Samara University Image Processing System Institute RAS ИНТЕРНЕТ-ТЕХНОЛОГИЯ

Samara University Image Processing System Institute RAS ИНТЕРНЕТ-ТЕХНОЛОГИЯ КОРРЕКЦИИ ДИНАМИЧЕСКИХ ИСКАЖЕНИЙ НА ИЗОБРАЖЕНИЯХ В МОБИЛЬНЫХ УСТРОЙСТВАХ Владимир Фурсов fursov@ssau. ru Абрау-Дюрсо, сентябрь, 18 – 23, 2017

Samara University Image Processing System Institute RAS План доклада • Формулировка задачи и основные проблемы • Мотивация • Традиционная схема • Идея метода • Схема реализации • Результаты экспериментов

Samara University Image Processing System Institute RAS Формулировка задачи и основные проблемы Задача: Создание метода и алгоритмов, ориентированных на реализацию в компактных мобильных приборах, для обработки изображений, регистрируемых мобильными устройствами с целью устранения динамических искажений, возникающих при съемке «с рук» или при быстром перемещении регистрируемого объекта Основные проблемы: 1. Массовый неподготовленный пользователь 2. Требование оперативности и удобство настройки 3. Ограничения по вычислительной сложности и объему памяти.

Samara University Image Processing System Institute RAS Мотивации: Мотивация 1: грант РФФИ № 17 -29 -03112 офи_м Тема по рубрикатору: «Обработка, классификация и распознавание изображений на мобильных устройствах» . Проект: Создание новых методов и алгоритмов коррекции цветовых и динамических искажений изображений на мобильных устройствах. Мотивация 2 (ностальгическая): желание честно заслужить право участия в замечательной конференции на базе «Моряк» .

Samara University Image Processing System Institute RAS Основные классы фильтров: БИХ-фильтры: W(z)=B(z)/A(z) КИХ-фильтры: Инверсный КИХ-фильтр: Wф (z)= 1/ W (z) Проблема: чувствительность к шумам. Фильтр Винера: H(jw)= Ф -1(jw){S(jw)/ (S(jw)+ D)} , где S(jw)+ D - спектральная плотность полезного сигнала и помехи Проблема: как правило отсутствуют частотные характеристики шумов.

Samara University Image Processing System Institute RAS Идентификация восстанавливающих КИХ-фильтров по прецедентам Опорная Область D Для N опорных областей содержащих по M отсчетов где - Nx. M – матрица, - Nx 1 – векторы Мнк-оценка импульсного отклика фильтра: Фрагмент, на изображении, для которого задан соответствующий неискаженный

Samara University Image Processing System Institute RAS Параметризация одномерной модели SE-фильтра (1) Оцениваются 2 параметра: (2) (3) (4) (5)

Samara University Image Processing System Institute RAS Схема настройки SE-фильтра по эталону Начальные значения параметров , Определение параметров, одномерного импульсного отклика Формирование двумерного импульсного отклика Обработка искаженного изображения двумерным SE-фильтром Вычисление критерия качества Q восстановления изображения Q

Samara University Image Processing System Institute RAS Критерий настройки SE-фильтра без эталона Ставится задача найти : (1) при условии: (2) (3) (4) где - (peak signal-to-noise ratio) - максимальное значение пикселей изображения - среднеквадратическое отклонение (СКО) (mean square error)

Samara University Image Processing System Institute RAS Результаты восстановления с настройкой по эталону Исходное изображение Значения PSNR: при размытии с параметром =3 PSNR = 30. 41, при размытии с параметром =5 PSNR = 27. 18 Размытые изображения параметр =3 параметр =5 восстановленные изображения параметр =3 параметр =5

Samara University Image Processing System Institute RAS Сравнение качества настройки с эталоном и без эталона Исходное изображение Размытое с параметром =3 Восстановленные изображения с эталоном без эталона Достигнутые значения PSNR при настройке без эталона: PSNR=25. 03 - при сравнении восстановленного с искаженным PSNR=26. 83 - при сравнении восстановленного с неискаженным (при настройке с эталоном было PSNR = 30. 41 )

Samara University Image Processing System Institute RAS Обработка цветных изображений 1. Переход от RGB к Lab 1. Обратный переход к RGB

Samara University Image Processing System Institute RAS Результаты обработки цветных изображений Искаженные изображения =3 =5 Восстановленные без эталона при =3 при =5 PSNR для L-компонента: при размытии с параметром =3 – PSNR = 31. 5, при размытия с параметром =5 PSNR = 28. 91. При сравнении восстановленного с исходным: PSNR=31. 7 - при =3 и PSNR=36. 4 - при =5

Samara University Image Processing System Institute RAS Организация сервиса в сети Интернет Для реализации удаленного сервера предлагается использовать классическую трехзвенную архитектуру Интегрированная среда разработки (IDE) CUBA Studio Технологии Веб-клиент Инфраструктура среднего слоя ORM Сборка проекта Модуль BPM Полнотекстовый поиск

Samara University Image Processing System Institute RAS Организация сервиса в сети Интернет Примеры сервисов на CUBA Документооборот Система мониторинга наводнений Работа с геопривязкой Система управления такси

Samara University Image Processing System Institute RAS СПАСИБО ЗА ВНИМАНИЕ