Geri Dön

Adaptive mesh-grid based spatially non-uniform video motion deblurring using IMU-camera sensor fusion

IMU-kamera sensör birleşimi kullanılarak değişken boyutlu ızgara yapısı ile doğrusal olmayan video hareket bulanıklığı giderme

PDF İndir

  1. Tez No: 695499
  2. Yazar: AHMET ARSLAN
  3. Danışmanlar: PROF. DR. AFŞAR SARANLI, DR. ÖĞR. ÜYESİ GÖKHAN KORAY GÜLTEKİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Hareket bulanıklığı, kaçınılmaz bilgi kaybı ve hoş olmayan görsel kalite ile bulanık görüntüler üreten yaygın bir sorundur. Pozlama süresi boyunca sahne ve görüntü kayıt cihazı arasındaki kısmi hareket, hareket bulanıklığına neden olur. Bu bozunum, insanın görsel algı kalitesini düşürür ve aynı zamanda görüntü işleme algoritmalarının performanslarına etki eder. Literatürdeki çalışmaların çoğu, görüntüde tek tip bulanıklık olduğunu varsaymakta ve düşük işlem süreleri nedeniyle kör olmayan ters evrişim algoritmalarıyla hareket bulanıklığını gidermeye odaklanmaktadır. Düşük ışık koşulları ve optik eksen etrafındaki dönüş, bu tek tip hareket bulanıklığı varsayımını ihlal eder ve bulanıklık giderme algoritmalarının performanslarını azaltır. Bu tezde, düzgün olmayan hareket bulanıklığını ve mevcut yöntemlerin yüksek işlem sürelerini ele almak için yeni bir değişken boyutlu, ağ-ızgara tabanlı bulaklık giderme algoritması geliştirdik. Pozlama süresi boyunca hareketi elde etmek için bir atalet ölçüm birimi (IMU) kullanıyoruz ve bir nokta yayılma fonksiyonu (PSF) oluşturuyoruz. Ağ ızgara uygulaması, bir görüntüyü alt bloklara bölmek ve her blok için ayrı ayrı PSF tahmini ile bulanıklık giderme gerçekleştirmektir. Ek olarak, bulanıklığın düzgün olmama düzeyini temsil etmek için bir varyans parametresi önerilmiştir. PSF tahmin doğruluğunu artırmak için ızgara boyutu bu varyans parametresine göre değiştirilmiştir. Bu yaklaşımı kullanarak, düşük işlem süresi ile en iyi kalite ve optimum kalite için iki uyarlanabilir ağ ızgara algoritması geliştirilmiştir. Önerilen değişken ızgara boyutu algoritmalarının mevcut yöntemlerin performansını ve kalitesini arttırdığı gözlemlenmiştir.

Özet (Çeviri)

Motion blur is a common problem that produces blurry images with inevitable information loss and unpleasant visual quality. Relative motion between scene and image recording device during exposure time causes the motion blur. This artifact degrades the human perceptual quality and also challenges subsequent computer vision applications. Most of the studies in the literature assume uniform blur present in the image and focuses on removing motion blur with non-blind deconvolution algorithms because of their low computational cost. Low-light conditions and rotation around the optical axis violate this uniform motion blur assumption and decrease the deblurring performances. In this thesis, we developed a novel adaptive mesh-grid based motion deblurring algorithm to handle non-uniform motion blur and decrease the high computation cost of existing methods. We use an inertial measurement unit (IMU) for obtaining the motion during the exposure period and generate a point spread function (PSF). The mesh-grid implementation is simply dividing an image into sub-block and performing blur kernel estimation and deblurring separately for each block. In addition, a variance parameter is proposed for representing the level of blur non-uniformity. To increase PSF estimation accuracy, mesh-size changed according to this variance parameter. Using this approach, two adaptive mesh-size algorithms are developed for the best quality and optimal quality with low computation time. It is observed that the proposed adaptive mesh-size algorithm increases the performance and quality of the existing methods.

Geri Dön