Digital image restoration using SURF algorithm

• Autorzy: Tammineni Shanmukhaprasanthi , Rayavarapu Swarajya Madhuri , Gottapu Sasibhushana Rao , Goswami Raj Kumar

Identyfikatory

DOI

10.35784/iapgos.5373

Warianty tytułu

PL

Cyfrowa rekonstrukcja obrazów z wykorzystaniem algorytmu SURF

• Języki publikacji: EN

Abstrakty

EN

In contemporary times, the preservation of scientific and creative endeavours often relies on the utilization of film and image archives, hence emphasizing the significance of image processing as a critical undertaking. Image inpainting refers to the process of digitally altering an image in a manner that renders the adjustments imperceptible to a viewer lacking knowledge of the original image. Image inpainting is a technique mostly employed to restore damaged regions within an image by utilizing information obtained from matching characteristics in relevant images. This process involves filling in the damaged areas and removing undesired objects. The SURF (Speeded Up Robust Feature) algorithm under consideration is partitioned into three primary phases. Firstly, the essential characteristics of the impaired image and the pertinent image are identified. In the second stage, the relationship between the damaged image and the relevant image is determined in terms of translation, scaling, and rotation. Ultimately, the destroyed area is reconstructed through the application of the inverse transformation. The quality assessment of inpainted images can be evaluated using metrics such as Structural Similarity Index (SSIM), Peak Signal-to-Noise Ratio (PSNR), and Mean Squared Error (MSE). The experimental findings provide evidence that the suggested inpainting technique is effective in terms of both speed and quality.

PL

We współczesnych czasach utrwalanie dorobku naukowego i twórczego często opiera się na wykorzystaniu archiwów filmowych i obrazowych, co podkreśla znaczenie przetwarzania obrazu jako przedsięwzięcia krytycznego. Inpainting odnosi się do procesu cyfrowej zmiany obrazu w sposób, który sprawia, że korekty są niezauważalne dla widza nie znającego oryginalnego obrazu. Inpainting to technika stosowana najczęściej w celu przywracania uszkodzonych obszarów obrazu poprzez wykorzystanie informacji uzyskanych na podstawie dopasowania cech odpowiednich obrazów. Proces ten polega na wypełnieniu uszkodzonych obszarów i usunięciu niepożądanych obiektów. Rozważany algorytm SURF (Speeded Up Robust Feature) dzieli się na trzy główne fazy. Po pierwsze, identyfikowane są podstawowe cechy obrazu zaburzonego i obrazu istotnego. W drugim etapie określa się relację pomiędzy obrazem uszkodzonym a obrazem odpowiednim pod względem translacji, skalowania i rotacji. Ostatecznie zniszczony obszar rekonstruuje się poprzez zastosowanie transformacji odwrotnej. Ocenę jakości renowacji obrazów można ocenić za pomocą wskaźników, takich jak wskaźnik podobieństwa strukturalnego (SSIM), szczytowy stosunek sygnału do szumu (PSNR) i błąd średniokwadratowy (MSE). Wyniki eksperymentów dostarczają dowodów na to, że sugerowana technika renowacji jest skuteczna zarówno pod względem szybkości, jak i jakości.

Słowa kluczowe

EN

SURF; inpainting; image restoration; image features

PL

SURF; inpainting; renowacja obrazu; cechy obrazu

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2024
• Tom: T. 14, nr 1
• Strony: 37--40
• Opis fizyczny: Bibliogr. 13 poz., fot., tab.

Twórcy

autor

Tammineni Shanmukhaprasanthi

• Andhra University College of Engineering, Department of Electronics and Communication Engineering, Visakhapatnam, India

• https://orcid.org/0009-0000-5352-2265

autor

Rayavarapu Swarajya Madhuri

• Andhra University College of Engineering, Department of Electronics and Communication Engineering, Visakhapatnam, India

• https://orcid.org/0009-0007-7559-2142

autor

Gottapu Sasibhushana Rao

• Andhra University College of Engineering, Department of Electronics and Communication Engineering, Visakhapatnam, India

• https://orcid.org/0000-0001-6346-8274

autor

Goswami Raj Kumar

• https://orcid.org/0000-0002-0651-6783

Bibliografia

• [1] Bay H., Tuytelaars T., Van Gool L.: Surf: Speeded up robust features. 9th European Conference on Computer Vision–ECCV 2006, Austria, 2006.
• [2] Bertalmio M. et al.: Image inpainting. Proceedings of the 27th annual conference on Computer graphics and interactive techniques, 2000.
• [3] Bertalmio M. et al.: Simultaneous structure and texture image inpainting. IEEE transactions on image processing 12(8), 2003, 882–889.
• [4] Birajdar G. K., Vijay H. M.: Digital image forgery detection using passive techniques: A survey. Digital investigation 10(3), 2013, 226–245.
• [5] Cheng W. H. et al.: Robust algorithm for exemplar-based image inpainting. Proceedings of International Conference on Computer Graphics, Imaging and Visualization, 2005.
• [6] Criminisi A., Pérez P., Toyama K.: Region filling and object removal by exemplar-based image inpainting. IEEE Transactions on image processing 13(9), 2004, 1200–1212.
• [7] Drori I., Cohen-Or D., Yeshurun H.: Fragment-based image completion. ACM SIGGRAPH 2003 Papers, 2003, 303–312.
• [8] Jia J., Tang C. K.: Image repairing: Robust image synthesis by adaptive and tensor voting. IEEE Computer Society Conference on Computer Vision and Pattern Recognition 1, 2003.
• [9] Kakar P.: Passive approaches for digital image forgery detection. Thesis, 2015.
• [10] Prasanthi T. S. et al.: Performance analysis of different applications of image inpainting based on exemplar technique. International Journal on Recent and Innovation Trends in Computing and Communication 11(4), 2023, 113–117.
• [11] Wong A., Orchard J.: A nonlocal-means approach to exemplar-based inpainting. 15th IEEE International Conference on Image Processing, 2008.
• [12] Wu J., Ruan Q.: Object removal by cross isophotes exemplar-based inpainting. 18th International Conference on Pattern Recognition (ICPR'06) 3, 2006.
• [13] Yogesh Laxman Tonape V.: Faster and Efficient Method for Robust Exemplar Based Inpainting Using Block Processing. International Journal of Computer Science and Information Technologies 6(3), 2015.