大学 | 气动光学效应空变模糊图像复原方法及系统 |
CN113962908A (zh) * | 2021-12-21 | 2022-01-21 | 武汉工程大学 | 气动光学效应大视场退化图像逐点校正复原方法及系统 |
CN113962908B (zh) * | 2021-12-21 | 2022-05-10 | 武汉工程大学 | 气动光学效应大视场退化图像逐点校正复原方法及系统 |
WO2023115801A1 (zh) * | 2021-12-21 | 2023-06-29 | 武汉工程大学 | 气动光学效应大视场退化图像逐点校正复原方法及系统 |
CN114529481A (zh) * | 2022-04-21 | 2022-05-24 | 武汉工程大学 | 气动光学热辐射效应校正方法、装置、设备及存储介质 |
CN114529481B (zh) * | 2022-04-21 | 2022-07-26 | 武汉工程大学 | 气动光学热辐射效应校正方法、装置、设备及存储介质 |
CN116862800A (zh) * | 2023-07-11 | 2023-10-10 | 哈尔滨工业大学 | 一种大视场单透镜空变模糊图像复原方法和装置 |
CN116862800B (zh) * | 2023-07-11 | 2024-01-30 | 哈尔滨工业大学 | 一种大视场单透镜空变模糊图像复原方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113793284B (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113793284B (zh) | 气动光学效应空变模糊图像不均匀分块的图像复原方法 | |
Liu et al. | Learning affinity via spatial propagation networks | |
CN108122234B (zh) | 卷积神经网络训练及视频处理方法、装置和电子设备 | |
CN112132093B (zh) | 高分辨率遥感图像目标检测方法、装置和计算机设备 | |
Mao et al. | Non rigid geometric distortions correction-application to atmospheric turbulence stabilization | |
Wang et al. | Fast image upsampling via the displacement field | |
US8917284B2 (en) | Vector graphics with controlled thin-plate splines | |
CN108961180B (zh) | 红外图像增强方法及系统 | |
CN112215773B (zh) | 基于视觉显著性的局部运动去模糊方法、装置及存储介质 | |
CN113962908B (zh) | 气动光学效应大视场退化图像逐点校正复原方法及系统 | |
CN113538374B (zh) | 一种面向高速运动物体的红外图像模糊校正方法 | |
Chen et al. | Fast defocus map estimation | |
CN110874827B (zh) | 湍流图像复原方法、装置、终端设备及计算机可读介质 | |
CN105427259A (zh) | 多方向加权tv和非局部自相似性正则化图像去模糊方法 | |
CN110598717A (zh) | 图像特征的提取方法、装置及电子设备 | |
CN109064402B (zh) | 基于增强非局部总变分模型先验的单幅图像超分辨率重建方法 | |
CN111681165A (zh) | 图像处理方法、装置、计算机设备和计算机可读存储介质 | |
CN112381727A (zh) | 一种图像去噪方法、装置、计算机设备和存储介质 | |
WO2023109008A1 (zh) | 气动光学效应空变模糊图像复原方法及系统 | |
Seo | Image denoising and refinement based on an iteratively reweighted least squares filter | |
Lee et al. | Learning local implicit fourier representation for image warping | |
CN111932472B (zh) | 一种基于软聚类的图像保边滤波方法 | |
CN115630660B (zh) | 基于卷积神经网络的条码定位方法和装置 | |
CN109977965B (zh) | 一种在遥感机场图像中确定检测目标的方法及装置 | |
Liu et al. | Blind deblurring with patch-wise second-order gradient prior |
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 |