|
|
دستهبندی نوع تاری تصویر در تاریهای سراسری
|
|
|
|
|
نویسنده
|
علی پور الهه ,حسن پور حمید ,فاتح منصور
|
منبع
|
ماشين بينايي و پردازش تصوير - 1398 - دوره : 6 - شماره : 2 - صفحه:105 -118
|
چکیده
|
تاری یکی از خرابیهای متداول در تصاویر است. این خرابی به دلیل سرریز اطلاعات یک پیکسل در پیکسلهای همجوار آن ایجاد میشود. تاری انواع مختلفی دارد وعدم آگاهی از نوع آن، روشهای رفع تاری را در بهسازی تصویر با مشکل مواجه میسازد. در این مقاله، روشی در حوزه مکان ارائه شده است که قادر به تشخیص چهار نوع تاری سراسری شامل تاری گوسین، تاری مستطیلی، تاری ناشی از حرکت دوربین و تاری ناشی از عدم تنظیم لنز است. روش پیشنهادی در این مقاله، از مفهوم همبستگی در تصویر برای شناسایی انواع مختلف تاری استفاده میکند. همبستگی، میزان وابستگی و ارتباط پیکسلهای همجوار را نشان میدهد. در تاریهای مختلف، نحوه اثرگذاری هر پیکسل روی پیکسلهای همجوار آن متفاوت است. بر اساس نحوه اثرگذاری، ویژگیهای لازم برای تشخیص هر تاری استخراج میشوند. صحت کلی روش پیشنهادی برای تشخیص وجود تاری و همچنین انواع مختلف آن، 90/4 درصد است. مقایسه این کار با روشهای موجود، برتری روش پیشنهادی را نشان میدهد.
|
کلیدواژه
|
دستهبندی انواع تاری، حوزه مکان، ضریب همبستگی، تاری سراسری
|
آدرس
|
دانشگاه صنعتی شاهرود, دانشکده مهندسی کامپیوتر و فناوری اطلاعات, ایران, دانشگاه صنعتی شاهرود, دانشکده مهندسی کامپیوتر و فناوری اطلاعات, ایران, دانشگاه صنعتی شاهرود, دانشکده مهندسی کامپیوتر و فناوری اطلاعات, ایران
|
پست الکترونیکی
|
mansoor_fateh@shahroodut.ac.ir
|
|
|
|
|
|
|
|
|
Image Blurriness Classification in Global Blur
|
|
|
Authors
|
Alipour Elahe ,Hassanpour Hamid ,fateh mansoor
|
Abstract
|
Blurriness is one of the common distortions in images. This distortion is caused by spilling the pixel information overthe adjacent pixels. Blurriness has different types. The knowledge about the type of image blurriness is one of the important parameters which directly affects performance of deblurring methods.In this paper, a method has been proposed to classify the fourtypes of global blurrinessin digital imagesin the spatial domain. These blurriness include the Gaussian blur, rectangular blur, motion blur and defocus blur. In the proposed method, the correlation concept is used to classify the type of image blurriness. The correlation concept depicts the relations between the image pixels. Also, the model and correlation of adjacent pixels are proportional to the type of blurriness.Appropriate features are extracted to detect the type of blurriness. The accuracy of the proposed method for detecting the type of blurriness is 90.4%. This method has a better performance compared to other existing methods in terms of accuracy and computational cost.
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|