KR100670003B1 - 적응형 문턱치를 이용한 영상의 평탄 영역 검출장치 및 그방법 - Google Patents
적응형 문턱치를 이용한 영상의 평탄 영역 검출장치 및 그방법 Download PDFInfo
- Publication number
- KR100670003B1 KR100670003B1 KR1020040113795A KR20040113795A KR100670003B1 KR 100670003 B1 KR100670003 B1 KR 100670003B1 KR 1020040113795 A KR1020040113795 A KR 1020040113795A KR 20040113795 A KR20040113795 A KR 20040113795A KR 100670003 B1 KR100670003 B1 KR 100670003B1
- Authority
- KR
- South Korea
- Prior art keywords
- standard deviation
- image
- adaptive threshold
- area
- flat
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
- G06V10/507—Summing image-intensity values; Histogram projection analysis
-
- 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
- H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
-
- 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
- G06T2207/20004—Adaptive image processing
- G06T2207/20008—Globally adaptive
Abstract
적응형 문턱치를 이용한 영상의 평탄 영역 검출장치 및 그 방법이 개시된다. 본 발명에 따른 적응형 문턱치를 이용한 영상의 평탄 영역 검출장치는 입력영상 전체 영역의 표준편차를 산출하는 전역 표준편차 산출부, 입력영상을 소정 개수의 영역으로 분할한 후, 분할된 각 영역별로 국부영역 표준편차를 산출하는 국부영역 표준편차 산출부 및 입력영상의 복잡도에 기초하여 산출된 적응형 문턱치를 이용하여 영상의 평탄 영역과 특징 영역을 분리하는 평탄영역 결정부를 포함한다. 본 발명에 의하면 영상의 복잡도에 따라 적응적으로 산출되는 문턱치를 이용하여 영상의 평탄 영역과 특징 영역을 효과적으로 분리하여 영상의 평탄 영역을 정확히 검출할 수 있는 장점이 있다. 따라서, 평탄 영역을 이용하는 영상처리분야에 다양하게 응용될 수 있다.
평탄 영역, 적응형 문턱치, 전역 표준편차, 복잡도 상수
Description
도 1은 영상의 평탄 영역을 검출하기 위한 종래의 방법을 설명하기 위한 도면,
도 2는 본 발명에 따른 적응형 문턱치를 이용한 영상의 평탄 영역 검출장치의 구성을 도시한 블럭도, 그리고
도 3은 본 발명에 따른 적응형 문턱치를 이용한 영상의 평탄 영역 검출방법의 설명에 제공되는 흐름도이다.
* 도면의 주요 부분에 대한 간단한 설명 *
200: 평탄영역 검출장치 210: 전역 표준편차 산출부
220: 국부영역 표준편차 산출부 230: 평탄영역 결정부
240: 적응형 문턱치 산출부 250: 비교부
본 발명은 영상의 평탄영역을 검출하기 위한 장치 및 방법에 관한 것으로, 특히 영상의 특성에 맞는 적응형 문턱치를 이용하여 영상의 평탄영역을 보다 정확히 검출하도록 한 적응형 문턱치를 이용한 영상의 평탄 영역 검출장치 및 방법을 제공하기 위함이다.
일반적으로 영상의 평탄 영역은 다양한 영상 처리 분야에 이용된다. 예를 들어, 평탄 영역은 신호 대 잡음비(SNR)가 낮기 때문에, 영상의 잡음 추정시 많이 이용된다. 또한, 평탄 영역은 공간적 중복성을 갖고 있어서, 영상 압축시 평탄 영역을 이용하면 압축 효율을 높일 수 있게 된다. 그리고, 평탄 영역은 비디오의 장면전환(scene transition) 검출에 있어서 프레임 차이(frame difference)의 움직임 내성(motion tolerance)을 높일 수 있으며, 영상보간시에도 평탄 영역에서는 간단한 연산만으로 보간값을 산출할 수 있기 때문에, 불필요한 비용을 줄일 수 있게 된다. 이와 같이, 평탄 영역은 다양한 영상 처리 분야에 응용되므로, 평탄 영역을 정확히 검출하는 것은 매우 중요하다.
도 1은 영상의 평탄 영역을 검출하기 위한 종래의 방법을 설명하기 위한 도면이다. 도 1을 참조하면, 종래의 평탄 영역 검출장치(100)는 국부영역 표준편차 산출부(10) 및 비교부(20)로 이루어진다. 국부영역 표준편차 산출부(10)는 입력영상을 M×M 영역으로 분할하여, 각 영역에 대한 표준편차를 산출한다. 비교부(20)는 각각의 국부영역마다 산출된 표준편차를 기설정된 소정 문턱치(T)와 비교한다. 비교결과, 문턱치(T)보다 작은 표준편차를 갖는 영역을 평탄 영역으로 판단하게 된다.
이와 같은, 종래의 평탄영역 검출방법은 고정된 문턱치를 사용하므로, 주어 진 영상이나 잡음 정도에 따라 평탄 영역을 제대로 판별하지 못하는 경우가 발생한다. 즉, 문턱치에 따라서 텍스쳐(texture) 영역이 평탄 영역으로 판단되기도 하고, 실제 평탄 영역이 평탄 영역이 아닌 것으로 판단되기도 한다. 결국, 영상에 따라 평탄 영역이 정확히 검출되지 못하므로, 검출 영역에서 잡음추정이나 다른 후처리 과정이 정상적으로 이루어지지 않게 되는 문제점이 있다.
따라서, 본 발명의 목적은 개별적인 영상의 특성에 맞도록 영상의 복잡도에 따라 산출된 적응형 문턱치를 이용하여 영상의 평탄 영역을 보다 정확히 검출하기 위한 적응형 문턱치를 이용한 영상의 평탄영역 검출장치 및 그 방법을 제공하기 위함이다.
상기 목적을 달성하기 위한 본 발명에 따른 적응형 문턱치를 이용한 영상의 평탄영역 검출장치는 입력영상 전체 영역의 표준편차(σg)를 산출하는 전역 표준편차 산출부; 입력영상을 소정 개수의 영역으로 분할한 후, 분할된 각 영역별로 국부영역 표준편차(σm)를 산출하는 국부영역 표준편차 산출부; 및 입력영상의 복잡도에 기초하여 산출된 적응형 문턱치를 이용하여 영상의 평탄 영역과 특징 영역을 분리하는 평탄영역 결정부;를 포함하는 것이 바람직하다.
여기서, 평탄영역 결정부는, 전역 표준편차(σg) 및 입력영상의 복잡도 상수 (K)를 기초로 적응형 문턱치(T1)를 산출하는 적응형 문턱치 산출부; 및 적응형 문 턱치(T1)와 소정 영역의 국부영역 표준편차(σm)를 비교하여, 상기 적응형 문턱치 (T1)가 국부영역 표준편차(σm)보다 큰 경우, 소정 영역을 평탄영역으로 판단하는 비교부;를 포함하는 것이 바람직하다.
여기서, 적응형 문턱치는, 다음의 수식에 의해 산출되는 것을 특징으로 하는 영상의 평탄영역 검출장치:
여기서, T1은 적응형 문턱치, K는 복잡도 상수, σg는 입력영상의 전역 표준편차이다.
여기서, 복잡도 상수(K)는, bit/symbol을 의미하는 엔트로피 상수인 것이 바람직하다.
한편, 본 발명에 따른 적응형 문턱치를 이용한 영상의 평탄영역 검출방법은 입력영상 전체 영역의 표준편차인 전역 표준편차(σg)를 산출하고, 입력영상을 소정 개수의 영역으로 분할하여, 분할된 각 영역별로 국부영역 표준편차(σm)를 산출하는 제1 단계; 및 입력영상의 복잡도에 기초하여 산출된 적응형 문턱치를 이용하여 영상의 평탄 영역과 특징 영역을 분리하는 제2 단계;를 포함하는 것이 바람직하다.
여기서, 제2 단계는, 전역 표준편차(σg) 및 입력영상의 복잡도 상수(K)를 기초로 적응형 문턱치(T1)를 산출하는 단계; 및 적응형 문턱치(T1)와 소정 영역의 국부영역 표준편차(σm)를 비교하여, 적응형 문턱치(T1)가 국부영역 표준편차(σm)보다 큰 경우, 소정 영역을 평탄영역으로 판단하는 단계;를 포함하는 것이 바람직하다.
여기서, 적응형 문턱치(T1)는, 다음의 수식에 의해 산출되는 것을 특징으로 하는 영상의 평탄영역 검출방법:
여기서, T1은 적응형 문턱치, K는 복잡도 상수, σg는 입력영상의 전역 표준편차이다.
여기서, 복잡도 상수(K)는, bit/symbol을 의미하는 엔트로피 상수인 것이 바람직하다.
이하에서는 첨부된 도면을 참조하여 본 발명에 대하여 설명한다.
도 2는 본 발명에 따른 적응형 문턱치를 이용한 영상의 평탄 영역 검출장치의 구성을 도시한 블럭도이다. 도 2를 참조하면, 본 평탄 영역 검출장치(200)는 전역 표준편차 산출부(210), 국부영역 표준편차 산출부(220) 및 평탄영역 결정부 (230)를 포함한다.
전역 표준편차 산출부(210)는 입력영상 전체 영역의 표준편차(σg)를 산출한다. 전역 표준편차 산출부(210)에서 산출된 전역 표준편차(σg)는 평탄영역 결정부 (230)로 입력되어, 평탄 영역을 결정하는데 이용된다.
국부영역 표준편차 산출부(220)는 입력영상을 소정 개수의 영역(M×M)으로 분할한 후, 분할된 각 영역별로 국부영역 표준편차(σm)를 산출한다. 국부영역 표준편차 산출부 (200)에서 산출된 국부영역 표준편차(σm)는 평탄영역 결정부(230)로 입력되어, 평탄영역을 검출하는데 이용된다.
평탄영역 결정부(230)는 적응형 문턱치 산출부(240)와 비교부(250)를 포함한다. 적응형 문턱치 산출부(240)는 입력영상의 복잡도(entroty)에 따라 적응형 문턱치를 산출한다. 즉, 적응형 문턱치 산출부(240)는 전역 표준편차(σg) 및 영상의 복잡도 상수를 기초로 적응형 문턱치(T1)를 산출한다. 여기서, 영상의 복잡도 상수는 bit/symbol을 의미하는 엔트로피 상수이다. 비교부(250)는 산출된 적응형 문턱치(T1)와 국부영역 표준편차(σm)의 크기를 비교하여 평탄영역을 결정한다.
도 3은 본 발명에 따른 적응형 문턱치를 이용한 영상의 평탄 영역 검출방법의 설명에 제공되는 흐름도이다. 도 2 내지 도 3을 참조하면, 먼저, 전역 표준편차 산출부(210) 및 국부영역 표준편차 산출부(220)에서 산출된 전역 표준편차(σg) 및 국부영역 표준편차(σm)가 평탄영역 결정부(230)에 제공된다(S310).
평탄영역 결정부(230) 내의 적응형 문턱치 산출부(240)는 전역 표준편차(σg) 및 영상의 복잡도(entropy)에 기초하여 적응형 문턱치(T1)를 산출한다(S320). 적응형 문턱치 산출부(240)에서 적응형 문턱치(T1)를 산출하는 과정에 대해서 상세히 설명하면 다음과 같다.
먼저 전역 표준편차(σg)로부터 밝기값에 대한 입력영상 전역의 확률분포(pg) 및 평탄영역의 밝기값에 대한 확률분포(pm)를 산출한다. 즉, 밝기값에 대한 입력영상 전역의 확률분포(pg)는 전역 표준편차가 넓은 범위를 갖는다고 가정하면, 아래의 수학식과 같은 균일 밀도 함수로 근사화될 수 있다.
수학식 1에서, pg는 밝기값에 대한 입력영상 전역의 확률분포를 의미하며, σg는 입력영상 전체영역의 표준편차를 의미하며, x는 각 화소의 픽셀값을 의미한다.
한편, 밝기값에 대한 평탄영역의 확률분포(pm)는 평탄영역의 표준편차가 매우 좁은 범위를 갖는다고 가정하면, 아래의 수학식과 같이 근사화될 수 있다.
수학식 1 및 수학식 2에서 산출된 두 개의 확률 분포 pg(x) 및 pm(x)에 기초하여 국부영역의 복잡도(entropy)가 산출된다. 국부영역의 복잡도는 아래의 수학식 3과 같이 표현된다.
수학식 3에서, H(m)은 M×M 개의 영역으로 분할된 각 국부영역의 복잡도 (entropy)를 의미한다. 이와 같이 산출된 국부영역의 복잡도(H(m))를 복잡도 상수(K)와 같다고 가정하면 아래의 수학식과 같다.
이와 같이, 국부영역의 복잡도((H(m))와 복잡도 상수(K)가 동일한 것으로 가정한 상태에서, 전역 표준편차(σg)와 log2σg를 복잡도 상수(K)가 있는 항으로 이항시키면 등식의 좌측에는 국부영역 표준편차(σm)만이 남게 된다. 이 때, 등식의 우측항을 다시 수학식으로 나타내면 다음과 같다.
수학식 5를 참조하면, 국부영역의 복잡도((H(m))와 복잡도 상수(K)가 동일한 것으로 가정한 상태에서 전역 표준편차(σg)와 log2σg를 복잡도 상수(K)가 있는 항으로 이항시킴으로써, 최종적으로 적응형 문턱치(T1)가 산출된다. 적응형 문턱치 (T1)의 값은 수학식 5에서 기재된 바 같이 이다.
S320 단계에서 적응형 문턱치(T1)가 산출되면, 비교부(250)는 국부영역 표준편차(σm)와 적응형 문턱치(T1)를 비교한다(S330). 비교결과, 국부영역 표준편차(σm)가 적응형 문턱치(T1)보다 작은 경우에(S340), 해당 국부영역을 평탄영역으로 판단하고(S350), 국부영역 표준편차(σm)가 적응형 문턱치보다 작지 않은 경우, 해당 국부영역은 평탄영역이 아닌 것으로 판단된다(S360).
이상에서 설명한 바와 같이, 본 발명에 의하면, 영상의 복잡도에 따라 적응적으로 산출되는 문턱치를 이용함으로써, 보다 정확하게 영상의 평탄영역을 검출할 수 있게 된다.
이상에서 설명한 바와 같이, 본 발명에 의하면, 영상의 복잡도에 따라 적응적으로 산출되는 문턱치를 이용하여 영상의 평탄 영역과 특징 영역을 효과적으로 분리하여 영상의 평탄 영역을 정확히 검출할 수 있는 장점이 있다. 따라서, 평탄 영역을 이용하는 영상처리분야에 다양하게 응용될 수 있다.
또한, 본 발명에 의하면, 전역 표준 편차와 국부 표준 편차만을 이용하여 평탄 영역을 판단하므로, 평탄영역 검출시 계산량이 적게 소요되는 장점이 있다.
이상에서는 본 발명의 바람직한 실시예에 대해서 도시하고 설명하였으나, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발 명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위에 있게 된다.
Claims (8)
- 입력영상 전체 영역의 표준편차(σg)를 산출하는 전역 표준편차 산출부;상기 입력영상을 소정 개수의 영역으로 분할한 후, 분할된 각 영역별로 국부영역 표준편차(σm)를 산출하는 국부영역 표준편차 산출부; 및상기 입력영상 전역 및 평탄영역의 밝기값에 대한 확률분포를 이용해 국부영역 복잡도를 산출하고, 상기 전역 표준편차 및 상기 국부영역 복잡도를 통해 적응형 문턱치를 산출하며, 상기 국부영역 표준편차 및 상기 적응형 문턱치를 이용하여 영상의 평탄 영역과 특징 영역을 분리하는 평탄영역 결정부;를 포함하는 것을 특징으로 하는 적응형 문턱치를 이용한 영상의 평탄영역 검출 장치.
- 제1항에 있어서, 상기 평탄영역 결정부는,상기 전역 표준편차(σg) 및 상기 입력영상의 복잡도 상수(K)를 기초로 적응형 문턱치(T1)를 산출하는 적응형 문턱치 산출부; 및상기 적응형 문턱치(T1)와 소정 영역의 국부영역 표준편차(σm)를 비교하여, 상기 적응형 문턱치(T1)가 상기 국부영역 표준편차(σm)보다 큰 경우, 상기 소정 영역을 평탄영역으로 판단하는 비교부;를 포함하는 것을 특징으로 하는 적응형 문턱 치를 이용한 영상의 평탄영역 검출장치.
- 제3항에 있어서, 상기 복잡도 상수(K)는,bit/symbol을 의미하는 엔트로피 상수인 것을 특징으로 하는 적응형 문턱치를 이용한 영상의 평탄영역 검출장치.
- 입력영상 전체 영역의 표준편차인 전역 표준편차(σg)를 산출하고, 상기 입력영상을 소정 개수의 영역으로 분할하여, 분할된 각 영역별로 국부영역 표준편차(σm)를 산출하는 제1 단계; 및상기 입력영상 전역 및 평탄영역의 밝기값에 대한 확률분포를 이용해 국부영역 복잡도를 산출하고, 상기 전역 표준편차 및 상기 국부영역 복잡도를 통해 적응형 문턱치를 산출하며, 상기 국부영역 표준편차 및 상기 적응형 문턱치를 이용하여 영상의 평탄 영역과 특징 영역을 분리하는 제2 단계;를 포함하는 것을 특징으로 하는 적응형 문턱치를 이용한 영상의 평탄영역 검출방법.
- 제5항에 있어서, 상기 제2 단계는,상기 전역 표준편차(σg) 및 입력영상의 복잡도 상수(K)를 기초로 적응형 문턱치(T1)를 산출하는 단계; 및상기 적응형 문턱치(T1)와 소정 영역의 국부영역 표준편차(σm)를 비교하여, 상기 적응형 문턱치(T1)가 상기 국부영역 표준편차(σm)보다 큰 경우, 상기 소정 영역을 평탄영역으로 판단하는 단계;를 포함하는 것을 특징으로 하는 적응형 문턱치를 이용한 영상의 평탄영역 검출방법.
- 제7항에 있어서, 상기 복잡도 상수(K)는,bit/symbol을 의미하는 엔트로피 상수인 것을 특징으로 하는 적응형 문턱치를 이용한 영상의 평탄영역 검출방법.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020040113795A KR100670003B1 (ko) | 2004-12-28 | 2004-12-28 | 적응형 문턱치를 이용한 영상의 평탄 영역 검출장치 및 그방법 |
US11/237,942 US7970208B2 (en) | 2004-12-28 | 2005-09-29 | Apparatus to detect homogeneous region of image using adaptive threshold |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020040113795A KR100670003B1 (ko) | 2004-12-28 | 2004-12-28 | 적응형 문턱치를 이용한 영상의 평탄 영역 검출장치 및 그방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20060075204A KR20060075204A (ko) | 2006-07-04 |
KR100670003B1 true KR100670003B1 (ko) | 2007-01-19 |
Family
ID=36640506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020040113795A KR100670003B1 (ko) | 2004-12-28 | 2004-12-28 | 적응형 문턱치를 이용한 영상의 평탄 영역 검출장치 및 그방법 |
Country Status (2)
Country | Link |
---|---|
US (1) | US7970208B2 (ko) |
KR (1) | KR100670003B1 (ko) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9769354B2 (en) | 2005-03-24 | 2017-09-19 | Kofax, Inc. | Systems and methods of processing scanned data |
ITVA20060060A1 (it) * | 2006-10-06 | 2008-04-07 | St Microelectronics R&D Ltd | Metodo e relativo dispositivo per stimare il livello di rumore gaussiano bianco che corrompe un'immagine digitale |
US9767354B2 (en) | 2009-02-10 | 2017-09-19 | Kofax, Inc. | Global geographic information retrieval, validation, and normalization |
US9576272B2 (en) | 2009-02-10 | 2017-02-21 | Kofax, Inc. | Systems, methods and computer program products for determining document validity |
US8406554B1 (en) * | 2009-12-02 | 2013-03-26 | Jadavpur University | Image binarization based on grey membership parameters of pixels |
US8428363B2 (en) * | 2011-04-29 | 2013-04-23 | Mitsubishi Electric Research Laboratories, Inc. | Method for segmenting images using superpixels and entropy rate clustering |
US9770189B2 (en) | 2011-08-16 | 2017-09-26 | Elwha Llc | Systematic distillation of status data relating to regimen compliance |
US10146795B2 (en) | 2012-01-12 | 2018-12-04 | Kofax, Inc. | Systems and methods for mobile image capture and processing |
US8989515B2 (en) | 2012-01-12 | 2015-03-24 | Kofax, Inc. | Systems and methods for mobile image capture and processing |
US8761442B2 (en) | 2012-03-29 | 2014-06-24 | The Nielsen Company (Us), Llc | Methods and apparatus to count people in images |
US8660307B2 (en) | 2012-03-29 | 2014-02-25 | The Nielsen Company (Us), Llc | Methods and apparatus to count people in images |
US9092675B2 (en) * | 2012-03-29 | 2015-07-28 | The Nielsen Company (Us), Llc | Methods and apparatus to count people in images |
US9275285B2 (en) | 2012-03-29 | 2016-03-01 | The Nielsen Company (Us), Llc | Methods and apparatus to count people in images |
US9208536B2 (en) | 2013-09-27 | 2015-12-08 | Kofax, Inc. | Systems and methods for three dimensional geometric reconstruction of captured image data |
US9355312B2 (en) | 2013-03-13 | 2016-05-31 | Kofax, Inc. | Systems and methods for classifying objects in digital images captured using mobile devices |
US9311531B2 (en) | 2013-03-13 | 2016-04-12 | Kofax, Inc. | Systems and methods for classifying objects in digital images captured using mobile devices |
US20140316841A1 (en) | 2013-04-23 | 2014-10-23 | Kofax, Inc. | Location-based workflows and services |
CN105518704A (zh) | 2013-05-03 | 2016-04-20 | 柯法克斯公司 | 检测和分类使用移动设备采集的视频中对象的系统和方法 |
WO2015073920A1 (en) | 2013-11-15 | 2015-05-21 | Kofax, Inc. | Systems and methods for generating composite images of long documents using mobile video data |
US9760788B2 (en) | 2014-10-30 | 2017-09-12 | Kofax, Inc. | Mobile document detection and orientation based on reference object characteristics |
US10467465B2 (en) | 2015-07-20 | 2019-11-05 | Kofax, Inc. | Range and/or polarity-based thresholding for improved data extraction |
US10242285B2 (en) * | 2015-07-20 | 2019-03-26 | Kofax, Inc. | Iterative recognition-guided thresholding and data extraction |
US9779296B1 (en) | 2016-04-01 | 2017-10-03 | Kofax, Inc. | Content-based detection and three dimensional geometric reconstruction of objects in image and video data |
US10205937B2 (en) * | 2016-08-02 | 2019-02-12 | Apple Inc. | Controlling lens misalignment in an imaging system |
US10803350B2 (en) | 2017-11-30 | 2020-10-13 | Kofax, Inc. | Object detection and image cropping using a multi-detector approach |
CN109766924B (zh) * | 2018-12-20 | 2023-05-26 | 东南大学 | 基于图像信息熵与自适应阈值daisy特征点的图像检测方法 |
CN113225226B (zh) * | 2021-04-30 | 2022-10-21 | 上海爱数信息技术股份有限公司 | 一种基于信息熵的云原生系统观测方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR19980072846A (ko) * | 1997-03-08 | 1998-11-05 | 김광호 | 적응적 엣지보존 저역통과필터의 필터링 방법 및 그에 따른 저역통과필터 |
KR20040046271A (ko) * | 2002-11-26 | 2004-06-05 | 삼성전자주식회사 | 영상의 잡음 수준 추정 장치 및 방법 |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4567610A (en) * | 1982-07-22 | 1986-01-28 | Wayland Research Inc. | Method of and apparatus for pattern recognition |
US4741046A (en) * | 1984-07-27 | 1988-04-26 | Konishiroku Photo Industry Co., Ltd. | Method of discriminating pictures |
GB2219905A (en) * | 1988-06-17 | 1989-12-20 | Philips Electronic Associated | Target detection system |
JPH0722343B2 (ja) * | 1989-12-15 | 1995-03-08 | 大日本スクリーン製造株式会社 | 画像データ圧縮装置 |
KR0132477B1 (ko) | 1994-12-15 | 1998-04-25 | 구자홍 | 어레이 가스센서의 패턴인식방법 및 장치 |
US5949905A (en) * | 1996-10-23 | 1999-09-07 | Nichani; Sanjay | Model-based adaptive segmentation |
US5915039A (en) * | 1996-11-12 | 1999-06-22 | International Business Machines Corporation | Method and means for extracting fixed-pitch characters on noisy images with complex background prior to character recognition |
JP3189870B2 (ja) * | 1996-12-24 | 2001-07-16 | シャープ株式会社 | 画像処理装置 |
KR19990069865A (ko) | 1998-02-13 | 1999-09-06 | 이종수 | 삼차원 의학 영상에서의 프랙탈 부호화 방법 |
JP3345350B2 (ja) * | 1998-05-27 | 2002-11-18 | 富士通株式会社 | 文書画像認識装置、その方法、及び記録媒体 |
US20020028008A1 (en) * | 2000-09-07 | 2002-03-07 | Li Fan | Automatic detection of lung nodules from high resolution CT images |
JP3505496B2 (ja) | 2000-09-20 | 2004-03-08 | 川崎重工業株式会社 | 画像処理方法および画像処理装置 |
US6993169B2 (en) * | 2001-01-11 | 2006-01-31 | Trestle Corporation | System and method for finding regions of interest for microscopic digital montage imaging |
KR100425447B1 (ko) * | 2001-05-10 | 2004-03-30 | 삼성전자주식회사 | 명도 보정 및 선택적 결함 검출 방법 및 이를 기록한 기록매체 |
US6870956B2 (en) * | 2001-06-14 | 2005-03-22 | Microsoft Corporation | Method and apparatus for shot detection |
KR100456017B1 (ko) * | 2002-02-06 | 2004-11-08 | 삼성전자주식회사 | 히스토그램 매칭을 이용한 콘트라스트 향상 장치 및 방법 |
US7233696B2 (en) * | 2002-07-12 | 2007-06-19 | Hill Richard K | Apparatus and method for characterizing digital images using a two axis image sorting technique |
US6970578B1 (en) * | 2002-07-16 | 2005-11-29 | The United States Of America As Represented By The Secretary Of The Navy | Method of generating images to aid in the detection of manmade objects in cluttered underwater environments |
JP2004072446A (ja) | 2002-08-07 | 2004-03-04 | Hudson Soft Co Ltd | 承認装置、および承認システム |
JP4118749B2 (ja) * | 2002-09-05 | 2008-07-16 | 株式会社リコー | 画像処理装置、画像処理プログラムおよび記憶媒体 |
US7236632B2 (en) * | 2003-04-11 | 2007-06-26 | Ricoh Company, Ltd. | Automated techniques for comparing contents of images |
US7474790B2 (en) * | 2003-10-02 | 2009-01-06 | Siemens Medical Solutions Usa, Inc. | Multiscale detection of local image structures |
US7379594B2 (en) * | 2004-01-28 | 2008-05-27 | Sharp Laboratories Of America, Inc. | Methods and systems for automatic detection of continuous-tone regions in document images |
US7653242B2 (en) * | 2005-11-15 | 2010-01-26 | Honeywell International Inc. | Dynamically adjusting and predicting image segmentation threshold |
KR200446271Y1 (ko) | 2009-02-06 | 2009-10-13 | 최명길 | 낚시용 유인 미끼 |
-
2004
- 2004-12-28 KR KR1020040113795A patent/KR100670003B1/ko not_active IP Right Cessation
-
2005
- 2005-09-29 US US11/237,942 patent/US7970208B2/en not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR19980072846A (ko) * | 1997-03-08 | 1998-11-05 | 김광호 | 적응적 엣지보존 저역통과필터의 필터링 방법 및 그에 따른 저역통과필터 |
KR20040046271A (ko) * | 2002-11-26 | 2004-06-05 | 삼성전자주식회사 | 영상의 잡음 수준 추정 장치 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
US7970208B2 (en) | 2011-06-28 |
KR20060075204A (ko) | 2006-07-04 |
US20060147113A1 (en) | 2006-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100670003B1 (ko) | 적응형 문턱치를 이용한 영상의 평탄 영역 검출장치 및 그방법 | |
Eden | No-reference estimation of the coding PSNR for H. 264-coded sequences | |
EP2413586B1 (en) | Method and device for adaptive noise measurement of a video signal | |
EP1937002B1 (en) | Method and device for estimating the image quality of compressed images and/or video sequences | |
US8059157B2 (en) | Method and system for digital image stabilization | |
US9497468B2 (en) | Blur measurement in a block-based compressed image | |
CN109791695B (zh) | 基于图像块的运动向量确定所述块的方差 | |
KR20050012751A (ko) | 로컬 에지 통계적 분포를 기초로 선명도 메트릭스들을추정하는 방법 및 시스템 | |
CN101352029A (zh) | 用于场景变化检测的随机子采样分区表决算法 | |
JP2009512246A (ja) | 画像のショットタイプを決定する方法及び装置 | |
KR100782842B1 (ko) | 시간 잡음 추정의 신뢰성 추정 방법 및 시스템 | |
US20080152256A1 (en) | Method for estimating noise | |
US20100079665A1 (en) | Frame Interpolation Device | |
Tandon et al. | CAMBI: Contrast-aware multiscale banding index | |
KR101977802B1 (ko) | 영상 시스템에서 움직임 추정 장치 및 방법 | |
US9639919B2 (en) | Detection and correction of artefacts in images or video | |
US20100322304A1 (en) | Multi-source filter and filtering method based on h.264 de-blocking | |
KR0141308B1 (ko) | 경계검출방법 및 장치 | |
US20170214935A1 (en) | Method and device for processing a video sequence | |
US8768088B2 (en) | Error concealment method and device | |
US8472787B2 (en) | Method and apparatus for detecting a noise value of a video signal | |
Dardi et al. | No-reference measurement of perceptually significant blurriness in video frames | |
Hsu et al. | Combination of SSIM and JND with content-transition classification for image quality assessment | |
JP2005229166A (ja) | 映像信号のノイズ量測定装置および測定方法 | |
CN111353334A (zh) | 烟雾检测方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20121228 Year of fee payment: 7 |
|
FPAY | Annual fee payment |
Payment date: 20131230 Year of fee payment: 8 |
|
FPAY | Annual fee payment |
Payment date: 20141223 Year of fee payment: 9 |
|
FPAY | Annual fee payment |
Payment date: 20160111 Year of fee payment: 10 |
|
LAPS | Lapse due to unpaid annual fee |