KR100670003B1 - 적응형 문턱치를 이용한 영상의 평탄 영역 검출장치 및 그방법 - Google Patents

적응형 문턱치를 이용한 영상의 평탄 영역 검출장치 및 그방법 Download PDF

Info

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
Application number
KR1020040113795A
Other languages
English (en)
Other versions
KR20060075204A (ko
Inventor
한승훈
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020040113795A priority Critical patent/KR100670003B1/ko
Priority to US11/237,942 priority patent/US7970208B2/en
Publication of KR20060075204A publication Critical patent/KR20060075204A/ko
Application granted granted Critical
Publication of KR100670003B1 publication Critical patent/KR100670003B1/ko

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

적응형 문턱치를 이용한 영상의 평탄 영역 검출장치 및 그 방법{The apparatus for detecting the homogeneous region in the image using the adaptive threshold value}
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:
Figure 112004061988741-pat00001
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:
Figure 112004061988741-pat00002
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.
Figure 112004061988741-pat00003
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.
Figure 112004061988741-pat00004
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.
Figure 112004061988741-pat00005
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.
Figure 112004061988741-pat00006
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.
Figure 112004061988741-pat00007
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
Figure 112004061988741-pat00008
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)

  1. 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; 및
    상기 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.
  2. 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; 및
    상기 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.
  3. 제1항에 있어서, 상기 적응형 문턱치(T1)는,
    다음의 수식에 의해 산출되는 것을 특징으로 하는 적응형 문턱치를 이용한 영상의 평탄영역 검출장치:
    Figure 112004061988741-pat00009
    여기서, T1은 적응형 문턱치, K는 복잡도 상수, σg는 입력영상의 전역 표준편차이다.
  4. 제3항에 있어서, 상기 복잡도 상수(K)는,
    bit/symbol을 의미하는 엔트로피 상수인 것을 특징으로 하는 적응형 문턱치를 이용한 영상의 평탄영역 검출장치.
  5. 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; 및
    상기 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.
  6. 제5항에 있어서, 상기 제2 단계는,
    상기 전역 표준편차(σg) 및 입력영상의 복잡도 상수(K)를 기초로 적응형 문턱치(T1)를 산출하는 단계; 및
    상기 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.
  7. 제5항에 있어서, 상기 적응형 문턱치(T1)는,
    다음의 수식에 의해 산출되는 것을 특징으로 하는 적응형 문턱치를 이용한 영상의 평탄영역 검출방법:
    Figure 112004061988741-pat00010
    여기서, T1은 적응형 문턱치, K는 복잡도 상수, σg는 입력영상의 전역 표준편차이다.
  8. 제7항에 있어서, 상기 복잡도 상수(K)는,
    bit/symbol을 의미하는 엔트로피 상수인 것을 특징으로 하는 적응형 문턱치를 이용한 영상의 평탄영역 검출방법.
KR1020040113795A 2004-12-28 2004-12-28 적응형 문턱치를 이용한 영상의 평탄 영역 검출장치 및 그방법 KR100670003B1 (ko)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (2)

* Cited by examiner, † Cited by third party
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