Analysis and parameter extraction of motion blurred image

움직임 열화 현상이 발생한 영상의 분석과 파라메터 추출

  • 최지웅 (삼성전자 컴퓨터사업부 정회원) ;
  • 최병철 (연세대학교 전자공학과 정회원) ;
  • 강문기 (연세대학교 전기컴퓨터공학과 초고해상도 연구실 정회원)
  • Published : 1999.10.01

Abstract

While acquiring the image, the shaking of the image capturing equipment or the object seriously damages the image quality. This phenomenon, which degrades the clarity and the resolution of the image is called motion blur. In this paper, a newly defined function is introduced for finding the degree and the length of the motion blur. The domain of this function defined as Peak-trace domain. In The Peak-trace domain, the noise dominant region for calculating the noise variance and the signal dominant region for extracting the degree and the length of the motion blur are defined and analyzed. Using the information of the Peak-trace in the signal dominant region, we can find the direction of the motion regardless of the noise corruption. Weighted least mean square method helps extracting the Peak-trace more precisely. After getting the direction of the motion blur, we can find the length of the motion blur based on one dimensional Cepstrum. In the experiment, we could efficiently restore the degraded image using the information obtained by the proposed algorithm.

영상을 획득하는 과정에 있어서 영상획득 장치 또는 피사체의 흔들림은 영상에 손상을 가져온다. 이러한 손상은 움직임 열화(motion blur)라 불리며, 영상의 선명도를 크게 떨어뜨리는 주된 원인이 된다. 본 논문에서는 움직임 열화의 각도와 길이를 알아내기 위한 새로운 함수가 정의되며, 이 함수의 영역(domian)인 극점자취(Peak-Trace) 영역으로 가는 과정에서는 노이즈의 분산을 산출해 내기 위한 노이즈 지배영역과, 움직임 열화의 각도와 길이를 추정해내기 위한 신호 지배영역이 설정된다. 신호지배 영역에서의 극점의 자취는 움직임 열화의 방향을, 노이즈에 강하면서도 빠르게 파악할 수 있도록 해주며, 가변가중치(weight)를 적용한 최소자승법(Least Mean Square)은 더욱 정밀한 극점의 자취추정을 가능하게 한다. 움직임 열화의 방향이 얻어지면, 1차원 셉스트럼(Cepstrum)방법을 사용하여 고속으로 움직임 열화의 길이를 구할 수 있게 된다. 이러한 방법으로 얻어진 정보들을 이용하여, 실제 실험에 적용된 손상되어진 영상을 효과적으로 복원할 수 있었다.

Keywords

References

  1. J. Opt. Soc. Am A v.10 no.5 Multiframe blind deconvolution of astronomical images T. J. Schulz
  2. CVGIP: Garaphical Models and Image Processing v.53 no.4 PSF estimation for image deblurring B. Chalmond
  3. IEEE Trans. Aoust. Speech Signal Process v.24 Blind deconvolution of spatially invariance image blurs with phase T.M Cannon
  4. IEEE Trans. Audio Electroacoust v.15 The use of the fast Fourier transform for the estimation of power spectra P. D. Welch
  5. CVGIP: Graphical Models and Image Processing v.53 no.5 Robust Identification of Motion and Out-of-Focus Blur Parameters from Blurred and Noisy Images R. Fabian;D. Malah