KR100990791B1 - 영상의 블러 제거 방법 및 블러 제거 방법이 기록된 기록매체 - Google Patents

영상의 블러 제거 방법 및 블러 제거 방법이 기록된 기록매체 Download PDF

Info

Publication number
KR100990791B1
KR100990791B1 KR1020080138195A KR20080138195A KR100990791B1 KR 100990791 B1 KR100990791 B1 KR 100990791B1 KR 1020080138195 A KR1020080138195 A KR 1020080138195A KR 20080138195 A KR20080138195 A KR 20080138195A KR 100990791 B1 KR100990791 B1 KR 100990791B1
Authority
KR
South Korea
Prior art keywords
image
blur
gradient
original
noise
Prior art date
Application number
KR1020080138195A
Other languages
English (en)
Other versions
KR20100079658A (ko
Inventor
이승용
조성현
Original Assignee
포항공과대학교 산학협력단
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 포항공과대학교 산학협력단 filed Critical 포항공과대학교 산학협력단
Priority to KR1020080138195A priority Critical patent/KR100990791B1/ko
Priority to PCT/KR2009/005825 priority patent/WO2010076945A2/ko
Priority to CN200980155499.0A priority patent/CN102326379B/zh
Priority to DE112009004059.4T priority patent/DE112009004059B4/de
Priority to US12/580,975 priority patent/US8380000B2/en
Priority to JP2009239797A priority patent/JP4938070B2/ja
Publication of KR20100079658A publication Critical patent/KR20100079658A/ko
Application granted granted Critical
Publication of KR100990791B1 publication Critical patent/KR100990791B1/ko

Links

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
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/387—Composing, repositioning or otherwise geometrically modifying originals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Studio Devices (AREA)

Abstract

영상의 블러를 효과적으로 제거할 수 있는 영상의 블러 제거 방법 및 블러 제거 방법이 기록된 기록매체가 개시된다. 블러가 포함된 원본 영상 및 이전에 복원된 영상 중 어느 하나의 영상으로부터 선명한 영상을 예측하는 단계, 블러가 포함된 원본 영상 및 이전에 복원된 영상 중 어느 하나의 영상과 예측된 선명한 영상을 비교하여 블러를 추정하는 단계 및 추정된 블러에 기초하여 블러가 포함된 원본 영상 및 이전에 복원된 영상 중 어느 하나의 영상에 포함된 블러를 제거하여 영상을 복원하는 단계를 포함한다. 따라서, 한장의 영상에 포함된 블러를 신속하게 제거할 수 있고, 효과적으로 블러를 제거하여 영상의 품질을 향상시킬 수 있다.
영상, 블러, 선명, 복원

Description

영상의 블러 제거 방법 및 블러 제거 방법이 기록된 기록매체{Method For Removing Blur of Image And Recorded Medium For Perfoming Method of Removing Blur}
본 발명은 영상 처리 방법에 관한 것으로, 더욱 상세하게는 한 장의 영상만으로 신속하게 블러를 제거할 수 있고, 효과적으로 블러를 제거할 수 있는 영상의 블러 제거 방법 및 블러 제거 방법이 기록된 기록매체에 관한 것이다.
블러 현상은 영상 획득 장치를 이용해 영상을 획득하는 과정에서 흔히 발생할 수 있는 현상으로 영상의 품질을 저하시키는 주요한 원인 중 하나이다.
어두운 실내나 저녁 때의 야외에서처럼 광량이 부족한 환경에서 카메라와 같은 장치를 이용하여 영상을 획득하기 위해서는 충분한 광량을 얻기 위해 센서를 빛에 오래 노출시켜야 하는데, 노출 시간이 길어진 만큼 센서의 흔들림이 영상에 치명적인 블러 현상을 일으키게 된다.
블러 현상을 제거하기 위해 그 동안 많은 연구가 있었지만, 영상에서 블러를 제거하는 것은 여전히 풀기 어려운 문제이다. 이는 영상으로부터 블러를 추정하고 제거하는 문제가 주어진 정보의 양에 비해 알아내야 하는 정보의 양이 더 큰 부적 절하게 정의된 문제이기 때문이다.
따라서, 종래의 대부분의 해결책들은 이 문제를 해결하기 위해 여러 장의 영상을 사용하거나 센서의 노출 시간을 사용하는 등 부가적인 정보를 필요로 하거나, 블러의 모양이 2차원 벡터로 표현될 수 있는 선형 모션으로 제한하는 방식 등의 극히 제한된 형태의 블러 만을 가정하여 문제를 풀었다.
Ytizhakey et al.은 영상이 등방성을 가질 것이라는 가정을 이용하여 2D 벡터로 표현될 수 있는 블러를 추정하였다. Rav-Acha와 Peleg은 두 장의 블러가 있는 영상을 이용하여 블러를 추정하는 방법을 제시하였으며, Yuan et al.은 블러는 없지만 노이즈가 있는 영상과 블러가 있는 영상을 이용하여 블러를 추정하고 제거하는 방법을 제시하였다.
Money와 Kang은 블러가 있는 영상에 쇼크 필터(shock filter)를 적용하여 강한 외곽선을 복원한 후, 이를 이용하여 가우시안 블러(Gaussian blur) 및 2D 벡터로 표현 가능한 블러를 추정하는 방법을 제시하였다.
최근에는 한 장의 영상으로부터 적은 수의 파라미터로 표현 가능한 모션 블러보다 일반적인 블러를 추정하고 제거하는 방법들이 소개되었다. Fergus et al.은 일반적인 영상이 갖는 통계적인 특성을 이용하여 블러를 추정하는 방법을 제시하였으며, Jia는 영상으로부터 블러가 된 영역에 대한 정보를 알파 매트(alpha matte) 기법을 이용하여 알아낸 후 영상의 블러를 제거하는 방법을 제시하였다. 그러나, Fergus et al. 의 경우 통계적 모델의 복잡도로 인하여 좋은 결과를 내기 힘들고 많은 시간이 소모된다는 단점이 있으며, Jia의 방법의 경우 알파 매트 기법의 결과 에 매우 의존적이기 때문에 좋은 매트를 구할 수 있어야만 만족스러운 결과를 얻을 수 있다는 단점이 있다.
Shan et al.은 Fergus et al.이 제시한 일반적인 영상이 갖는 통계적 특성을 보다 계산하기 쉬운 형태로 제시하여 이를 이용한 블러의 추정 및 제거를 하는 방법을 제시하였다. 그러나 여전히 한 장의 영상을 처리하는데 수 분에서 십여 분 이상을 필요로 하기 때문에 실용적으로 사용하기 어렵다.
상기한 바와 같은 문제점을 극복하기 위한 본 발명의 제1 목적은, 한장의 영상으로부터 용이하고 신속하게 블러를 제거할 수 있고, 영상의 품질을 향상시킬 수 있는 영상의 블러 제거 방법을 제공하는 것이다.
본 발명의 제2 다른 목적은, 한장의 영상으로부터 용이하고 신속하게 블러를 제거할 수 있고, 영상의 품질을 향상시킬 수 있는 블러 제거 방법이 기록된 기록매체를 제공하는 것이다.
상술한 본 발명의 제1 목적을 달성하기 위한 본 발명의 일 측면에 따른 영상의 블러 제거 방법은, 블러가 포함된 원본 영상 및 이전에 복원된 영상 중 어느 하나의 영상으로부터 선명한 영상을 예측하는 단계, 상기 블러가 포함된 원본 영상 및 이전에 복원된 영상 중 어느 하나의 영상과 상기 예측된 선명한 영상을 비교하여 블러를 추정하는 단계 및 상기 추정된 블러에 기초하여 상기 블러가 포함된 원본 영상 및 이전에 복원된 영상 중 어느 하나의 영상에 포함된 블러를 제거하여 영상을 복원하는 단계를 포함한다. 블러가 포함된 원본 영상 및 이전에 복원된 영상 중 어느 하나의 영상으로부터 선명한 영상을 예측하는 단계는 상기 블러가 포함된 원본 영상 및 이전에 복원된 영상 중 어느 하나의 영상에 양방향 필터(bilateral filter)를 적용하는 단계, 상기 양방향 필터가 적용된 영상에 대해 쇼크 필터를 적용하는 단계, 상기 쇼크 필터가 적용된 영상의 그래디언트를 계산하 는 단계, 상기 계산된 그래디언트에 기초하여 임계값을 설정하는 단계 및 상기 계산된 그래디언트에 상기 설정된 임계값을 적용하여 상기 선명한 영상을 예측하는 단계를 포함할 수 있다. 상기 계산된 그래디언트에 기초하여 임계값을 설정하는 단계는 상기 계산된 그래디언트의 방향 및 크기에 기초하여 히스토그램을 생성하는 단계 및 상기 생성된 히스토그램에 포함된 각각의 방향에 상응하는 모션 블러 커널의 수직 및 수평 크기 중 최대값의 소정 배수 이상의 픽셀을 포함할 수 있는 그래디언트의 크기를 상기 임계값으로 결정하는 단계를 포함할 수 있다. 상기 계산된 그래디언트에 상기 설정된 임계값을 적용하여 상기 선명한 영상을 예측하는 단계는 상기 계산된 그래디언트와 상기 임계값을 비교하는 단계 및 상기 계산된 그래디언트가 상기 임계값보다 작은 경우 상기 계산된 그래디언트를 0으로 설정하는 단계를 포함할 수 있다. 상기 블러가 포함된 원본 영상 및 이전에 복원된 영상 중 어느 하나의 영상과 상기 예측된 선명한 영상을 비교하여 블러를 추정하는 단계는 영상의 그래디언트를 포함한 편미분 값을 이용하여 푸리에 변환 및 푸리에 역변환을 통해 상기 블러 추정할 수 있다. 상기 블러가 포함된 원본 영상 및 이전에 복원된 영상 중 어느 하나의 영상과 상기 예측된 선명한 영상을 비교하여 블러를 추정하는 단계는 수학시 Ax=b(여기서, A는 선명한 영상의 편미분 값들로 이루어진 컨볼루션 행렬, b는 블러가 포함된 영상의 편미분 값들로 이루어진 벡터, x는 블러 정보를 포함하는 벡터를 의미)의 해를 구함으로써 상기 블러를 추정할 수 있다. 상기 추정된 블러에 기초하여 상기 블러가 포함된 원본 영상 및 이전에 복원된 영상 중 어느 하나의 영상에 포함된 블러를 제거하여 영상을 복원하는 단계는 수학식 Kz=b(여기서, z는 복원할 영상에 해당하는 벡터, K는 상기 추정된 블러와 영상의 편미분 값들로 이루어진 벡터, b는 블러가 포함된 영상의 픽셀값과 영상의 편미분 값들로 이루어진 벡터를 의미)의 해를 구함으로써 상기 영상을 복원할 수 있다. 상기 추정된 블러에 기초하여 상기 블러가 포함된 원본 영상 및 이전에 복원된 영상 중 어느 하나의 영상에 포함된 블러를 제거하여 영상을 복원하는 단계는 복원될 영상에 포함되는 링잉 효과(ringing artifact)를 억제하는 단계를 포함할 수 있다. 상기 복원될 영상에 포함되는 링잉 효과(ringing artifact)를 억제하는 단계는 복원될 영상의 그래디언트를 계산하는 단계, 상기 복원될 영상의 그래디언트의 가장자리를 0을 갖는 값들로 확장하는 단계 및 상기 가장자리가 0을 갖는 값들로 확장된 그래디언트에 가장 가까운 영상을 계산하는 단계를 포함할 수 있다.
상술한 본 발명의 제2 목적을 달성하기 위한 본 발명의 일 측면에 따른 에지 향상 방법이 기록된 기록 매체는, 영상의 블러 제거를 수행하는 디지털 처리 장치에 의해 실행될 수 있는 명령어의 프로그램이 유형적으로 구현되어 있으면, 상기 디지털 처리 장치에 의해 판독될 수 있는 프로그램을 기록한 기록매체에 있어서, 블러가 포함된 원본 영상 및 이전에 복원된 영상 중 어느 하나의 영상으로부터 선명한 영상을 예측하는 단계, 상기 블러가 포함된 원본 영상 및 이전에 복원된 영상 중 어느 하나의 영상과 상기 예측된 선명한 영상을 비교하여 블러를 추정하는 단계 및 상기 추정된 블러에 기초하여 상기 블러가 포함된 원본 영상 및 이전에 복원된 영상 중 어느 하나의 영상에 포함된 블러를 제거하여 영상을 복원하는 단계를 수행하는 프로그램이 기록된다.
상기와 같은 영상의 블러 제거 방법 및 블러 제거 방법이 기록된 기록매체에 따르면, 블러가 포함된 원본 영상 및 이전에 복원된 영상 중 어느 하나의 영상에 양방향 필터(bilateral filter)를 적용하고, 상기 양방향 필터가 적용된 영상에 대해 쇼크 필터를 적용하며, 상기 쇼크 필터가 적용된 영상의 그래디언트를 계산하여 상기 계산된 그래디언트에 기초하여 임계값을 설정하고, 상기 계산된 그래디언트에 상기 설정된 임계값을 적용하여 상기 선명한 영상을 예측한다. 이후, 영상의 그래디언트를 포함한 편미분 값을 이용하여 푸리에 변환 및 푸리에 역변환을 통해 상기 블러 추정하고, 상기 추정된 블러에 기초하여 상기 블러가 포함된 원본 영상 및 이전에 복원된 영상 중 어느 하나의 영상에 포함된 블러를 제거하여 영상을 복원한다.
따라서, 한장의 영상에 포함된 블러를 신속하게 제거할 수 있고, 효과적으로 블러를 제거하여 영상의 품질을 향상시킬 수 있다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등 물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다. 이하, 본 발명의 실시예에서 영상 처리 장치는 본 발명의 일 실시예에 따른 영상의 블러 제거 방법이 수행될 수 있는 정보 처리 기기를 의미하는 것으로, 예를 들어, 카메라, 컴퓨터, 휴대용 단말기 등 다양한 장치가 될 수 있다.
도 1은 본 발명의 일 실시예에 따른 영상의 블러 제거 방법을 나타내는 흐름도이고, 도 2는 도 1에 도시된 선명한 영상 예측 단계를 상세하게 나타내는 흐름도이다.
도 1 및 도 2를 참조하면, 먼저, 영상 처리 장치는 블러가 포함된 원본 영상이 제공받는다(단계 110). 여기서, 영상 처리 장치가 카메라인 경우에는 상기 블러가 포함된 원본 영상은 이미지 센서로부터 제공될 수 있고, 영상 처리 장치가 컴퓨터 등과 같은 정보 처리 장치인 경우에는 상기 블러가 포함된 원본 영상은 저장장치로부터 독출하여 제공될 수 있다.
이후, 영상 처리 장치는 블러가 포함된 원본 영상 또는 이전 단계에서 복원된 영상 중 어느 하나의 영상에 대해 선명한 영상을 예측한다(단계 120). 여기서, 상기 이전 단계에서 복원된 영상은 단계 110 내지 단계 150을 수행하여 복원된 영상을 의미하는 것으로, 본 발명의 일 실시예에 따른 영상의 블러 방법이 최초로 수행되는 경우에는 블러가 포함된 원본 영상에 대해 선명한 영상을 예측하고, 영상의 블러 방법이 최초로 수행되는 경우가 아닌 경우에는 이전 단계에서 복원된 영상에 대해 선명한 영상을 예측 한다.
구체적으로, 블러 제거 장치는 블러가 포함된 원본 영상 또는 이전 단계에서 복원된 영상 중 어느 하나의 영상에 대해 양방향 필터(bilateral fiter)를 적용(단계 121)하여, 블러가 포함된 영상의 노이즈를 제거하고 영상에 포함된 에지를 선명하게 보존하기 위해 영상을 스무딩(smoothing) 처리 함으로써 영상에서 보다 정확한 에지 정보만을 남긴다.
이후, 블러 제거 장치는 양방향 필터가 적용된 영상에 쇼크 필터(shock filter)를 적용(단계 122)하여 영상에 포함된 에지를 선명하게 복원한다.
또한, 블러 제거 장치는 쇼크 필터가 적용된 영상에 대해 그래디언트를 계산한다(단계 123). 블러 제거 장치는 쇼크 필터가 적용된 복원된 영상의 그래디언트를 계산한다.
영상의 그래디언트의 계산은 영상의 수평방향 및 수직방향의 픽셀값을 각각 편미분하여 계산할 수 있다. 예를 들면, 영상의 밝기를 I(x,y)의 함수로 나타낼 경우, 영상의 수평방향의 그래디언트는 수학식 1과 같이 수평방향의 전방차분(forward difference)을 이용하여 계산할 수 있다.
Figure 112008090999974-pat00001
영상의 수직방향의 그래디언트도 상기 수학식 1과 유사한 방법으로 계산될 수 있다.
여기서, 영상의 각 픽셀별 그래디언트는 수학식 2를 통해 계산될 수 있다.
Figure 112008090999974-pat00002
이후, 블러 제거 장치는 계산된 그래디언트에 기초하여 임계값을 설정한다(단계 124). 여기서, 상기 임계값은 그래디언트의 방향 및 크기에 따라 그래디언트의 방향을 소정 각도(예를 들면 45도)간격으로 구분하고, 180도 내지 360도 사이는 부호만 다르고 동일한 방향의 각도로 계산하여 네 개의 방향에 대해 그래디언트의 크기에 따른 히스토그램을 생성하고, 생성된 히스토그램의 각각의 방향에 대해 모션 블러 커널의 수직 및 수평 크기 중 최대값의 소정 배수(예를 들면 1.5배) 이상의 픽셀을 포함할 수 있는 그래디언트의 크기를 임계값으로 설정한다. 여기서, 상기 모션 블러 커널은 영상이 흔들린 궤적을 2차원으로 나타낸 영상을 의미한다.
블러 제거 장치는 계산된 그래디언트와 상기 설정된 임계값을 비교하여 계산된 그래디언트가 임계값 보다 작은 경우는 그래디언트를 0으로 설정한다(단계 125).
쇼크 필터를 적용한 영상이 노이즈가 많기 때문에 임계값 보다 작은 그래디언트를 갖는 픽셀들은 노이즈에 손상이 될 수 있고, 불필요한 외곽선이 많기 때문에 계산된 그래디언트가 임계값 보다 작은 경우 그래디언트를 0으로 설정함으로써 불필요한 외곽선을 없애고 가장 선명한 외곽선만을 추출한다.
이후, 블러 제거 장치는 블러가 포함된 영상(즉, 블러가 포함된 원본 영상 또는 이전 단계에서 복원된 영상)과 예측된 선명한 영상을 비교하여 블러를 추정한다(단계 130).
구체적으로, 영상에 포함된 블러가 영상의 각 픽셀마다 동일한 경우, 블러가 포함된 영상은 예측된 선명한 영상과 블러 정보의 컨볼루션(convolution)연산의 결과에 해당하며, 상기 블러가 포함된 영상을 행렬식으로 표현하면 수학식 3과 같이 표현할 수 있다.
Ax=b
여기서, A는 예측된 선명한 영상의 픽셀값 또는 선명한 영상의 편미분 값으로 이루어진 행렬이고, x는 블러 정보를 담고 있는 벡터이며, b는 블러가 포함된 영상의 픽셀값 또는 블러가 포함된 영상의 편미분 값으로 이루어진 벡터를 의미한다.
상기 수학식 1의 해를 구하는 방식으로 영상의 블러를 추정할 수 있다. 수학식 4를 최소화하는 x를 구함으로써 상기 수학식 3의 해를 구할 수 있다.
(Ax-b)T(Ax-b) + αp(x) = 0
수학식 4에서, (Ax-b)T는 (Ax-b)의 전치행렬(transposed matrix)이고, p(x)는 정규화 함수(regularization function)이며, α는 정규화 함수에 대한 가중치를 의미한다.
일반적으로, 그래디언트 기반의 반복적 최적화 기법을 사용하여 수학식 4를 최소화하는 x를 구하기 위해서는 각각의 다른 x에 대해서 ATAx항을 여러 번 계산을 수행해야 하므로 시간이 많이 소요된다.
Ax 및 ATy는 컨볼루션 연산에 해당 하므로 푸리에 변환(fourier transform)을 이용하여 Ax를 계산하고, 다시 푸리에 변환을 이용하여 ATAx를 계산할 수 있다. 그러나, 이와 같은 경우에 푸리에 역변환을 포함해 최소 네 번의 푸리에 변환을 거쳐야 한다. 또한, 푸리에 변환은 모든 시그널이 무한히 반복된다는 가정을 이용하기 때문에 영상의 가장자리에 대한 고려가 필요하다. 따라서, Ax를 푸리에 변환으로 계산하고, 계산된 결과를 푸리에 역변환하여 영상의 가장자리에 해당하는 성분을 제거하고, 다시 푸리에 변환 후 ATy를 계산하는 과정을 거쳐야 하기 때문에 처리 속도가 증가하는 문제가 있다.
상기와 같은 문제점을 극복하기 위해 본 발명의 일 실시예에 따른 영상의 블러 제거 방법에서는 영상의 픽셀값 대신 영상의 그래디언트를 포함한 편미분 값을 이용하여 푸리에 역변환 및 푸리에 변환 회수를 감소시키고 이를 통해 신속하게 해(즉, x)를 구한다.
영상의 픽셀 값과 달리 영상의 편미분 값은 대부분 0에 가까운 값들로 이루어져 있고, 영상의 일차 편미분 값(즉, 그래디언트)이 0일 경우 픽셀값의 변화가 없는 영역을 나타내기 때문에 블러를 추정하는데 미치는 영향이 적게 된다. 따라서, 본 발명의 일 실시예에서는 영상의 가장자리를 편미분 값이 0인 값들을 가지는 영역으로 확장하고, 영상의 편미분 값들을 무한히 반복되는 신호로 가정한다.
따라서, 상기 수학식 3의 A는 선명한 영상의 편미분 값들로 이루어진 컨볼루션 행렬이 되고, b는 블러가 포함된 영상의 편미분 값들로 이루어진 벡터가 된다. F( )를 푸리에 변환, F- 1( )를 푸리에 역변환이라 하면, ATAx는 F-1(F(AT)˚F(A)˚F(x)를 이용하여 계산한 후, 적합한 성분만을 선택함으로써 구할 수 있다. 여기서, ˚는 푸리에 영역에서의 성분 별 곱셈을 의미한다. F(AT)˚F(A)는 선명한 영상이 예측된 경우 미리 계산이 가능하기 때문에 F(x)를 계산하는 과정 및 F- 1(x)를 계산하는 과정에서 총 한 쌍의 푸리에 변환 및 푸리에 역변환으로 해를 구할 수 있다.
블러 제거 장치는 추정된 블러를 이용하여 블러가 포함된 영상으로부터 선명한 영상을 복원한다(단계 140).
구체적으로, 선명한 영상은 상기 수학식 3과 유사한 수학식 5를 이용하여 복원될 수 있다.
Kz=b
수학식 5에서, z는 복원할 선명한 영상에 해당하는 벡터를 의미하고, K는 추정된 블러 또는 추정된 블러와 영상의 편미분 값들로 이루어진 벡터를 의미하고, b는 블러가 포함된 영상의 픽셀값 또는 픽셀값과 영상의 편미분 값들로 이루어진 벡터를 의미한다.
수학식 5는 (Kz-b)T(Kz-b)를 최소화하는 z를 구함으로써 해를 구할 수 있고, 보다 안적정인 해를 구하기 위해서 일반적으로 정규화 항을 추가로 사용할 수 있다. 정규화 항으로는 z에 해당하는 영상의 그래디언트의 절대값의 합 또는 z에 해당하는 영상의 그래디언트의 제곱의 합을 사용할 수 있다.
정규화 항으로 영상의 그래디언트의 제곱의 합을 사용할 경우 푸리에 변환을 이용하기 때문에 빠른 연산이 가능하나, 복원된 영상이 선명하지 않고 블러가 존재하며, 링잉 효과(ringing artifact)가 보다 많이 발생하는 단점이 있다. 영상 복원을 하는 과정에서 푸리에 변환을 이용하여 복원을 하는 방법은 푸리에 변환이 무한히 반복되는 영상을 가정하므로 영상의 가장자리로 인해 심각한 링잉 효과가 발생한다.
따라서, 링잉 효과의 발생을 억제하기 위해 가장자리를 처리해 주어야 하고, 이를 위한 종래의 방법들은 블러가 포함된 영상의 가장자리에 있는 에지를 스무딩하여 제거함으로써 영상 복원에 이용하거나 영상의 가장자리 외부에서 픽셀값이 부드럽게 이어지도록 픽셀들을 추가하여 영상 복원을 하여 가장자리로부터 생기는 링 잉 효과를 억제하는 방법을 사용한다.
그러나, 본 발명의 일 실시예에 따른 영상의 블러 제거 방법에서는 영상의 가장자리를 효과적으로 처리하기 위해서 복원될 영상의 그래디언트를 구한 후, 영상의 그래디언트의 가장자리를 0을 갖는 값들로 확장한다.
상기와 같이 그레디언트를 확장한 후, 확장된 그래디언트에 가장 가까운 영상을 계산한다. 가장자리 바깥 영역을 0으로 확장한 영상의 그래디언트에 해당하는 벡터를 각각 ix, iy라 하고, 새로운 영상에 해당하는 벡터를 j라 하면, ||Dxj-ix||2+||Dyj-iy||2를 최소화하는 j를 구함으로써 링잉 효과가 억제된 영상을 획득할 수 있다. 여기서, Dx와 Dy는 각각 수평 방향과 수직 방향의 영상의 그래디언트를 계산하는 컨볼루션 행렬이고, || ||2은 벡터의 L2-노름(norm)을 의미한다. j는 푸리에 변환과 푸리에 역변환을 이용하여 효과적으로 계산될 수 있다.
||Dxj-ix||2+||Dyj-iy||2을 만족하는 해(즉,j)가 상수만큼 더하거나 빼진 형태로 복수개가 존재할 수 있기 때문에, 구해진 해의 최소값을 이용하여 하나의 해를 구한다. 이렇게 구해진 해는 색의 변화가 부드럽게 나타나며 무한히 반복될 수 있는 영상으로, 전체적인 색의 톤이 원래의 영상과는 다르지만, 영상의 중요한 에지 정보를 여전히 포함하고 있기 때문에 영상에서 블러를 예측하는데 지장이 없으며, 신속하게 계산할 수 있는 장점이 있다.
도 1 및 도 2에 도시된 본 발명의 일 실시예에 따른 영상의 블러 제거 방법 에서, 단계 120 내지 단계 140은 영상에 포함된 블러에 따라 반복될 수 있다. 예를 들어, 단계 130에서 추정된 블러에 따라 단계 120 내지 단계 140의 수행이 반복될 수 있고, 단계 130에서 블러가 없는 것으로 추정되면 단계 140을 수행한 후 단계 150으로 진행하여 블러가 제거된 복원된 영상을 출력할 수 있다.
또는, 단계 120 내지 단계 140은 단계 130에서 추정된 블러에 따라 미리 설정된 회수만큼 반복하여 수행될 수 있다.
도 3은 본 발명의 일 실시예에 따른 영상의 블러 제거 방법을 통해 블러가 제거된 영상을 나타내는 것으로, 도 3의 (a)는 블러가 포함된 원본 영상을 나타내고, 도 3의 (b)는 본 발명의 일 실시예에 따른 블러 제거 방법을 이용하여 블러가 제거된 영상을 나타낸다.
도 3을 참조하면, 본 발명의 일 실시에에 따른 영상의 블러 제거 방법에서는 입력된 블러가 포함된 영상의 그래디언트를 계산하여 계산된 그래디언트에 기초하여 선명한 영상을 추정하고, 영상의 가장자리를 편미분 값이 0인 값들을 가지는 영역으로 확장하고 영상의 편미분 값들이 무한히 반복되는 신호로 가정하여 블러를 추정한 후, 추정된 블러에 기초하여 영상을 복원하기 때문에 신속하게 블러를 제거하면서도 고품질의 복원 영상을 얻을 수 있다.
이상 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 영상의 블러 제거 방법을 나타내는 흐름도이다.
도 2는 도 1에 도시된 선명한 영상 예측 단계를 상세하게 나타내는 흐름도이다.
도 3은 본 발명의 일 실시예에 따른 영상의 블러 제거 방법을 통해 블러가 제거된 영상을 나타내는 것이다.

Claims (10)

  1. 영상의 블러 제거 방법에 있어서,
    블러가 포함된 원본 영상 및 이전에 복원된 영상 중 어느 하나의 영상으로부터 노이즈가 제거되고 영상에 포함된 에지 정보가 보존된 영상을 예측하는 단계;
    상기 블러가 포함된 원본 영상의 편미분 값으로 이루어진 벡터와 상기 노이즈가 제거되고 영상에 포함된 에지 정보가 보존된 영상의 편미분 값으로 이루어진 행렬을 컨벌루션 연산을 수행하여 상기 블러가 포함된 원본 영상의 블러를 추정하는 단계; 및
    상기 추정된 블러에 기초하여 상기 블러가 포함된 원본 영상에 포함된 블러를 제거하여 영상을 복원하는 단계를 포함하는 영상의 블러 제거 방법.
  2. 제1항에 있어서, 상기 블러가 포함된 원본 영상 및 이전에 복원된 영상 중 어느 하나의 영상으로부터 노이즈가 제거되고 영상에 포함된 에지 정보가 보존된 영상을 예측하는 단계는,
    상기 블러가 포함된 원본 영상 및 이전에 복원된 영상 중 어느 하나의 영상에 양방향 필터(bilateral filter)를 적용하는 단계;
    상기 양방향 필터가 적용된 영상에 대해 쇼크 필터를 적용하는 단계;
    상기 쇼크 필터가 적용된 영상의 그래디언트를 계산하는 단계;
    상기 계산된 그래디언트에 기초하여 임계값을 설정하는 단계; 및
    상기 계산된 그래디언트에 상기 설정된 임계값을 적용하여 상기 노이즈가 제거되고 영상에 포함된 에지 정보가 보존된 영상을 예측하는 단계를 포함하는 것을 특징으로 하는 영상의 블러 제거 방법.
  3. 제2항에 있어서, 상기 계산된 그래디언트에 기초하여 임계값을 설정하는 단계는,
    상기 계산된 그래디언트의 방향 및 크기에 기초하여 히스토그램을 생성하는 단계; 및
    상기 생성된 히스토그램에 포함된 각각의 방향에 상응하는 모션 블러 커널의 수직 및 수평 크기 중 최대값과 적어도 동일한 수의 픽셀을 포함할 수 있는 그래디언트의 크기를 상기 임계값으로 결정하는 단계를 포함하는 영상의 블러 제거 방법.
  4. 제2항에 있어서, 상기 계산된 그래디언트에 상기 설정된 임계값을 적용하여 상기 노이즈가 제거되고 영상에 포함된 에지 정보가 보존된 영상을 예측하는 단계는,
    상기 계산된 그래디언트와 상기 임계값을 비교하는 단계; 및
    상기 계산된 그래디언트가 상기 임계값보다 작은 경우 상기 계산된 그래디언트를 0으로 설정하는 단계를 포함하는 것을 특징으로 하는 영상의 블러 제거 방법.
  5. 제1항에 있어서, 상기 블러가 포함된 원본 영상의 편미분 값으로 이루어진 벡터와 상기 노이즈가 제거되고 영상에 포함된 에지 정보가 보존된 영상의 편미분 값으로 이루어진 행렬을 컨벌루션 연산을 수행하여 상기 블러가 포함된 원본 영상의 블러를 추정하는 단계는,
    영상의 그래디언트를 포함한 편미분 값을 이용하여 푸리에 변환 및 푸리에 역변환을 통해 상기 블러 추정하는 것을 특징으로 하는 영상의 블러 제거 방법.
  6. 제1항에 있어서, 상기 블러가 포함된 원본 영상의 편미분 값으로 이루어진 벡터와 상기 노이즈가 제거되고 영상에 포함된 에지 정보가 보존된 영상의 편미분 값으로 이루어진 행렬을 컨벌루션 연산을 수행하여 상기 블러가 포함된 원본 영상의 블러를 추정하는 단계는,
    수학식 Ax=b(여기서, A는 노이즈가 제거되고 영상에 포함된 에지 정보가 보존된 영상의 편미분 값들로 이루어진 컨볼루션 행렬, b는 블러가 포함된 영상의 편미분 값들로 이루어진 벡터, x는 블러 정보를 포함하는 벡터를 의미)의 해를 구함으로써 상기 블러를 추정하는 것을 특징으로 하는 영상의 블러 제거 방법.
  7. 제1항에 있어서, 상기 추정된 블러에 기초하여 상기 블러가 포함된 원본 영상 및 이전에 복원된 영상 중 어느 하나의 영상에 포함된 블러를 제거하여 영상을 복원하는 단계는,
    수학식 Kz=b(여기서, z는 복원할 영상에 해당하는 벡터, K는 상기 추정된 블러와 영상의 편미분 값들로 이루어진 벡터, b는 블러가 포함된 영상의 픽셀값과 영상의 편미분 값들로 이루어진 벡터를 의미)의 해를 구함으로써 상기 영상을 복원하는 것을 특징으로 하는 영상의 블러 제거 방법.
  8. 제1항에 있어서, 상기 추정된 블러에 기초하여 상기 블러가 포함된 원본 영상 및 이전에 복원된 영상 중 어느 하나의 영상에 포함된 블러를 제거하여 영상을 복원하는 단계는,
    복원될 영상에 포함되는 링잉 효과(ringing artifact)를 억제하는 단계를 포함하는 것을 특징으로 하는 영상의 블러 제거 방법.
  9. 제8항에 있어서, 상기 복원될 영상에 포함되는 링잉 효과(ringing artifact)를 억제하는 단계는,
    복원될 영상의 그래디언트를 계산하는 단계;
    상기 복원될 영상의 그래디언트의 가장자리를 0을 갖는 값들로 확장하는 단계; 및
    상기 가장자리가 0을 갖는 값들로 확장된 그래디언트에 가장 가까운 영상을 계산하는 단계를 포함하는 것을 특징으로 하는 영상의 블러 제거 방법.
  10. 영상의 블러 제거를 수행하는 디지털 처리 장치에 의해 실행될 수 있는 명령어의 프로그램이 유형적으로 구현되어 있으면, 상기 디지털 처리 장치에 의해 판독될 수 있는 프로그램을 기록한 기록매체에 있어서,
    블러가 포함된 원본 영상 및 이전에 복원된 영상 중 어느 하나의 영상으로부터 노이즈가 제거되고 영상에 포함된 에지 정보가 보존된 영상을 예측하는 단계;
    상기 블러가 포함된 원본 영상의 편미분 값으로 이루어진 벡터와 상기 노이즈가 제거되고 영상에 포함된 에지 정보가 보존된 영상의 편미분 값으로 이루어진 행렬을 컨벌루션 연산을 수행하여 상기 블러가 포함된 원본 영상의 블러를 추정하는 단계; 및
    상기 추정된 블러에 기초하여 상기 블러가 포함된 원본 영상에 포함된 블러를 제거하여 영상을 복원하는 단계를 수행하는 프로그램을 기록한 기록 매체.
KR1020080138195A 2008-12-31 2008-12-31 영상의 블러 제거 방법 및 블러 제거 방법이 기록된 기록매체 KR100990791B1 (ko)

Priority Applications (6)

Application Number Priority Date Filing Date Title
KR1020080138195A KR100990791B1 (ko) 2008-12-31 2008-12-31 영상의 블러 제거 방법 및 블러 제거 방법이 기록된 기록매체
PCT/KR2009/005825 WO2010076945A2 (ko) 2008-12-31 2009-10-12 이미지의 블러 제거 방법 및 이미지의 블러 제거 방법이 기록된 기록매체
CN200980155499.0A CN102326379B (zh) 2008-12-31 2009-10-12 从图像中去除模糊的方法
DE112009004059.4T DE112009004059B4 (de) 2008-12-31 2009-10-12 Verfahren zum Entfernen von Unschärfe von einem Bild und Aufzeichnungsmedium, auf dem das Verfahren aufgezeichnet ist
US12/580,975 US8380000B2 (en) 2008-12-31 2009-10-16 Methods of deblurring image and recording mediums having the same recorded thereon
JP2009239797A JP4938070B2 (ja) 2008-12-31 2009-10-16 画像のブラー除去方法および記録媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080138195A KR100990791B1 (ko) 2008-12-31 2008-12-31 영상의 블러 제거 방법 및 블러 제거 방법이 기록된 기록매체

Publications (2)

Publication Number Publication Date
KR20100079658A KR20100079658A (ko) 2010-07-08
KR100990791B1 true KR100990791B1 (ko) 2010-10-29

Family

ID=42285081

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080138195A KR100990791B1 (ko) 2008-12-31 2008-12-31 영상의 블러 제거 방법 및 블러 제거 방법이 기록된 기록매체

Country Status (6)

Country Link
US (1) US8380000B2 (ko)
JP (1) JP4938070B2 (ko)
KR (1) KR100990791B1 (ko)
CN (1) CN102326379B (ko)
DE (1) DE112009004059B4 (ko)
WO (1) WO2010076945A2 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200066485A (ko) 2018-11-30 2020-06-10 동국대학교 산학협력단 블러된 영상 복원을 위한 장치 및 방법

Families Citing this family (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011049565A1 (en) * 2009-10-21 2011-04-28 Hewlett-Packard Development Company, L.P. Real-time video deblurring
JP5184574B2 (ja) * 2010-04-30 2013-04-17 パナソニック株式会社 撮像装置、画像処理装置、および画像処理方法
CN101986345B (zh) * 2010-11-04 2012-06-06 浙江大学 一种图像去模糊方法
US9535537B2 (en) 2010-11-18 2017-01-03 Microsoft Technology Licensing, Llc Hover detection in an interactive display device
CN102572201B (zh) * 2010-12-31 2015-01-28 北京大学 一种图像网纹去除方法及系统
KR101839617B1 (ko) * 2011-07-11 2018-03-19 포항공과대학교 산학협력단 멀티프레임을 이용한 비균일 모션 블러 제거 방법 및 장치
US8705881B2 (en) 2011-09-02 2014-04-22 Adobe Systems Incorporated Motion deblurring for text images
JP5910043B2 (ja) * 2011-12-02 2016-04-27 富士通株式会社 撮像装置、画像処理プログラム、画像処理方法、および画像処理装置
JP2013152583A (ja) * 2012-01-25 2013-08-08 Nagoya Institute Of Technology 画像処理装置
CN102708541B (zh) * 2012-02-22 2015-01-14 贵州大学 微扰法解图像模糊
KR101810876B1 (ko) * 2012-03-13 2018-01-26 삼성전자주식회사 타일 단위를 기반으로 큰 입력 영상의 비균일 모션 블러를 제거하는 방법 및 장치
WO2013148142A1 (en) * 2012-03-29 2013-10-03 Nikon Corporation Algorithm for minimizing latent sharp image cost function and point spread function cost function with a spatial mask in a regularization term
WO2013148139A1 (en) 2012-03-29 2013-10-03 Nikon Corporation Algorithm for minimizing latent sharp image and point spread function cost functions with spatial mask fidelity
US9202265B2 (en) * 2012-04-30 2015-12-01 Nikon Corporation Point spread function cost function with non-uniform weights
US8867856B2 (en) * 2012-11-12 2014-10-21 Adobe Systems Incorporated De-noising image content using directional filters for image de-blurring
CN103337055B (zh) * 2013-06-24 2016-07-20 暨南大学 一种基于梯度拟合的文本图像去模糊方法
EP3028220A4 (en) 2013-07-29 2017-04-05 Nikon Corporation Multiple phase method for image deconvolution
US9430817B2 (en) 2013-11-12 2016-08-30 Microsoft Technology Licensing, Llc Blind image deblurring with cascade architecture
US9659351B2 (en) * 2014-03-12 2017-05-23 Purdue Research Foundation Displaying personalized imagery for improving visual acuity
CN104932868B (zh) * 2014-03-17 2019-01-15 联想(北京)有限公司 一种数据处理方法及电子设备
CN105096261B (zh) * 2014-05-13 2018-04-17 北京大学 图像处理装置和图像处理方法
CN105469363B (zh) 2014-09-05 2018-05-18 华为技术有限公司 基于模糊图像生成清晰图像的方法和装置
CN104794691B (zh) * 2015-04-07 2017-06-23 浙江大学 利用广义高斯模型进行单张失焦图像清晰重建的方法
KR101624503B1 (ko) 2015-05-11 2016-05-26 한화탈레스 주식회사 번짐 영상의 복원 방법
WO2016183716A1 (zh) * 2015-05-15 2016-11-24 北京大学深圳研究生院 图像去模糊方法及系统
KR101596203B1 (ko) * 2015-06-16 2016-02-22 중앙대학교 산학협력단 모션 블러 이미지 복원 방법 및 장치
JP2017010092A (ja) * 2015-06-17 2017-01-12 キヤノン株式会社 画像処理装置、撮像装置、画像処理方法、画像処理プログラム、および、記憶媒体
JP6541454B2 (ja) * 2015-06-17 2019-07-10 キヤノン株式会社 画像処理装置、撮像装置、画像処理方法、画像処理プログラム、および、記憶媒体
KR101671391B1 (ko) * 2015-07-07 2016-11-02 한국과학기술연구원 레이어 블러 모델에 기반한 비디오 디블러링 방법, 이를 수행하기 위한 기록 매체 및 장치
US9852330B1 (en) 2015-07-27 2017-12-26 United Launch Alliance, L.L.C. System and method to enable the application of optical tracking techniques for generating dynamic quantities of interest with alias protection
US11354881B2 (en) 2015-07-27 2022-06-07 United Launch Alliance, L.L.C. System and method to enable the application of optical tracking techniques for generating dynamic quantities of interest with alias protection
CN105512461B (zh) * 2015-11-26 2019-02-12 深圳市华星光电技术有限公司 背光源mura值的计算方法、系统及检测装置
CN105957043B (zh) * 2016-06-22 2018-12-14 西北工业大学 基于梯度自动激活的模糊图像盲复原方法
WO2018097677A1 (en) 2016-11-28 2018-05-31 Samsung Electronics Co., Ltd. Image processing apparatus, image processing method, and computer-readable recording medium thereof
KR101862490B1 (ko) * 2016-12-13 2018-05-29 삼성전기주식회사 영상 보정 프로세서 및 컴퓨터 판독가능 기록 매체
US10628995B2 (en) 2017-04-17 2020-04-21 Microsoft Technology Licensing, Llc Anti-aliasing of graphical elements defined based on functions
CN107610056B (zh) * 2017-08-11 2020-08-11 南京信息工程大学 基于全变分的混合加权维纳滤波图像去噪方法
US11276159B1 (en) 2018-05-15 2022-03-15 United Launch Alliance, L.L.C. System and method for rocket engine health monitoring using digital image correlation (DIC)
CN110874826B (zh) * 2019-11-18 2020-07-31 北京邮电大学 应用于离子束精准镀膜的工件图像去雾化方法及装置
CN116612048B (zh) * 2023-07-17 2023-09-26 山东产研卫星信息技术产业研究院有限公司 一种光学卫星遥感影像去模糊处理方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001126061A (ja) 1999-10-28 2001-05-11 Sony Corp 画像処理装置および画像処理方法、並びにデータ処理装置およびデータ処理方法
KR100688536B1 (ko) 2005-03-09 2007-03-02 삼성전자주식회사 영상신호 잡음제거장치 및 영상신호 잡음제거방법

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0832839A (ja) * 1994-07-19 1996-02-02 Sharp Corp 雑音除去装置
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
US7728844B2 (en) * 2004-07-09 2010-06-01 Nokia Corporation Restoration of color components in an image model
CN1904941A (zh) * 2005-07-29 2007-01-31 清华大学 一种图像处理中的去模糊方法
US20070165961A1 (en) * 2006-01-13 2007-07-19 Juwei Lu Method And Apparatus For Reducing Motion Blur In An Image
US7587099B2 (en) * 2006-01-27 2009-09-08 Microsoft Corporation Region-based image denoising
JP2007334457A (ja) * 2006-06-12 2007-12-27 Toshiba Corp 画像処理装置及び画像処理方法
US20080137978A1 (en) * 2006-12-07 2008-06-12 Guoyi Fu Method And Apparatus For Reducing Motion Blur In An Image
JP4799428B2 (ja) * 2007-01-22 2011-10-26 株式会社東芝 画像処理装置及び方法
KR101399012B1 (ko) * 2007-09-12 2014-05-26 삼성전기주식회사 영상 복원 장치 및 방법
JP2009182576A (ja) * 2008-01-30 2009-08-13 Canon Inc 画像処理装置、撮像装置、印刷装置及び画像処理方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001126061A (ja) 1999-10-28 2001-05-11 Sony Corp 画像処理装置および画像処理方法、並びにデータ処理装置およびデータ処理方法
KR100688536B1 (ko) 2005-03-09 2007-03-02 삼성전자주식회사 영상신호 잡음제거장치 및 영상신호 잡음제거방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200066485A (ko) 2018-11-30 2020-06-10 동국대학교 산학협력단 블러된 영상 복원을 위한 장치 및 방법

Also Published As

Publication number Publication date
US20100166332A1 (en) 2010-07-01
CN102326379B (zh) 2014-11-05
KR20100079658A (ko) 2010-07-08
US8380000B2 (en) 2013-02-19
DE112009004059T5 (de) 2012-07-12
JP4938070B2 (ja) 2012-05-23
DE112009004059B4 (de) 2017-07-27
WO2010076945A3 (ko) 2010-08-12
WO2010076945A2 (ko) 2010-07-08
JP2010157210A (ja) 2010-07-15
CN102326379A (zh) 2012-01-18

Similar Documents

Publication Publication Date Title
KR100990791B1 (ko) 영상의 블러 제거 방법 및 블러 제거 방법이 기록된 기록매체
Cho et al. Fast motion deblurring
WO2016183716A1 (zh) 图像去模糊方法及系统
US9262815B2 (en) Algorithm for minimizing latent sharp image cost function and point spread function cost function with a spatial mask in a regularization term
Satish et al. A Comprehensive Review of Blind Deconvolution Techniques for Image Deblurring.
Hu et al. PSF estimation via gradient domain correlation
US9589328B2 (en) Globally dominant point spread function estimation
KR20130104259A (ko) 타일 단위를 기반으로 큰 입력 영상의 비균일 모션 블러를 제거하는 방법 및 장치
Lee et al. High-quality non-blind image deconvolution with adaptive regularization
Javaran et al. Non-blind image deconvolution using a regularization based on re-blurring process
KR101362011B1 (ko) 링잉 아티펙트없는 블러 제거 방법
Jon et al. Image restoration using overlapping group sparsity on hyper-laplacian prior of image gradient
Mosleh et al. Explicit ringing removal in image deblurring
Li et al. Blind image motion deblurring with L0-regularized priors
KR20130007889A (ko) 멀티프레임을 이용한 비균일 모션 블러 제거 방법 및 장치
Anantrasirichai Atmospheric turbulence removal with complex-valued convolutional neural network
Dong et al. Single image blind deblurring based on the fractional-order differential
US8478062B2 (en) Reducing signal-dependent noise in digital cameras
Javaran et al. Blind motion image deblurring using an effective blur kernel prior
KR101152525B1 (ko) 모션 블러 제거 방법 및 이러한 방법을 수행하는 장치
Zhao et al. An improved image deconvolution approach using local constraint
Khongkraphan et al. An efficient blind image deblurring using a smoothing function
Panigrahi et al. Joint bilateral filter for signal recovery from phase preserved curvelet coefficients for image denoising
Tsai et al. An improved adaptive deconvolution algorithm for single image deblurring
Sadaka et al. Efficient perceptual attentive super-resolution

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: 20130930

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20140930

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20151001

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20161004

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20180201

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20181001

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20190925

Year of fee payment: 10