Спосіб автоматичної ідентифікації змазаних зображень

Реферат: Спосіб автоматичної ідентифікації змазаних зображень полягає в обчисленні для кожної точки функцій у вікні певного розміру, побудові на їх основі графіку та його кількісній оцінці за допомогою дисперсії для ідентифікації типу розмиття. При обчисленні для кожної точки функцій у вікні певного розміру застосовують модифікований оператор Собеля. Обрізають отримане зображення по краю і застосовують почергово змазування із фіксованим радіусом, але різним кутом. Для побудови на їх основі графіку, використовують міру схожості почергово змазаних версій зображення з оригіналом із використанням середньоквадратичного відхилення у логарифмічній шкалі. Задля кількісної оцінки, за допомогою дисперсії для ідентифікації типу розмиття, використовують критерій обчислений за формулою: ~ max d  d Criterion  ~  Dd . d  min d     UA 82878 U (12) UA 82878 U UA 82878 U 5 10 15 20 25 30 35 40 45 50 Корисна модель належить до обробки зображень, зокрема їх автоматичної обробки та відновлення після спотворення (розмиття чи змазування), і може бути використана у різних галузях, таких як інформаційні, промислові та спеціалізовані системи автоматичної обробки зображень. Відомий спосіб визначення типу розмиття під назвою "Alpha Channel Feature" (Ознака альфа-каналу). Суть способу полягає у декомпозиції зображення на дві складові: background (фон) і foreground (передній план), поєднаних за допомогою альфа-каналу (α-channel), обчисленні значень α, а на основі них обчисленні відстаней у розподілі α (d1, d2,…, dn) і встановленні типу розмиття на підставі оцінки значення дисперсії послідовності d i (див. статтю Su Bolan Blurred Image Region Detection and Classification // ACM Multimedia.-2011. - P. 13971400). Недоліками способу є висока складність алгоритму, а також низька ефективність роботи для зображень із великою кількістю розрізнених об'єктів (highly cluttered images). Найближчим за технічною суттю та результатом є спосіб під назвою "Local Autocorrelation Congruency" (Локальна автокореляційна конгруентність), котрий полягає в обчисленні для кожної точки функцій у вікна певного розміру, побудові на їх основі графіку та його кількісній оцінці за допомогою дисперсії для ідентифікації типу розмиття (див. статтю Renting Liu Image partial blur detection and classification // 2008 IEEE Conference on Computer Vision and Pattern Recognition. - 2008. - P. 1-8). Недоліками цього способу є відсутність строго визначеної методології визначення типу спотворення та неможливість встановлення певних додаткових параметрів спотворення, зокрема, таких як кут змазування чи радіус спотворення, що потребує здійснення певних додаткових операцій. В основу корисної моделі спосіб автоматичної ідентифікації змазаних зображень поставлена задача зменшення похибки визначення типу розмиття, забезпечення високої швидкодії, а також визначення кута змазування, що дозволить не визначати його іншими способами. Поставлена задача вирішується шляхом обчислення для кожної точки функцій у вікні певного розміру, побудові на їх основі графіку та його кількісній оцінці за допомогою дисперсії для ідентифікації типу розмиття, причому, при обчисленні для кожної точки функцій у вікні певного розміру застосовують модифікований оператор Собеля, обрізають отримане зображення по краю і застосовують почергово змазування із фіксованим радіусом, але різним кутом, для побудови на їх основі графіку, використовують міру схожості почергово змазаних версій зображення з оригіналом із використанням середньоквадратичного відхилення у логарифмічній шкалі, а задля кількісної оцінки, за допомогою дисперсії для ідентифікації типу розмиття, використовують критерій обчислений за формулою: ~ max d  d Criterion  ~  Dd , d  min d     де Criterion - значення характеристики; max d - максимальне значення величин міри схожості (di) почергово змазаних версій зображення з оригіналом; min d - мінімальне значення послідовності di; ~ - медіана послідовності d ; i d - оцінка дисперсії послідовності di. Dd На фіг. 1 показано вхідне зображення до застосування модифікованого оператора Собеля, а на фіг. 2 результат роботи модифікованого оператора Собеля, на фіг. 3 показано ядро оператора змазування із радіусом змазування R=9 і кутом α=40°, на фіг. 4 показано приклад значень мір схожості почергово змазаних версій зображення з оригіналом для відповідно розмитого (пунктирна лінія) і змазаного (суцільна лінія) зображення, окрім того, на фігурі представлено значення математичного сподівання, дисперсії і запропонованого критерію, на фіг. 5 показано шістнадцять вибраних зображень, використаних для представлення результатів роботи розробленогометоду. Спосіб здійснюється наступним чином. Спочатку для вхідного зображення f(x, у) застосовується модифікований оператор Собеля: f x, y   4  hi x, y   f x, y 2 , (1) i 1 1 UA 82878 U де f x, y  - результат перетворення (нове зображення); f x, y  - вхідне зображення;  - операція згортки; hi x, y  - маски, які беруть участь у згортці: 5 2 1  1  2  1 1     h1   0 0 0  h2   0 0 0 1  1  2  1 2 1     0   2  1 0 2 1     h 3    1 0 1 h 4   1 0  1 0 0  1  2 1 2     10 15 20 (2) Надалі здійснюють обрізання f(x, y) по периметру на відстані L3 від краю задля усунення негативних крайових ефектів, пов'язаних із застосуванням модифікованого оператора Собеля і обумовлених неможливістю коректного його застосування на пікселях, які знаходяться на відстані менше ніж 3 пікселі від границі зображення. У результаті отримують нове зображення f(x, y) Після цього, здійснюють побудову для f(x, у) його почергово змазаних версій із певним фіксованим радіусом, але різним кутом змазування (в межах від 0° до 180°). А саме, для деякого фіксованого Δα, (наприклад Δα=1°) і фіксованого радіуса спотворення R (рекомендується R=9) створюють ядра оператора змазування h1(x, y), h2(x, y),…,hN(x, y), де N=180/Δα і hі(х, у) - ядро оператора змазування з радіусом R і кутом α=іΔα. Ці ядра за допомогою операції згортки застосовують до f(x, у) в результаті чого отримують до g1(x, у), g2(x, у),…, gN(x, у). Потім обчислюють міру схожості для отриманих на попередньому кроці g1(x, у), g2(x, у),…, gN(x, у) із f(х, у) згідно з формулою:  1 n m      2  , di f , gi    ln  n  m   f k, l  gi k, l  k 1 1 l   25 де n і m - розмір зображення f(x, у). У результаті отримують значення міри схожості d1, d2,…, dN, на підставі яких обчислюють значення критерію ідентифікації типу спотворення за формулою:     ~ max d  d Criterion  ~  Dd , d  min d 30 35 40 (3) (4) де Criterion - значення характеристики; max d - максимальне значення послідовності di; min d - мінімальне значення послідовності dі; ~ d - медіана послідовності di; Dd - оцінка дисперсії послідовності di, Якщо значення Criterion > threshold, де threshold визначено експериментально і становить для реальних фотознімків threshold=0,25, то спотворене зображення є змазаним, а кут змазування рівний α=imaxΔα, де imax - індекс максимального елемента послідовності di. Приклад конкретної реалізації способу автоматичної ідентифікації змазаних зображень. На мові програмування Matlab у середовищі розробки Matlab R2011b (7.13.0.564) 64-bit розроблено програмне забезпечення для обчислення описаного у способі критерію, а також його тестування, а саме генерації тестових зображень і запуску обчислень на наборі тестових даних. Реалізація Matlab-функції, яка здійснює обчислення критерію для автоматичної ідентифікації змазаних зображень: 2 UA 82878 U 5 10 15 Для тестування способу було вибрано 84 чітких фотознімки (27 чорно-білих і 57 кольорових) розміром 512 × 512 пікселі, отриманих з Інтернет-ресурсу ImageProcessingPlace (Image Databases [Електронний ресурс] // ImageProcessingPlace Режим доступу: http://www.imageprocessingplace.com/root_files_V3/image_databases.htm (16.07.2012). - Назва з екрану). На основі вибраних чітких фотознімків було згенеровано випадковим чином 756 спотворених фотознімків, а саме 378 розмитих із різним радіусом розмиття і 378 змазаних із різним радіусом і кутом змазування. На базі отриманого згенерованого набору тестових зображень було протестовано розроблений спосіб, а саме для кожного зображення із набору було обчислено, згідно з описаним способом, тип спотворення і кут змазування для відповідного типу спотворення, після чого обчислено процент правильних результатів по відношенню до загальної кількості зображень, а також середню похибку при обчисленні кута. У результаті тестування коректний результат отримано для більш ніж 90 % тестових зображень, а середня абсолютна похибка при обчисленні кута змазування становить 8°. Результати роботи методу для шістнадцяти вибраних зображень (показаних на фіг. 5) представлено у таблиці: 3 UA 82878 U Таблиця № зображення 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 5 10 Значення критерію 0,052 0,570 0,005 0,419 0,078 5,254 0,050 1,6621 0,108 1,541 0,165 0,698 0,066 0,347 0,045 0,147 Оцінений тип спотворення Розмиття Змазування Розмиття Змазування Розмиття Змазування Розмиття Змазування Розмиття Змазування Розмиття Змазування Розмиття Змазування Розмиття Розмиття Коректність результату Правильно Правильно Правильно Правильно Правильно Правильно Правильно Правильно Правильно Правильно Правильно Правильно Правильно Правильно Правильно Не правильно Оцінений кут змазування 54° 171° 91° 162° 167° 44° 32° Реальний кут змазування 54° 159° 97° 159° 162° 44° 32° 149° Середній час роботи реалізованої функції, яка здійснює автоматичну ідентифікацію змазаних зображень на процесорі Intel Core i5 2.5 GHz, з оперативною пам'яттю 4 GB 1333 MHz DDR3, для зображення розміром 512 × 512 пікселів в середовищі Matlab R2011b (7.13.0.564) 64bit становить 1.3 с. Таким чином, запропоновано спосіб автоматичної ідентифікації змазаних зображень, котрий дозволяє також визначити кут змазування для відповідного типу спотворення. Під час тестування способу автоматичної ідентифікації змазаних зображень було отримано достовірні результати його роботи. ФОРМУЛА КОРИСНОЇ МОДЕЛІ 15 20 Спосіб автоматичної ідентифікації змазаних зображень, що полягає в обчисленні для кожної точки функцій у вікні певного розміру, побудові на їх основі графіку та його кількісній оцінці за допомогою дисперсії для ідентифікації типу розмиття, який відрізняється тим, що при обчисленні для кожної точки функцій у вікні певного розміру застосовують модифікований оператор Собеля, обрізають отримане зображення по краю і застосовують почергово змазування із фіксованим радіусом, але різним кутом, для побудови на їх основі графіку, використовують міру схожості почергово змазаних версій зображення з оригіналом із використанням середньоквадратичного відхилення у логарифмічній шкалі, а задля кількісної оцінки, за допомогою дисперсії для ідентифікації типу розмиття, використовують критерій, обчислений за формулою: ~ max d  d Criterion  ~  Dd , d  min d   25 30   де Criterion - значення характеристики; max d - максимальне значення величин міри схожості (di) почергово змазаних версій зображення з оригіналом; min d - мінімальне значення послідовності di; ~ d - медіана послідовності di; Dd - оцінка дисперсії послідовності di. 4 UA 82878 U 5 UA 82878 U Комп’ютерна верстка Л. Ціхановська Державна служба інтелектуальної власності України, вул. Урицького, 45, м. Київ, МСП, 03680, Україна ДП “Український інститут промислової власності”, вул. Глазунова, 1, м. Київ – 42, 01601 6