JP2007507932A5 - - Google Patents

Download PDF

Info

Publication number
JP2007507932A5
JP2007507932A5 JP2006529982A JP2006529982A JP2007507932A5 JP 2007507932 A5 JP2007507932 A5 JP 2007507932A5 JP 2006529982 A JP2006529982 A JP 2006529982A JP 2006529982 A JP2006529982 A JP 2006529982A JP 2007507932 A5 JP2007507932 A5 JP 2007507932A5
Authority
JP
Japan
Prior art keywords
dust
correction method
correction
region
image
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
JP2006529982A
Other languages
English (en)
Other versions
JP4416795B2 (ja
JP2007507932A (ja
Filing date
Publication date
Priority claimed from US10/676,823 external-priority patent/US7369712B2/en
Priority claimed from US10/677,134 external-priority patent/US7308156B2/en
Priority claimed from US10/677,139 external-priority patent/US7340109B2/en
Application filed filed Critical
Priority claimed from PCT/EP2004/010199 external-priority patent/WO2005041558A1/en
Publication of JP2007507932A publication Critical patent/JP2007507932A/ja
Publication of JP2007507932A5 publication Critical patent/JP2007507932A5/ja
Application granted granted Critical
Publication of JP4416795B2 publication Critical patent/JP4416795B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Claims (33)

  1. 光学システムに含まれるデジタル取得装置によって取得された画像内のダスト人工物領域を自動補正する補正方法であって、
    (a)前記デジタル取得装置で複数の原画像をデジタル的に取得し、
    (b)前記デジタル的に取得された画像内のダスト人工物領域に一致する一部の画素を決定し、
    (c)前記画像が取得されたときに、前記光学システムに関連する一つ以上の抽出されたパラメータを前記ダスト人工物領域に関連付け、前記画像の一つに関して少なくとも一つ抽出されたパラメータの数値は、前記画像の少なくとも一つの他の画像に一致した値とは異なっており、
    (d)前記ダスト人工物領域に基づきダストマップを形成し、
    (e)前記ダストマップに基づき、現在の画像内のダスト人工物領域に一致する画素を補正し、
    前記ダストマップの形成は、各原画像内にダスト領域をマッピングすることによって共通の統計的なダストマップを形成すことを含んでおり、前記各原画像は、前記複数の画像に共通の前記統計的なダストマップ内の確率値に少なくとも一つの抽出されたパラメータの選択された値に関連していることを特徴とする補正方法。
  2. 前記ダスト人工物決定操作は、
    (i)前記共通の統計的なダストマップを読み出し、
    (ii)現在の画像の抽出されたパラメータ情報を読み出し、
    (iii)前記共通の統計的なダストマップを現在の画像に相互に関連付け、前記現在の画像は、該現在の画像のために少なくとも一つの抽出されたパラメータの選択された値に関連していることを特徴とする請求項1に記載の補正方法。
  3. 前記抽出されたパラメータ情報は、絞り口径寸法、焦点距離、変倍率、レンズタイプ、レンズ組み立てタイプ、絞り位置、電気センサアレイの面における一つ以上の位置から人工物ダスト対象物までの距離の値を含むことを特徴とする請求項2に記載の補正方法。
  4. 前記方法は、デジタル取得装置がクリーンにされることと、そのクリーンの前に前記ダスト人工物決定が前記ダストマップの中で使用されないこととを決定するための連続的な画像内におけるダスト人工物決定の中に存在する十分な相違を決定することを含むことを特徴とする請求項2に記載の補正方法。
  5. 前記補正は、ペイント及び修正のうち少なくとも一方を含むことを特徴とする請求項2に記載の補正方法。
  6. 前記ペイント操作は、ほとんどない画像関連のスペクトル情報、不十分な画像関連のスペクトル情報、それらの関連データの組み合わせを持つために決定される画素について実行されることを特徴とする請求項5に記載の補正方法。
  7. 前記ペイントは、前記ダスト領域に対して画素周辺の特性に基づき、新しい画素値の生成を含むことを特徴とする請求項6に記載の補正方法。
  8. 画素周辺の一つ以上の特性に基づく前記ペイントは、色、輝度、階調度、エッジ検出、ノイズ、パターン、質感、幾何学、それらの組み合わせを含むことを特徴とする請求項7に記載の補正方法。
  9. 前記修正は、それらの一致するデータと関係がある十分な画像関連のスペクトル情報を持つために決定された画素について実行されることを特徴とする請求項5に記載の補正方法。
  10. 前記修正は、前記ダスト人工物の不透明さへの反比例関係及び前記画像内の画素の輝度特性のうち少なくとも一方に基づき輝度を修正することを含むことを特徴とする請求項9に記載の補正方法。
  11. 前記修正は、さらに前記画像内の画素の現在の色特性に基づき色を強調することを含むことを特徴とする請求項10に記載の補正方法。
  12. 前記ダスト人工物の決定及び関連付け操作は、さらに前記共通の統計的なダストマップを形成した後に取得された画像のために繰り返され、
    前記共通の統計的なダストマップは、一つ以上の抽出されたパラメータの異なる値で取得された画像の中にダスト人工物領域に関係するデータを結合することを含んでいる前記共通の統計的なダストマップの中のダスト人工物領域を持った前記さらなる取得画像の関連付けられて、決定されたダスト人工物領域を数学的に関連付けることを含む前記さらなる画像に基づき、修正され、
    この修正された共通の統計的なダストマップに基づき取得画像の中に関連付けられたダスト人工物領域に一致するデジタルデータを補正することを特徴とする請求項1乃至11のうちいずれか一つに記載の補正方法。
  13. 前記原ダストマップの中に確率データを持った新しい確率データを結合することに基づき、確率を変更することを含むことを修正することを特徴とする請求項12に記載の補正方法。
  14. 前記修正は、前記原ダストマップの中に確率データを持った新しい確率データを結合した後に0と1との間のある閾値よりも小さいその確率によって前記原ダストマップのダスト人工物領域を取り除くことを含んでいることを特徴とする請求項12に記載の補正方法。
  15. その持っている確率によって前記原ダストマップの中に存在しない新しいダスト人工物領域を書き込むことを含み、複数画像の分析に基づき、それは、前記原ダストマップの中に確率データを持った新しい確率データを結合した後に0と1との間のある閾値よりも大きくなることを特徴とする請求項12に記載の補正方法。
  16. 前記一つ以上の検出ダスト領域により良い統計的な確率を示した前記修正ダストマップの後に前もって取得された画像のための前記補正デジタルデータを再適用することを含むことを特徴とする請求項12に記載の補正方法。
  17. 前記ダスト人工物領域は、ダストによって部分的に覆われるオーラ領域と、ダストによって略覆われる影領域とを含んでおり、前記影領域は、前記オーラ領域の内側にあることを特徴とする請求項12に記載の補正方法。
  18. 抽出されたパラメータ依存影領域分析に基づいている影領域に対して前記決定を行い、ここで前記影領域分析は、前記デジタル画像取得装置のセンサー上の複数の領域が前記ダストによって完全に覆われると推定することを特徴とする請求項17に記載の補正方法。
  19. 前記影領域分析は、ダスト人工物輝度、形、位置、反射又は伝達特性、センサーへのダストの間隔、絞り口径、射出瞳、焦点距離、又はそれらの組み合わせについて異なる画像内の前記一つ以上の抽出されたパラメータの値における効果の違いを計算することを含むことを特徴とする請求項18に記載の補正方法。
  20. 抽出されたパラメータ依存オーラ領域分析に基づいているあるオーラ領域に対して前記決定を行い、ここで、前記オーラ領域分析は、前記デジタル画像取得装置のセンサ上の一部の領域が前記ダストによって部分的に覆われることを推定することを特徴とする請求項17に記載の補正方法。
  21. 前記オーラ領域分析は、ダスト人工物輝度、形、位置、反射又は伝達特性、センサーへのダストの間隔、絞り口径、射出瞳、焦点距離、又はそれらの組み合わせについて異なる画像内の前記一つ以上の抽出されたパラメータの値における効果の違いを計算することを含むことを特徴とする請求項20に記載の補正方法。
  22. 前記補正操作は、ペイント及び修正のうち少なくとも一方を含むことを特徴とする請求項17に記載の補正方法。
  23. 前記補正は、前記影領域をペイントすることと、前記影領域の外側の画素から取得されたスペクトル情報に基づき影領域に補正スペクトル情報を適用して決定することを含むことを特徴とする請求項22に記載の補正方法。
  24. 前記補正は、前記オーラ領域の修正を含んでおり、前記修正は、前記オーラ領域内の画素から取得されたスペクトル情報に基づき、オーラ領域に補正スペクトル情報を適用し、決定することを含んでいることを特徴とする請求項22に記載の補正方法。
  25. 前記補正操作は、前記オーラ領域と前記影領域とを計算することを含んでおり、前記補正操作は、さらに前記オーラ領域の前記補正に基づき、略影領域を補正することを含むことを特徴とする請求項17に記載の補正方法。
  26. 前記統計的ダストマップは、前記統計的なダストマップの中の可変の値に基づき、ある画像内に生じるダスト人工物領域効果が異なることが予測されるように、抽出されたパラメータ依存変化を含んでいることを特徴とする請求項12に記載の補正方法。
  27. 前記関連付けは、前記現画像のその循環調和の仮定について少なくとも一つの直線転換と、前記直線転換の率と前記抽出されたパラメータとの間の所定の数学的な関係とを実行することを含むことを特徴とする請求項2に記載の補正方法。
  28. 前記直線転換は、前記現画像とともに前記ダストマップの前記ダスト人工物領域の空間的な関連付けを実行することを含むことを特徴とする請求項27に記載の補正方法。
  29. 前記ダストマップの中に維持される前記ダスト人工物領域又は前記ダストマップの追加的な特徴に関連する追加的な直線転換を実行することを含むことを特徴とする請求項28に記載の補正方法。
  30. 前記追加的な特性は、一つ以上のダストマップ輝度、透明性、不透明性、スケール、ダスト人工物領域サイズ、輝度、透明性、不透明性、スケール、そして画像中央に関連する空間的な位置を含んでいることを特徴とする請求項29に記載の補正方法。
  31. 前記関連付けは、前記非直線転換の前記率に前記抽出されたパラメータの選択された値を関連付けるLUT内に格納された所定データに部分的に基づき、少なくとも一つの非直線転換を実行することを含むことを特徴とする請求項2、27〜30のうちいずれか一つに記載の補正方法。
  32. 前記非直線転換は、前記現画像の非環状調和を補正することを特徴とする請求項31に記載の補正方法。
  33. 前記非直線転換は、前記現画像を取得するために使用される前記画像サブシステムの前記光学的な特性から生じる非直線空間写像のために補正することを特徴とする請求項31に記載の補正方法。
JP2006529982A 2003-09-30 2004-09-13 補正方法 Expired - Fee Related JP4416795B2 (ja)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US10/676,823 US7369712B2 (en) 2003-09-30 2003-09-30 Automated statistical self-calibrating detection and removal of blemishes in digital images based on multiple occurrences of dust in images
US10/677,134 US7308156B2 (en) 2003-09-30 2003-09-30 Automated statistical self-calibrating detection and removal of blemishes in digital images based on a dust map developed from actual image data
US10/677,139 US7340109B2 (en) 2003-09-30 2003-09-30 Automated statistical self-calibrating detection and removal of blemishes in digital images dependent upon changes in extracted parameter values
PCT/EP2004/010199 WO2005041558A1 (en) 2003-09-30 2004-09-13 Statistical self-calibrating detection and removal of blemishes in digital images

Publications (3)

Publication Number Publication Date
JP2007507932A JP2007507932A (ja) 2007-03-29
JP2007507932A5 true JP2007507932A5 (ja) 2008-04-03
JP4416795B2 JP4416795B2 (ja) 2010-02-17

Family

ID=34527982

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2006529982A Expired - Fee Related JP4416795B2 (ja) 2003-09-30 2004-09-13 補正方法

Country Status (6)

Country Link
EP (1) EP1668886B1 (ja)
JP (1) JP4416795B2 (ja)
AT (1) ATE417461T1 (ja)
DE (1) DE602004018345D1 (ja)
IE (1) IES20040604A2 (ja)
WO (1) WO2005041558A1 (ja)

Families Citing this family (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7352394B1 (en) 1997-10-09 2008-04-01 Fotonation Vision Limited Image modification based on red-eye filter analysis
US7042505B1 (en) 1997-10-09 2006-05-09 Fotonation Ireland Ltd. Red-eye filter method and apparatus
US7630006B2 (en) 1997-10-09 2009-12-08 Fotonation Ireland Limited Detecting red eye filter and apparatus using meta-data
US7738015B2 (en) 1997-10-09 2010-06-15 Fotonation Vision Limited Red-eye filter method and apparatus
US8254674B2 (en) 2004-10-28 2012-08-28 DigitalOptics Corporation Europe Limited Analyzing partial face regions for red-eye detection in acquired digital images
US7689009B2 (en) 2005-11-18 2010-03-30 Fotonation Vision Ltd. Two stage detection for photographic eye artifacts
US7920723B2 (en) 2005-11-18 2011-04-05 Tessera Technologies Ireland Limited Two stage detection for photographic eye artifacts
US8682097B2 (en) 2006-02-14 2014-03-25 DigitalOptics Corporation Europe Limited Digital image enhancement with reference images
US7970182B2 (en) 2005-11-18 2011-06-28 Tessera Technologies Ireland Limited Two stage detection for photographic eye artifacts
US8896725B2 (en) 2007-06-21 2014-11-25 Fotonation Limited Image capture device with contemporaneous reference image capture mechanism
US8170294B2 (en) 2006-11-10 2012-05-01 DigitalOptics Corporation Europe Limited Method of detecting redeye in a digital image
US7702236B2 (en) 2006-02-14 2010-04-20 Fotonation Vision Limited Digital image acquisition device with built in dust and sensor mapping capability
US7574016B2 (en) 2003-06-26 2009-08-11 Fotonation Vision Limited Digital image processing using face detection information
US7792970B2 (en) 2005-06-17 2010-09-07 Fotonation Vision Limited Method for establishing a paired connection between media devices
US8036458B2 (en) 2007-11-08 2011-10-11 DigitalOptics Corporation Europe Limited Detecting redeye defects in digital images
US7680342B2 (en) 2004-08-16 2010-03-16 Fotonation Vision Limited Indoor/outdoor classification in digital images
US8520093B2 (en) 2003-08-05 2013-08-27 DigitalOptics Corporation Europe Limited Face tracker and partial face tracker for red-eye filter method and apparatus
US9412007B2 (en) 2003-08-05 2016-08-09 Fotonation Limited Partial face detector red-eye filter method and apparatus
US7295233B2 (en) 2003-09-30 2007-11-13 Fotonation Vision Limited Detection and removal of blemishes in digital images utilizing original images of defocused scenes
US7340109B2 (en) 2003-09-30 2008-03-04 Fotonation Vision Limited Automated statistical self-calibrating detection and removal of blemishes in digital images dependent upon changes in extracted parameter values
US8369650B2 (en) 2003-09-30 2013-02-05 DigitalOptics Corporation Europe Limited Image defect map creation using batches of digital images
US7308156B2 (en) 2003-09-30 2007-12-11 Fotonation Vision Limited Automated statistical self-calibrating detection and removal of blemishes in digital images based on a dust map developed from actual image data
US7590305B2 (en) * 2003-09-30 2009-09-15 Fotonation Vision Limited Digital camera with built-in lens calibration table
US7310450B2 (en) 2003-09-30 2007-12-18 Fotonation Vision Limited Method of detecting and correcting dust in digital images based on aura and shadow region analysis
US7424170B2 (en) 2003-09-30 2008-09-09 Fotonation Vision Limited Automated statistical self-calibrating detection and removal of blemishes in digital images based on determining probabilities based on image analysis of single images
US7599577B2 (en) 2005-11-18 2009-10-06 Fotonation Vision Limited Method and apparatus of correcting hybrid flash artifacts in digital images
US20080007635A1 (en) * 2005-12-30 2008-01-10 Eastman Kodak Company System and method for reducing the appearance of inherent random optical patterns in a light-diffusing screen
WO2008023280A2 (en) 2006-06-12 2008-02-28 Fotonation Vision Limited Advances in extending the aam techniques from grayscale to color images
US7817874B2 (en) 2006-12-06 2010-10-19 Micron Technology, Inc. Image sensor occlusion localization and correction apparatus, systems, and methods
US8055067B2 (en) 2007-01-18 2011-11-08 DigitalOptics Corporation Europe Limited Color segmentation
US7995804B2 (en) 2007-03-05 2011-08-09 Tessera Technologies Ireland Limited Red eye false positive filtering using face location and orientation
US8503818B2 (en) 2007-09-25 2013-08-06 DigitalOptics Corporation Europe Limited Eye defect detection in international standards organization images
US8212864B2 (en) 2008-01-30 2012-07-03 DigitalOptics Corporation Europe Limited Methods and apparatuses for using image acquisition data to detect and correct image defects
US8081254B2 (en) 2008-08-14 2011-12-20 DigitalOptics Corporation Europe Limited In-camera based method of detecting defect eye with high accuracy
GB201020530D0 (en) * 2010-12-03 2011-01-19 Optos Plc Method of identifying anomalies in images
CN109405735B (zh) * 2017-08-18 2020-11-27 阿里巴巴集团控股有限公司 三维扫描系统和三维扫描方法
CN111833270B (zh) * 2020-07-13 2023-02-10 新疆大学 一种快速的沙尘降质图像增强方法
CN112954239B (zh) * 2021-01-29 2022-07-19 中国科学院长春光学精密机械与物理研究所 星上cmos图像灰尘污染去除与复原系统及复原方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6035072A (en) * 1997-12-08 2000-03-07 Read; Robert Lee Mapping defects or dirt dynamically affecting an image acquisition device
JP2000050062A (ja) * 1998-07-31 2000-02-18 Minolta Co Ltd 画像入力装置
JP4167401B2 (ja) * 2001-01-12 2008-10-15 富士フイルム株式会社 ディジタル・カメラおよびその動作制御方法
US20030039402A1 (en) * 2001-08-24 2003-02-27 Robins David R. Method and apparatus for detection and removal of scanned image scratches and dust

Similar Documents

Publication Publication Date Title
JP2007507932A5 (ja)
CN103416052B (zh) 自动聚焦控制系统的产生聚焦信号的方法
JP5918915B2 (ja) カラーフィルタを有するセンサを用いて、改善されたカラー画像を作成するための方法およびデバイス
US6625325B2 (en) Noise cleaning and interpolating sparsely populated color digital image using a variable noise cleaning kernel
US7751641B2 (en) Method and system for digital image enhancement
CN110246089B (zh) 基于非局域均值滤波的Bayer域图像降噪系统及其方法
EP2278788B1 (en) Method and apparatus for correcting lens shading
CN109963133B (zh) 色彩校正系统和方法
US7692832B2 (en) Method for correcting scanner non-uniformity
JP5592486B2 (ja) 画像取込システムにおける欠陥を推定するための方法および関連したシステム
CN109523583B (zh) 一种基于反馈机制的电力设备红外与可见光图像配准方法
CN107680140B (zh) 一种基于Kinect相机的深度图像高分辨率重构方法
CN109389630B (zh) 可见光图像与红外图像特征点集确定、配准方法及装置
CN110866882B (zh) 基于深度置信度的分层联合双边滤波深度图修复方法
US20030012453A1 (en) Method for removing defects from images
CN104272347A (zh) 去除包含在静止图像中的雾的图像处理装置及其方法
CN112785534A (zh) 一种动态场景下去鬼影多曝光图像融合方法
JP2019537151A (ja) 画像処理装置、画像処理方法及び画像処理プログラム
CN112200848B (zh) 低光照弱对比复杂环境下的深度相机视觉增强方法及系统
JP2007295375A (ja) 投影映像補正装置及び投影映像補正プログラム
JP2004535610A5 (ja)
CN112640413B (zh) 用于显示周围环境的模型的方法、控制设备和车辆
Tanbakuchi et al. Adaptive pixel defect correction
US20200034990A1 (en) Method of matching colours
JP2008267943A (ja) ひび割れ検出方法