Automatic identification method of blurred images

• Autorzy: Karpinski M. , Piontko N. , Karpinskyi V.

Warianty tytułu

PL

Metoda automatycznej identyfikacji typu obrazów rozmytych

• Języki publikacji: EN

Abstrakty

EN

Automatic identification method of the blur type is an important stage in automatic restoring and segmentation of partially blurred images. This article describes automatic identification method of blurred images that also allows to estimate the blur angle parameter. This method contains five steps: 1) applying modified Sobel operator to the input image; 2) image cutting on perimeter in order to eliminate the negative effects occurred at the previous step; 3) construction sequentially blurred image’s versions from the step 2 with fixed radius; 4) similarity measure calculation of sequentially blurred image’s versions along with original image; 5) estimation of the criterion value. Method has been tested and has shown correct result in more than 90% of input images, and the average angle’s error does not exceed more than 8 degrees.

PL

Metoda automatycznej identyfikacji typu rozmycia jest ważnym etapem w zagadnieniach automatycznego przywracania i segmentacji obrazów częściowo zniekształconych. W artykule rozpatrzono metodę automatycznej identyfikacji obrazów rozmytych pozwalającą również określić kąt rozmycia. Metoda ta obejmuje pięć kroków: 1) zastosowanie do wejściowego obrazu zmodyfikowanego operatora Sobela; 2) cięcie obrazu na obwodzie w celu wyeliminowania negatywnych skutków występujących w poprzednim kroku; 3) budowa kolejno wersji obrazów rozmytych z kroku 2 zachowując zdefiniowany stały promień; 4) obliczenie miary podobieństwa wersji obrazów kolejno rozmytych z oryginalnym obrazem; 5) wyznaczenie wartości kryterium. Testowanie metody wykazało prawidłowy wynik w ponad 90% obrazów wejściowych, a średni błąd określenia kąta rozmycia nie przekracza 8 stopni.

Słowa kluczowe

EN

motion blur; image blurring; automatic identification

PL

motion blur; rozmazanie obrazu; identyfikacja automatyczna

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2015
• Tom: nr 1
• Strony: 59--61
• Opis fizyczny: Bibliogr. 7 poz., rys., tab.

Twórcy

autor

Karpinski M.

• University in Bielsko-Biała, Department of Computer Science, Bielsko-Biała, Poland

autor

Piontko N.

• Ternopil Ivan Pul’uj National Technical University, Cathedra of Computer Science, Ternopil, Ukraine

autor

Karpinskyi V.

• 3D Scanners UK Ltd, the TechnoCentre, Coventry, United Kingdom

Bibliografia

• [1] Aizenberg I., Butakoff C., Merzlyakov N.: Blurred image restoration using the type of blur and blur parameter identification on the neural network. Proc. SPIE 4667, Image Processing: Algorithms and Systems, 460 (May 23, 2002), 2002. 441-455.
• [2] Dai S.: Motion from blur. CVPR, 2008.
• [3] Krahmer F., Lin Y., Krahmer F.: Blind Image Deconvolution: Motion Blur Estimation. Mathematical Modeling in Industry X Workshop, Institute for Mathematics and Its Applications, 2006. 1-14.
• [4] Liu R., Li Z., Jia J.: Image Partial Blur Detection and Classification. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2008.
• [5] Piontko N., Karpinski M.: Method of automatic identification of motion blurred images: Patent 82878: IPC G06K 9/00 G06K 9/46; Piontko N.V., Karpinski M.P.; Assignee: Temopil National Ivan Puluj Technical University (Ukraine), University of Bielsko-Biała (Poland). No u 2012 11096, filed 24.09.12; publ. 27.08.2013, Bulletin No 16 (in Ukrainian).
• [6] Su B.: Blurred Image Region Detection and Classification. ACM Multimedia, 2011, 1397-1400.
• [7] Tong H., Li M.: Blur Detection for Digital Images Using Wavelet Transform. Multimedia and Expo, 2004. ICME '04. 2004 IEEE International Conference, Volume 1, 2004. 17-20.