KR20210154409A - 모바일 디지털 이미지 확대 필터 장치 및 방법 - Google Patents
모바일 디지털 이미지 확대 필터 장치 및 방법 Download PDFInfo
- Publication number
- KR20210154409A KR20210154409A KR1020200071393A KR20200071393A KR20210154409A KR 20210154409 A KR20210154409 A KR 20210154409A KR 1020200071393 A KR1020200071393 A KR 1020200071393A KR 20200071393 A KR20200071393 A KR 20200071393A KR 20210154409 A KR20210154409 A KR 20210154409A
- Authority
- KR
- South Korea
- Prior art keywords
- filter
- image
- equation
- resolution
- low
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4015—Demosaicing, e.g. colour filter array [CFA], Bayer pattern
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4007—Interpolation-based scaling, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4053—Super resolution, i.e. output image resolution higher than sensor resolution
-
- 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 by the use of local operators
-
- 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
- G06T2207/20024—Filtering details
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
모바일 디지털 이미지 확대 필터 장치 및 방법은 최소 제곱 회귀 모형(Least Squares Regression Model)을 이용하여 컬러 필터를 생성하고, 이 중 가장 복원 성능이 좋은 필터를 선택하여 영상 보간을 수행함으로써 다른 영상 필터와 비교하여 탁월한 성능을 제공하고, 시각적으로 최상의 평균 보간 성능을 수행할 수 있는 효과가 있다.
Description
본 발명은 영상 필터 장치에 관한 것으로서, 더욱 상세하게는 최소 제곱 회귀 모형(Least Squares Regression Model)을 이용하여 컬러 필터를 생성하고, 이 중 가장 복원 성능이 좋은 필터를 선택하여 영상 보간을 수행하는 컬러 영상 복원을 위한 모바일 디지털 이미지 확대 필터 장치 및 방법에 관한 것이다.
카메라에는 가시광선 이미지 센서와 적외선 이미지 센서가 모두 장착되어 있다.
이러한 두 가지 유형의 센서는 가시광선 이미지와 적외선 이미지를 각각 캡처할 수 있다.
가시광선 이미지는 풍부한 텍스쳐(Texture) 정보가 포함되어 있으며, 가시광선 이미지 센서는 환경에 영향을 받기 쉽다.
예를 들어, 가시광선 이미지에서 특정 물체가 어둡거나 짙은 안개 상태에서 보이지 않을 수 있다.
반대로 적외선 이미지는 열 복사에 따라 캡처된다. 따라서, 모든 조건에서 24 시간 내 안정적으로 작동될 수 있다.
그러나 적외선 이미지에는 종종 텍스쳐 정보가 부족한 단점이 있다.
현재까지도 CCTV 카메라와 같이, 정밀한 이미지 생성을 해야 하는 분야에서 해상도가 떨어져 객체 검출이 용이하지 않는 문제점이 있다. 이에 따라 다양한 분야(군사, 범인 검거의 경찰 등)에서 부족한 이미지가 생성되어 객체 검출을 하지 못하므로 문제 해결을 하지 못하는 문제점이 계속적으로 발생하고 있다.
이와 같은 문제점을 해결하기 위하여, 본 발명은 최소 제곱 회귀 모형(Least Squares Regression Model)을 이용하여 컬러 필터를 생성하고, 이 중 가장 복원 성능이 좋은 필터를 선택하여 영상 보간을 수행하는 모바일 디지털 이미지 확대 필터 장치 및 방법을 제공하는데 그 목적이 있다.
상기 목적을 달성하기 위한 본 발명의 특징에 따른 모바일 디지털 이미지 확대 필터 장치는,
원본 영상인 저해상도 영상을 입력받는 영상 입력부;
상기 영상 입력부로부터 입력된 저해상도 영상을 최소 제곱 회귀 모형(Least Squares Regression Model)을 이용하여 하나 이상의 컬러 필터를 생성하는 필터 생성부;
상기 필터 생성부로부터 생성된 복수의 컬러 필터 중에서 복원 성능을 기초로 하나의 필터를 결정하는 필터 결정부; 및
상기 저해상도 영상로부터 생성된 저해상도 컬러 필터 어레이(imCFA)를 상기 결정된 필터로 영상 보간하여 복원 영상을 생성하는 영상 복원부를 포함하는 것을 특징으로 한다.
본 발명의 특징에 따른 모바일 디지털 이미지 확대 필터 방법은,
영상 입력부는 원본 영상인 저해상도 영상을 입력받는 단계;
필터 생성부는 상기 영상 입력부로부터 입력된 저해상도 영상을 최소 제곱 회귀 모형(Least Squares Regression Model)을 이용하여 하나 이상의 컬러 필터를 생성하는 단계;
필터 결정부는 상기 필터 생성부로부터 생성된 복수의 컬러 필터 중에서 복원 성능을 기초로 하나의 필터를 결정하는 단계; 및
영상 복원부는 상기 저해상도 영상로부터 생성된 저해상도 컬러 필터 어레이(imCFA)를 상기 결정된 필터로 영상 보간하여 복원 영상을 생성하는 단계를 포함하는 것을 특징으로 한다.
전술한 구성에 의하여, 본 발명은 다른 영상 필터와 비교하여 탁월한 성능을 제공하고, 시각적으로 최상의 평균 보간 성능을 수행할 수 있는 효과가 있다.
도 1은 본 발명의 실시예에 따른 컬러 영상 복원을 위한 영상 복원 장치의 구성을 간략하게 나타낸 블록도이다.
도 2는 본 발명의 실시예에 따른 최소 제곱 회귀의 훈련 절차(A)와 디모자이킹 절차(B)를 나타낸 도면이다.
도 3은 본 발명의 실시예에 따른 4개의 훈련 필터()의 주파수 응답을 나타낸 도면이다.
도 4는 본 발명의 실시예에 따른 4개의 훈련 필터()의 필터 계수를 나타낸 도면이다.
도 5는 본 발명의 실시예에 따른 서로 다른 크기의 필터 간의 주파수 응답의 차이를 나타낸 도면이다.
도 6은 본 발명의 실시예에 따른 컬러 영상과 휘도 영상의 LC 데이터 시트를 나타낸 도면이다.
도 7은 본 발명의 실시예에 따른 7가지 보간 방법에 대한 PSNR 결과를 나타낸 도면이다.
도 2는 본 발명의 실시예에 따른 최소 제곱 회귀의 훈련 절차(A)와 디모자이킹 절차(B)를 나타낸 도면이다.
도 3은 본 발명의 실시예에 따른 4개의 훈련 필터()의 주파수 응답을 나타낸 도면이다.
도 4는 본 발명의 실시예에 따른 4개의 훈련 필터()의 필터 계수를 나타낸 도면이다.
도 5는 본 발명의 실시예에 따른 서로 다른 크기의 필터 간의 주파수 응답의 차이를 나타낸 도면이다.
도 6은 본 발명의 실시예에 따른 컬러 영상과 휘도 영상의 LC 데이터 시트를 나타낸 도면이다.
도 7은 본 발명의 실시예에 따른 7가지 보간 방법에 대한 PSNR 결과를 나타낸 도면이다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
도 1은 본 발명의 실시예에 따른 모바일 디지털 이미지 확대 필터 장치의 구성을 간략하게 나타낸 블록도이고, 도 2는 본 발명의 실시예에 따른 최소 제곱 회귀의 훈련 절차(A)와 디모자이킹 절차(B)를 나타낸 도면이다.
본 발명의 실시예에 따른 모바일 디지털 이미지 확대 필터 장치(100)는 영상 입력부(110), 필터 생성부(120), 필터 결정부(130), 영상 복원부(140) 및 영상 출력부(150)를 포함한다.
영상 입력부(110)는 원본 영상인 저해상도 영상을 입력받는다.
필터 생성부(120)는 영상 입력부(110)로부터 입력된 저해상도 영상을 최소 제곱 회귀 모형(Least Squares Regression Model)을 이용하여 하나 이상의 컬러 필터를 생성한다.
필터 결정부(130)는 필터 생성부(120)로부터 생성된 복수의 컬러 필터 중에서 최적의 복원 성능을 가진 필터를 결정한다.
영상 복원부(140)는 저해상도 영상로부터 생성된 저해상도 컬러 필터 어레이(imCFA)를 상기 결정된 필터에 적용하여 복원 영상을 생성한다.
영상 출력부(150)는 영상 복원부(140)에서 생성된 복원 영상을 출력한다.
최소 제곱 회귀 모형(Least Squares Regression Model)은 파라미터의 선형 결합을 포함할 때, 선형 모델이다.
최소 제곱 회귀 모형의 기본 형태는 수학식 1과 같다.
여기서, 는 정규 유클리드 규범(Normal Eucclidean norm)이고, 는 X의 전치라고 설명된다. 이러한 문제는 C가 독립 컬럼(Independent Column)이고, 가 뒤집을 수 없다라는 특이한 답을 가진다.
d는 원본 영상이고, C는 구하고자 하는 필터 계수이며, x는 원본 영상을 강제로 저해상도로 만든 영상이다. 즉, x1, d1와, x2, d2 등을 다수 사용한다.
수학식 1은 저해상도 영상 x에 C를 내적했을 때 결과가 Cx가 되며, 이것이 d와 일치하도록 하는 것이 목표이다.
수학식 1의 min의 의미는 Cx와 d를 최대한 같게 만들어 차분치 값을 0에 근접하게 만드는 것이다.
본 발명은 저해상도 영상을 가지고 있다고 할 때, C를 내적해서 최적의 영상을 만들 수 있다.
수학식 2는 Cx-d를 0에 근접하게 만든 후, 하기의 수학식 3과 같이 재배열할 수 있다. ▽은 Cx-d가 0인 아닌 경우 차분치를 의미한다. Cx-d를 0이 되는 것이 가장 이상적인 경우이다.
영상 입력부(110)는 Column Matrix C와 d라는 저해상도 입력 영상을 입력받고, 필터 생성부(120), 필터 결정부(130), 영상 복원부(140)는 이러한 2개의 입력값을 이용하고, 영상 출력부(150)는 최소 제곱 추정치()이라는 고해상도 출력 영상을 만든다.
Column Matrix C는 본 발명의 훈련(Training)을 통해 얻어지고, d는 사용자의 입력하는 입력 영상이다.
이러한 수학식 4는 디모자이킹(Demosaicking)에 적용할 수 있다. 최소 제곱 방법은 원본 영상과 복원 영상 간의 차이를 최소화하는 것이다.
필터 계수는 훈련 과정에서 최소 제곱 방법에 의해 계산된다.
3개의 영상인 원본 영상(imo), 저해상도 CFA 영상(imCFA), 복원 영상(imR)를 고려할 때, 저해상도 CFA 이미지가 다른 이미지들보다 작으며, 하나의 색상 채널만 있다.
그런 다음, 각 픽셀은 세 가지 색상구성 요소 중 하나로부터 나오고, 이후에 결과 이미지(imR)는 하기의 수학식 5에 의해 계산된다.
필터 생성부(120)는 하기의 수학식 6의 원본 영상과 복원 영상 간의 차이를 계산하는 비용 함수를 이용하여 컬러 필터를 생성한다.
본 발명은 5×5 훈련 필터, 7×7 훈련 필터, 9×9 훈련 필터, 11×11 훈련 필터에 의해 훈련 과정을 수행한다. 필터의 크기가 클수록 이미지 품질이 좋아지고, 복잡성이 높아진다.
그러나 필터 크기가 증가로 곱셈과 덧셈의 증가로 인하여 주파수 영역에서의 필터링이 더 효율적이 된다.
주파수 응답은 자극에 반응하는 결과 이미지의 스펙트럼의 측정 가능한 용량이며, 시스템 활동을 설명하는데 사용된다.
그러나 (u,v)≠(0,0)인 경우, 각 필터에서 주파수 응답이 다르다. 예를 들어, 의 주파수 응답에는 의 주파수 응답보다 저주파 정보가 많은 반면, 고주파수 정보가 적게 포함되어 있다.
실험은 다른 방법의 성능을 평가하기 위해서 수행하였다. 피크 신호 대 잡음비(peak signal-to-noise ratio, PSNR)는 보간 접근법의 성능을 평가하기 위해 중요성을 두고 이용한다.
각 접근법의 PSNR을 평가하기 위해 LC 데이터 세트에서 선택된 25개의 이미지를 사용한다. 이러한 영상은 도 6에 도시된 바와 같이, 720×540의 해상도를 갖는다.
도 6의 (A)는 컬러 영상을 나타내고, 도 9의 (B)는 휘도 영상을 나타낸다. 벤치마크 방법은 각 이미지의 휘도 채널에서 테스트된다.
서로 다른 필터 크기를 가진 본 발명은 NN(Nearest Neighbor), BI(Bilinear), BC(Bicubic) 방법과 비교한다.
PSNR 메트릭(Metric)은 복원 이미지의 품질을 계산할 수 있다. PSNR과 MSE 공식은 하기의 수학식 9와 수학식 10과 같다.
여기서, 매개 변수 R과 C는 이미지의 행 및 열 크기이고, 매개 변수 P는 피크 강도값 255이다.
매개 변수 imO와 imR는 원본 이미지 및 복원 이미지이며, 매개 변수 r과 c는 행 및 열 방향의 픽셀 위치이다.
다음의 표 1은 휘도 채널에 대한 다양한 방법의 PSNR 값을 보여준다.
표 1은 NN 방법, BI 방법, BC 방법, 5×5 사이즈 필터, 7×7 사이즈 필터, 9×9 사이즈 필터, 11×11 사이즈 필터의 PSNR 결과이다. 즉, 필터 사이즈가 크면 대부분 결과가 좋아짐을 나타낸다.
그레이 채널만 조사한 이유는 YCbCr의 휘도 정보가 인간 시각 시스템에 가장 중요한 채널이기 때문이다. PSNR이 가장 높은 숫자는 굵게 표시된다.
표 1에서 두 번째로 높은 PSNR을 가진 숫자는 italic으로 표시된다. 표 1에서는 더 큰 필터가 더 나은 성능을 제공함을 알 수 있다. 물론, 일반적으로 필터 사이즈가 커지면 성능이 좋고, 계산량이 늘어나지만, 경우에 따라서 필터 사이즈가 작은데 오히려 성능이 좋은 경우도 있다.
본 발명의 영상 복원 방법은 테스트된 방법 중 최고의 평균 PSNR 성능을 보였으며, 도 7에서 7가지 보간 방법에 대한 PSNR 결과를 보여주었다.
이상에서 본 발명의 실시예는 장치 및/또는 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하기 위한 프로그램, 그 프로그램이 기록된 기록 매체 등을 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시예의 기재로부터 본 발명이 속하는 기술분야의 전문가라면 쉽게 구현할 수 있는 것이다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.
100: 모바일 디지털 이미지 확대 필터 장치
110: 영상 입력부
120: 필터 생성부
130: 필터 결정부
140: 영상 복원부
150: 영상 출력부
110: 영상 입력부
120: 필터 생성부
130: 필터 결정부
140: 영상 복원부
150: 영상 출력부
Claims (9)
- 원본 영상인 저해상도 영상을 입력받는 영상 입력부;
상기 영상 입력부로부터 입력된 저해상도 영상을 최소 제곱 회귀 모형(Least Squares Regression Model)을 이용하여 하나 이상의 컬러 필터를 생성하는 필터 생성부;
상기 필터 생성부로부터 생성된 복수의 컬러 필터 중에서 복원 성능을 기초로 하나의 필터를 결정하는 필터 결정부; 및
상기 저해상도 영상로부터 생성된 저해상도 컬러 필터 어레이(imCFA)를 상기 결정된 필터로 영상 보간하여 복원 영상을 생성하는 영상 복원부를 포함하는 것을 특징으로 하는 모바일 디지털 이미지 확대 필터 장치. - 제1항에 있어서,
상기 필터 생성부는 최소 제곱 회귀 모형인 하기의 수학식 3과 수학식 4의 해를 계산하고, 하기의 수학식 4를 Cx-d를 0으로 근접하게 만들어 재배열하면 하기의 수학식 5와 같이 표현되고, 최소 제곱 추정치()를 하기의 수학식 6에 의해 계산하며, 하기의 수학식 7에 의해 생성되는 상기 컬러 필터를 계산하는데 상기 최소 제곱 추정치를 이용하는 것을 특징으로 하는 모바일 디지털 이미지 확대 필터 장치.
[수학식 3]
여기서, 는 정규 유클리드 규범(Normal Eucclidean norm), 는 X의 전치, d는 원본 영상, C는 구하고자 하는 필터 계수, x는 원본 영상을 강제로 저해상도로 만든 영상
[수학식 4]
여기서, ▽은 Cx-d가 0인 아닌 경우 차분치임.
[수학식 5]
[수학식 6]
[수학식 7]
여기서, h는 익명의 후보 필터이고, 매개 변수()는 imO와 imR 간의 차이를 계산하는 비용 함수임. - 영상 입력부는 원본 영상인 저해상도 영상을 입력받는 단계;
필터 생성부는 상기 영상 입력부로부터 입력된 저해상도 영상을 최소 제곱 회귀 모형(Least Squares Regression Model)을 이용하여 하나 이상의 컬러 필터를 생성하는 단계;
필터 결정부는 상기 필터 생성부로부터 생성된 복수의 컬러 필터 중에서 복원 성능을 기초로 하나의 필터를 결정하는 단계; 및
영상 복원부는 상기 저해상도 영상로부터 생성된 저해상도 컬러 필터 어레이(imCFA)를 상기 결정된 필터로 영상 보간하여 복원 영상을 생성하는 단계를 포함하는 것을 특징으로 하는 모바일 디지털 이미지 확대 필터 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200071393A KR102362805B1 (ko) | 2020-06-12 | 2020-06-12 | 모바일 디지털 이미지 확대 필터 장치 및 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200071393A KR102362805B1 (ko) | 2020-06-12 | 2020-06-12 | 모바일 디지털 이미지 확대 필터 장치 및 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20210154409A true KR20210154409A (ko) | 2021-12-21 |
KR102362805B1 KR102362805B1 (ko) | 2022-02-11 |
Family
ID=79165322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200071393A KR102362805B1 (ko) | 2020-06-12 | 2020-06-12 | 모바일 디지털 이미지 확대 필터 장치 및 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102362805B1 (ko) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110049079A (ko) * | 2009-11-04 | 2011-05-12 | 삼성전자주식회사 | 필터 정보를 이용한 영상 압축 장치 및 방법과 영상 복원 장치 및 방법 |
KR20160082199A (ko) * | 2014-12-31 | 2016-07-08 | 인천대학교 산학협력단 | 컬러 필터 어레이 성능 검증 방법 |
KR101692748B1 (ko) * | 2015-03-24 | 2017-01-04 | 인천대학교 산학협력단 | 채널간 상관관계 기반 컬러 필터 어레이 보간 방법 |
KR101882739B1 (ko) * | 2017-07-18 | 2018-07-27 | 인천대학교 산학협력단 | 패턴을 이용한 영상 해상도 변환 장치 및 방법 |
KR101975186B1 (ko) | 2018-07-04 | 2019-05-07 | 광운대학교 산학협력단 | 객체 검출을 위한 생성적 적대 신경망 기반의 데이터 생성 장치 및 방법 |
-
2020
- 2020-06-12 KR KR1020200071393A patent/KR102362805B1/ko active IP Right Grant
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110049079A (ko) * | 2009-11-04 | 2011-05-12 | 삼성전자주식회사 | 필터 정보를 이용한 영상 압축 장치 및 방법과 영상 복원 장치 및 방법 |
KR20160082199A (ko) * | 2014-12-31 | 2016-07-08 | 인천대학교 산학협력단 | 컬러 필터 어레이 성능 검증 방법 |
KR101692748B1 (ko) * | 2015-03-24 | 2017-01-04 | 인천대학교 산학협력단 | 채널간 상관관계 기반 컬러 필터 어레이 보간 방법 |
KR101882739B1 (ko) * | 2017-07-18 | 2018-07-27 | 인천대학교 산학협력단 | 패턴을 이용한 영상 해상도 변환 장치 및 방법 |
KR101975186B1 (ko) | 2018-07-04 | 2019-05-07 | 광운대학교 산학협력단 | 객체 검출을 위한 생성적 적대 신경망 기반의 데이터 생성 장치 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
KR102362805B1 (ko) | 2022-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gunturk et al. | Demosaicking: color filter array interpolation | |
Chang et al. | Effective use of spatial and spectral correlations for color filter array demosaicking | |
EP0640232B1 (en) | Method for fusing images and apparatus therefor | |
US7515747B2 (en) | Method for creating high resolution color image, system for creating high resolution color image and program creating high resolution color image | |
Khashabi et al. | Joint demosaicing and denoising via learned nonparametric random fields | |
JP4385282B2 (ja) | 画像処理装置および画像処理方法 | |
US6978050B2 (en) | Electronic image color plane reconstruction | |
Li et al. | Color filter array demosaicking using high-order interpolation techniques with a weighted median filter for sharp color edge preservation | |
KR101633397B1 (ko) | 영상 복원 장치, 영상 복원 방법 및 영상 복원 시스템 | |
Fang et al. | Novel 2-D MMSE subpixel-based image down-sampling | |
EP2584782A1 (en) | Image processing device, image processing method, and program | |
Condat | A new color filter array with optimal properties for noiseless and noisy color image acquisition | |
JP2010034964A (ja) | 画像合成装置、画像合成方法及び画像合成プログラム | |
Simpkins et al. | An introduction to super-resolution imaging | |
De Lavarène et al. | Practical implementation of LMMSE demosaicing using luminance and chrominance spaces | |
KR102362805B1 (ko) | 모바일 디지털 이미지 확대 필터 장치 및 방법 | |
JP2004519156A (ja) | 画像検知器の出力信号用の輪郭フィルタ | |
Prakash et al. | Color image demosaicing using sparse based radial basis function network | |
Sung et al. | Color filter array demosaicking by using subband synthesis scheme | |
Rathi et al. | A New Generic Progressive Approach based on Spectral Difference for Single-sensor Multispectral Imaging System. | |
Sadaka et al. | Efficient perceptual attentive super-resolution | |
Alleysson et al. | Frequency selection demosaicking: A review and a look ahead | |
Zhang et al. | Joint denoising and demosaicking of noisy cfa images based on inter-color correlation | |
US20050031222A1 (en) | Filter kernel generation by treating algorithms as block-shift invariant | |
US20230169750A1 (en) | Method of and System for Capturing Color Images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |