Оценивание степени размытости изображения путём анализа градиентного поля
Асатрян Д.Г.

 

Российско-Армянский (Славянский) университет, Ереван, Армения,

Институт проблем информатики и автоматизации национальной академии наук, Ереван, Армения

Аннотация:
Оценивание степени размытости является важным шагом на пути улучшения качества изображения. В литературе предложено много подходов, критериев и алгоритмов оценивания степени размытости, использующих свойства градиентного поля изображения. В настоящей работе предложена новая мера оценивания размытости, основанная на использовании параметра формы распределения Вейбулла, определяемого по выборочной совокупности магнитуды градиента изображения. На примерах искусственно размытых изображений показывается, что чем больше фактор размытия, тем больше значение предложенной меры приближается к «2», причём наблюдается монотонная зависимость значения меры от фактора размытия. Такой же эффект наблюдается при фильтрации изображения, однако по мере увеличения фактора фильтрации значение меры монотонно убывает. В работе предложено считать рассматриваемую меру размытия как критерий структурированности изображения.

Ключевые слова:
размытость изображения, магнитуда градиента, распределение Вейбулла, параметр формы, оператор Собела, структура изображения.

Цитирование:
Асатрян, Д.Г. Оценивание степени размытости изображения путём анализа градиентного поля / Д.Г. Асатрян // Компьютерная оптика. – 2017. – Т. 41, № 6. – С. 957-962. – DOI: 10.18287/2412-6179-2017-41-6-957-962.

Литература:

  1. Koik, B.T. A literature survey on blur detection algorithms for digital imaging / B.T. Koik, H. Ibrahim // AIMS '13 Proceedings of the 2013 1st International Conference on Artificial Intelligence, Modelling and Simulation. – 2013. – P. 272-277. – DOI: 10.1109/AIMS.2013.50.
  2. Garg, V. A survey on image blurring / V. Garg, M. Man­chanda // International Journal of Engineering Applied and Management Sciences Paradigms. – 2014. – Vol. 15, Issue 1. – P. 42-46.
  3. Singh, D. A survey on various image deblurring techniques / D. Singh, R.K. Sahu // International Journal of Advanced Research in Computer and Communication Engineering. – 2013. – Vol. 2(12). – P. 4736-4739.
  4. Tiwari, Sh. Review of motion blur estimation techniques / Sh. Tiwari, V.P. Shukla, A.K. Singh, S.R. Biradar // Journal of Image and Graphics. – 2013. – Vol. 1(4). – P. 176-184. – DOI: 10.12720/joig.1.4.176-184.
  5. Tong, H. Blur detection for digital images using wavelet transform / H. Tong, M. Li, H. Zhang, C. Zhang // Proceedings of IEEE 2004 International Conference on Multimedia and Expo (ICME '04). – 2004. – P. 17-20. – DOI: 10.1109/ICME.2004.1394114.
  6. Kerouh, F. A no-reference quality metric for measuring image blur in wavelet domain / F. Kerouh, A. Serir // International Journal of Digital Information and Wireless Communications. – 2011. – Vol. 1(4). – P. 767-776.
  7. Choi, M.G. No-reference image quality assessment using blur and noise / M.G. Choi, J.H. Jung, J.W. Jeon // International Journal of Electrical and Computer Engineering. – 2009. – Vol. 3(2). – P. 184-188.
  8. Кольцов, П.П. Оценка размытия изображения / П.П. Кольцов // Компьютерная оптика. – 2011. – Т. 35(1). – С. 95-102.
  9. Bouma, H. Precise local blur estimation based on the first-order derivative / H. Bouma, J. Dijk, A.W.M. van Eekeren // Proceedings of SPIE. – 2012. – Vol. 8399. – 839904. – DOI: 10.1117/12.918600.
  10. Монич, Ю.И. Оценки качества для анализа цифровых изображений / Ю.И. Монич, В.В. Старовойтов // Искусственный интеллект. – 2008. – Т. 4. – С. 376-386.
  11. Chung, Y.-Ch. An edge analysis based blur measure for image processing applications / Y.-Ch. Chung, J.-M. Wang, S.-W. Chen // Journal of Taiwan Normal University, Science & Technology. – 2006. – Vol. 51(1). – P. 21-31.
  12. Asatryan, D. Quality assessment measure based on image structural properties / D. Asatryan, K. Egiazarian // Proceedings of the International Workshop on Local and Non-Local Approximation in Image Processing. – 2009. – P. 70-73. – DOI: 10.1109/LNLA.2009.5278400.
  13. Asatryan, D. Orientation estimation with applications to image analysis and registration / D. Asatryan, K. Egiazarian, V. Kurkchiyan // International Journal “Information Theories and Applications”. – 2010. – Vol. 17(4). – P. 303-311.
  14. Асатрян, Д.Г. Метод классификации текстур с использованием структурных характеристик изображения / Д.Г. Асатрян, В.В. Куркчиян, Л.Р. Харатян // Компьютерная оптика. – 2014. – Vol. 38(3). – P. 574-579.
  15. Brodatz Textures [Электронный ресурс]. – URL: http://www.ux.uis.no/~tranden/brodatz.html (дата обращения 03.09.2017).

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: ko@smr.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20