SE1230021A1 - Bildbehandlingsmetod för detaljförstärkning och brusreduktion - Google Patents

Bildbehandlingsmetod för detaljförstärkning och brusreduktion

Info

Publication number
SE1230021A1
SE1230021A1 SE1230021A SE1230021A SE1230021A1 SE 1230021 A1 SE1230021 A1 SE 1230021A1 SE 1230021 A SE1230021 A SE 1230021A SE 1230021 A SE1230021 A SE 1230021A SE 1230021 A1 SE1230021 A1 SE 1230021A1
Authority
SE
Sweden
Prior art keywords
image
measure
image processing
calculated
information
Prior art date
Application number
SE1230021A
Other languages
English (en)
Other versions
SE536510C2 (sv
Inventor
Stefan Olsson
Original Assignee
Flir Systems Ab
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 Flir Systems Ab filed Critical Flir Systems Ab
Priority to SE1230021A priority Critical patent/SE536510C2/sv
Priority to PCT/SE2013/000020 priority patent/WO2013126001A2/en
Priority to CN201380010509.8A priority patent/CN104272346B/zh
Priority to EP13751600.1A priority patent/EP2817780A4/en
Publication of SE1230021A1 publication Critical patent/SE1230021A1/sv
Publication of SE536510C2 publication Critical patent/SE536510C2/sv
Priority to IL233931A priority patent/IL233931A0/en
Priority to US14/464,478 priority patent/US9595087B2/en
Priority to US15/457,783 priority patent/US10255662B2/en

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T5/75—Unsharp masking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • 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 using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • 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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/70—SSIS architectures; Circuits associated therewith
    • H04N25/76—Addressed sensors, e.g. MOS or CMOS sensors
    • 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
    • H04N5/20—Circuitry for controlling amplitude response
    • H04N5/205—Circuitry for controlling amplitude response for correcting amplitude versus frequency characteristic
    • H04N5/208—Circuitry for controlling amplitude response for correcting amplitude versus frequency characteristic for compensating for attenuation of high frequency components, e.g. crispening, aperture distortion correction
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20004—Adaptive image processing
    • G06T2207/20012—Locally adaptive
    • 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
    • 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
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation

Landscapes

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

Abstract

Uppfinningen avser en bildbehandlingsnietod för detalj förstärkning och brusreducering där följande steg innefattas; (a) en originalbild skaffas, (b) ett inforrnationsniättberäknas utifrån originalbilden, (c) ett viktningsniätt beräknas utifråninforrnationsniättet, (d) originalbilden lägpassfiltreras med ett lägpassfilter till enlägpassfiltrerad bild, (e) en högpassfiltrerad bild beräknas genom att subtrahera denlägpassfiltrerade bilden från originalbilden, (f) en detalj förstärkt och brusreducerad bildfås av att en n1ed viktningsniättet skalad hö gpassbild adderas till lägpassbilden.Uppfinningen avser därtill en anordning fór bildbehandling innefattanderegistreringsanordning (11) för bild, bildbehandlingsenhet (12), samt bildvisningsenhet(13) för bild där (a) en originalbild skaffas n1ed registreringsanordningen (11), (b) ettinforrnationsniätt beräknas i bildbehandlingsenhet (12) utifrån originalbilden, (c) ettviktningsniätt beräknas i bildbehandlingsenhet (12) utifrån inforrnationsniättet, (d)originalbilden lägpassfiltreras i bildbehandlingsenheten (12) n1ed ett lägpassfilter till enlägpassfiltrerad bild, (e) en högpassfiltrerad bild beräknas i bildbehandlingsenheten (12)genon1 att subtrahera den lägpassfiltrerade bilden från originalbilden, (f) en detalj förstärkt och brusreducerad bild fås av att en n1ed Viktningsniättet skaladhögpassbild adderas till lägpassbilden i bildbehandlingsenheten (12), (g) den detalj förstärkta och brusreducerade bilden visualiseras i bildvisningsenheten (13). Fig. 1.

Description

10 15 20 25 30 presentation för operatör. Orsaken till detta är en anpassning till videostandarder. En ren linjär komprimering av signalen är nästan alltid olämplig då ett litet område med starkt avvikande signalnivå riskerar att använda allt dynamikomfång varpå en bild med i princip ett fåtal färg- och gråskalenivåer fås.
Ett vanligt sätt att komma runt detta är att utnyttja bildens histogram (fördelning av signalnivåer) och utifrån detta fastställa lämplig konvertering från t.ex. 16 till 8 bitar så att tillgänglig dynamik inte förbrukas eller används på nivåer där det inte finns någon signal. Även om histogramutjämning är mycket effektiv i många sammanhang så är det i regel svårt att förutse om rätt detalj er verkligen framhävs. Därför används andra metoder som ger mer robusta resultat. En sådan metod är att använda ett kantbevarande lågpassfilter för att ta fram en bakgrundsbild utan detalj er eller struktur och subtrahera denna bild från originalbilden för att på så sätt ta fram de små signalvariationema där de små signalvariationema utgörs av detalj ema.
Kantbevarande lågpassfilter är förut kända och ett exempel på ett sådant filter beskrivs i C. Tomasi och R. Manduchi, Bilateral Filtering for Gray and Color Images, Proc. 1998 IEEE 6th Int. Conf on Computer Vison, Bombay India. Genom att ersätta varje bildpunkts värde med medelvärdet av närliggande bildpunkters värden erhålles en slät bild. Om icke kantbevarande filter används kommer bildpunkter med grannar med kraftigt avvikande signalintensitet att påverkas så att de hamnar på en högre eller lägre nivå än de egentligen borde.
Problem med de idag kända metodema för detalj förstärkning och brusreduktion av bildinformation är att vid hög kantförstärkning så fås även en hög brusnivå.
Ett syfte med föreliggande uppfinning är att föreslå en metod för detalj förstärkning och brusreduktion av bildinformation så att även vid hög kantförstärkning så fås en låg brusnivå.
Andra syften med uppfinningen beskrivs mer i detalj i samband med den detaljerade beskrivningen av uppfinningen. 10 15 20 25 30 35 Uppfinningen avser en bildbehandlingsmetod för detalj förstärkning och brusreducering där följande steg innefattas; (a) en originalbild skaffas, (b) ett informationsmått beräknas utifrån originalbilden, (c) ett viktningsmått beräknas utifrån informationsmåttet, (d) originalbilden lågpassfiltreras med ett lågpassfilter till en lågpassfiltrerad bild, (e) en högpassfiltrerad bild beräknas genom att subtrahera den lågpassfiltrerade bilden från originalbilden, (f) en detalj förstärkt och brusreducerad bild fås av att en med viktningsmåttet skalad högpassbild adderas till lågpassbilden.
Enligt ytterligare aspekter för det förbättrade bildbehandlingsmetoden för detalj förstärkning och brusreducering enligt uppfinningen gäller; att viktningsmåttet beräknas utifrån en uppslagstabell med resultaten för det beräknade inforrnationsmåttet som indata. att viktningsmåttet beräknas utifrån skalning med en konstant med det beräknade inforrnationsmåttet som indata. att inforrnationsmåttet är ett spridningsmått. att spridningsmåttet är en standardavvikelse. att inforrnationsmåttet är ett kantdetekteringsmått. att informationsmåttet är ett entropimått.
Vidare utgörs uppfinningen av en anordning för bildbehandling innefattande registreringsanordning for bild, bildbehandlingsenhet, samt bildvisningsenhet för bild där; (a) en originalbild skaffas med registreringsanordningen, (b) ett informationsmått beräknas i bildbehandlingsenhet utifrån originalbilden, (c) ett viktningsmått beräknas i bildbehandlingsenhet utifrån inforrnationsmåttet, (d) originalbilden lågpassfiltreras i bildbehandlingsenheten med ett lågpassfilter till en lågpassfiltrerad bild, 10 15 20 25 30 35 (e) en högpassfiltrerad bild beräknas i bildbehandlingsenheten genom att subtrahera den lågpassfiltrerade bilden från originalbilden, (i) en detalj förstärkt och brusreducerad bild fås av att en med viktningsmåttet skalad högpassbild adderas till lågpassbilden i bildbehandlingsenheten, (g) den detalj förstärkta och brusreducerade bilden Visualiseras i bildvisningsenheten.
Enligt ytterligare aspekter för det förbättrade anordning fór bildbehandling enligt uppfinningen gäller; att registreringsanordningen för bild är en IR-kamera. att den detalj förstärkta och brusreducerade bilden komprimeras innan visualisering i bildvisningsenheten. att viktningsmåttet beräknas i bildbehandlingsenheten utifrån en uppslagstabell med resultaten for det beräknade informationsmåttet som indata. att viktningsmåttet beräknas i bildbehandlingsenheten utifrån skalning med en konstant med det beräknade inforrnationsmåttet som indata. att inforrnationsmåttet är ett spridningsmått. att spridningsmåttet är en standardavvikelse. att informationsmåttet är ett kantdetekteringsmått. att inforrnationsmåttet är ett entropimått.
Uppfinningen kommer i det följ ande att beskrivas närmare under hänvisning till de bifogade figurerna där: Fig. 1 visar blockschema för bildbehandlingsmetod for detalj förstärkning och brusreducering enligt uppfinningen.
Fig. 2 visar blockschema för komponenter i ett bildbehandlingssystem enligt uppfinningen. 10 15 20 25 30 35 Ett blockschema for bildbehandlingsmetod for detalj förstärkning och brusreducering enligt uppfinningen visas i fig. 1. Bildbehandlingsmetoden utgår från en gruppering av bildinforrnation till delar av den kompletta bilden vidare kallad originalbild 2.
Grupperingen av bildinforrnation sker företrädesvis i form av en 16 bit ram där ram definierar en uppsättning av digital information i form av ett antal digitala bit. En komplett digital bild delas upp i ett stort antal mindre grupper eller ramar för att enklare kunna bildbehandlas.
Originalbilden 2 lågpassfiltreras i blocket LP-filter 3 som är ett kantbevarande lågpassfilter. Kantbevarande lågpassfilter är väl kända och beskrivna i litteraturen och behandlas ej mer ingående i ansökningstexten. Den lågpassfiltrerade bilden 4 subtraheras från originalbilden 2 för skapandet av en högpassfiltrerad bild 5. Den lågpassfiltrerade bilden 4 kan även komprimeras med lämplig algoritm, exempelvis histogramutj ämning, huvudsakligen för att minska inforniationsinnehållet i den lågpassfiltrerade bilden och därmed även originalbilden. Originalbilden 2 används för att beräkna ett informationsmått 7, som utgör ett mått på inforrnationsinnehållet i originalbilden 2, exempelvis en standardavvikelse. Även andra beräknade mått än standardavvikelse kan användas så som olika former av spridningsmått eller andra mått för identifikation av informationsinnehåll i originalbilden 2. Exempel på andra infonnationsmått 7 är mått som identifierar framträdande, utmärkande eller urskiljbara detalj er ur originalbilden 2, även benämnt saliency. Därtill kan informationsmåttet vara ett mått på kanter i bilden benämnt kantdetekteringsmått eller ett mått på entropin i bilden benämnt entropimått eller andra mått avseende ordning eller att en bild eller annan inforrnationsmängd har ett visst tillstånd. Det beräknade inforrnationsmåttet 7 viktas eller skalas utifrån den av den aktuella tillämpningen vald metod i blocket faktorskalning 8. Genom att addera den lågpassfiltrerade bilden 4 till den högpassfiltrerade bilden 5 med viktning av det beräknade informationsmåttet 7 eller av ett värde proportionellt mot det beräknade inforrnationsmåttet 7 kan en filtrerad bild 6 skapas. Den filtrerade bilden 6 är en detalj förstärkt och brusreducerad bild av originalbilden 2. Viktningen sker genom att den högpassfiltrerade bilden 5 multipliceras med en faktor från blocket faktorskalning 8. Det faktorskalade resultatet adderas till den lågpassfiltrerade bilden 4 för skapandet av en filtrerad bild 6. Den filtrerade bilden 6 innehåller företrädesvis mindre information än originalbilden 2 och är anpassad för den aktuella tillämpningen och/eller utrustningen. Exempelvis genom att antalet gråtoner har minskats. 10 15 20 25 I f1g. 2 visas ett blockschema för komponenter i ett bildbehandlingssystem 10 enligt uppfinningen. Bildbehandlingssystemet 10 består av en registreringsanordning 11 som är en bildhämtningsenhet och kan vara en kamera eller bildsensor, en bildbehandlingsenhet 12 samt en bildvisningsenhet 13. Registreringsanordningen 11 registrerar en bild på det mål eller område mot vilket bildhämtningsenheten riktats.
Registreringsanordningen 11 är företrädesvis i detta fall en IR-kamera men kan även vara andra typer av bildhämtande utrustning så som kameror eller sensorer.
Bildbehandlingsenheten 12 behandlar bilden från registreringsanordningen 11 med för ändamålet lämpliga algoritmer. Exempel på lämpliga algoritmer är kantförstärkning, komprimering, brusreducering och andra typer av filtreringsalgoritmer respektive bildmodifieringsalgoritmer. Bildbehandlingen utförs företrädesvis i programmerbar elektronik innefattande mikroprocessorer och/eller signalprocessorer.
Bildbehandlingsenheten 12 utgörs således av anordning för hantering av bildinformation från registreringsanordningen 11, anordning för att bildbehandla bildinformationen från bildhämtningsenheten samt anordning för att överföra den bildbehandlade bildinforrnationen till en bildvisningsenhet 13. Bildvisningsenheten 13 kan utgöras av en display eller annan optisk visualiseringsutrustning anpassad utifrån bildbehandlingssystemets 10 användning och installation.
Uppfinningen är inte begränsad till de speciellt visade utföringsforrnerna utan kan varieras på olika sätt inom patentkravens ram.
Det inses att ovan beskrivna metoden för bildbehandling och/eller den anordning för registrering av bild, bildbehandling och presentation av bildbehandlad bild kan tillämpas för i princip alla bildbehandlingssystem som IR-kameror, kameror eller andra optiska sensorer.

Claims (16)

10 15 20 25 30 35 PATENTKRAV
1.
Bildbehandlingsmetod för detalj förstärkning och brusreducering kännetecknad av att följ ande steg innefattas; (a) en originalbild skaffas, (b) ett inforrnationsmått beräknas utifrån originalbilden, (c) ett viktningsmått beräknas utifrån informationsmåttet, (d) originalbilden lågpassfiltreras med ett lågpassfilter till en lågpassfiltrerad bild, (e) en högpassfiltrerad bild beräknas genom att subtrahera den lågpassfiltrerade bilden från originalbilden, (t) en detalj förstärkt och brusreducerad bild fås av att en med viktningsmåttet skalad högpassbild adderas till lågpassbilden.
Bildbehandlingsmetod enligt krav 1 kännetecknad av att viktningsmåttet beräknas utifrån en uppslagstabell med resultaten för det beräknade informationsmåttet som indata.
Bildbehandlingsmetod enligt krav 1 kännetecknad av att viktningsmåttet beräknas utifrån skalning med en konstant med det beräknade inforrnationsmåttet som indata.
Bildbehandlingsmetod enligt något av ovanstående krav kännetecknad av att inforrnationsmåttet är ett spridningsmått.
Bildbehandlingsmetod enligt krav 4 kännetecknad av att spridningsmåttet är en standardavvikelse.
Bildbehandlingsmetod enligt något av krav 1 till 3 kännetecknad av att informationsmåttet är ett kantdetekteringsmått.
Bildbehandlingsmetod enligt något av krav 1 till 3 kännetecknad av att inforrnationsmåttet är ett entropimått.
Anordning för bildbehandling innefattande registreringsanordning (11) för bild, bildbehandlingsenhet (12), samt bildvisningsenhet (13) för bild kännetecknad av att; (a) en originalbild skaffas med registreringsanordningen (11), 10 15 20 25 30 35
10.
11.
12.
13.
14. (b) ett inforrnationsmått beräknas i bildbehandlingsenhet (12) utifrån originalbilden, (c) ett viktningsmått beräknas i bildbehandlingsenhet (12) utifrån inforrnationsmåttet, (d) originalbilden lågpassfiltreras i bildbehandlingsenheten (12) med ett lågpassfilter till en lågpassfiltrerad bild, (e) en högpassfiltrerad bild beräknas i bildbehandlingsenheten (12) genom att subtrahera den lågpassfiltrerade bilden från originalbilden, (f) en detalj förstärkt och brusreducerad bild fås av att en med viktningsmåttet skalad högpassbild adderas till lågpassbilden i bildbehandlingsenheten (12), (g) den detalj förstärkta och brusreducerade bilden visualiseras i bildvisningsenheten (13). Anordning för bildbehandling enligt krav 8 kännetecknad av att registreringsanordningen (11) för bild är en IR-kamera. Anordning för bildbehandling enligt något av krav 8 eller 9 kännetecknad av att den detalj förstärkta och brusreducerade bilden komprimeras innan visualisering i bildvisningsenheten (13). Anordning för bildbehandling enligt något av krav 8 till 10 kännetecknad av att viktningsmåttet beräknas i bildbehandlingsenheten (12) utifrån en uppslagstabell med resultaten för det beräknade informationsmåttet som indata. Anordning för bildbehandling enligt något av krav 8 till 10 kännetecknad av att viktningsmåttet beräknas i bildbehandlingsenheten (12) utifrån skalning med en konstant med det beräknade informationsmåttet som indata. Anordning för bildbehandling enligt något av krav 8 till 12 kännetecknad av att informationsmåttet är ett spridningsmått. Anordning för bildbehandling enligt krav 13 kännetecknad av att spridningsmåttet är en standardavvikelse.
15.
16. Anordning för bildbehandling enligt något av krav 8 till 12 kännetecknad av att informationsmåttet är ett kantdetekteringsmått. Anordning för bildbehandling enligt något av krav 8 till 12 kännetecknad av att informationsrnåttet är ett entropimått.
SE1230021A 2012-02-21 2012-02-21 Bildbehandlingsmetod för detaljförstärkning och brusreduktion SE536510C2 (sv)

Priority Applications (7)

Application Number Priority Date Filing Date Title
SE1230021A SE536510C2 (sv) 2012-02-21 2012-02-21 Bildbehandlingsmetod för detaljförstärkning och brusreduktion
PCT/SE2013/000020 WO2013126001A2 (en) 2012-02-21 2013-02-11 Image processing method for detail enhancement and noise reduction
CN201380010509.8A CN104272346B (zh) 2012-02-21 2013-02-11 用于细节增强和降噪的图像处理方法
EP13751600.1A EP2817780A4 (en) 2012-02-21 2013-02-11 IMAGE PROCESSING FOR DETAIL EXTENSION AND NOISE REDUCTION
IL233931A IL233931A0 (en) 2012-02-21 2014-08-03 An image processing method for increasing details and reducing noise
US14/464,478 US9595087B2 (en) 2012-02-21 2014-08-20 Image processing method for detail enhancement and noise reduction
US15/457,783 US10255662B2 (en) 2012-02-21 2017-03-13 Image processing method for detail enhancement and noise reduction

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
SE1230021A SE536510C2 (sv) 2012-02-21 2012-02-21 Bildbehandlingsmetod för detaljförstärkning och brusreduktion

Publications (2)

Publication Number Publication Date
SE1230021A1 true SE1230021A1 (sv) 2013-08-22
SE536510C2 SE536510C2 (sv) 2014-01-14

Family

ID=49006339

Family Applications (1)

Application Number Title Priority Date Filing Date
SE1230021A SE536510C2 (sv) 2012-02-21 2012-02-21 Bildbehandlingsmetod för detaljförstärkning och brusreduktion

Country Status (6)

Country Link
US (2) US9595087B2 (sv)
EP (1) EP2817780A4 (sv)
CN (1) CN104272346B (sv)
IL (1) IL233931A0 (sv)
SE (1) SE536510C2 (sv)
WO (1) WO2013126001A2 (sv)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111192208A (zh) * 2019-12-18 2020-05-22 合肥登特菲医疗设备有限公司 一种基于边窗滤波器的牙齿cr图像增强方法及装置

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2575009T3 (es) * 2012-04-25 2016-06-23 Rakuten, Inc. Dispositivo de evaluación de imagen, dispositivo de selección de imagen, procedimiento de evaluación de imagen, medio de almacenamiento, y programa
ITVI20120291A1 (it) * 2012-10-29 2014-04-30 St Microelectronics Srl Elaborazione a colori di immagini digitali
KR102165610B1 (ko) * 2014-04-23 2020-10-14 삼성전자주식회사 엑스선 영상 장치 및 엑스선 영상 장치의 영상 처리 방법
WO2016022525A1 (en) 2014-08-05 2016-02-11 Seek Thermal, Inc. Time based offset correction for imaging systems
US9924116B2 (en) 2014-08-05 2018-03-20 Seek Thermal, Inc. Time based offset correction for imaging systems and adaptive calibration control
WO2016022374A1 (en) 2014-08-05 2016-02-11 Seek Thermal, Inc. Local contrast adjustment for digital images
WO2016073054A2 (en) 2014-08-20 2016-05-12 Seek Thermal, Inc. Gain calibration for an imaging system
CN106797440A (zh) 2014-08-20 2017-05-31 塞克热量股份有限公司 成像系统的操作偏置的自适应调整
WO2016089823A1 (en) 2014-12-02 2016-06-09 Seek Thermal, Inc. Image adjustment based on locally flat scenes
US10467736B2 (en) 2014-12-02 2019-11-05 Seek Thermal, Inc. Image adjustment based on locally flat scenes
US10600164B2 (en) 2014-12-02 2020-03-24 Seek Thermal, Inc. Image adjustment based on locally flat scenes
KR102272108B1 (ko) * 2015-02-27 2021-07-05 삼성전자주식회사 영상 처리 장치 및 방법
US9549130B2 (en) 2015-05-01 2017-01-17 Seek Thermal, Inc. Compact row column noise filter for an imaging system
WO2016197010A1 (en) 2015-06-05 2016-12-08 Flir Systems, Inc. Systems and methods for enhanced dynamic range infrared imaging
ES2563098B1 (es) 2015-06-15 2016-11-29 Davantis Technologies Sl Procedimiento de mejora de imagen IR basado en información de escena para videoanálisis
CN105427255A (zh) * 2015-11-16 2016-03-23 中国航天时代电子公司 一种基于grhp的无人机红外图像细节增强方法
CN105869132B (zh) * 2016-04-26 2018-10-02 成都市晶林科技有限公司 一种红外图像细节增强方法
US10867371B2 (en) 2016-06-28 2020-12-15 Seek Thermal, Inc. Fixed pattern noise mitigation for a thermal imaging system
CN106169181B (zh) * 2016-06-30 2019-04-26 北京奇艺世纪科技有限公司 一种图像处理方法及系统
CN110476416B (zh) 2017-01-26 2021-08-17 菲力尔系统公司 多个成像模式下红外成像的系统和方法
CN108573481A (zh) * 2017-03-14 2018-09-25 深圳怡化电脑股份有限公司 一种水印特征的增强方法及系统
EP3621850B1 (en) 2017-06-05 2023-08-30 Adasky, Ltd. Shutterless far infrared (fir) camera for automotive safety and driving systems
US10511793B2 (en) 2017-06-05 2019-12-17 Adasky, Ltd. Techniques for correcting fixed pattern noise in shutterless FIR cameras
US11012594B2 (en) 2017-06-05 2021-05-18 Adasky, Ltd. Techniques for correcting oversaturated pixels in shutterless FIR cameras
US10699386B2 (en) 2017-06-05 2020-06-30 Adasky, Ltd. Techniques for scene-based nonuniformity correction in shutterless FIR cameras
US10929955B2 (en) 2017-06-05 2021-02-23 Adasky, Ltd. Scene-based nonuniformity correction using a convolutional recurrent neural network
CN112703509A (zh) 2018-08-07 2021-04-23 布赖凯科技股份有限公司 用于图像增强的人工智能技术
CN109410206A (zh) * 2018-11-05 2019-03-01 江苏东保装饰集团有限公司 一种建筑装饰三维造型精度检验方法
US11049226B1 (en) * 2019-04-23 2021-06-29 Bae Systems Information And Electronics Systems Integration Inc. Median based frequency separation local area contrast enhancement
US11276152B2 (en) 2019-05-28 2022-03-15 Seek Thermal, Inc. Adaptive gain adjustment for histogram equalization in an imaging system
CN110363713B (zh) * 2019-06-17 2023-10-10 江苏大学 基于递归样本缩放和双线性因子分解的高光谱图像降噪方法
EP4154171A1 (en) * 2020-07-02 2023-03-29 Meta Platforms, Inc. Systems and methods of nonlinear image intensity transformation for denoising and low-precision image processing

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5038388A (en) * 1989-05-15 1991-08-06 Polaroid Corporation Method for adaptively sharpening electronic images
US5961461A (en) * 1997-11-07 1999-10-05 General Electric Company Method and apparatus for adaptive B-mode image enhancement
US6313883B1 (en) * 1999-09-22 2001-11-06 Vista Medical Technologies, Inc. Method and apparatus for finite local enhancement of a video display reproduction of images
US6731821B1 (en) * 2000-09-29 2004-05-04 Hewlett-Packard Development Company, L.P. Method for enhancing compressibility and visual quality of scanned document images
US7397953B2 (en) * 2001-07-24 2008-07-08 Hewlett-Packard Development Company, L.P. Image block classification based on entropy of differences
US7129976B2 (en) * 2002-05-10 2006-10-31 Koninklijke Philips Electronics N.V. Digital image enhancing system
US7228004B2 (en) * 2002-09-05 2007-06-05 Eastman Kodak Company Method for sharpening a digital image
US7280703B2 (en) * 2002-11-14 2007-10-09 Eastman Kodak Company Method of spatially filtering a digital image using chrominance information
US7394925B2 (en) * 2003-06-18 2008-07-01 Canon Kabushiki Kaisha Radiography apparatus and radiography method
US8111265B2 (en) * 2004-12-02 2012-02-07 Sharp Laboratories Of America, Inc. Systems and methods for brightness preservation using a smoothed gain image
CN101107850B (zh) * 2005-01-26 2012-05-30 皇家飞利浦电子股份有限公司 闪烁处理
US7522220B2 (en) * 2005-03-30 2009-04-21 Samsung Electronics Co., Ltd. Dual-channel adaptive 2D noise reduction for video signals
TWI286032B (en) * 2005-07-05 2007-08-21 Ali Corp Image enhancement system
EP2082566B1 (en) * 2006-10-18 2016-08-31 Robert Bosch GmbH Image processing system, method and computer program for contrast enhancement of images
US8108211B2 (en) * 2007-03-29 2012-01-31 Sony Corporation Method of and apparatus for analyzing noise in a signal processing system
US8031967B2 (en) * 2007-06-19 2011-10-04 Microsoft Corporation Video noise reduction
US20090220169A1 (en) * 2008-02-28 2009-09-03 Microsoft Corporation Image enhancement
US7832928B2 (en) * 2008-07-24 2010-11-16 Carestream Health, Inc. Dark correction for digital X-ray detector
US8351725B2 (en) * 2008-09-23 2013-01-08 Sharp Laboratories Of America, Inc. Image sharpening technique
CN101727658B (zh) * 2008-10-14 2012-12-26 深圳迈瑞生物医疗电子股份有限公司 图像处理方法及装置
US20100278423A1 (en) * 2009-04-30 2010-11-04 Yuji Itoh Methods and systems for contrast enhancement
TWI387319B (zh) * 2009-06-02 2013-02-21 Novatek Microelectronics Corp 影像處理電路及方法
US8938105B2 (en) * 2010-10-28 2015-01-20 Kabushiki Kaisha Toshiba Denoising method and system for preserving clinically significant structures in reconstructed images using adaptively weighted anisotropic diffusion filter
US8457418B2 (en) * 2011-08-02 2013-06-04 Raytheon Company Local area contrast enhancement
US20130177242A1 (en) * 2012-01-10 2013-07-11 James E. Adams, Jr. Super-resolution image using selected edge pixels
US9286658B2 (en) * 2012-03-22 2016-03-15 Qualcomm Incorporated Image enhancement

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111192208A (zh) * 2019-12-18 2020-05-22 合肥登特菲医疗设备有限公司 一种基于边窗滤波器的牙齿cr图像增强方法及装置
CN111192208B (zh) * 2019-12-18 2024-04-09 合肥登特菲医疗设备有限公司 一种基于边窗滤波器的牙齿cr图像增强方法及装置

Also Published As

Publication number Publication date
US20140355904A1 (en) 2014-12-04
EP2817780A2 (en) 2014-12-31
EP2817780A4 (en) 2016-01-06
SE536510C2 (sv) 2014-01-14
US10255662B2 (en) 2019-04-09
WO2013126001A8 (en) 2014-03-06
CN104272346B (zh) 2018-04-27
US9595087B2 (en) 2017-03-14
WO2013126001A3 (en) 2013-10-10
IL233931A0 (en) 2014-09-30
WO2013126001A2 (en) 2013-08-29
CN104272346A (zh) 2015-01-07
US20170186139A1 (en) 2017-06-29

Similar Documents

Publication Publication Date Title
SE1230021A1 (sv) Bildbehandlingsmetod för detaljförstärkning och brusreduktion
SE1230022A1 (sv) Bildbehandlingsmetod med detaljförstärkande filter med adaptiv filterkärna
AU2015272846B2 (en) Image processing system and computer-readable recording medium
Zhu et al. Single image dehazing using color attenuation prior.
KR102104403B1 (ko) 단일영상 내의 안개 제거 방법 및 장치
US20120019728A1 (en) Dynamic Illumination Compensation For Background Subtraction
JP2012089929A (ja) 物体検知装置、物体検知方法、監視カメラシステム、およびプログラム
He et al. Multiple scattering model based single image dehazing
JP2015171099A5 (sv)
US20150187051A1 (en) Method and apparatus for estimating image noise
Nevriyanto et al. Image enhancement using the image sharpening, contrast enhancement, and Standard Median Filter (Noise Removal) with pixel-based and human visual system-based measurements
JP2014121079A5 (sv)
KR101171991B1 (ko) 안개 개선 영상처리시스템과 그 시스템에서의 안개영상 판단방법
JP2009296210A5 (sv)
TW201510934A (zh) 影像銳化方法與影像處理裝置
JP5753437B2 (ja) 画像強調装置
Shorman et al. Removing rain streaks from single images using total variation
Baajwa et al. Evaluating the research gaps of underwater image enhancement techniques
Loza et al. Joint denoising and contrast enhancement for light microscopy image sequences
Chen Image dehazing based on image enhancement algorithm
JP2019118067A (ja) ノイズレベル検出装置及びプログラム
SE537154C2 (sv) Bildbehandlingsmetod och anordning för dynamisk autojustering av IR-bild
JP2012231319A5 (ja) 被写体追尾装置、撮像装置、被写体追尾方法及びプログラム
Lasang et al. CFA-Based motion blur removal
JP6070340B2 (ja) エッジ保存フィルタリング方法及び装置

Legal Events

Date Code Title Description
NUG Patent has lapsed