[发明专利]用于处理图像的方法和设备

说明书

提供了一种用于处理图像的方法和设备。提供了一种监控系统及其操作方法，更具体地，一种用于通过使用机器学习算法来去除宽动态范围（WDR）图像的运动模糊的图像处理方法和设备。所述处理方法包括：通过重叠具有预定的曝光时间的第一图像和具有与第一图像不同的曝光时间的第二图像来产生重叠的图像；在重叠的图像中检测发生运动模糊的感兴趣区域（ROI）；执行通过应用第一机器学习算法而将ROI内的图像改变为第一图像和第二图像中的任意一个的运动模糊去除操作。

本申请要求于2013年3月12日提交到韩国知识产权局的第10-2013-0026302号韩国专利申请的优先权，该申请的公开通过引用全部合并于此。

技术领域

与示例性实施例一致的设备和方法涉及一种监控系统及其操作方法，更具体地，涉及一种用于通过使用机器学习算法来去除宽动态范围（WDR）图像的运动模糊的图像处理方法和设备。

背景技术

在现有技术中，当执行WDR功能时，通过重叠长曝光图像和短曝光图像来扩大可表现的亮度带。在这种情况下，为了自然地表现重叠部分，通过使用对长曝光图像和短曝光图像进行插值的方法来执行重叠。然而，通过图像传感器来获得长曝光图像和短曝光图像的时刻之间发生时间差。因此，当捕捉并重叠移动对象的长曝光图像和短曝光图像时，由于时间差而发生针对重叠图像中的移动对象的两倍的运动模糊。

图1A是显示在长曝光图像和短曝光图像中可表现的亮度等级的范围。通常，当相机捕捉长曝光图像时，长曝光图像的亮度等级被表现在区间A-B。随后，相机捕捉短曝光图像，并且当长曝光图像和短曝光图像在WDR覆盖区间中重叠时，产生能够表现更宽范围的亮度等级的WDR插值图像。在这种情况下，当长曝光图像和短曝光图像在WDR覆盖区间中重叠时，由于两张图像之间的捕捉时间差和对象的运动而发生运动模糊。

发明内容

示例性实施例解决了至少上述问题和/或缺点以及以上没有描述的其他缺点。此外，示例性实施例不需要克服上述缺点，并且示例性实施例可以不克服上述问题中的任何一个。

一个或多个示例性实施例提供了一种用于在通过使用长曝光图像和短曝光图像来扩大可表现的动态范围的同时，通过使用机器学习算法来去除当实时叠加长曝光图像和短曝光图像时发生的运动模糊现象的图像处理方法和设备。

根据示例性实施例的一方面，提供了一种处理图像的方法，所述方法包括：通过重叠具有预定的曝光时间的第一图像和具有与第一图像不同的曝光时间的第二图像来产生重叠的图像；在重叠的图像中检测发生运动模糊的感兴趣区域（ROI）；执行通过应用第一机器学习算法而将ROI内的图像改变为第一图像和第二图像中的任意一个的运动模糊去除操作。

所述方法还可包括：执行通过经由应用第二机器学习算法将已经去除了运动模糊的图像的除了ROI内的图像中的对象以外的部分改变为先前的宽动态范围（WDR）图像的背景图像来输出WDR图像的输出图像处理操作。

检测ROI的步骤可包括：在重叠的图像中检测边缘；并且检测包括检测到的边缘的轮廓的ROI。

运动模糊去除操作可包括：通过先前帧和后续帧之间的ROI图像比较来确定移动对象是否存在；当移动对象不存在于ROI内的图像中时，计算ROI内的图像的平均亮度等级；当平均亮度等级等于或小于第一阈值时，将ROI内的图像改变为第一图像；当平均亮度等级大于第一阈值时，将ROI内的图像改变为第二图像。

运动模糊去除操作可包括：确定移动对象是否存在于ROI内的图像中；当移动对象存在于ROI内的图像中时，确定移动对象是否具有学习到的预定图案；当确定移动对象具有学习到的预定图案并且当移动对象是人类时，将ROI内的图像改变为第一图像；当确定移动对象具有学习到的预定图案并且当移动对象不是人类时，将ROI内的图像改变为第二图像。