SE1230022A1 - Bildbehandlingsmetod med detaljförstärkande filter med adaptiv filterkärna - Google Patents

Bildbehandlingsmetod med detaljförstärkande filter med adaptiv filterkärna Download PDF

Info

Publication number
SE1230022A1
SE1230022A1 SE1230022A SE1230022A SE1230022A1 SE 1230022 A1 SE1230022 A1 SE 1230022A1 SE 1230022 A SE1230022 A SE 1230022A SE 1230022 A SE1230022 A SE 1230022A SE 1230022 A1 SE1230022 A1 SE 1230022A1
Authority
SE
Sweden
Prior art keywords
image
image processing
measure
low
pass
Prior art date
Application number
SE1230022A
Other languages
English (en)
Other versions
SE536669C2 (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 SE1230022A priority Critical patent/SE536669C2/sv
Priority to PCT/SE2013/000019 priority patent/WO2013126000A1/en
Priority to CN201380010508.3A priority patent/CN104335565A/zh
Priority to EP13752299.1A priority patent/EP2817956A4/en
Publication of SE1230022A1 publication Critical patent/SE1230022A1/sv
Publication of SE536669C2 publication Critical patent/SE536669C2/sv
Priority to IL233932A priority patent/IL233932A0/en
Priority to US14/464,531 priority patent/US20140355902A1/en

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/73Deblurring; Sharpening
    • G06T5/75Unsharp masking
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/20Image enhancement or restoration using local operators
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/40Picture signal circuits
    • H04N1/409Edge or detail enhancement; Noise or error suppression
    • H04N1/4092Edge or detail enhancement
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00Details of television systems
    • H04N5/14Picture signal circuitry for video frequency region
    • H04N5/21Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/50Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/73Deblurring; Sharpening
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10048Infrared image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20004Adaptive image processing
    • G06T2207/20008Globally adaptive
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20024Filtering details
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20172Image enhancement details
    • G06T2207/20192Edge 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 bildbehandlingsmetod för filtrering med adaptiv filterkämstorlekdär följande steg innefattas; (a) en originalbild skaffas, (b) ett informationsmättberäknas utifrån originalbilden, (c) en filterkämstorlek beräknas utifråninforrnationsmättet, (d) originalbilden lägpassfiltreras med ett adaptivt lägpassfilter medfilterkämstorlek till en lägpassfiltrerad bild, (e) en högpassfiltrerad bild beräknas genomatt subtrahera den lägpassfiltrerade bilden från originalbilden, (f) en detalj förstärkt bildutan ljusringar fås av att en med ett detalj förstärkningsmätt skalad hö gpassbild adderastill lägpassbilden. Uppfinningen avser därtill en anordning för bildbehandlinginnefattande registreringsanordning (11) för bild, bildbehandlingsenhet (12), samtbildvisningsenhet (13) för bild där; (a) registreringsanordningen (11) skaffar enoriginalbild, (b) bildbehandlingsenhet (12) beräknar ett informationsmätt utifrånoriginalbilden, (c) bildbehandlingsenhet (12) beräknar en filterkämstorlek utifråninformationsmättet, (d) bildbehandlingsenheten (12) lägpassfiltrerar originalbilden medett adaptivt lägpassfilter med filterkämstorlek till en lägpassfiltrerad bild, (e)bildbehandlingsenheten (12) beräknar en högpassfiltrerad bild genom att subtrahera denlägpassfiltrerade bilden från originalbilden, (f) bildbehandlingsenheten (12) beräknar endetalj förstärkt bild utan ljusringar genom att en med ett detalj förstärkningsmätt skaladhögpassbild adderas till lägpassbilden, (g) bildvisningsenheten (13) visualiserar den detalj förstärkta bilden utan ljusringar. Fig. 1.

Description

20 25 30 grånivåer från svart till vitt för att passa videoforrnatet och bättre låmpa sig för presentation för operatör. Orsaken till detta är en anpassning till olika videostandarder samt att en människa enbart kan särskilja runt 100 grånivåer. 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. Confon 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. Även adaptiva filter är kända och ett exempel på ett sådant filter beskrivs i J. Xie, P.
Heng, och M. Shah, Image Diffusion Using Saliency Bilateral Filter, IEEE Transactions on Inforrnation Technology in Biomedicine, Vol. 12, No. 6, 2008.
Problem med de idag kända metodema för detalj förstärkning och filtrering av bildinformation är att då kantförstärkning används så uppkommer vanligtvis störande ljusringar eller haloforrnationer på de filtrerade bildema. 10 15 20 25 30 35 Ett syfte med föreliggande uppfinning är att föreslå en metod för filtrering av bildinforrnation så att då en bild kantförstärks så kommer filtreringen att ske med adaptiv filterkärnstorlek för undvikandet av att ljusringar eller haloformationer skapas.
Andra syften med uppfinningen beskrivs mer i detalj i samband med den detaljerade beskrivningen av uppfinningen.
Uppfinningen avser en bildbehandlingsmetod for filtrering med adaptiv filterkämstorlek där följande steg innefattas; (a) en originalbild skaffas, (b) ett inforrnationsmått beräknas utifrån originalbilden, (c) en filterkärnstorlek beräknas utifrån inforrnationsmåttet, (d) originalbilden lågpassfiltreras med ett adaptivt lågpassfilter med filterkärnstorlek till en lågpassfiltrerad bild, (e) en hö gpassfiltrerad bild beräknas genom att subtrahera den lågpassfiltrerade bilden från originalbilden, (f) en detalj förstärkt bild utan ljusringar fås av att en med ett detalj förstärkningsmått skalad högpassbild adderas till lågpassbilden.
Enligt ytterligare aspekter för det förbättrade bildbehandlingsmetoden för filtrering med adaptiv filterkärnstorlek gäller; att den lågpassfiltrerade bilden komprimeras med en komprimeringsalgoritm. att filterkämstorleken väljs utifrån en uppslagstabell med indata från informationsmåttet. att filterkämstorleken beräknas utifrån en kämstorleksalgoritm med indata från inforrnationsmåttet. att inforrnationsmåttet är ett kantinforrnationsmått. att kantinforrnationsmåttet beräknas med en Sobel-operator. 10 15 20 25 30 35 att informationsmättet är ett spridningsmätt. att spridningsmåttet är en standardavvikelse. att inforrnationsmättet är ett entropimått. att detalj förstärkningsmättet är ett variabelt förstärkningsmätt. att detalj förstärkningsmåttet är en dynamisk algoritm.
Vidare utgörs uppfinningen av en anordning för bildbehandling innefattande registreringsanordning för bild, bildbehandlingsenhet, samt bildvisningsenhet för bild där; (a) registreringsanordningen skaffar en originalbild, (b) bildbehandlingsenhet beräknar ett informationsmått utifrån originalbilden, (c) bildbehandlingsenhet beräknar en filterkämstorlek utifrån informationsmåttet, (d) bildbehandlingsenheten lägpassfiltrerar originalbilden med ett adaptivt lågpassfilter med filterkämstorlek till en lågpassfiltrerad bild, (e) bildbehandlingsenheten beräknar en högpassfiltrerad bild genom att subtrahera den lägpassfiltrerade bilden från originalbilden, (f) bildbehandlingsenheten beräknar en detalj förstärkt bild utan ljusringar genom att en med ett detalj forstärkningsmått skalad högpassbild adderas till lågpassbilden, (g) bildvisningsenheten visualiserar den detalj förstärkta bilden utan ljusringar.
Enligt ytterligare aspekter för det förbättrade anordning för bildbehandling enligt uppfinningen gäller; att registreringsanordningen för bild är en IR-kamera. att bildbehandlingsenheten komprimerar den lägpassfiltrerade bilden med en komprimeringsalgoritm. att filterkämstorleken väljs i bildbehandlingsenheten utifrån en uppslagstabell med indata från informationsmåttet. att filterkämstorleken beräknas i bildbehandlingsenheten utifrån en kämstorleksalgoritm med indata från informationsmåttet. 10 15 20 25 30 35 att bildbehandlingsenheten beräknar informationsmåttet med en Sobel-operator. att bildbehandlingsenheten beräknar inforrnationsmåttet genom en standardavvikelseberäkning av originalbilden. att den högpassfiltrerade bilden skalas i bildbehandlingsenheten med ett detalj förstärkningsmått, där detalj förstärkningsmåttet är ett variabelt förstärkningsmått. att den högpassfiltrerade bilden skalas i bildbehandlingsenheten med ett detalj forstärkningsmått, där detalj förstärkningsmåttet är en dynamisk algoritm.
Uppfinningen kommer i det följ ande att beskrivas närmare under hänvisning till de bifogade figurerna där: Fig. 1 visar blockschema för bildbehandlingsmetod for adaptiv filtrering av bild enligt uppfinningen.
Fig. 2 visar blockschema för komponenter i ett bildbehandlingssystem enligt uppfinningen.
Ett blockschema för bildbehandlingsmetod for adaptiv filtrering 1 av bild 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.
Bildbehandlingsmetoden för adaptiv filtrering 1 utgår från en originalbild 2 som införskaffats med lämplig registreringsutrustning, ej vidare beskriven i denna ansökan.
Ett block med en kantdetekterande funktion 3 beräknar ett inforrnationsmått utifrån originalbilden. Inforrnationsmåttet beskriver placering och nivå av en kant i originalbilden eller andra värden relaterat till förändringar i originalbilden 2. Resultaten från den kantdetekterande funktionen 3 behandlas vidare av det adaptiva lågpassfiltret 10 15 20 25 30 35 eller LP-filtret 4. Invärden eller styrvärden till det adaptiva lågpassfiltret 4 är en av den kantdetekterande funktionen 3 skapat inforrnationsmått samt bildinformation från originalbilden 2. Resultatet av det adaptiva lågpassfiltret 4 är en lågpassfiltrerad bild 5.
Den lågpassfiltrerade bilden skapas genom en Signalbehandling eller på andra sätt modifiering av originalbilden 2 utifrån innehållet i inforrnationsmåttet och originalbilden 2 i lågpassfiltret 4. Inforinationsmåttet bestämmer storleken på det adaptiva lågpassfiltret 4. Storleken på det adaptiva lågpassfiltret 4 benämns även kärnan. Kärnstorleken bestäms utifrån distansen från kanten och/eller med intensiteten på kanten. Bestämning av kärnstorleken sker utifrån inforrnationsmåttet genom en beräkning eller genom uppslag i tabell. I fallet att värdet slås upp i en tabell, även benämnd uppslagstabell eller på engelska look-up-table, så identifieras ett värde i uppslagstabellen utifrån inforrnationsmåttet. Uppslagstabellen är sedan tidigare beräknad och anpassad utifrån applikationen och uppslagstabellen lagras i bildbehandlingsutrustningen, exempelvis i en bildbehandlingsenhet 12. Altemativt kan kärnstorleken beräknas med en för ändamålet anpassad algoritm benämnd kärnstorleksalgoritm med informationsmåttet som indata till kärnstorleksalgoritmen.
Den lågpassfiltrerade bilden 5 är kantforstärkt och filtrerad med ett adaptivt filter vilket medfört att bilden har väl definierade konturer utan att ljusringar, halofenomen eller andra störande forrnationer eller andra avvikelser förekommer i bilden.
Den lågpassfiltrerade bilden 5 subtraheras från originalbilden 2 for skapandet av en högpassfiltrerad bild även benämnd detaljbild 6. Detalj bilden 6 är en bild där detaljer från originalbilden 2 är tydliggjorda genom att den lågpassfiltrerade bilden 5 subtraherats från originalbilden 2. Genom att addera den av detalj forstärkningsblocket 9 viktade högpassfiltrerade bilden 6 till den lågpassfiltrerade bilden 5 till kan en filtrerad bild 8 skapas. Detalj forstärkningsblocket 9 bestämmer nivån på hur detaljbilden 6 ska adderas till den lågpassfiltrerade bilden 5. Detalj forstärkningen, som bestäms i detalj förstärkningsblocket 9, kan vara ett variabelt förstärkningsmått som kan anges av användaren av bildbehandlingsmetoden. Detta variabla förstärkningsmått kan exempelvis inmatas eller på annat sätt anges i eller till en bildbehandlingsenhet 12.
Detalj forstärkningen kan även beräknas utifrån en för ändamålet utvecklad och anpassad algoritm i detalj förstärkningsblocket 9. Algoritmen för beräkning av detalj förstärkning kan exempelvis identifiera och förstärka detalj er, partier, objekt eller områden eller andra formationer i den lågpassfiltrerade bilden 5, detaljbilden 6 eller originalbilden 2 där en bättre förstärkning är önskvärd. På samma sätt kan algoritmen for beräkning av detalj förstärkning undertrycka eller på andra sätt minska betydelsen av detalj er, partier, objekt eller områden eller andra forrnationer i detaljbilden 6. 10 15 20 25 30 35 Resultatet efter detalj förstärkningsblocket 9 adderas till den lågpassfiltrerade bilden 5 för skapandet av en filtrerad bild 8. Den lågpassfiltrerade bilden 5 kan innan den adderas till detaljbilden 6 dynamikkomprimeras med för ändamålet lämplig algoritm.
Detaljbilden 6 läggs till den lågpassfiltrerade bilden 5 linjärt med en global skalfaktor, alternativt anpassa detaljbilden 6 pixelvis utgående från informationsmåttet eller så läggs detaljbilden 6 till lågpassbilden 5 med en skalfaktor utifrån den dynamiska kompression som detaljbilden 6 komprimerats med. Den filtrerade bilden 8 är en detalj förstärkt och eventuellt även brusreducerad bild av originalbilden 2 utan ljusringar eller halofenomen. Den lågpassfiltrerade bilden 5 kan komprimeras med lämplig algoritm, exempelvis histogramutj ämning, huvudsakligen för att minska infonnationsinnehållet i den filtrerade lågpassbilden bilden och därmed även reducera mängden information från originalbilden. Komprimering sker i ett komprimeringsblock 7. Den filtrerade och komprimerade lågpassbilden innehåller företrädesvis mindre information än originalbilden 2 och är anpassad för den aktuella tillämpningen och/eller utrustningen. Exempelvis genom att antalet gråtoner har minskats. Komprimering sker med standardalgoritmer som inte vidare berörs i denna ansökan.
I fig. 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. Därtill kan filtreringsalgoritmerna vara skalbara och filterkäman eller filterkämoma kan vara modifierbara. Bildbehandlingen utförs företrädesvis i programmerbar elektronik innefattande mikroprocessorer och/eller signalprocessorer. Bildbehandlingsenheten 12 utgörs således av anordning för hantering av bildinforrnation från registreringsanordningen 11, anordning för att bildbehandla bildinforrnationen från bildhämtningsenheten samt anordning för att överföra den bildbehandlade bildinformationen 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 utforingsforrnerna utan kan varieras på olika sätt inom patentkravens ram.
Det inses att ovan beskrivna metoden för bildbehandling och/eller den anordning for registrering av bild, bildbehandling och presentation av bildbehandlad bild kan tillämpas for i princip alla bildbehandlingssystem som IR-kameror, kameror eller andra optiska sensorer for alla tänkbara våglängdsomräden.

Claims (20)

10 15 20 25 30 35 PATENTKRAV
1.
2. Bildbehandlingsmetod for filtrering med adaptiv filterkärnstorlek kännetecknad av att folj ande steg innefattas; (a) en originalbild skaffas, (b) ett inforrnationsmått beräknas utifrån originalbilden, (c) en filterkärnstorlek beräknas utifrån informationsmåttet, (d) originalbilden lågpassfiltreras med ett adaptivt lågpassfilter med filterkärnstorlek till en lågpassfiltrerad bild, (e) en högpassfiltrerad bild beräknas genom att subtrahera den lågpassfiltrerade bilden från originalbilden, (f) en detalj förstärkt bild utan ljusringar fås av att en med ett detalj forstärkningsmått skalad hö gpassbild adderas till lågpassbilden.
3. Bildbehandlingsmetod enligt krav l kännetecknad av att den lågpassfiltrerade bilden komprimeras med en komprimeringsalgoritm.
4. Bildbehandlingsmetod enligt något av krav 1 till 2 kännetecknad av att filterkärnstorleken väljs utifrån en uppslagstabell med indata från informationsmåttet.
5. Bildbehandlingsmetod enligt något av krav 1 till 2 kännetecknad av att filterkärnstorleken beräknas utifrån en kärnstorleksalgoritm med indata från inforrnationsmåttet.
6. Bildbehandlingsmetod enligt något av krav 1 till 4 kännetecknad av att inforrnationsmåttet är ett kantinforrnationsmått.
7. Bildbehandlingsmetod enligt krav 5 kännetecknad av att kantinforrnationsmåttet beräknas med en Sobel-operator.
8. Bildbehandlingsmetod enligt något av krav 1 till 4 kännetecknad av att inforrnationsmåttet är ett spridningsmått.
9. Bildbehandlingsmetod enligt krav 7 kännetecknad av att spridningsmåttet är en standardavvikelse. 10 15 20 25 30 35
10.
11. ll.
12.
13.
14.
15. Bildbehandlingsmetod enligt något av krav 1 till 4 kännetecknad av att informationsmåttet är ett entropimått. Bildbehandlingsmetod enligt något av krav 1 till 9 kännetecknad av att detalj förstärkningsmåttet är ett variabelt förstärkningsmått. Bildbehandlingsmetod enligt något av krav l till 9 kännetecknad av att detalj förstärkningsmåttet är en dynamisk algoritm. Anordning för bildbehandling innefattande registreringsanordning (l 1) for bild, bildbehandlingsenhet (12), samt bildvisningsenhet (13) för bild kännetecknad av att; (a) registreringsanordningen (1 1) skaffar en originalbild, (b) bildbehandlingsenhet (12) beräknar ett inforrnationsmått utifrån originalbilden, (c) bildbehandlingsenhet (12) beräknar en filterkämstorlek utifrån inforrnationsmåttet, (d) bildbehandlingsenheten (12) lågpassfiltrerar originalbilden med ett adaptivt lågpassfilter med filterkämstorlek till en lågpassfiltrerad bild, (e) bildbehandlingsenheten (12) beräknar en hö gpassfiltrerad bild genom att subtrahera den lågpassfiltrerade bilden från originalbilden, (f) bildbehandlingsenheten (12) beräknar en detalj förstärkt bild utan ljusringar genom att en med ett detalj förstärkningsmått skalad högpassbild adderas till lågpassbilden, (g) bildvisningsenheten (13) visualiserar den detalj förstärkta bilden utan lj usringar. Anordning för bildbehandling enligt krav 12 kännetecknad av att registreringsanordningen (11) för bild är en IR-kamera. Anordning för bildbehandling enligt något av krav 12 till 13 kännetecknad av att bildbehandlingsenheten (12) komprimerar den lågpassfiltrerade bilden med en komprimeringsalgoritm. Anordning för bildbehandling enligt något av krav 12 till 14 kännetecknad av att filterkämstorleken väljs i bildbehandlingsenheten (12) utifrån en uppslagstabell med indata från inforrnationsmåttet. 10 15 20
16.
17.
18.
19.
20. Anordning för bildbehandling enligt något av krav 12 till 14 kännetecknad av att filterkämstorleken beräknas i bildbehandlingsenheten (12) utifrån en kämstorleksalgoritm med indata från inforrnationsmåttet. Anordning för bildbehandling enligt något av krav 12 till 16 kännetecknad av att bildbehandlingsenheten (12) beräknar informationsmåttet med en Sobel-operator. Anordning for bildbehandling enligt något av krav 12 till 16 kännetecknad av att bildbehandlingsenheten (12) beräknar inforrnationsmåttet genom en standardavvikelseberäkning av originalbilden. Anordning for bildbehandling enligt något av krav 12 till 18 kännetecknad av att den högpassfiltrerade bilden skalas i bildbehandlingsenheten (12) med ett detalj förstärkningsmått, där detalj förstärkningsmåttet är ett variabelt forstärkningsmått. Anordning for bildbehandling enligt något av krav 12 till 18 kännetecknad av att den högpassfiltrerade bilden skalas i bildbehandlingsenheten (12) med ett detalj förstärkningsmått, där detalj förstärkningsmåttet är en dynamisk algoritm.
SE1230022A 2012-02-21 2012-02-21 Bildbehandlingsmetod med detaljförstärkande filter med adaptiv filterkärna SE536669C2 (sv)

Priority Applications (6)

Application Number Priority Date Filing Date Title
SE1230022A SE536669C2 (sv) 2012-02-21 2012-02-21 Bildbehandlingsmetod med detaljförstärkande filter med adaptiv filterkärna
PCT/SE2013/000019 WO2013126000A1 (en) 2012-02-21 2013-02-11 Image processing method with detail-enhancing filter with adaptive filter core
CN201380010508.3A CN104335565A (zh) 2012-02-21 2013-02-11 采用具有自适应滤芯的细节增强滤波器的图像处理方法
EP13752299.1A EP2817956A4 (en) 2012-02-21 2013-02-11 IMAGE PROCESSING METHOD WITH DETAIL ADDITIONAL FILTER WITH ADAPTIVE FILTER CORE
IL233932A IL233932A0 (en) 2012-02-21 2014-08-03 An image processing method with a detail-enhancing filter with an adaptive filter center
US14/464,531 US20140355902A1 (en) 2012-02-21 2014-08-20 Image processing method with detail-enhancing filter with adaptive filter core

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
SE1230022A SE536669C2 (sv) 2012-02-21 2012-02-21 Bildbehandlingsmetod med detaljförstärkande filter med adaptiv filterkärna

Publications (2)

Publication Number Publication Date
SE1230022A1 true SE1230022A1 (sv) 2013-08-22
SE536669C2 SE536669C2 (sv) 2014-05-13

Family

ID=49006051

Family Applications (1)

Application Number Title Priority Date Filing Date
SE1230022A SE536669C2 (sv) 2012-02-21 2012-02-21 Bildbehandlingsmetod med detaljförstärkande filter med adaptiv filterkärna

Country Status (6)

Country Link
US (1) US20140355902A1 (sv)
EP (1) EP2817956A4 (sv)
CN (1) CN104335565A (sv)
IL (1) IL233932A0 (sv)
SE (1) SE536669C2 (sv)
WO (1) WO2013126000A1 (sv)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9384416B1 (en) * 2014-02-20 2016-07-05 University Of South Florida Quantitative image analysis applied to the grading of vitreous haze
US9990730B2 (en) 2014-03-21 2018-06-05 Fluke Corporation Visible light image with edge marking for enhancing IR imagery
US9930324B2 (en) 2014-08-05 2018-03-27 Seek Thermal, Inc. Time based offset correction for imaging systems
WO2016022374A1 (en) 2014-08-05 2016-02-11 Seek Thermal, Inc. Local contrast adjustment for digital images
US9924116B2 (en) 2014-08-05 2018-03-20 Seek Thermal, Inc. Time based offset correction for imaging systems and adaptive calibration control
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
CN106716992B (zh) 2014-08-20 2020-02-07 塞克热量股份有限公司 用于成像系统的增益校准的方法及成像系统
WO2016089823A1 (en) 2014-12-02 2016-06-09 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
US10467736B2 (en) 2014-12-02 2019-11-05 Seek Thermal, Inc. Image adjustment based on locally flat scenes
US9549130B2 (en) 2015-05-01 2017-01-17 Seek Thermal, Inc. Compact row column noise filter for an imaging system
CN104915932B (zh) * 2015-05-19 2018-04-27 中国电子科技集团公司第五十研究所 基于目标特征的全息雷达图像预处理与目标提取方法
US10152811B2 (en) 2015-08-27 2018-12-11 Fluke Corporation Edge enhancement for thermal-visible combined images and cameras
US10867371B2 (en) 2016-06-28 2020-12-15 Seek Thermal, Inc. Fixed pattern noise mitigation for a thermal imaging system
CN109785323B (zh) * 2019-01-25 2024-01-30 淮阴师范学院 一种基于中频滤波的图像聚焦测度实现方法
US11276152B2 (en) 2019-05-28 2022-03-15 Seek Thermal, Inc. Adaptive gain adjustment for histogram equalization in an imaging system
CN113888451A (zh) * 2020-07-02 2022-01-04 北京华科德科技有限公司 一种红外图像的处理方法、装置及电子设备

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5880767A (en) * 1996-09-11 1999-03-09 Hewlett-Packard Company Perceptual image resolution enhancement system
US6973218B2 (en) * 2001-04-25 2005-12-06 Lockheed Martin Corporation Dynamic range compression
US7116823B2 (en) * 2002-07-10 2006-10-03 Northrop Grumman Corporation System and method for analyzing a contour of an image by applying a Sobel operator thereto
US20060227382A1 (en) * 2005-03-31 2006-10-12 Lexmark International, Inc. Method for descreening a scanned image
JP4394088B2 (ja) * 2006-05-18 2010-01-06 株式会社アクセル 画像処理装置および画像処理方法
US20080007747A1 (en) * 2006-06-30 2008-01-10 Fuji Photo Film Co., Ltd. Method and apparatus for model based anisotropic diffusion
EP1892666A1 (en) * 2006-08-16 2008-02-27 Toyota Motor Europe NV A method, an apparatus and a computer-readable medium for processing an image dataset
TWI330036B (en) * 2006-10-27 2010-09-01 Quanta Comp Inc Apparatus for sharpening an image, and method thereof
JP4772721B2 (ja) * 2007-03-26 2011-09-14 株式会社東芝 画像処理装置及びその方法
US20080247665A1 (en) * 2007-04-04 2008-10-09 Silicon Integrated Systems Corp. Method and apparatus for dynamic contrast enhancement
US8306348B2 (en) * 2007-04-24 2012-11-06 DigitalOptics Corporation Europe Limited Techniques for adjusting the effect of applying kernels to signals to achieve desired effect on signal
US8655058B2 (en) * 2009-02-26 2014-02-18 Marvell World Trade Ltd. Method and apparatus for spatial noise adaptive filtering for digital image and video capture systems
WO2011091079A1 (en) * 2010-01-19 2011-07-28 Pixar Selective diffusion of filtered edges in images
EP2564373B1 (en) * 2010-04-26 2014-12-17 Robert Bosch GmbH Detection and/or enhancement of contrast differences in digital image data

Also Published As

Publication number Publication date
CN104335565A (zh) 2015-02-04
US20140355902A1 (en) 2014-12-04
WO2013126000A1 (en) 2013-08-29
EP2817956A4 (en) 2015-09-02
SE536669C2 (sv) 2014-05-13
EP2817956A1 (en) 2014-12-31
IL233932A0 (en) 2014-09-30

Similar Documents

Publication Publication Date Title
SE1230022A1 (sv) Bildbehandlingsmetod med detaljförstärkande filter med adaptiv filterkärna
SE1230021A1 (sv) Bildbehandlingsmetod för detaljförstärkning och brusreduktion
KR102104403B1 (ko) 단일영상 내의 안개 제거 방법 및 장치
KR101298642B1 (ko) 영상 잡음 제거 방법 및 장치
KR101736468B1 (ko) 영상 처리 장치 및 방법
US20120019728A1 (en) Dynamic Illumination Compensation For Background Subtraction
WO2009153836A1 (en) Method and apparatus for motion blur and ghosting prevention in imaging system
JP6579868B2 (ja) 画像処理装置、撮像装置、画像処理方法およびプログラム
EP2987320A1 (en) Extracting true color from a color and infrared sensor
EP3479345A1 (en) Method and apparatus for removing turbid objects in an image
CN107292834B (zh) 红外图像细节增强方法
KR101788660B1 (ko) 단일 영상 내의 안개 제거 장치 및 방법
He et al. Multiple scattering model based single image dehazing
CN110298796A (zh) 基于改进Retinex与对数图像处理的低照度图像增强方法
JP2006180268A (ja) 画像処理装置、画像処理方法、プログラム、及び記録媒体
Jiwani et al. Single image fog removal using depth estimation based on blur estimation
KR102346752B1 (ko) 저시정 영상개선 기능을 갖는 영상처리 시스템 및 이의 영상처리 방법
KR101171991B1 (ko) 안개 개선 영상처리시스템과 그 시스템에서의 안개영상 판단방법
Ma et al. Video image clarity algorithm research of USV visual system under the sea fog
TW201510934A (zh) 影像銳化方法與影像處理裝置
JP2013156676A (ja) 画像処理装置、方法、及びプログラム
JP6172641B2 (ja) 画像フィルタリング装置、画像フィルタリング方法及び画像フィルタリングプログラム
Lu et al. Depth estimation for image dehazing of surveillance on education
JP2012235250A (ja) 画像強調装置
JP6494817B2 (ja) 画像処理装置、画像処理方法およびプログラム。

Legal Events

Date Code Title Description
NUG Patent has lapsed