JP2010238234A - シーンの画像のぶれを低減するための方法、画像のぶれを低減するための方法、及び画像のぶれを低減するように構成されたカメラ - Google Patents
シーンの画像のぶれを低減するための方法、画像のぶれを低減するための方法、及び画像のぶれを低減するように構成されたカメラ Download PDFInfo
- Publication number
- JP2010238234A JP2010238234A JP2010062824A JP2010062824A JP2010238234A JP 2010238234 A JP2010238234 A JP 2010238234A JP 2010062824 A JP2010062824 A JP 2010062824A JP 2010062824 A JP2010062824 A JP 2010062824A JP 2010238234 A JP2010238234 A JP 2010238234A
- Authority
- JP
- Japan
- Prior art keywords
- image
- images
- psf
- blur
- psfs
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 37
- 239000013598 vector Substances 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 9
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000007670 refining Methods 0.000 claims 1
- 229920013655 poly(bisphenol-A sulfone) Polymers 0.000 abstract description 14
- 230000000694 effects Effects 0.000 abstract description 2
- 238000012937 correction Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000002123 temporal 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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10141—Special mode during image acquisition
- G06T2207/10148—Varying focus
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20201—Motion blur correction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
【課題】移動物体から取得された画像の動きぶれの影響を除去する。各画像の点像分布関数(PSF)がぶれに起因して反転不能であっても、画像のセットにおける動きぶれを反転する。
【解決手段】まず、シーンの画像のセットを取得する。画像のセットにおける各画像は、点像分布関関数(PSF)のセットを形成する点像分布関数(PSF)に関連付けられたぶれを有する物体を含み、PSFのセットは、ヌル充填演算に適合している。次に、画像のセット及びPSFのセットを一緒に反転し、低減されたぶれを有する出力画像を生成する。
【選択図】図1
【解決手段】まず、シーンの画像のセットを取得する。画像のセットにおける各画像は、点像分布関関数(PSF)のセットを形成する点像分布関数(PSF)に関連付けられたぶれを有する物体を含み、PSFのセットは、ヌル充填演算に適合している。次に、画像のセット及びPSFのセットを一緒に反転し、低減されたぶれを有する出力画像を生成する。
【選択図】図1
Description
本発明は、包括的には、画像処理に関し、より詳細には、移動物体から取得された画像の動きぶれの影響を除去することに関する。
動きぶれは、画像が取得されている間のカメラとシーンとの間の相対的な動きに起因して生じる。その動きが少なくとも局所的にシフト不変であり、且つ、ぶれを引き起こした、点像分布関数(PSF)としても知られているぶれ関数が判明している場合には、動きぶれのある画像は、画像逆畳み込みによって、喪失した空間周波数に至るまで復元することができる。
反転可能な(invertible:可逆的な)動きPSFを保持することは、従来の画像では可能ではない。有限の露出時間によるボックス関数は、ローパスフィルタを有する畳み込みに対応し、したがって、PSFの周波数変換はゼロ(ヌル)を含む。PSFのヌルに対応する周波数は失われ、これによって、ぶれ補正は効果がなくなる。従来の方法は、特殊化されたカメラを使用してPSFを求める。
例えば、1つの従来の方法は、広帯域バイナリコードを使用して、露出時間の間シャッタを開閉する。広帯域コードには、周波数領域にヌルがなく、それにより、その結果生成されるPSFは反転可能となる。しかしながら、その方法は、特殊化されたハードウェアを必要とし、一定背景を前提としており、また、手動によるPSF推定及び物体セグメンテーションを必要とする。
動き不変画像化手法(motion invariant imaging method)は、画像を取得しながら一定の加速度でカメラを移動させる。キーとなるアイデアは、一定の範囲内で動きPSFを物体の速度に対して不変とすることである。これによって、セグメンテーション及びPSF推定が不要になる。しかしながら、その方法では、動きの方向を事前に知っている必要があり、遮蔽背景(occluding background)に起因して物体境界にアーティファクトが作成され、シーンの静止部分にもぶれが危うく導入される。
波面符号化方法は、レンズの前に立方相板を使用して、PSFをシーンの深さに対して不変とする。しかしながら、その方法の結果、当初焦点が合っていたシーンの部分に焦点ずれのぶれが生じることになる。
別の方法は、広帯域バイナリ符号でカメラのシャッタを開閉して、PSFを反転可能にする。カメラの動きを加速することにより、静止部分にぶれが生じるという代償を払って、動きPSFは物体の速度に対して不変となる。
従来の民生用カメラは、慣性センサによって制御された適応光学素子を使用して画像安定化を行い、カメラの動きを補償する。
ハイブリッドカメラは、補助低解像度高フレームレートを使用してPSFを推定するハイブリッド画像化システムを使用して、高解像度1次センサ画像のぶれを補正する。しかしながら、その方法は、PSF推定用の補助カメラを必要とする。
動きPSFは、PSF推定用の短い露出及び推定されたPSFを使用した画像ぶれ補正用の長い露出の2つの異なる露出を有する連続画像からの部分情報を組み合わせることによって推定されていた。しかしながら、短い露出で画像を取得するには、特殊なカメラが必要とされる。
重なり合った露出時間及び再構成可能なマルチカメラアレイを有する複数の定位置カメラも、取得画像の時間解像度を増加させるのに使用されてきた。しかしながら、PSF反転用に単一の従来のカメラを使用することが望まれている。
したがって、たとえ各画像のPSFがぶれに起因して反転不能であり、画像が単一の従来のカメラによって取得されても、シーンのぶれを補正することが望まれている。
たとえ各画像の点像分布関数(PSF)がぶれに起因して反転不能であっても、画像のセットにおける動きぶれを反転することが、主題発明の目的である。
ぶれのある画像は、PSFの周波数変換においてヌル(ゼロ)を示し、これによって、逆畳み込みは不良設定になる。この問題を回避するハードウェアの解決法では、符号化露出カメラ又は加速度モーションセンサ等の特殊化されたデバイスを必要とする。従来のビデオカメラが使用され、複数のPSFのヌル充填(null-filling)及びジョイント反転可能性(joint invertability)の考えが導入される。キーとなる実現は、変化するPSFでシーンの画像のセットを取得し、その結果、或る画像の周波数成分におけるヌルを他の画像が充填できるというものである。結合された周波数変換は、ヌルがなく、ぶれ補正を良設定にする。
本発明の実施の形態は、シーンの画像のぶれを低減するための方法を説明する。まず、シーンの画像のセットを取得する。画像のセットにおける各画像は、関連のぶれと、点像分布関関数(PSF)のセットを形成する点像分布関数(PSF)とを有する物体を含み、PSFのセットは、ヌル充填演算に一緒に適合している。次に、画像のセット及びPSFのセットを一緒に反転し、低減されたぶれを有する出力画像を生成する。
図1は、本発明の実施の形態によるシーンの画像のセット110のマルチ画像ぶれ補正の方法100を示す。各画像111〜113は、点像分布関数(PSF)121〜123のセット120に関連付けられたぶれを有する物体を含む。この方法は、PSFのセットを使用して画像のセットを一緒に反転し(140)、ぶれが低減された出力画像150を生成する。この方法のステップは、プロセッサ101によって実行される。
画像110は、PSFのセットがヌル充填演算130に適合するようなカメラによって取得される。適合性は、異なる露出時間で画像を取得することによって達成される。
例えば、一実施の形態では、第1の画像111が、第1の露出時間で取得され、第2の画像112が、第1の露出時間の整数倍でない第2の露出時間で取得される。いくつかの実施の形態では、自動段階露出(AEB)を有する従来のカメラを使用する。AEBによって、カメラは、異なる露出で一連の画像を撮影することが可能になる。
図2に示すように、従来の露出を有するカメラによって取得された単一の画像111について、動きPSFはボックスフィルタ220である。PSFの離散フーリエ変換(DFT)230は、カーディナルサイン(sinc)関数240である。カーディナルサイン(sinc)関数240は、ゼロ250を含み、したがって、ぶれ補正を不良設定にする。PSFのセット120は、第1のPSF121及び第2のPSF122を含む。特定の周波数250における第1のPSFの値はゼロに等しい。特定の周波数における第2のPSFの値は、ゼロに等しくない。
本発明の実施の形態は、PSFヌル充填の新規な概念を使用する。図3は、異なる露出時間320で取得された複数の画像110を結合することによって、各個々のPSFのヌル330が他のPSFからのデータで充填されることを示す。したがって、結合されたPSF340は、ぶれ補正140を良条件にする。
反転不能PSFのジョイント反転可能性
fを、物体を含むシーンの鮮明な画像を表すものとする。物体のN個のぶれのある画像ikを撮影する。各画像ikは、PSFのセットを形成する異なるPSF hkを有する。
fを、物体を含むシーンの鮮明な画像を表すものとする。物体のN個のぶれのある画像ikを撮影する。各画像ikは、PSFのセットを形成する異なるPSF hkを有する。
ここで、*は畳み込み演算子であり、nkは、分散σ2 kを有するゼロ平均加法的白色ガウス雑音である。Tkを、k番目の画像の露出時間とする。量のフーリエ変換を、大文字を使用して表すことにする。wを周波数とすると、画像I(w)のフーリエ変換F(w)は、
である。
1次元の物体の動きが、等速でセンサ面に対して平行である場合、PSFのそれぞれは、ボックスフィルタの長さ225が露出時間Tkに比例するボックスフィルタ220に対応する。rkを、k番目のフレームにおけるぶれのサイズとする。このとき、
である。
あらゆる個々の画像の単一画像ぶれ補正(SID)は、
である。ここで、F(w)は、ぶれ補正された画像のフーリエ変換を表し、
は、対応する逆畳み込みフィルタvkのフーリエ変換である。
図3は、例えばN個の画像110を使用するマルチ画像ぶれ補正(MID)のための方法を示す。好ましい実施の形態では、各周波数wにおいて、
によってぶれ補正された出力画像の雑音電力を最小にすることにより、最適な逆畳み込みフィルタVk(w)が得られる。鮮明な画像を再生するために、
であることに留意されたい。
ラグランジュ乗数を使用すると、コスト関数は、
であり、したがって、
である。
特定の周波数w 350においてすべてのPSF 330間で共通のゼロがある場合、その周波数におけるすべてのkについてHk(w)=0であり、V(w)は不安定になる。
PSFのフーリエ変換において共通のゼロがない場合、各個々の画像で失われた情報は、他の或る画像によって取得される。各個々のPSFにおけるゼロは、他のPSFによって充填される。
このように、PSFのセットが共通のゼロを有しない場合、たとえ各PSFが反転不能であっても、結合された逆畳み込みを良設定にすることができる。すなわち、PSFのセットは、ヌル充填に適合している。
一実施の形態では、PSFは動きPSFである。しかしながら、他のタイプのPSFが本実施の形態では使用される。動きPSFの場合、これによって、露出時間が互いの整数倍になるべきでないことが必要とされる。
は、結合された逆畳み込みの演算子である。
マルチ画像ぶれ補正
動きぶれを、鮮明な画像によって乗算される動きスミア行列(motion smear matrix)として定式化する。図4に示すように、単一画像ぶれ補正(SID)の場合、画像111〜113は、動きスミア行列411〜413に鮮明な画像150を乗算することで再生される。しかしながら、動きスミア行列はPSFによって決まるので、PSFが悪条件である場合、ぶれ補正は満足できるものではない。
動きぶれを、鮮明な画像によって乗算される動きスミア行列(motion smear matrix)として定式化する。図4に示すように、単一画像ぶれ補正(SID)の場合、画像111〜113は、動きスミア行列411〜413に鮮明な画像150を乗算することで再生される。しかしながら、動きスミア行列はPSFによって決まるので、PSFが悪条件である場合、ぶれ補正は満足できるものではない。
図5は、マルチ画像ぶれ補正(MID)の結合線形システムを示す。この結合線形システムでは、行列510と画像520とを結合する。動きぶれ行列の特異値は、結合ぶれ補正システムAcがより良い条件であることを示す。
離散領域における畳み込み式は、各動きラインに対して
である。ここで、Akは、画像kについての巡回動きスミア行列であり、
は、ぶれのある物体を記述するベクトルであり、
は、鮮明な物体を記述するベクトルであり、
は、各動きラインに沿った雑音強度を記述するベクトルである。SIDの場合、ぶれ補正された物体を記述するベクトル
は、コスト関数
を最小にすることによって得られ、その結果、
となる。
同様に、MIDの場合、結合線形式は、
である。式(9)において、Acは、結合共分散行列(combined covariance matrix)であり、
は、雑音分散である。
いくつかの実施の形態では、推定されたぶれ補正済みベクトル
は、コスト関数
を最小にすることによって
として得られる。
したがって、式(10)を使用して画像のセット及びPSFのセットを一緒に反転すると、ぶれが低減された出力画像が生成される。
露出シーケンスの最適化
一実施の形態では、結合された演算子Pの最小値を最大にする露出時間を検索する。別の実施の形態では、信号依存性雑音を考慮するためにセンサ雑音特性を組み込む。光子によって生成された電子の分散は、測定された信号と共に線形に増加するので、露出時間σ2 kは、σ2 gray+βTkによって与えられる。ここで、σ2 grayは暗雑音であり、βはカメラ依存性定数である。
一実施の形態では、結合された演算子Pの最小値を最大にする露出時間を検索する。別の実施の形態では、信号依存性雑音を考慮するためにセンサ雑音特性を組み込む。光子によって生成された電子の分散は、測定された信号と共に線形に増加するので、露出時間σ2 kは、σ2 gray+βTkによって与えられる。ここで、σ2 grayは暗雑音であり、βはカメラ依存性定数である。
これらのパラメータを使用すると、nfによって与えられる信号対雑音比(SNR)の減少を最小にすることにより、最適な露出シーケンスが得られる。符号化露出の場合、検索空間は、ほぼ2n程度である。ここで、nは符号長であり、例えば52である。MIDの未知のものの数は、使用される異なる露出時間の数に等しい。通常、ぶれ補正には、3つ又は4つの異なる露出時間で十分であり、したがって、検索は比較的小規模である。
自動ぶれ補正
図6は、自動ぶれ補正方法のブロック図を示す。本発明の実施の形態は、平滑でない背景の前面で移動する物体を有する画像610をぶれ補正するためのジョイントPSF反転可能性を使用する。
図6は、自動ぶれ補正方法のブロック図を示す。本発明の実施の形態は、平滑でない背景の前面で移動する物体を有する画像610をぶれ補正するためのジョイントPSF反転可能性を使用する。
PSF推定
空間的に不変のぶれの場合、PSF推定620は、画像空間物体速度vと画像毎の露出時間との乗算として表される。物体速度は、画像間の動きベクトルと画像間の時間経過との間の比である。この空間的に不変のぶれの場合、画像間の動きベクトルは、対応する画像パッチを照合することによって計算される。しかしながら、露出時間が異なると、その結果、ぶれのサイズが異なることになり、したがって、照合及びPSF推定を容易にするために、画像を取得するための露出シーケンスが繰り返される。したがって、画像のセット610における画像は、N個の画像ごとに同じ露出を有する。ここで、Nは、使用される異なる露出の数(≒3〜4)である。動きベクトルは、同じ露出を使用して取得された画像を照合することによって計算することができる。異なる露出についての動きベクトルを平均化することによって、PSFの最終推定値が与えられる。
空間的に不変のぶれの場合、PSF推定620は、画像空間物体速度vと画像毎の露出時間との乗算として表される。物体速度は、画像間の動きベクトルと画像間の時間経過との間の比である。この空間的に不変のぶれの場合、画像間の動きベクトルは、対応する画像パッチを照合することによって計算される。しかしながら、露出時間が異なると、その結果、ぶれのサイズが異なることになり、したがって、照合及びPSF推定を容易にするために、画像を取得するための露出シーケンスが繰り返される。したがって、画像のセット610における画像は、N個の画像ごとに同じ露出を有する。ここで、Nは、使用される異なる露出の数(≒3〜4)である。動きベクトルは、同じ露出を使用して取得された画像を照合することによって計算することができる。異なる露出についての動きベクトルを平均化することによって、PSFの最終推定値が与えられる。
初期化
EQ m\s\do5(k)(x\,y)は、k番目の画像における物体のバイナリマスクであり、Tiはフレーム間時間である。b(x,y)が、物体を伴わない背景画像である場合、取得された動きぶれのある画像ikは、
EQ m\s\do5(k)(x\,y)は、k番目の画像における物体のバイナリマスクであり、Tiはフレーム間時間である。b(x,y)が、物体を伴わない背景画像である場合、取得された動きぶれのある画像ikは、
によって与えられる。
最初に、背景bを推定する。いくつかの実施の形態では、物体は、十分高速に移動する。すなわち、各背景ピクセルは、画像の50%未満において物体により遮蔽される。したがって、時間方向に沿ったメディアンフィルタリングを使用する。低速の移動物体の場合、背景差分を使用して背景bが求められる。
ぶれのある画像は、ぶれのある前景及び背景の双方からの寄与を有する。画像ぶれの式(17)は、アルファマッティング(alpha matting)式の点から
として、記述することができる。ここで、
であり、αk=hk*mkである。アルファマップのぶれ補正は、バイナリセグメンテーションマスクmkを再生することができる。マッティングは、通常、透明な静止物体に使用され、前景の動きぶれのある物体は、不透明であり、鮮明に合焦されているものと仮定する。したがって、アルファマップは、動きぶれにのみ依存し、マッティング前景は、実際には、ぶれのある物体に対応し、鮮明な物体には対応しない。
初期アルファマップ630を計算するために、まず、入力画像ikと背景画像bとの間の差分をしきい値処理することによって、画像毎の粗いトライマップ(crude trimap)を生成する。このトライマップは、移動物体の内部の場合は1であり、背景の場合は0であり、ぶれのある領域の場合は不明である。ホール充填(hole-filling)等のモルフォロジー演算を適用して、雑音が低減される。トライマップを使用すると、アルファマッティングは、各フレームに対して独立に実行される。
ぶれのある前景fb kは、各入力画像からの背景寄与を除去する(640)ことによって、
として得られる。
空間的に不変の動きぶれの場合、アルファマップは、各動きラインに沿った勾配であり、雑音を有する。
マルチ画像ぶれ補正(MID)
物体は、連続した画像では異なる位置に現れるので、ぶれのある前景fb kは、逆畳み込みの前に位置合わせする必要がある。直線的な一定の動きの場合、位置合わせは、画像平面におけるシフトに対応する。物体は物体速度vを有するので、i番目の画像と(i+1)番目の画像との間のシフトはv*Tiである。ぶれのある前景を位置合わせした後、式(10)を解くことによりMID650を使用してぶれ補正が実行される。雑音を有するアルファマップに起因して、ぶれのある画像のこの初期推定値は、雑音を有し、エラーのある背景寄与を含む。
物体は、連続した画像では異なる位置に現れるので、ぶれのある前景fb kは、逆畳み込みの前に位置合わせする必要がある。直線的な一定の動きの場合、位置合わせは、画像平面におけるシフトに対応する。物体は物体速度vを有するので、i番目の画像と(i+1)番目の画像との間のシフトはv*Tiである。ぶれのある前景を位置合わせした後、式(10)を解くことによりMID650を使用してぶれ補正が実行される。雑音を有するアルファマップに起因して、ぶれのある画像のこの初期推定値は、雑音を有し、エラーのある背景寄与を含む。
精緻化
動きは、実世界のシーンでは一定条件でない場合があるので、前のステップにおける前景レイヤの位置合わせは、わずかにずれている可能性がある。位置合わせミスは、逆畳み込みでエラーを引き起こす。前のステップで得られた、ぶれ補正された前景fを使用して、位置合わせを精緻化する(660)。具体的には、ブラーカーネル(blur kernel)hkを使用して鮮明な前景fにぶれを起こし、ぶれのある合成前景とfb kとの間のシフトを検出する。したがって、すべてのぶれのある前景fb ksは、鮮明な前景fを通じて相関され、正確に位置合わせすることができる。
動きは、実世界のシーンでは一定条件でない場合があるので、前のステップにおける前景レイヤの位置合わせは、わずかにずれている可能性がある。位置合わせミスは、逆畳み込みでエラーを引き起こす。前のステップで得られた、ぶれ補正された前景fを使用して、位置合わせを精緻化する(660)。具体的には、ブラーカーネル(blur kernel)hkを使用して鮮明な前景fにぶれを起こし、ぶれのある合成前景とfb kとの間のシフトを検出する。したがって、すべてのぶれのある前景fb ksは、鮮明な前景fを通じて相関され、正確に位置合わせすることができる。
セグメンテーションの精緻化
ぶれ補正された前景fを使用すると、精緻化されたアルファマップは、
ぶれ補正された前景fを使用すると、精緻化されたアルファマップは、
として計算される。得られたアルファマップは、次に、同じMIDアルゴリズム及びしきい値を使用してぶれ補正され、物体のバイナリセグメンテーションmkが得られる。線形システムは良設定であるので、アルファマップのぶれ補正によって、真の前景セグメンテーションの厳密な解が与えられる。しかしながら、単純なしきい値処理では、セグメンテーションマスクは正確なものとはならず、これを改良する必要がある。
動きライン毎のセグメンテーションを独立して精緻化する(670)。一実施の形態では、例えば0.65といった控え目なしきい値を使用して、物体のサイズよりも小さな初期セグメンテーションマスクm0を得る。各動きラインに対して、同時に各辺で1ピクセル、セグメンテーションマスクを拡大し、最良の推定値を見つける。最良の推定値は、結合コスト関数
を最小にするものである。
精緻化は、ぶれ領域全体に繰り返され、動きライン毎のエラーを最小にする最良のセグメンテーションが選ばれる。通常、各辺において10ピクセル内で検索を行い、その結果、拡張は走査ライン毎に102=100個になる。通常、セグメンテーション及びぶれ補正の質は、最初の繰り返しの後であっても改善する。精緻化は、最終結果を得るために2回又は3回反復される。
本発明を、好ましい実施の形態の例として説明してきたが、本発明の精神及び範囲内で他のさまざまな適合及び変更を行えることが理解されるべきである。したがって、本発明の真の精神及び範囲内に入るようなこのようなすべての変形及び変更を包含することが、添付の特許請求の範囲の目的である。
Claims (20)
- シーンの画像のぶれを低減するための方法であって、該方法のステップを実行するためのプロセッサを備え、該方法は、
前記シーンの画像のセットを取得するステップであって、前記画像のセットにおける各画像は、点像分布関関数(PSF)のセットを形成する点像分布関数(PSF)に関連付けられたぶれを有する物体を含み、前記PSFのセットは、ヌル充填演算に適合している、ステップ、並びに
前記画像のセット及び前記PSFのセットを一緒に反転するステップであって、低減されたぶれを有する出力画像を生成する、ステップ、
を含む、方法。 - 互いの非整数倍である露出時間で前記画像のセットを取得することをさらに含む、請求項1に記載の方法。
- 前記PSFのセットは、第1のPSF及び第2のPSFを含み、特定の周波数における前記第1のPSFはゼロであり、前記特定の周波数における前記第2のPSFはゼロでない、請求項1に記載の方法。
- 単一のカメラで前記画像のセットを取得することをさらに含む、請求項1に記載の方法。
- 異なるフレームレートで動作する複数のカメラを使用して、前記画像のセットを取得することをさらに含む、請求項1に記載の方法。
- 前記PSFは動きPSFである、請求項1に記載の方法。
- 逆畳み込み演算子が最大になるような前記露出時間を求めることをさらに含む、請求項2に記載の方法。
- 信号対雑音比が最大になるような前記露出時間を求めることをさらに含む、請求項2に記載の方法。
- 画像のぶれを低減するための方法であって、該方法のステップを実行するためのプロセッサを備え、該方法は、
露出のセットで移動物体の画像のセットを繰り返し取得するステップであって、前記露出は互いの非整数倍である、ステップ、
同じ露出で取得された画像から計算された動きベクトルを使用して、点像分布関数(PSF)のセットを形成する点像分布関数(PSF)を推定するステップ、
前記画像のセットにおける画像毎のアルファマップを求めるステップ、
前記アルファマップを使用して、前記画像から背景寄与を除去するステップ、並びに
前記画像のセット及び前記PSFのセットを一緒に反転するステップであって、低減されたぶれを有する出力画像を生成する、ステップ、
を含む、方法。 - 前記求めること、前記除去すること、及び前記反転することを繰り返すことをさらに含む、請求項10に記載の方法。
- 前記取得することは、自動段階露出を有するカメラを使用して実行される、請求項10に記載の方法。
- 画像毎に、
前記画像の背景を推定すること、及び
前記画像と前記背景との間の差分をしきい値処理することによって粗いトライマップを生成すること、
をさらに含む、請求項10に記載の方法。 - 前記画像のセットにおいて前記物体を位置合わせすることをさらに含む、請求項10に記載の方法。
- 各動きラインに対して前記物体のセグメンテーションを独立に精緻化すること、
をさらに含む、請求項10に記載の方法。 - 画像のぶれを低減するように構成されたカメラであって、
移動物体の画像のセットを取得する手段であって、各画像は、点像分布関関数(PSF)のセットを形成する点像分布関数(PSF)に関連付けられており、前記PSFのセットは、ヌル充填演算に適合している、取得する手段、並びに
前記画像のセット及び前記PSFのセットを一緒に反転する手段であって、低減されたぶれを有する出力画像を生成する、反転する手段、
を備える、カメラ。 - 前記PSFのセットは、第1のPSF及び第2のPSFを含み、特定の周波数における前記第1のPSFはゼロであり、前記特定の周波数における前記第2のPSFはゼロでない、請求項16に記載のカメラ。
- 前記PSFのセットを推定する手段をさらに備える、請求項16に記載のカメラ。
- 前記画像のセットを分割する手段をさらに備える、請求項16に記載のカメラ。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/414,162 US8229244B2 (en) | 2009-03-30 | 2009-03-30 | Multi-image deblurring |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2010238234A true JP2010238234A (ja) | 2010-10-21 |
Family
ID=42784343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010062824A Pending JP2010238234A (ja) | 2009-03-30 | 2010-03-18 | シーンの画像のぶれを低減するための方法、画像のぶれを低減するための方法、及び画像のぶれを低減するように構成されたカメラ |
Country Status (2)
Country | Link |
---|---|
US (1) | US8229244B2 (ja) |
JP (1) | JP2010238234A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015524946A (ja) * | 2011-12-16 | 2015-08-27 | テスト アクチエンゲゼルシャフト | 画像解像度が改善された超解像画像を形成するための方法及び測定装置 |
US9189835B2 (en) | 2012-03-06 | 2015-11-17 | Samsung Electronics Co., Ltd. | Method and apparatus for robust estimation of non-uniform motion blur |
JP2016164737A (ja) * | 2015-03-06 | 2016-09-08 | 富士通株式会社 | 認識装置、認識システム、認識プログラムおよび認識方法 |
JPWO2021039842A1 (ja) * | 2019-08-28 | 2021-03-04 |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7983835B2 (en) | 2004-11-03 | 2011-07-19 | Lagassey Paul J | Modular intelligent transportation system |
JP4945806B2 (ja) * | 2008-09-30 | 2012-06-06 | 富士フイルム株式会社 | 画像処理装置、画像処理方法、撮像装置、撮像方法、およびプログラム |
US8482622B2 (en) * | 2009-08-27 | 2013-07-09 | Sony Corporation | Method, system and computer program product for reducing motion blur |
US8743220B2 (en) * | 2009-09-14 | 2014-06-03 | Cognex Corporation | System and method for acquiring a still image from a moving image |
US8542281B2 (en) * | 2009-09-14 | 2013-09-24 | Cognex Corporation | System and method for acquiring a still image from a moving image |
US8199226B2 (en) * | 2010-09-21 | 2012-06-12 | Honeywell International Inc. | Methods and systems for capturing an image of a moving object |
US10200671B2 (en) * | 2010-12-27 | 2019-02-05 | 3Dmedia Corporation | Primary and auxiliary image capture devices for image processing and related methods |
US9456152B2 (en) | 2011-07-12 | 2016-09-27 | Samsung Electronics Co., Ltd. | Device and method for blur processing |
BR112014012599A8 (pt) * | 2011-11-28 | 2017-06-20 | Koninklijke Philips Nv | aparelho de processamento de imagens para aplicação de uma máscara, estação de trabalho, aparelho de formação de imagens, método de aplicação de uma máscara a um objeto, e produto de programa de computador |
US8737687B2 (en) * | 2011-12-30 | 2014-05-27 | Honeywell International Inc. | System and method for tracking a subject using raw images and tracking errors |
US9194965B2 (en) | 2012-11-02 | 2015-11-24 | General Electric Company | System and method for X-ray image acquisition and processing |
CN105103534B (zh) * | 2013-03-27 | 2018-06-22 | 富士胶片株式会社 | 摄像装置及校准方法 |
US10909845B2 (en) * | 2013-07-01 | 2021-02-02 | Conduent Business Services, Llc | System and method for enhancing images and video frames |
US9767538B2 (en) * | 2013-09-04 | 2017-09-19 | Nvidia Corporation | Technique for deblurring images |
EP3117597A1 (en) * | 2014-03-12 | 2017-01-18 | Sony Corporation | Method, system and computer program product for debluring images |
CN104200443A (zh) * | 2014-09-22 | 2014-12-10 | 中华人民共和国四川出入境检验检疫局 | 结合alpha通道和图像分割的局部运动模糊复原算法 |
KR101596203B1 (ko) * | 2015-06-16 | 2016-02-22 | 중앙대학교 산학협력단 | 모션 블러 이미지 복원 방법 및 장치 |
RU2614545C1 (ru) * | 2016-01-11 | 2017-03-28 | федеральное государственное бюджетное образовательное учреждение высшего образования "Донской государственный технический университет" (ДГТУ) | Устройство объединения медицинских изображений |
US9674430B1 (en) * | 2016-03-09 | 2017-06-06 | Hand Held Products, Inc. | Imaging device for producing high resolution images using subpixel shifts and method of using same |
CN105957036B (zh) * | 2016-05-06 | 2018-07-10 | 电子科技大学 | 一种加强字符先验的视频去运动模糊方法 |
TWI626620B (zh) * | 2016-12-20 | 2018-06-11 | 廣東歐珀移動通訊有限公司 | 圖像處理方法與裝置、電子裝置及計算機可讀儲存介質 |
CN107085825A (zh) * | 2017-05-27 | 2017-08-22 | 成都通甲优博科技有限责任公司 | 图像虚化方法、装置及电子设备 |
WO2019041121A1 (zh) * | 2017-08-29 | 2019-03-07 | 深圳市大疆创新科技有限公司 | 曝光的方法、装置、计算机系统和可移动设备 |
JP7027737B2 (ja) | 2017-09-05 | 2022-03-02 | ソニーグループ株式会社 | 画像処理装置、および画像処理方法、並びにプログラム |
JP6939283B2 (ja) * | 2017-09-05 | 2021-09-22 | ソニーグループ株式会社 | 画像処理装置、および画像処理方法、並びにプログラム |
CN107578388A (zh) * | 2017-09-11 | 2018-01-12 | 陕西美星恒祺新能源科技有限公司 | 一种提高基于光电联合变换相关器的图像去模糊精度方法 |
JP2020184669A (ja) * | 2019-05-07 | 2020-11-12 | シャープ株式会社 | 画像処理装置、撮像装置、画像処理方法、プログラム |
US11910001B2 (en) | 2019-07-09 | 2024-02-20 | Voyage81 Ltd. | Real-time image generation in moving scenes |
RU2718211C1 (ru) * | 2019-12-13 | 2020-03-31 | федеральное государственное бюджетное образовательное учреждение высшего образования "Донской государственный технический университет" (ДГТУ) | Устройство объединения инфракрасных изображений |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007129762A2 (en) * | 2006-05-08 | 2007-11-15 | Mitsubishi Electric Corporation | Method for reducing blur in an image of a scene and apparatus for deblurring an image of a scene |
JP2008099025A (ja) * | 2006-10-12 | 2008-04-24 | Kyocera Corp | 撮像装置、ぶれ補正方法及び撮像方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4532548A (en) * | 1983-01-27 | 1985-07-30 | Hughes Aircraft Company | Resolution enhancement and zoom |
JPH08186714A (ja) * | 1994-12-27 | 1996-07-16 | Texas Instr Inc <Ti> | 画像データのノイズ除去方法及びその装置 |
US7197193B2 (en) * | 2002-05-03 | 2007-03-27 | Creatv Microtech, Inc. | Apparatus and method for three dimensional image reconstruction |
US7440634B2 (en) * | 2003-06-17 | 2008-10-21 | The Trustees Of Columbia University In The City Of New York | Method for de-blurring images of moving objects |
US7463296B2 (en) * | 2004-04-01 | 2008-12-09 | Microsoft Corporation | Digital cameras with luminance correction |
US7558709B2 (en) * | 2004-11-08 | 2009-07-07 | Muralidhara Subbarao | Methods and apparatus for computing the input and output signals of a linear shift-variant system |
US7680354B2 (en) * | 2006-03-22 | 2010-03-16 | Arcsoft, Inc. | Image deblur based on two images |
US7616826B2 (en) * | 2006-07-28 | 2009-11-10 | Massachusetts Institute Of Technology | Removing camera shake from a single photograph using statistics of a natural image |
JP4881278B2 (ja) * | 2007-10-31 | 2012-02-22 | 株式会社東芝 | 物体認識装置及びその方法 |
US8090212B1 (en) * | 2007-12-21 | 2012-01-03 | Zoran Corporation | Method, apparatus, and system for reducing blurring of an image using multiple filtered images |
-
2009
- 2009-03-30 US US12/414,162 patent/US8229244B2/en active Active
-
2010
- 2010-03-18 JP JP2010062824A patent/JP2010238234A/ja active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007129762A2 (en) * | 2006-05-08 | 2007-11-15 | Mitsubishi Electric Corporation | Method for reducing blur in an image of a scene and apparatus for deblurring an image of a scene |
JP2008099025A (ja) * | 2006-10-12 | 2008-04-24 | Kyocera Corp | 撮像装置、ぶれ補正方法及び撮像方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015524946A (ja) * | 2011-12-16 | 2015-08-27 | テスト アクチエンゲゼルシャフト | 画像解像度が改善された超解像画像を形成するための方法及び測定装置 |
US9189835B2 (en) | 2012-03-06 | 2015-11-17 | Samsung Electronics Co., Ltd. | Method and apparatus for robust estimation of non-uniform motion blur |
JP2016164737A (ja) * | 2015-03-06 | 2016-09-08 | 富士通株式会社 | 認識装置、認識システム、認識プログラムおよび認識方法 |
JPWO2021039842A1 (ja) * | 2019-08-28 | 2021-03-04 | ||
WO2021039842A1 (ja) * | 2019-08-28 | 2021-03-04 | 株式会社朋栄 | 映像の安定化及びモーションブラー除去処理方法とその装置 |
Also Published As
Publication number | Publication date |
---|---|
US20100246989A1 (en) | 2010-09-30 |
US8229244B2 (en) | 2012-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2010238234A (ja) | シーンの画像のぶれを低減するための方法、画像のぶれを低減するための方法、及び画像のぶれを低減するように構成されたカメラ | |
KR102563750B1 (ko) | 영상 블러링 제거 방법 및 장치 | |
Agrawal et al. | Invertible motion blur in video | |
KR101574733B1 (ko) | 고화질 컬러 영상을 획득하기 위한 영상 처리 장치 및 방법 | |
US9202263B2 (en) | System and method for spatio video image enhancement | |
KR20120099713A (ko) | 장면 내에서의 정확한 피사체 거리 및 상대적인 피사체 거리를 추정하는 알고리즘 | |
US20080025628A1 (en) | Enhancement of Blurred Image Portions | |
CN114586337B (zh) | 视频防抖优化处理方法和装置、电子设备 | |
JP2015046678A (ja) | 画像処理装置、画像処理方法、および撮像装置 | |
Huebner | Turbulence mitigation of short exposure image data using motion detection and background segmentation | |
JP2019169000A (ja) | 画像処理装置、画像処理方法、およびプログラム | |
JP5060967B2 (ja) | 劣化した画像を復元する装置、方法およびプログラム | |
Al Ismaeil et al. | Dynamic super resolution of depth sequences with non-rigid motions | |
Huebner | Software-based turbulence mitigation of short exposure image data with motion detection and background segmentation | |
KR20140072980A (ko) | 단일 영상을 이용한 hdr 영상 생성 장치 및 방법 | |
KR100843099B1 (ko) | 영상을 복원하기 위한 장치 및 방법 | |
JP3959547B2 (ja) | 画像処理装置、画像処理方法、及び情報端末装置 | |
JP2007179211A (ja) | 画像処理装置、画像処理方法、およびそのプログラム | |
EP3588439A1 (en) | Method and device for processing a sequence of original frames | |
JP6647394B2 (ja) | 画像処理装置、画像処理プログラム及び画像処理方法、並びに画像送受信システム及び画像送受信方法 | |
JP4606976B2 (ja) | 画像処理装置 | |
JP2020201694A (ja) | 画像処理装置、撮像装置、画像処理方法、プログラム、および、記憶媒体 | |
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 | |
JP2011239266A (ja) | 画像データ処理装置および画像データ処理方法 | |
RU2560086C1 (ru) | Система и способ для временного дополнения видео |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20121220 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20131024 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20140610 |