CN116886834B - 一种图像传感器全域坏点剔除方法、系统及设备 - Google Patents

一种图像传感器全域坏点剔除方法、系统及设备 Download PDF

Info

Publication number
CN116886834B
CN116886834B CN202310975449.9A CN202310975449A CN116886834B CN 116886834 B CN116886834 B CN 116886834B CN 202310975449 A CN202310975449 A CN 202310975449A CN 116886834 B CN116886834 B CN 116886834B
Authority
CN
China
Prior art keywords
image sensor
image
gray
pixel
beacon light
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
Application number
CN202310975449.9A
Other languages
English (en)
Other versions
CN116886834A (zh
Inventor
王强
崔雷
王雪玮
姜蔓
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.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN202310975449.9A priority Critical patent/CN116886834B/zh
Publication of CN116886834A publication Critical patent/CN116886834A/zh
Application granted granted Critical
Publication of CN116886834B publication Critical patent/CN116886834B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region
    • H04N5/20—Circuitry for controlling amplitude response
    • H04N5/202—Gamma control

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)

Abstract

本发明公开一种图像传感器全域坏点剔除方法、系统及设备，涉及图像处理技术领域。获取预设方向上的第一图像；将第一图像上任一像素点的灰度值与预存标准图像上对应像素点的灰度值进行差值计算；若差值的绝对值大于等于M，则判定产生新的坏点；根据图像传感器视域内像素点的灰度值计算本底特征量；根据本底特征量计算信标光斑的灰度质心位置坐标；若差值的绝对值小于M，则判定图像传感器未产生新的坏点；并经过预设时间段t之后再次执行“获取预设方向上的第一图像”的步骤。本发明实现了针对图像传感器全域内的坏点进行剔除，校正了信标光质心坐标，提高了图像传感器成像的精准度。

Description

一种图像传感器全域坏点剔除方法、系统及设备
技术领域
本发明涉及图像处理技术领域，特别是涉及一种图像传感器全域坏点剔除方法、系统及设备。
背景技术
在卫星激光通信系统中，CMOS图像传感器通常用于对信标光的识别和捕获，从而为激光通信链路的建立和保持提供必要的参考。CMOS图像传感器的空间可靠性和安全性也直接影响到卫星激光通信系统的可靠性。在轨长期使用过程中，CMOS图像传感器一旦出现坏点，会造成信标光的中心位置计算发生偏移，影响激光链路的稳定性，严重会造成链路的中断。因此需要对CMOS图像传感器全域的坏点进行有效的识别，从而保证CMOS图像传感器高可靠性。
发明内容
本发明实施例的目的是提供一种图像传感器全域坏点剔除方法、系统及设备，实现了针对图像传感器全域内的坏点进行剔除，校正了信标光质心坐标，提高了图像传感器成像的精准度。
为实现上述目的，本发明实施例提供了如下方案：
一种图像传感器全域坏点剔除方法，包括：
获取预设方向上的第一图像；所述第一图像为灰度图；
将所述第一图像上任一像素点的灰度值与预存标准图像上对应像素点的灰度值进行差值计算，得到差值；
若所述差值的绝对值大于等于M，则判定图像传感器产生新的坏点；
根据所述图像传感器视域内像素点的灰度值，计算所述图像传感器的本底特征量；
根据所述图像传感器的本底特征量，计算信标光斑的灰度质心位置坐标；所述信标光斑的灰度质心位置坐标为所述图像传感器全域坏点剔除后的信标光质心坐标；
若所述差值的绝对值小于M，M为正数，则判定图像传感器未产生新的坏点；并经过预设时间段t之后再次执行“获取预设方向上的第一图像”的步骤。
可选地，所述预存标准图像在暗室中由图像传感器拍摄，曝光时间为Nms，N为正数。
可选地，根据以下公式，计算所述图像传感器的本底特征量：
其中，(x,y)为像素点的坐标，gxy为没有信标光斑时图像传感器视域内像素点(x,y)的灰度值；X1为所述图像传感器视域的行像素和，Y1为所述图像传感器视域的列像素和，Z1为所述图像传感器视域的像素和；X1、Y1和Z1表征图像传感器的本底特征量。
可选地，根据以下公式，计算信标光斑的灰度质心位置坐标：
其中，Hxy为有信标光斑时图像传感器视域内像素点(x,y)的灰度值，(X2，Y2)为去噪后信标光斑的灰度质心位置坐标。
可选地，在所述计算信标光斑的灰度质心位置坐标之后，经过时间段T再次执行“获取预设方向上的第一图像”的步骤。
为实现上述目的，本发明实施例还提供了如下方案：
一种图像传感器全域坏点剔除系统，包括：
图像获取模块，用于获取预设方向上的第一图像；所述第一图像为灰度图；
差值计算模块，与所述图像获取模块连接，用于将所述第一图像上任一像素点的灰度值与预存标准图像上对应像素点的灰度值进行差值计算，得到差值；
判定模块，与所述差值计算模块连接，用于判定所述差值的绝对值是否大于等于M；若是，则判定图像传感器产生新的坏点；若否，则判定图像传感器未产生新的坏点；并经过预设时间段t之后再次执行“获取预设方向上的第一图像”的步骤；
本底特征量计算模块，分别与所述判定模块和所述差值计算模块连接，用于在判定图像传感器产生新的坏点之后，根据所述图像传感器视域内像素点的灰度值，计算所述图像传感器的本底特征量；
信标光质心坐标计算模块，与所述本底特征量计算模块连接，用于根据所述图像传感器的本底特征量，计算信标光斑的灰度质心位置坐标；所述信标光斑的灰度质心位置坐标为所述图像传感器全域坏点剔除后的信标光质心坐标。
另一方面，本发明还提供一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的图像传感器全域坏点剔除方法。
另一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现所述的图像传感器全域坏点剔除方法。
在本发明实施例中，获取预设方向上的第一图像；将第一图像上任一像素点的灰度值与预存标准图像上对应像素点的灰度值进行差值计算，得到差值；若差值的绝对值大于等于M，则判定图像传感器产生新的坏点；根据图像传感器视域内坐标值为(x,y)的像素点的灰度值，计算图像传感器的本底特征量；根据图像传感器的本底特征量，计算信标光斑的灰度质心位置坐标；任一像素点的灰度值进行差值计算，实现了高精度、全面剔除坏点，主要针对图像传感器全域内的坏点进行剔除，尤其是针对于坏点团聚的情况，具备剔除效果好，不影响图像传感器的处理帧频，提高了图像传感器成像的精准度，提高了图像传感器空间应用的可靠性和安全性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的图像传感器全域坏点剔除方法的流程示意图；
图2为本发明实施例提供的图像传感器全域坏点剔除系统的详细结构图。
符号说明：
图像获取模块-1，差值计算模块-2，判定模块-3，本底特征量计算模块-4，信标光质心坐标计算模块-5。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种图像传感器全域坏点剔除方法、系统及设备，以解决现有的图像传感器存在坏点导致的成像精准度低的问题。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1示出了上述图像传感器全域坏点剔除方法的一种示例性流程。下面对各步骤进行详细介绍。
步骤1：获取预设方向上的第一图像；所述第一图像为灰度图；
在一个示例中，可以使用CMOS图像传感器采集预设方向上的第一图像，第一图像的尺寸大小和CMOS图像传感器的视域大小一样。本领域技术人员可灵活设计预设的方向，在此不做赘述。在轨运行期间，先通过卫星激光通信终端控制CMOS图像传感器进行特定位置的指向，再控制CMOS图像传感器进行拍摄，拍摄第一图像。
步骤2：将所述第一图像上任一像素点的灰度值与预存标准图像上对应像素点的灰度值进行差值计算，得到差值；
在一个示例中，先将第一图像转换为灰度图，将灰度图上的每一个像素点的灰度值与预存标准图像上每一个对应像素点的灰度值进行差值计算，得到每一个像素点的灰度值差值；
所述预存标准图像在暗室中由图像传感器拍摄，曝光时间为Nms，N为正数。
在一个示例中，此预存标准图像为CMOS图像传感器在暗室中拍摄，曝光时间可以为1ms，当然本领域技术人员可以灵活设计曝光时间。此预存标准图像作为在轨剔除CMOS图像传感器的全域坏点的参考。
步骤3：若所述差值的绝对值大于等于M，则判定图像传感器产生新的坏点；
在一个示例中，本领域技术人员可灵活设计M的值，例如10,11,12等等，在此不做赘述。下面以10为例进行阐述。差值的绝对值大于等于10，则可以认为CMOS图像传感器产生新的坏点，然后进行后续步骤。
步骤4：根据所述图像传感器视域内像素点的灰度值，计算所述图像传感器的本底特征量；根据以下公式，计算所述图像传感器的本底特征量：
其中，gxy为没有信标光斑时图像传感器视域内坐标值为(x,y)的像素点的灰度值；X1为所述图像传感器视域的行像素和，Y1为所述图像传感器视域的列像素和，Z1为所述图像传感器视域的像素和；X1、Y1和Z1表征图像传感器的本底特征量。
步骤5：根据所述图像传感器的本底特征量，计算信标光斑的灰度质心位置坐标；所述信标光斑的灰度质心位置坐标为所述图像传感器全域坏点剔除后的信标光质心坐标；根据以下公式，计算信标光斑的灰度质心位置坐标：
其中，Hxy为有信标光斑时图像传感器视域内像素点(x,y)的灰度值，(X2，Y2)为去噪后信标光斑的灰度质心位置坐标。
在一个示例中，将X1、Y1、Z1作为CMOS图像传感器的本底特征量，当信标光进入CMOS图像传感器后，利用步骤5中的公式计算信标光斑的灰度质心坐标位置。
在所述计算信标光斑的灰度质心位置坐标之后，经过时间段T再次执行“获取预设方向上的第一图像”的步骤。
在一个示例中，为了保证CMOS图像传感器长期的可靠性和安全性，本领域技术人员可灵活设计T的值，例如1小时，12小时，24小时等等，在此不做赘述。下面以24小时为例进行阐述，需要每日在轨更新CMOS图像传感器本底特征量(X1，Y1，Z1)，将更新后的本地特征量(X1，Y1，Z1)带入到步骤5中的公式中得到信标光斑的灰度质心坐标位置，从而保证信标光斑的质心坐标更加准确，从而保证激光链路的稳定性。
步骤6：若所述差值的绝对值小于M，M为正数，则判定图像传感器未产生新的坏点；并经过预设时间段t之后再次执行“获取预设方向上的第一图像”的步骤。
综上所述，在本发明实施例中，获取预设方向上的第一图像；将第一图像上任一像素点的灰度值与预存标准图像上对应像素点的灰度值进行差值计算，得到差值；若差值的绝对值大于等于M，则判定图像传感器产生新的坏点；根据图像传感器视域内坐标值为(x,y)的像素点的灰度值，计算图像传感器的本底特征量；根据图像传感器的本底特征量，计算信标光斑的灰度质心位置坐标；任一像素点的灰度值进行差值计算，实现了高精度、全面剔除坏点，主要针对图像传感器全域内的坏点进行剔除，尤其是针对于坏点团聚的情况，具备剔除效果好，不影响图像传感器的处理帧频，提高了图像传感器成像的精准度，提高了图像传感器空间应用的可靠性和安全性。
为实现上述目的，本发明实施例还提供了如下方案：
请参见图2，一种图像传感器全域坏点剔除系统，包括：
图像获取模块1用于获取预设方向上的第一图像；所述第一图像为灰度图；
差值计算模块2与所述图像获取模块1连接，差值计算模块2用于将所述第一图像上任一像素点的灰度值与预存标准图像上对应像素点的灰度值进行差值计算，得到差值；
所述预存标准图像在暗室中由图像传感器拍摄，曝光时间为Nms，N为正数。
判定模块3与所述差值计算模块2连接，判定模块3用于判定所述差值的绝对值是否大于等于M；若是，则判定图像传感器产生新的坏点；若否，则判定图像传感器未产生新的坏点；并经过预设时间段t之后再次执行“获取预设方向上的第一图像”的步骤；
本底特征量计算模块4分别与所述判定模块3和所述差值计算模块2连接，本底特征量计算模块4用于在判定图像传感器产生新的坏点之后，根据所述图像传感器视域像素点的灰度值，计算所述图像传感器的本底特征量；根据以下公式，计算所述图像传感器的本底特征量：
其中，(x,y)为像素点的坐标，gxy为没有信标光斑时图像传感器视域内像素点(x,y)的灰度值；X1为所述图像传感器视域的行像素和，Y1为所述图像传感器视域的列像素和，Z1为所述图像传感器视域的像素和；X1、Y1和Z1表征图像传感器的本底特征量。
信标光质心坐标计算模块5与所述本底特征量计算模块4连接，信标光质心坐标计算模块5用于根据所述图像传感器的本底特征量，计算信标光斑的灰度质心位置坐标；所述信标光斑的灰度质心位置坐标为所述图像传感器全域坏点剔除后的信标光质心坐标。
根据以下公式，计算信标光斑的灰度质心位置坐标：
其中，Hxy为有信标光斑时图像传感器视域内坐标值像素点(x,y)的灰度值，(X2，Y2)为去噪后信标光斑的灰度质心位置坐标。
在所述计算信标光斑的灰度质心位置坐标之后，经过时间段T再次执行“获取预设方向上的第一图像”的操作。
进一步地，本发明还提供一种电子设备，该电子设备可以包括：处理器、通信接口、存储器和通信总线。其中，处理器、通信接口、存储器通过通信总线完成相互间的通信。处理器可以调用存储器中的计算机程序，以执行所述处理器执行所述计算机程序时实现所述的图像传感器全域坏点剔除方法。
此外，上述的存储器中的计算机程序通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
进一步地，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现所述的图像传感器全域坏点剔除方法。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明实施例的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明实施例的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明实施例的限制。

Claims (6)

1.一种图像传感器全域坏点剔除方法，其特征在于，包括：
获取预设方向上的第一图像；所述第一图像为灰度图；
将所述第一图像上任一像素点的灰度值与预存标准图像上对应像素点的灰度值进行差值计算，得到差值；
若所述差值的绝对值大于等于M，则判定图像传感器产生新的坏点；
根据所述图像传感器视域内像素点的灰度值，计算所述图像传感器的本底特征量；
根据所述图像传感器的本底特征量，计算信标光斑的灰度质心位置坐标；所述信标光斑的灰度质心位置坐标为所述图像传感器全域坏点剔除后的信标光质心坐标；
若所述差值的绝对值小于M，M为正数，则判定图像传感器未产生新的坏点；并经过预设时间段t之后再次执行“获取预设方向上的第一图像”的步骤；
根据以下公式，计算所述图像传感器的本底特征量：
其中，(x,y)为像素点的坐标，gxy为没有信标光斑时图像传感器视域内像素点(x,y)的灰度值；X1为所述图像传感器视域的行像素和，Y1为所述图像传感器视域的列像素和，Z1为所述图像传感器视域的像素和；X1、Y1和Z1表征图像传感器的本底特征量；
根据以下公式，计算信标光斑的灰度质心位置坐标：
其中，Hxy为有信标光斑时图像传感器视域内像素点(x,y)的灰度值，(X2，Y2)为去噪后信标光斑的灰度质心位置坐标。
2.根据权利要求1所述的图像传感器全域坏点剔除方法，其特征在于，所述预存标准图像在暗室中由图像传感器拍摄，曝光时间为Nms，N为正数。
3.根据权利要求1所述的图像传感器全域坏点剔除方法，其特征在于，在所述计算信标光斑的灰度质心位置坐标之后，经过时间段T再次执行“获取预设方向上的第一图像”的步骤。
4.一种图像传感器全域坏点剔除系统，其特征在于，包括：
图像获取模块，用于获取预设方向上的第一图像；所述第一图像为灰度图；
差值计算模块，与所述图像获取模块连接，用于将所述第一图像上任一像素点的灰度值与预存标准图像上对应像素点的灰度值进行差值计算，得到差值；
判定模块，与所述差值计算模块连接，用于判定所述差值的绝对值是否大于等于M；若是，则判定图像传感器产生新的坏点；若否，则判定图像传感器未产生新的坏点；并经过预设时间段t之后再次执行“获取预设方向上的第一图像”的步骤；
本底特征量计算模块，分别与所述判定模块和所述差值计算模块连接，用于在判定图像传感器产生新的坏点之后，根据所述图像传感器视域内像素点的灰度值，计算所述图像传感器的本底特征量；
信标光质心坐标计算模块，与所述本底特征量计算模块连接，用于根据所述图像传感器的本底特征量，计算信标光斑的灰度质心位置坐标；所述信标光斑的灰度质心位置坐标为所述图像传感器全域坏点剔除后的信标光质心坐标；
根据以下公式，计算所述图像传感器的本底特征量：
其中，(x,y)为像素点的坐标，gxy为没有信标光斑时图像传感器视域内像素点(x,y)的灰度值；X1为所述图像传感器视域的行像素和，Y1为所述图像传感器视域的列像素和，Z1为所述图像传感器视域的像素和；X1、Y1和Z1表征图像传感器的本底特征量；
根据以下公式，计算信标光斑的灰度质心位置坐标：
其中，Hxy为有信标光斑时图像传感器视域内像素点(x,y)的灰度值，(X2，Y2)为去噪后信标光斑的灰度质心位置坐标。
5.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-3任一项所述的图像传感器全域坏点剔除方法。
6.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现如权利要求1-3任一项所述的图像传感器全域坏点剔除方法。
CN202310975449.9A 2023-08-03 2023-08-03 一种图像传感器全域坏点剔除方法、系统及设备 Active CN116886834B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310975449.9A CN116886834B (zh) 2023-08-03 2023-08-03 一种图像传感器全域坏点剔除方法、系统及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310975449.9A CN116886834B (zh) 2023-08-03 2023-08-03 一种图像传感器全域坏点剔除方法、系统及设备

Publications (2)

Publication Number Publication Date
CN116886834A CN116886834A (zh) 2023-10-13
CN116886834B true CN116886834B (zh) 2024-04-26

Family

ID=88260489

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310975449.9A Active CN116886834B (zh) 2023-08-03 2023-08-03 一种图像传感器全域坏点剔除方法、系统及设备

Country Status (1)

Country Link
CN (1) CN116886834B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001008198A (ja) * 1999-06-18 2001-01-12 Canon Inc 画像処理装置、画像処理システム、画像処理方法、及び記憶媒体
CN109040627A (zh) * 2018-07-13 2018-12-18 中国船舶重工集团公司第七〇九研究所 基于坏点修正的信标光捕获跟踪装置及方法
CN110118990A (zh) * 2018-02-07 2019-08-13 上海西门子医疗器械有限公司 X光探测器坏点的在线侦测方法、装置、系统及存储介质
CN113674273A (zh) * 2021-09-16 2021-11-19 深圳市光明顶照明科技有限公司 一种基于产品缺陷的光学检测方法、系统和可读存储介质
CN116109695A (zh) * 2023-02-28 2023-05-12 江苏慕藤光精密光学仪器有限公司 质心定位方法及相关设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001008198A (ja) * 1999-06-18 2001-01-12 Canon Inc 画像処理装置、画像処理システム、画像処理方法、及び記憶媒体
CN110118990A (zh) * 2018-02-07 2019-08-13 上海西门子医疗器械有限公司 X光探测器坏点的在线侦测方法、装置、系统及存储介质
CN109040627A (zh) * 2018-07-13 2018-12-18 中国船舶重工集团公司第七〇九研究所 基于坏点修正的信标光捕获跟踪装置及方法
CN113674273A (zh) * 2021-09-16 2021-11-19 深圳市光明顶照明科技有限公司 一种基于产品缺陷的光学检测方法、系统和可读存储介质
CN116109695A (zh) * 2023-02-28 2023-05-12 江苏慕藤光精密光学仪器有限公司 质心定位方法及相关设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
卫星光通信中光斑图像处理算法优化设计研究;邵文北;哈尔滨工业大学硕士学位论文;20130701;全文 *
基于FPGA的高速光斑处理系统;尹子锴;哈尔滨工业大学硕士学位论文;20220630;全文 *
樊巧云 ; 张广军 ; .离散噪声图像的光斑质心算法及其硬件实现.光学精密工程.2011,(第12期),全文. *
樊巧云 ; 张广军 ; .离散噪声图像的光斑质心算法及其硬件实现.光学精密工程.2011,全文. *

Also Published As

Publication number Publication date
CN116886834A (zh) 2023-10-13

Similar Documents

Publication Publication Date Title
CN109840477B (zh) 基于特征变换的受遮挡人脸识别方法及装置
CN111667448B (zh) 一种图像处理方法、装置及设备
EP3567545A1 (en) Distance-weighted sparse representation priori-based image restoration and matching integration method
CN111968066A (zh) 红外图像的校正方法、装置、设备及制冷红外成像系统
CN111222417A (zh) 一种用于提高基于车载图像车道线提取精度的方法及装置
CN112862728A (zh) 伪影去除方法、装置、电子设备和存储介质
CN110310243B (zh) 一种无人机摄影测量的图像校正方法、系统和存储介质
CN116886834B (zh) 一种图像传感器全域坏点剔除方法、系统及设备
JP2018133110A (ja) 画像処理装置及び画像処理プログラム
KR101528244B1 (ko) 액체 매질에서 난류 효과를 포함한 이미지 데이터의 처리
CN113627210A (zh) 条形码图像的生成方法、装置、电子设备及存储介质
WO2014165159A1 (en) System and method for blind image deconvolution
CN114998162A (zh) 运动物体检测方法、装置、终端设备及存储介质
CN111787310B (zh) 防抖性能测试方法、装置、计算机设备及存储介质
CN112801193B (zh) 定位数据处理方法、装置、电子设备、介质
CN112819738B (zh) 红外图像融合方法、装置、计算机设备和存储介质
CN110750757B (zh) 一种基于灰度线性建模及金字塔分解的图像抖动量计算方法
CN114359183A (zh) 图像质量评估方法及设备、镜头遮挡的确定方法
CN111415611A (zh) 亮度补偿方法、亮度补偿装置及显示装置
CN112053310B (zh) 一种ccd图像中空间目标的拖尾星象定心方法
CN111104870A (zh) 基于卫星视频的运动检测方法、装置、设备和存储介质
CN116993630B (zh) 基于残差图像的注意力特征的去运动模糊方法及装置
CN115375772B (zh) 相机标定方法、装置、设备及存储介质
Fanning et al. Modeling performance using sensor simulation and image metrics
CN111144312B (zh) 图像处理方法、装置、设备和介质

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