TWI474285B - 移動向量估算系統及方法 - Google Patents

移動向量估算系統及方法 Download PDF

Info

Publication number
TWI474285B
TWI474285B TW98107374A TW98107374A TWI474285B TW I474285 B TWI474285 B TW I474285B TW 98107374 A TW98107374 A TW 98107374A TW 98107374 A TW98107374 A TW 98107374A TW I474285 B TWI474285 B TW I474285B
Authority
TW
Taiwan
Prior art keywords
motion vector
sub
matching error
band
reference image
Prior art date
Application number
TW98107374A
Other languages
English (en)
Other versions
TW201033940A (en
Inventor
Gwo Giun Lee
Ming Jiun Wang
Ling Hsiu Huang
Original Assignee
Himax Tech Inc
Ncku Res & Dev Foundation
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 Himax Tech Inc, Ncku Res & Dev Foundation filed Critical Himax Tech Inc
Priority to TW98107374A priority Critical patent/TWI474285B/zh
Publication of TW201033940A publication Critical patent/TW201033940A/zh
Application granted granted Critical
Publication of TWI474285B publication Critical patent/TWI474285B/zh

Links

Landscapes

  • Image Analysis (AREA)

Description

移動向量估算系統及方法
本發明係有關移動向量之估算，特別是有關一種旋轉不變(rotation-invariant)或尺度不變(scale-invariant)之系統及方法，用以估算得到真實(true)移動向量。
於影像處理領域中，移動向量估算(motion estimation)是一種很重要的處理，其可適用於許多的影像處理應用場合中，例如移動向量補償之去交錯(motion-compensated deinterlacing)、移動向量補償之掃描率轉換(motion-compensated scan rate conversion)、移動向量補償之雜訊降低(motion-compensated noise reduction)及影像內容分析等。區塊比對(block matching)是傳統移動向量補償經常被使用到的演算法之一，然而，如果前、後圖像(例如，參考圖像及目前圖像)中的物件有旋轉(rotation)或者尺度比例(scale)的變化，則傳統的區塊比對演算法往往無法獲得好的結果。
因此，亟需提出一種旋轉不變(rotation-invariant)之演算法，或者提出一種尺度不變(scale-invariant)之演算法，用以估算得到真實移動向量。
本發明的目的之一在於提出一種移動向量估算系統及方法，其於特徵萃取時不會受到旋轉或尺度比例的影響，因而得以估算得到真實移動向量。
根據本發明實施例，以加柏(Gabor)濾波器組輸入目前圖像及參考圖像，用以產生目前圖像濾波輸出及參考圖像濾波輸出，該加柏(Gabor)濾波器組根據其基底(bases)以提供多個旋轉不變(rotation-invariant)/尺度不變(scale-invariant)之特徵值(features)。匹配誤差計算單元根據目前圖像濾波輸出、參考圖像濾波輸出及多個移動向量預估值，以產生多個匹配誤差值。移動向量搜尋單元提供該移動向量預估值至匹配誤差計算單元，且自匹配誤差計算單元輸入多個匹配誤差值，並就其中最小者所對應之移動向量預估值作為真實(true)移動向量。
以下所述的本發明實施例使用加柏(Gabor)濾波器組(filter bank)來萃取不受旋轉(rotation)或尺度比例(scale)影響的特徵(feature)，以利移動向量之估算，主要係考量到加柏(Gabor)濾波器組具有旋轉不變(rotation-invariant)及尺度不變(scale-invariant)的特性。加柏(Gabor)濾波器組的基底(base)可以表示為下式(1)：
其中，x、y分別代表水平及垂直像素指數(index)，fhi 、fvi 分別代表第i個次頻帶(subband)的水平及垂直中心頻率(center frequency)，則代表第i個次頻帶的高斯視窗(Gaussian window)之偏差值(variance)。
第一圖例示加柏(Gabor)濾波器組的通帶(passband)，於圖式中例示有二十個通帶或次頻帶。圖式中的每一個通帶係由不同的中心頻率(fhi 、fvi )及偏差值()所決定，其中，愈離開中心之通帶的頻率愈大，而偏差值()則相關於通帶的大小。
在本發明第一實施例中，藉由萃取加柏(Gabor)濾波器組之旋轉不變(rotation-invariant)特徵(feature)，用以估算得到真實移動向量。第二圖顯示加柏(Gabor)濾波器組的各個通帶，其中(頻率相關)次頻帶指數p代表對應至不同的頻率，例如，於圖式中，由中心往外依次為0、1、2、3、4；而另一(角度相關)次頻帶指數q則代表對應至不同的旋轉角度。鑑於影像中的物件如果經過旋轉後，其頻譜也會有旋轉之現象(但頻率大小則不變)。因此，在本發明第一實施例中，使用下式(2)將各種角度(亦即，所有q值)的加柏(Gabor)基底gp,q (x,y)予以加總後，所得到的特徵值gp (x,y)即不具有角度q的變數，因而可作為旋轉不變(rotation-invariant)基底，其可用於後續移動向量的估算。於圖式中，對於不同頻率(p=0-4)，總共可以得到五個特徵值。
第三圖顯示本發明第一實施例之移動向量估算系統及其處理流程。首先，輸入目前圖像IC 及參考圖像IR (例如前一圖像)至加柏(Gabor)濾波器組10。藉由前述加柏(Gabor)濾波器組10之旋轉不變(rotation-invariant)基底gp (x,y)，因而分別得到(目前/參考圖像之)濾波輸出Gp (IC )、Gp (IR )。詳言之，目前圖像IC 之濾波輸出Gp (IC )係由目前圖像IC 與特徵值gp (x,y)進行摺積運算(convolution)而得，亦即Gp (IC )=gp (x,y)*IC (x,y)；而參考圖像IR 之濾波輸出Gp (IR )係由參考圖像IR 與特徵值gp (x,y)進行摺積運算(convolution)而得，亦即Gp (IR )=gp (x,y)*IR (x,y)。
接下來，以方塊12進行匹配成本(matching cost)或匹配誤差(matching error)的計算，用以得到位於(x,y)像素的移動向量(u,v)的誤差。詳言之，首先，將目前圖像IC 位於像素(x,y)的濾波輸出Gp (IC ,x,y)與參考圖像IR 位於移動後像素(x+u,y+v)的濾波輸出Gp (IR ,x+u,y+v)進行相減，以得到一差值；再對所有頻率值(亦即，頻率相關次頻帶指數p)的差值予以加總，因而得到匹配誤差值。上述匹配誤差值C的計算可以表示如下式(3)：
上述方塊12或式(3)的移動向量預估值(u,v)可以由一移動向量搜尋(search)單元14來提供。移動向量搜尋單元14可以使用各種傳統搜尋演算法之一，例如全域搜尋(full search)演算法。移動向量搜尋單元14所提供的不同移動向量值(u,v)可得到不同大小的匹配誤差值C；而移動向量搜尋單元14即根據這些匹配誤差值C當中的最小者，據以判定相對應的移動向量值(u,v)作為最適當的移動向量，或者真實(true)移動向量。
在本發明第二實施例中，藉由萃取加柏(Gabor)濾波器組之尺度不變(scale-invariant)特徵(feature)，用以估算得到真實移動向量，此時的加柏(Gabor)濾波器組需符合下式(4)：
其中，ηh 、ηv 為(水平/垂直)尺度常數，用以控制視窗大小。
在式(4)的條件下，下式(5)所示尺度比例不同的二信號s1 、s2 可具有下式(6)的關係：
其中，a代表尺度比例係數(factor)，而g代表加柏(Gabor)濾波器組之基底。上式(6)僅適用於當二圖像的尺度比例係數為整數倍時。底下所示之第二實施例將提出一種可適用於任意尺度比例的圖像。
在本實施例中，代表加柏(Gabor)濾波器組之特徵值g定義如下式(7)：
其中，n代表各種尺度比例的次頻帶指數，θ代表次頻帶之中心頻率的角度，α代表次頻帶中的最小頻率。
由式(7)可以看出，任何二相鄰次頻帶的尺度比例為。在本發明較佳實施例中，α=0.08837,η=1.183,θ=0°,45°,90°,135°。
第四圖顯示本發明第二實施例之移動向量估算系統及其處理流程。首先，輸入目前圖像IC 及參考圖像IR (例如前一圖像)至加柏(Gabor)濾波器組20。藉由加柏(Gabor)濾波器組20之尺度不變(scale-invariant)基底g(x,y,n,θ)，因而分別得到(目前/參考圖像之)濾波輸出G(IC )、G(IR )。詳言之，目前圖像之濾波輸出G(IC )係由目前圖像IC 與特徵值g(x,y,n,θ)進行摺積運算(convolution)而得，亦即G(IC )=g(x,y,n,θ)*IC (x,y)；而參考圖像之濾波輸出G(IR )係由參考圖像IR 與特徵值g(x,y,n,θ)進行摺積運算(convolution)而得,亦即G(IR )=g(x,y,n,θ)*IR (x,y)。
接下來，以方塊22進行匹配成本(matching cost)或匹配誤差(matching error)的計算，用以得到放大之匹配誤差值Cr 及縮小之匹配誤差值Cc ，如下式(8)所示：
其中，由於式(7)所定義的尺度比例僅有1x、及2x，因此，使用尺度比例次頻帶偏差值(offset)k來代表經內插(interpolation)後的尺度比例。詳言之，當k=0.5時，G(x,y,n+0.5,θ,I)=[G(x,y,n,θ,I)+G(x,y,n+1,θ,I)]/2，代表於尺度比例1x、間作內插；當k=1.5時，G(x,y,n+1.5,θ,I)=[G(x,y,n+1,θ,I)+G(x,y,n+2,θ,I)]/2,代表於尺度比例、2x間作內插。經內插後，將得到下列尺度比例：1x、1.189x、1.414x、1.682x、2x。
關於(放大/縮小)匹配誤差值Cr 或Cc 的計算，類似於前述的式(3)，亦即，首先，將目前圖像IC 位於像素(x,y)的濾波輸出G(Ic,x,y)與參考圖像IR 位於移動像素(x+u,y+v)的濾波輸出G(IR ,x+u,y+v)進行相減，以得到一差值；再對所有次頻帶指數n、中心頻率角度θ的差值予以加總，因而得到(放大/縮小)匹配誤差值Cr 或Cc 。和式(3)不同的是，式(8)需針對不同的尺度比例(亦即，不同的k值)逐一得到誤差值並作比對，並以最小的誤差值所對應的尺度比例(或k值)作為實際的尺度比例。最終的匹配誤差值C則是取Cr 與Cc 之較小者。
上述方塊22或式(8)的移動向量預估值(u,v)可以由一移動向量搜尋(search)單元24來提供。移動向量搜尋單元24可以使用各種傳統搜尋演算法之一，例如全域搜尋(full search)演算法。移動向量搜尋單元24所提供的不同移動向量值(u,v)可得到不同大小的匹配誤差值C；而移動向量搜尋單元24即根據這些匹配誤差值C當中的最小者，據以判定相對應的移動向量值(u,v)作為最適當的移動向量，或者真實(true)移動向量。
以上第一、第二實施例分別說明了根據旋轉不變(rotation-invariant)及尺度不變(scale-invariant)之特徵以進行移動向量之估算。如果所處理的圖像既具有旋轉及尺度比例的改變，則可以合併上述二實施例的作法，並就旋轉不變匹配誤差值C、尺度不變匹配誤差值Cr 、Cc 三者中最小者，據以判定相對應的移動向量值(u,v)作為最適當的移動向量，或者真實(true)移動向量。
以上所述僅為本發明之較佳實施例而已，並非用以限定本發明之申請專利範圍；凡其它未脫離發明所揭示之精神下所完成之等效改變或修飾，均應包含在下述之申請專利範圍內。
10．．．具旋轉不變基底之加柏(Gabor)濾波器組
12．．．匹配誤差計算
14．．．移動向量搜尋
20．．．具尺度不變基底之加柏(Gabor)濾波器組
22．．．匹配誤差計算
24．．．移動向量搜尋
p．．．(頻率相關)次頻帶指數
q．．．(角度相關)次頻帶指數
IC ．．．目前畫像
IR ．．．參考畫像
G(IC )．．．目前畫像之濾波輸出
G(IR )．．．參考畫像之濾波輸出
u,v．．．移動向量
C．．．匹配誤差值
Cr 、Cc ．．．匹配誤差值
第一圖例示加柏(Gabor)濾波器組的通帶(passband)。
第二圖顯示加柏(Gabor)濾波器組的通帶(passband)，其中次頻帶指數p代表不同的頻率，而另一次頻帶指數q則代表旋轉角度。
第三圖顯示本發明第一實施例之移動向量估算系統及其處理流程。
第四圖顯示本發明第二實施例之移動向量估算系統及其處理流程。
10．．．具旋轉不變基底之加柏(Gabor)濾波器組
12．．．匹配誤差計算
14．．．移動向量搜尋
IC ．．．目前畫像
IR ．．．參考畫像
G(IC )．．．目前畫像之濾波輸出
G(IR )．．．參考畫像之濾波輸出
u,v．．．移動向量
C．．．匹配誤差值

Claims (14)

  1. 一種移動向量估算系統，包含：一加柏(Gabor)濾波器組，其輸入目前圖像IC 及參考圖像IR ，用以產生目前圖像IC 濾波輸出及參考圖像IR 濾波輸出，該加柏(Gabor)濾波器組具有複數個旋轉不變(rotation-invariant)之基底(bases)及複數個尺度不變(scale-invariant)之基底，該加柏濾波器係根據該些基底以提供複數個特徵值(features)；一匹配誤差計算單元，其將目前圖像IC 位於像素(x,y)的濾波輸出Gp (IC ,x,y)與參考圖像IR 位於移動後像素(x+u,y+v)的濾波輸出Gp (IR ,x+u,y+v)進行相減，並對所有頻率相關次頻帶指數p的差值予以加總，用以得到該複數個匹配誤差值，其中包含複數個旋轉不變匹配誤差值C及複數個尺度不變匹配誤差值Cr 、Cc ，其中(u,v)為移動向量預估值；及一移動向量搜尋單元，其提供該移動向量預估值至該匹配誤差計算單元，且自該匹配誤差計算單元輸入該複數個匹配誤差值，並就其中最小者所對應之移動向量預估值作為真實(true)移動向量。
  2. 如申請專利範圍第1項所述之移動向量估算系統，其中上述之複數個特徵值gp (x,y)係由下式得到： 其中，頻率相關次頻帶指數p代表對應至不同的頻率，角度相關次頻帶指數q則代表對應至不同的旋轉角度，而該基底g(x,y)定義如下： 其中，x、y分別代表水平及垂直像素指數(index)，fhi 、fvi 分別代表第i個次頻帶(subband)的水平及垂直中心頻率(center frequency)，則代表第i個次頻帶的高斯視窗(Gaussian window)之偏差值(variance)。
  3. 如申請專利範圍第2項所述之移動向量估算系統，其中上述之加柏(Gabor)濾波器組執行下列步驟：將目前圖像IC 與特徵值gp (x,y)進行摺積運算(convolution)而得到該濾波輸出Gp (IC )=gp (x,y)*IC (x,y)；及將參考圖像IR 與特徵值gp (x,y)進行摺積運算(convolution)而得到該參考圖像IR 之濾波輸出Gp (IR )=gp (x,y)*IR (x,y)。
  4. 如申請專利範圍第1項所述之移動向量估算系統，其中上述匹配誤差計算單元所執行步驟可以下式表示：
  5. 如申請專利範圍第1項所述之移動向量估算系統，其中上述之複數個特徵值g(x,y,n,θ)定義如下： f h (n ,θ )=cosθf (n )f v (n ,θ )=sinθf (n ) 其中，x、y分別代表水平及垂直像素指數(index)，fhi 、fvi 分別代表第i個次頻帶(subband)的水平及垂直中心頻率(center frequency)，n代表各種尺度比例的次頻帶指數，θ代表次頻帶之中心頻率的角度，α代表次頻帶中的最小頻率。
  6. 如申請專利範圍第5項所述之移動向量估算系統，其中上述之加柏(Gabor)濾波器組執行下列步驟： 將目前圖像IC 與特徵值g(x,y,n,θ)進行摺積運算(convolution)而得到該濾波輸出G(IC )=g(x,y,n,θ)*IC (x,y)；及將參考圖像IR 與特徵值g(x,y,n,θ)進行摺積運算(convolution)而得到該參考圖像IR 之濾波輸出G(IR )=g(x,y,n,θ)*IR (x,y)。
  7. 如申請專利範圍第6項所述之移動向量估算系統，其中上述之匹配誤差計算單元執行下式計算，以得到該尺度不變匹配誤差值之放大之匹配誤差值Cr 及縮小之匹配誤差值Cc ：C (x ,y ,u ,v )=min(C r (x ,y ,u ,v ),C c (x ,y ,u ,v)) 其 中，尺度比例次頻帶偏差值(offset)k代表經內插(interpolation)後的尺度比例；當k=0.5時，G(x,y,n+0.5,θ,I)=[G(x,y,n,θ,I)+G(x,y,n+1,θ,I)]/2，代表於尺度比例1x、x間作內插；當k=1.5時，G(x,y,n+1.5,θ,I)=[G(x,y,n+1,θ,I)+G(x,y,n+2,θ,I)]/2，代表於尺度比例x、2x間作內插。
  8. 一種移動向量估算方法，包含：輸入目前圖像IC 及參考圖像IR 至一加柏(Gabor)濾波器組，用以產生目前圖像IC 濾波輸出及參考圖像IR 濾波輸出，該加柏(Gabor)濾波器組具有複數個旋轉不變(rotation-invariant)之基底(bases)及複數個尺度不變(scale-invariant)之基底，該加柏濾波器係根據該些基底以提供複數個特徵值(features)；將目前圖像IC 位於像素(x,y)的濾波輸出Gp (IC ,x,y)與參考圖像IR 位於移動後像素(x+u,y+v)的濾波輸出Gp (IR ,x+u,y+v)進行相減，並對所有頻率相關次頻帶指數p的差值予以加總，用以得到複數個匹配誤差值，其中包含複數個旋轉不變匹配誤差值C及複數個尺度不變匹配誤差值Cr 、Cc ，其中(u,v)為移動向量預估值；及接收該複數個匹配誤差值C，並就其中最小者所對應之移動向量預估值作為真實(true)移動向量。
  9. 如申請專利範圍第8項所述之移動向量估算方法，其中上述之複數個特徵值gp (x,y)係由下式得到： 其中，頻率相關次頻帶指數p代表對應至不同的頻率，角度相關次頻帶指數q則代表對應至不同的旋轉角度，而該基底g(x,y)定義如下： 其中，x、y分別代表水平及垂直像素指數(index)，fhi 、fvi 分別代表第i個次頻帶(subband)的水平及垂直中心頻率(center frequency)，則代表第i個次頻帶的高斯視窗(Gaussian window)之偏差值(variance)。
  10. 如申請專利範圍第9項所述之移動向量估算方法，其中上述之加柏(Gabor)濾波器組執行下列步驟：將目前圖像IC 與特徵值gp (x,y)進行摺積運算(convolution)而得到該濾波輸出Gp (IC )=gp (x,y)*IC (x,y)；及將參考圖像IR 與特徵值gp (x,y)進行摺積運算(convolution)而得到該參考圖像IR 之濾波輸出Gp (IR )=gp (x,y)*IR (x,y)。
  11. 如申請專利範圍第8項所述之移動向量估算方法，其中上述複數個匹配誤差值之產生可以下式表示：
  12. 如申請專利範圍第8項所述之移動向量估算方法，其中上述之複數個特徵值g(x,y,n,θ)定義如下： f h (n ,θ )=cosθf (n )f v (n ,θ )=sinθf (n ) 其中，x、y分別代表水平及垂直像素指數(index)，fhi 、fvi 分別代表第i個次頻帶(subband)的水平及垂直中心頻率(center frequency)，n代表各種尺度比例的次頻帶指數，θ代表次頻帶之中心頻率的角度，α代表次頻帶中的最小頻率。
  13. 如申請專利範圍第12項所述之移動向量估算方法，其中上述之加柏(Gabor)濾波器組執行下列步驟：將目前圖像IC 與特徵值g(x,y,n,θ)進行摺積運算(convolution)而得到該濾波輸出G(IC )=g(x,y,n,θ)*IC (x,y)；及 將參考圖像IR 與特徵值g(x,y,n,θ)進行摺積運算(convolution)而得到該參考圖像IR 之濾波輸出G(IR )=g(x,y,n,θ)*IR (x,y)。
  14. 如申請專利範圍第13項所述之移動向量估算方法，其中上述複數個匹配誤差值之產生係執行下式計算，以得到放大之匹配誤差值Cr 及縮小之匹配誤差值Cc ：C (x ,y ,u ,v )=min(C r (x ,y ,u ,v ),C c (x ,y ,u ,v )) 其 中，尺度比例次頻帶偏差值(offset)k代表經內插(interpolation)後的尺度比例；當k=0.5時，G(x,y,n+0.5,θ,I)=[G(x,y,n,θ,I)+G(x,y,n+1,θ,I)]/2，代表於尺度比例1x、x間作內插；當k=1.5時，G(x,y,n+1.5,θ,I)=[G(x,y,n+1,θ,I)+G(x,y,n+2,θ,I)]/2，代表於尺度比例x、2x間作內插。
TW98107374A 2009-03-06 2009-03-06 移動向量估算系統及方法 TWI474285B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW98107374A TWI474285B (zh) 2009-03-06 2009-03-06 移動向量估算系統及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW98107374A TWI474285B (zh) 2009-03-06 2009-03-06 移動向量估算系統及方法

Publications (2)

Publication Number Publication Date
TW201033940A TW201033940A (en) 2010-09-16
TWI474285B true TWI474285B (zh) 2015-02-21

Family

ID=44855353

Family Applications (1)

Application Number Title Priority Date Filing Date
TW98107374A TWI474285B (zh) 2009-03-06 2009-03-06 移動向量估算系統及方法

Country Status (1)

Country Link
TW (1) TWI474285B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090052743A1 (en) * 2004-10-12 2009-02-26 Axel Techmer Motion estimation in a plurality of temporally successive digital images

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090052743A1 (en) * 2004-10-12 2009-02-26 Axel Techmer Motion estimation in a plurality of temporally successive digital images

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Ju Han , Kai-Kuang MA, "Rotation-invariant and scale-invariant Gabor features for texture image retrieval" , 2007. 林明秀 , 董學志 , 宋建中 ," Gabor小波目標特徵提取和跟蹤方法的研究" , 2004.12 . David G . Lowe , " Distinctive Image Features from Scale-Invariant Keypoints " International Journal of Computer Vision , Vol:60 , Issue:2, November 2004 , pp.91 - 110 *

Also Published As

Publication number Publication date
TW201033940A (en) 2010-09-16

Similar Documents

Publication Publication Date Title
Vishwakarma et al. Image fusion using adjustable non-subsampled shearlet transform
JP2776294B2 (ja) 皮膚紋様画像の画像特徴抽出装置および画像処理装置
Cooper Improved photo response non-uniformity (PRNU) based source camera identification
US9619755B2 (en) Method for estimating parameters of a graph spectral filter using training data
Mustafa et al. Image enhancement based on discrete cosine transforms (DCT) and discrete wavelet transform (DWT): a review
WO2016169244A1 (zh) 基于随机喷射retinex的视频图像去噪与增强方法及装置
Thaipanich et al. An adaptive nonlocal means scheme for medical image denoising
CN104182941A (zh) 高光谱图像条带噪声去噪方法
CN104036461B (zh) 一种基于联合滤波的红外复杂背景抑制方法
Karnaukhov et al. Restoration of multispectral images by the gradient reconstruction method and estimation of the blur parameters on the basis of the multipurpose matching model
Wang et al. Image enhancement
CN102314675B (zh) 基于小波高频的贝叶斯去噪方法
TWI474285B (zh) 移動向量估算系統及方法
Habeeb Performance Enhancement of Medical Image Fusion Based on DWT and Sharpening Wiener Filter
RU2630744C2 (ru) Способ обнаружения периодических текстур
CN110490819A (zh) 基于nsst和nlm滤波及硬阈值技术的图像去噪方法
Luong et al. A primal-dual algorithm for joint demosaicking and deconvolution
CN107480593A (zh) Beltrami流和递归滤波的高光谱图像分类方法
Sugamya et al. Image enhancement using singular value decomposition
Pedone et al. Quaternion wiener deconvolution for noise robust color image registration
Shi et al. Learning Frequency-Aware Dynamic Transformers for All-In-One Image Restoration
CN106327440B (zh) 含有非局域数据保真项的图像分解滤波方法
Yun et al. Color interpolation by expanding a gradient method
Seetharaman et al. Swift Fingerprint Enhancement Technique with Parabolic Mask Filtering Algorithm
Lukin et al. Denoising of multichannel images with references