JP2016519366A - 知覚調和マップを作成する方法および装置 - Google Patents
知覚調和マップを作成する方法および装置 Download PDFInfo
- Publication number
- JP2016519366A JP2016519366A JP2016504658A JP2016504658A JP2016519366A JP 2016519366 A JP2016519366 A JP 2016519366A JP 2016504658 A JP2016504658 A JP 2016504658A JP 2016504658 A JP2016504658 A JP 2016504658A JP 2016519366 A JP2016519366 A JP 2016519366A
- Authority
- JP
- Japan
- Prior art keywords
- map
- image
- harmonic
- perceptual
- distance
- 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 abstract description 24
- 230000000694 effects Effects 0.000 claims abstract description 17
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 2
- 230000008447 perception Effects 0.000 claims 1
- 238000009826 distribution Methods 0.000 description 8
- 230000000873 masking effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/10024—Color image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本発明は、一般に、画像の知覚調和マップを作成する方法に関し、画像の多解像度分解を計算するステップ(10)と、各解像度レベルで、各調和色彩テンプレート(Tm)に関して、解像度レベルで画像の各ピクセルに関連付けられた色相値に関して最適回転角(αm,l)および調和距離(HDm,l(h))を計算し(20)、かつ調和距離(HDm,l(h))の和を重み付けすることにより調和距離マップ(HDMapl(x,y))を計算するステップと、コントラスト・マップ(CMl,o(m,n))(30)およびエントロピー・アクティビティ・マップ(SMLl)(40)を計算するステップと、コントラスト・マップ(CMl,o(m,n))、エントロピー・アクティビティ・マップ(SMLl(x,y))および調和距離マップ(HDMapl(x,y))を一体化することにより知覚調和マップ(PHDMapl(x,y))を得るステップ(50)と、知覚調和マップPHDMapl(m,n)を累算することにより知覚マップ(PHDMap(m,n))を得るステップ(60)と、を有する。本発明は、画像の品質を評価する方法および装置にも関する。
Description
本発明は、一般に、画像の調和マップを作成する方法および装置に関する。本発明は、画像の品質を評価する方法および装置にも関する。
画像を操作する、編集する、改善するとき、特定の美的意図と同様に最高の品質は、一般に最終的なものである。それにもかかわらず、目的の品質評価に関する課題が低レベルアーティファクト(例えば、ぼけ、ブロックノイズ、ジッターなど)のコンテキストにおいて広く研究されているが、美的意図は、モデリング又は汎用化において高い難度をより巧妙に、かつ主観的にもたらす問題であるようである。
中間の指標のように、美と直感的に関連する特徴(彩度、線方向、形状など)およびルール(コンポジション、三分割法(rules-of-third)、スカイラインなど)に基づく美的な品質基準は、最近のコミュニティにおいて見られる。
アプリケーション・コンテキストに応じて、いくつかのアプローチは、絶対的品質測定を提供するとき、参照源を利用する、又は如何なる参照も無しに最善を尽くす。
発明により解決される課題は、画像の色彩調和を評価するための、および画像の品質が何であるかを評価するための方法を定義することである。
本発明は、画像の知覚調和マップを作成する方法を定義することによって、この問題を解決し、上記方法は、
上記画像の多解像度分解を計算するステップと、
各解像度レベルで、
各調和色彩テンプレートに関して、上記解像度レベルにおける上記画像の各ピクセルと関連付けられた色相値に関する最適回転角(optimal rotation angle)および調和距離を計算し、上記調和距離の和を重み付けすることにより調和距離マップを計算するステップと、
コントラスト・マップおよびエントロピー・アクティビティ・マップを計算するステップと、
上記コントラスト・マップ、上記エントロピー・アクティビティ・マップ、および調和距離マップを一体化することによって知覚調和マップを得るステップと、
上記知覚調和マップを累算することによって知覚マップを得るステップと、
を有する。
上記画像の多解像度分解を計算するステップと、
各解像度レベルで、
各調和色彩テンプレートに関して、上記解像度レベルにおける上記画像の各ピクセルと関連付けられた色相値に関する最適回転角(optimal rotation angle)および調和距離を計算し、上記調和距離の和を重み付けすることにより調和距離マップを計算するステップと、
コントラスト・マップおよびエントロピー・アクティビティ・マップを計算するステップと、
上記コントラスト・マップ、上記エントロピー・アクティビティ・マップ、および調和距離マップを一体化することによって知覚調和マップを得るステップと、
上記知覚調和マップを累算することによって知覚マップを得るステップと、
を有する。
本発明は、画像の上記品質を評価する方法にも関するものであり、上記画像の評価スコアが上記前の方法から作成された上記画像の知覚マップから得られる。
コンテンツ・クリエータにとって興味深いツールとして、および芸術的効果を最大化することを目的として、上記提案する方法は、参照画像無しに、画像の不調和のスコアと同様に知覚調和誘導品質マップを提供する。
上記方法は、2つの別個の対象:新たなツールをどのような専門的レベルのコンテンツ・クリエータにも提供するために知覚品質基準および調和色相テンプレート、を繋ぐ。
上記画像の上記多解像度分解は、人間の視覚系に似せるために、上記画像の異なる解像度で知覚調和マップを計算するように処理される。
さらに、各知覚調和マップは、上記調和距離マップにマスキング機能を適用することによって、又は、言い換えると、上記コントラスト・マップ、上記エントロピー・アクティビティ・マップ、および上記調和距離マップを一体化することによって得られる。上記調和距離マップのそのようなマスキングは、ローカルおよびグローバルでの可視性に関する情報を提供する。
本発明の特定の特質も、本発明の他の対象、優位性、特徴、および使用と同様に、添付の図面と共に好ましい実施形態についての下記記載から明らかになるであろう。
実施形態を下記図面に関して説明する。
調和は、その定義およびその測定が困難な、主観的な概念である。Fedorovskayaなど(E. Fedorovskaya, C. Neustaedter, and W. Hao. Image harmony for consumer images. In Image Processing, 2008. ICIP 2008. 15th IEEE International Conference on, pages121-124, Oct.)は、調和(不)快を伴ういくつかの画像の特徴の識別を一連の実験を通じて調査した。彼らは、エッジコントラスト、平均輝度、輝度の範囲...がグローバル調和評価に影響を及ぼすことを発見した。この以前の参考文献にも関わらず、画像処理分野における調和調査の大部分は、色の組み合わせおよびコンプリメンタリ(complementary)に関係する。調和したダブレットおよびトリプレットが定義されたIttenのコントラスト測定(J. Itten. The art of color: the subjective experience and objective rationale of color. Van Nostrand Reinhold, New York, 1973.)をはじめ、Matsuda(Y. Matsuda. Color design, Asakura Shoten, 1995)が、画像内の調和した色相のセットを予測するHSV(Hue, Saturation, Value)ベースのテンプレートを定義することによって、この研究を拡張した。
調和色彩テンプレートは、このように、同時に存在するとき、グローバルに調和した効果をレンダリング/反映するとみなされているHSV値(色相、彩度および明度)のセットである。高さ調和色彩テンプレートTm(m∈{i,I,L,T,V,X,Y,J})は、図1に示すように使用される。調和色彩テンプレートOおよびNは使用されない。各調和色彩テンプレートTmは、異なる部分/セクタでできており、色のコンプリメンタリと、色の直交性と、近い色相のセットとを扱う。各セクタは中央αmおよびサイズwmを有する。調和色彩テンプレートは色相環を回動されることができる。このように、調和色彩テンプレートは、テンプレートタイプおよびセクタ角度αmによって定義される。
本発明の完全な実装を図2に示す。ある者は、下記方法が、連続するフレームに対して同じ処理を適用することによって映像源に拡張され得ることに気付くことができる。
ステップ10で、画像の多解像度分解を計算する。
例えば、予測および計算性能の両方において効率が良いことが証明された離散ウェーブレット変換(DWT)(A. Ninassi, O. Lemeur, P. Le Callet, and D. Baraba .On the performance of human visual system based image quality assessment metric using wavelet domain. Pages 680610-680610-12, 2008.)。CDF 9/7(Cohen-Daubechies-Feauveau)カーネルを使用することができる。
各分解レベルは、3方向サブバンド(水平、垂直、および斜めの周波数)を備える。分解レベルl∈[0;L−1]の空間周波数領域は、[2-(l+1)・fmax;2-1・fmax]であり、ここでfmaxが入力画像Imの最大空間周波数である。
ステップ20で、各解像度レベルlにおいて、調和色彩テンプレートTmごとに、最適回転角αm,lを計算し、調和距離HDm,l(h)を、画像Imの各ピクセル(x,y)に関連付けられた色相値hについて、解像度レベルlで計算する。その後、調和距離マップHDMapl(x,y)を、調和距離HDm,l(h)の和を重み付けすることにより、画像Imの各ピクセルについて解像度レベルlで計算する。
一実施形態によると、調和色彩テンプレートTmについて計算された最適回転角αm,lは、例えば、Baveyeなど(Y. Baveye, F. Urban, C. Chamaret, V. Demoulin, and P. Hellier. Saliecy-guided consistent color harmonization. In S. Tominaga, R. Shettini, and A. Trmeau, editors, Computational Color Imaging, volume 7786 of Lecture Notes in Computer Science, pages 105-118. Springer Berlin Heidelberg, 2013) によって説明されているような、解像度レベルlでの画像Imの元の色相分布Mh,lと、角度αm,lについての調和色彩テンプレートTmの分布Ph,l(m,αm,l)との間のカルバック・ライブラー・ダイバージェンスによって定義されるエネルギーEαm,lを最小化する。
分布Mh,l及びPh,l(m,l,αm,l)を360個のビンを有するヒストグラムであると考えることができることに留意する。
分布Mh,l、すなわち色彩ヒストグラムMh,lは、彩度S(x,y)および明度V(x,y)によって重み付けされた規格化色相分布としてHSV空間において計算される。
ここで(x,y)は、各解像度レベルlでの画像Imに属するピクセルである。
数学的に表すと、エネルギーEαm,lは、
により得られ、
により得られるnセクタを有する調和色彩テンプレートTmに関する分布Ph,l(m,α)および
によってビン値i毎に得られるセクタSk(m,αk)の分布を有する。
本発明は、分布が定義された手法によって限定されない。
一実施形態によると、調和距離HDm,l(h)は、(度数(degree)で測定される)色相環上のアーク長距離であり、
で得られる。
ここで、||.||はアーク長距離であり、αkは最も近接したセクタ中心であり、wkは度数でのサイズであり、hは解像度レベルlでの画像Imのピクセルの色相値である。
一実施形態によると、調和距離マップHDMapl(x,y)は、調和色彩テンプレートにわたって計算された相対的なエネルギーによって重み付けされた調和距離HDm,l(h)の和である。
数学的に表すと、調和距離マップHDMapl(x,y)は下記によって得られる。
ステップ30で、コントラスト・マップCMl,o(m,n)を解像度レベルlごとに計算する。
コントラスト・マップは、コントラスト値による信号の視認性の変化をモデル化する。
一実施形態によると、DWTがステップ10で使用されるとき、コントラスト・マスキングを、空間周波数および方向oに対する視覚感度における変化を解像度レベルlで記述するCSF関数によって重み付けされた、サイト(m,n)でウェーブレット変換された値として定義する。
数学的に表すと、サブバンドSl,oによってカバーされる空間周波数にわたるDaly(S. Daly. Digital images and human vision. Chapter The visible differences predictor: an algorithm for the assessment of mage)から2DのCSFの平均値としてCSF値Nl,oが得られ、コントラスト・マスキング・マップは、下記により得られる。
ステップ40で、エントロピー・アクティビティ・マップSMLl(x,y)を解像度レベルlごとに計算する。
エントロピー・アクティビティ・マップは、テクスチャ領域におけるような画像の不確実性を反映する。
一実施形態によると、エントロピー・アクティビティ・マップSMLlは、n×n近傍(n-by-n neighborhood)におけるエントロピーの計算によって評価される。
好ましくは、エントロピー・アクティビティ・マップSMLlは、画像Imの各ピクセル(x,y)方向の勾配(水平、垂直、斜め)の最小値として計算することによって評価される。そのようなセミローカルなアクティビティ・マップSMLlは下記により得られる。
ここで、Iは入力画像である。
調和距離マップは、HVSモデルにマッチするように異なる解像度レベルで計算される。
ステップ50で、解像度レベルl毎に、コントラスト・マップCMl,o(m,n)、エントロピー・アクティビティ・マップSMLl(x,y)および調和距離マップHDMapl(x,y)は一体化されて知覚調和距離マップPHDMapl(x,y)を得る。
一例によれば、知覚調和距離マップPHDMapl(x,y)は下記により得られる。
ここで、(m,n)は解像度レベルlにおける画像Imのピクセル(x,y)に対応する座標である。
ステップ60で、知覚調和距離マップPHDMapl(m,n)は、累算されて知覚マップPHMap(x,y)を構築する。
数学的に表すと、知覚マップPHMap(x,y)は下記によって得られる。
知覚マップPHMap(x,y)は、調和距離マップHDMapl(x,y)を累算することによって計算される調和距離マップに視覚的に近いが、少数のピクセルの影響を低減することでマスキング効果を統合することに留意する。
本発明の一態様によると、画像の品質を評価する方法は、知覚マップPHMap(x,y)からの画像のレーティング又は評価スコアRを得ることによって定義される(図2のステップ70)。
一実施形態によると、レーティングRは、下記で与えられるMinkowskiの和の平均値によって計算される。
ここで、WとHはそれぞれ、画像Imの幅と高さであり、βは例えば2のパラメータセットである。
1つの解像度レベルでの画像の色情報は、最も低いサブバンドによって運ばれる。
その結果、別の方法によれば、コントラストおよびエントロピー・アクティビティ・マップは、所与の解像度レベルで、その解像度レベルの最も低いサブバンドに関してのみ、調和距離マップと統合される。
図3は、特定のかつ非限定的な実施形態の処理装置300の例示的構成を示す。処理装置は、例えば、タブレット、PDA又は携帯電話であり得る。処理装置300は、データおよびアドレスバス30によって相互接続された下記要素を備える。
− マイクロ・プロセッサ31(又はCPU)、例えば、DSP(すなわち、デジタル・シグナル・プロセッサ);
− ROM(すなわち、リード・オンリー・メモリ)32;
− RAM(すなわち、ランダム・アクセス・メモリ)33;
− 1つ又は複数の入力/出力インターフェース35、例えば、キーボード、マウス;および
− バッテリ36。
− マイクロ・プロセッサ31(又はCPU)、例えば、DSP(すなわち、デジタル・シグナル・プロセッサ);
− ROM(すなわち、リード・オンリー・メモリ)32;
− RAM(すなわち、ランダム・アクセス・メモリ)33;
− 1つ又は複数の入力/出力インターフェース35、例えば、キーボード、マウス;および
− バッテリ36。
図3のこれら要素の各々は、当業者によってよく知られているので、これ以上説明しない。処理装置300は、処理した画像を表示するためのスクリーンなどの表示装置を備えることができる。本発明に従う処理方法のアルゴリズムはROM32に記憶される。RAM33は、レジスターに、処理装置300のスイッチ・オン後にCPU31によって実行され、アップロードされるプログラムを有する。スイッチ・オンしたとき、CPU21はプログラムをRAMにアップロードし、対応する命令を実行する。処理される画像は、入力/出力インターフェース35の1つで受信される。入力/出力インターフェース35の1つは、本発明に従って処理された画像を送信するように適合される。
別の態様によれば、処理装置300は、本発明が純粋なハードウェアの具現化によって、例えば、専用コンポーネント(例えば、ASIC(application specific integrated circuit)、FPGA(field-programmable gate array)、VLSI(Very Large Scale Integration)又は装置に統合された電子部品)の形で、又はハードウェア要素とソフトウェア要素との組み合わせの形で、実施されることもできる。
明確に記載していないが、本実施形態および他の態様を任意の組み合わせ又は部分的な組み合わせで使用するようことができる。
Claims (4)
- 画像の知覚調和マップを作成する方法であって、
前記画像の多解像度分解を計算するステップ(10)と、
各解像度レベルで、
各調和色彩テンプレート(Tm)に関して、前記解像度レベルで前記画像の各ピクセルに関連付けられた色相値に関して最適回転角(αm,l)および調和距離(HDm,l(h))を計算し(20)、かつ前記調和距離(HDm,l(h))の和を重み付けすることにより調和距離マップ(HDMapl(x,y))を計算するステップと、
コントラスト・マップ(CMl,o(m,n))(30)およびエントロピー・アクティビティ・マップ(SMLl)(40)を計算するステップと、
前記コントラスト・マップ(CMl,o(m,n))、前記エントロピー・アクティビティ・マップ(SMLl(x,y))および前記調和距離マップ(HDMapl(x,y))を一体化することにより知覚調和マップ(PHDMapl(x,y))を得るステップ(50)と、
前記知覚調和マップPHDMapl(m,n)を累算することにより知覚マップ(PHDMap(m,n))を得るステップ(60)と、
を有する、前記方法。 - 画像の品質を評価する方法であって、前記画像の評価スコア(R)は、請求項1に記載の方法から作成された前記画像の知覚マップ(PHDMap(x,y))から得られる、前記方法。
- 請求項1に記載の方法を実施する処理手段を備えた装置。
- 請求項2に記載の方法を実施する処理装置を備えた装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP13305394.2 | 2013-03-28 | ||
EP13305394 | 2013-03-28 | ||
PCT/EP2014/056069 WO2014154753A2 (en) | 2013-03-28 | 2014-03-26 | Method and apparatus of creating a perceptual harmony map |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2016519366A true JP2016519366A (ja) | 2016-06-30 |
Family
ID=48128240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016504658A Pending JP2016519366A (ja) | 2013-03-28 | 2014-03-26 | 知覚調和マップを作成する方法および装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9478044B2 (ja) |
EP (1) | EP2979244B1 (ja) |
JP (1) | JP2016519366A (ja) |
KR (1) | KR20150137071A (ja) |
CN (1) | CN105103188A (ja) |
WO (1) | WO2014154753A2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106373084B (zh) * | 2016-08-30 | 2020-09-18 | 北京奇艺世纪科技有限公司 | 一种特效推荐方法及装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7023447B2 (en) * | 2001-05-02 | 2006-04-04 | Eastman Kodak Company | Block sampling based method and apparatus for texture synthesis |
EP1544792A1 (en) | 2003-12-18 | 2005-06-22 | Thomson Licensing S.A. | Device and method for creating a saliency map of an image |
EP1764736A1 (en) | 2005-09-19 | 2007-03-21 | Thomson Licensing | Method and device for image cropping |
EP1748385A3 (en) | 2005-07-28 | 2009-12-09 | THOMSON Licensing | Method and device for generating a sequence of images of reduced size |
EP1936566A1 (en) | 2006-12-22 | 2008-06-25 | Thomson Licensing | Method for creating the saliency map of an image and system for creating reduced pictures of video frames |
KR101678208B1 (ko) | 2008-06-30 | 2016-11-21 | 톰슨 라이센싱 | 비디오 화상 내의 레이아웃 영역을 검출하기 위한 방법 및 검출 방법을 이용하여 감소된 크기의 화상을 생성하는 방법 |
US8515182B2 (en) * | 2009-02-11 | 2013-08-20 | Ecole De Technologie Superieure | Method and system for determining a quality measure for an image using multi-level decomposition of images |
US8867844B2 (en) * | 2012-02-01 | 2014-10-21 | Sharp Laboratories Of America, Inc. | Edge based template matching |
US8885901B1 (en) * | 2013-10-22 | 2014-11-11 | Eyenuk, Inc. | Systems and methods for automated enhancement of retinal images |
-
2014
- 2014-03-26 EP EP14713820.0A patent/EP2979244B1/en not_active Not-in-force
- 2014-03-26 CN CN201480018984.4A patent/CN105103188A/zh active Pending
- 2014-03-26 KR KR1020157026373A patent/KR20150137071A/ko not_active Application Discontinuation
- 2014-03-26 US US14/780,594 patent/US9478044B2/en not_active Expired - Fee Related
- 2014-03-26 WO PCT/EP2014/056069 patent/WO2014154753A2/en active Application Filing
- 2014-03-26 JP JP2016504658A patent/JP2016519366A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
CN105103188A (zh) | 2015-11-25 |
US9478044B2 (en) | 2016-10-25 |
WO2014154753A3 (en) | 2014-11-13 |
EP2979244B1 (en) | 2018-02-21 |
WO2014154753A2 (en) | 2014-10-02 |
US20160055655A1 (en) | 2016-02-25 |
EP2979244A2 (en) | 2016-02-03 |
KR20150137071A (ko) | 2015-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020108358A1 (zh) | 图像修复方法、装置、计算机设备和存储介质 | |
CN108961303B (zh) | 一种图像处理方法、装置、电子设备和计算机可读介质 | |
Lai et al. | Improved local histogram equalization with gradient-based weighting process for edge preservation | |
Luan et al. | Fast single image dehazing based on a regression model | |
JP2011522333A (ja) | 3dテクスチャの超解像のための画像生成装置及び方法 | |
JP2015520467A (ja) | 画像のカラー調和のための装置及び方法 | |
TW201610915A (zh) | 用以轉換二維影像為三維模型的影像處理方法 | |
JP6863596B6 (ja) | データ処理装置及びデータ処理方法 | |
US11145032B2 (en) | Image processing apparatus, method and storage medium for reducing color noise and false color | |
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 | |
CN106663315A (zh) | 用于对含噪图像去噪的方法 | |
CN111556227B (zh) | 一种视频去噪方法、装置、移动终端和存储介质 | |
US9959672B2 (en) | Color-based dynamic sub-division to generate 3D mesh | |
Chamaret et al. | No-reference harmony-guided quality assessment | |
JP2016519366A (ja) | 知覚調和マップを作成する方法および装置 | |
CN110766631A (zh) | 人脸图像的修饰方法、装置、电子设备和计算机可读介质 | |
CN115690359A (zh) | 一种点云处理方法、装置、电子设备及存储介质 | |
JP5388780B2 (ja) | 画像処理装置、画像処理方法、および画像処理プログラム | |
CN116977190A (zh) | 图像处理方法、装置、设备、存储介质及程序产品 | |
JP6226050B2 (ja) | 画像合成方法及び装置 | |
US11722796B2 (en) | Self-regularizing inverse filter for image deblurring | |
Li et al. | Impulse noise removal using grey polynomial model | |
Fassold et al. | A localized no-reference blurriness measure for omnidirectional images and video | |
Gao et al. | Saliency-based parameter tuning for tone mapping | |
WO2021139178A1 (zh) | 图像合成方法及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20161125 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20161128 |