梦幻星河-CSDN博客

原创图像坏点校正算法调研--DPC

本报告系统调研了面向CMOS图像传感器的坏点校正（Defect Pixel Correction, DPC）算法研究现状与工程实践。图像传感器坏点主要包括死点（Dead Pixel）、亮点（Hot Pixel）和不稳定性坏点（Stuck Pixel），这些缺陷在像素尺寸持续缩小的趋势下愈发突出。调研发现，该领域的技术演进呈现三条主线：（1）以中值滤波、梯度检测为代表的传统信号处理算法，已在商用ISP中固化为成熟硬件模块；

2026-05-25 14:40:05 508

原创图像画质自动化调试技术

图像信号处理器（ISP）将CMOS传感器采集的RAW数据转换为可视RGB图像，其管线中数十个模块涉及上百个可调参数，直接影响成像的色彩、亮度、噪声和细节表现。传统ISP调参高度依赖成像专家手工完成，周期长、主观性强、难以跨硬件泛化。近年来，以深度学习、强化学习和多模态大语言模型为代表的数据驱动方法正在改变这一范式，自动化ISP调试技术从学术研究到工程落地均已取得显著进展。

2026-05-17 13:41:46 669 1

原创成像系统自动聚焦（AF）算法调研----进阶2

第一，CDAF算法由清晰度评价函数和搜索策略两个子系统构成，两者相互独立又深度耦合。清晰度评价函数决定了焦点搜索的“地形”，搜索策略决定了在地形上寻找最高点的“路径”。二者的协同优化是CDAF算法设计的核心思想。第二，清晰度评价函数已从简单的空域梯度计算发展到频域—空域混合及自适应归一化等多维评价体系。空域梯度类函数凭借优异的精度—效率平衡，在实际工程中应用最广。DCT零系数方法与NAVA函数分别在抗光照干扰和抗目标变化方面展现了突破性的增强能力。第三，搜索策略的演进遵循“少采样、高智能”的规律。

2026-05-10 13:30:00 370

原创成像系统自动聚焦（AF）算法调研----进阶1

本报告围绕“感知—决策—执行”三层架构，对成像系统自动聚焦算法的技术演进进行了系统梳理和深度分析。第一，聚焦状态感知从标量走向高维向量，从间接测量走向直接检测。感知方式从主动式距离测量到CDAF清晰度标量，再到PDAF的几何向量和深度学习的高维特征，信息维度持续提升，单帧感知能力不断增强。事件相机的引入更将时间分辨率推进到微秒量级，ELP函数实现了检测式而非搜索式的新感知范式。第二，聚焦策略决策从随机试探走向智能规划，从启发式规则走向数据驱动。

2026-05-10 06:30:00 734

原创成像系统自动聚焦（AF）算法调研----扫盲

自动聚焦技术是现代成像系统的核心，直接影响图像质量和用户体验。本文系统分析了自动聚焦算法的发展历程与技术现状，将其分为主动式测距法、被动式对比度法、相位检测法和基于深度学习的智能化方法四大类。报告详细阐述了各类算法的原理、优缺点及应用场景，指出当前主流方案为"混合对焦"模式，即结合相位检测和对比度优化的优势。深度学习方法虽展现出潜力，但受限于硬件依赖和推理延迟，大规模应用仍需时日。最后，报告展望了自动聚焦技术面临的挑战和未来发展趋势。

2026-05-09 13:36:15 568

原创自动曝光算法调研

自动曝光（Auto Exposure，AE）是成像系统“3A”技术（AE/AWB/AF）中最基础且最核心的控制模块，其基本任务是动态调节传感器曝光参数，使输出图像亮度维持在期望目标水平。测光与目标决策（基于图像亮度统计信息计算当前测光值并确定目标亮度）、曝光参数分解（根据亮度偏差计算所需曝光量并将其分配至曝光时间和增益等具体参数）、应用与收敛控制（将新参数写入传感器寄存器并控制帧间过渡的平滑性）。

2026-05-09 06:30:00 891

原创成像系统自动曝光（AE）算法调研----扫盲

自动曝光（Auto Exposure, AE）是成像系统中最基础且最核心的控制算法之一，与自动白平衡（AWB）、自动对焦（AF）合称“3A”技术，构成数字相机和各类视觉系统的控制中枢。AE系统的基本任务是动态调节传感器的曝光参数（曝光时间、模拟增益、数字增益、光圈等），使输出图像的亮度维持在期望的目标水平。随着CMOS图像传感器技术、嵌入式处理器性能及人工智能算法的快速发展，AE算法经历了从简单均值调节到智能场景感知的多代演进。本报告系统梳理了AE算法的核心原理、算法分类体系、技术演进脉络及应用现状，从经典

2026-05-08 14:15:47 854

原创图像锐化算法评价指标--无参考图像

在无参考图像的场景下，客观评价锐化效果的核心是权衡与。以下提供6个可在MATLAB中直接实现的指标，涵盖锐度提升、过锐化检测与噪声放大三个方面，并给出参数择优策略。

2026-05-08 09:12:42 383

原创图像锐化效果的客观评价方法

图像锐化效果客观评价方法综述: 本文梳理了图像锐化效果的客观评价体系，针对锐化技术特有的"增强-失真"权衡问题，提出了分层评价框架。

2026-05-07 17:43:18 555

原创对多尺度锐化方法的系统性调研与理论分析

多尺度锐化技术通过在不同分辨率层级上分别提取和处理图像细节，实现了边缘增强与噪声抑制的平衡。报告系统梳理了多尺度分解框架（如金字塔变换、小波分析）、反锐化掩模优化及深度学习方法，对比了传统算法（Contourlet/Shearlet变换）与新兴神经网络在边缘增强、光晕抑制等维度的性能差异。研究指出，多尺度方法通过分层处理不同粒度特征，克服了单尺度锐化的局限性，未来发展方向包括自适应机制优化和轻量化部署。该调研为图像锐化研究提供了理论参考和技术路线分析。

2026-05-07 10:11:12 454

原创图像锐化算法调研

图像锐化技术通过增强高频分量提升图像清晰度，主要分为传统算子法（如Roberts、Sobel）、反锐化掩模（USM）、变换域法和深度学习方法。报告系统梳理了60年来四类算法的数学原理与演进脉络，对比了各方法在效果、计算成本与适用场景（如医学影像、工业检测）的差异，并建立了锐化质量评价体系。传统算子法计算高效但抗噪性弱，USM平衡效果与复杂度，深度学习方法性能优越但依赖数据。研究为算法选择与优化提供了理论框架和应用指南，指出未来方向将聚焦自适应锐化与轻量化深度学习模型的结合。

2026-04-30 18:00:00 512

原创图像降噪算法调研

图像降噪是计算机视觉与图像处理领域的基础性研究课题，其目标在于从受噪声污染的图像中恢复高质量的清晰图像，为后续的分割、检测、识别等高级视觉任务提供可靠输入。近十年来，图像降噪算法经历了从传统滤波方法到深度学习方法的深刻范式转变，主流算法可划分为传统滤波类、深度学习CNN类、Transformer类、扩散模型类及自监督类五大类别。

2026-04-29 18:00:00 575

原创 ISP Pipeline中传统图像降噪算法综述及边缘设备工程化建议

图像信号处理器（ISP）中的传统降噪算法在边缘计算场景仍具独特价值。本文系统分析了四类主流方法：空间域滤波（如双边滤波、导向滤波）、变换域方法（小波阈值）、非局部相似性利用（NLM、BM3D）及稀疏/低秩建模，从原理、效果和硬件适配性多维度对比。针对移动端ISP的实时性、功耗和带宽约束，重点探讨了算法选型、定点化、访存优化等工程化关键问题，提出保边平滑与非局部性两大核心设计思想。传统方法凭借确定性、低计算开销和硬件友好特性，在深度学习时代仍是ISP降噪模块的重要补充方案。

2026-04-29 10:40:49 452

原创消费电子与工业影像产品降噪模块算法调研

图像降噪模块是现代成像产品ISP（Image Signal Processor）管线中的核心处理单元之一，直接决定最终图像的主观质量与客观信噪比。本报告聚焦消费电子、安防监控、车载影像、医疗成像等主流应用领域中所使用的前沿降噪模块，系统调研Bayer域降噪（BNR）、三维降噪（3DNR）、空域降噪（2DNR）以及多域联动的完整降噪逻辑。通过对噪声模型、分域降噪原理、时空联合策略及行业应用实例的全面剖析，本报告提炼出贯穿各领域降噪设计的五条核心设计思想：分域分级、保边优先、时域增益、统计自适应、轻量可测。

2026-04-28 17:49:05 521