没有合适的资源?快使用搜索试试~ 我知道了~
⃝可在www.sciencedirect.com在线获取ScienceDirectICTExpress 6(2020)113www.elsevier.com/locate/icte基于局部三值模式的单幅图像散焦模糊分割Muhammad Tariq Mahmood,Usman Ali,Young KyuChoi韩国技术教育大学计算机科学与工程学院,31253,忠清南道天安市东南区边川面忠清路接收日期:2019年7月9日;接受日期:2019年在线发售2019年11月1日摘要这项工作提出了一种有效的基于LTP的清晰度模糊检测和分割措施。该方法根据中心像素与相邻像素的亮度差将每个像素转换为三进制编码。这些三进制代码已经被转换成了低二进制和高二进制模式。其中,非均匀模式已被用来计算模糊测度和模糊分割。所提出的方法执行分割,而没有任何明确的信息类型和侠影的等级实验结果表明,该方法优于国家的最先进的模糊检测和分割方法。c2020年韩国通信与信息科学研究所(KICS)。出版社:Elsevier B.V.这是一个开放的访问CC BY-NC-ND许可证下的文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。关键词:模糊测度;模糊分割;局部三值模式(LTP)1. 介绍通常,模糊存在于图像中并且降低图像质量。模糊,可能是由散焦或场景和相机之间的相对运动引起的,它通常在图像中空间变化,因此在单个图像中估计它成为一项具有挑战性的任务[1,2]。模糊检测和分割是图像处理和计算机视觉应用中的一个关键步骤,如多媒体。在文献中,最近已经提出了许多用于模糊检测和分割的技术。这些技术遵循图中所示的关键步骤。1.一、第一步是区分模糊和清晰的像素,这一步会产生一个模糊图。然后通过应用分类技术进行分割。最近,Golestaneh和Karam [3]提出了一种用于检测空间变化模糊的方法,而无需关于模糊类型、级别或相机设置的任何显式信息。Shi等人。[4]提出了一种通过稀疏表示来检测散焦模糊的模糊特征。Yi和Eramian [5]设计了一种模糊度量,∗ 通讯作者。电子邮件地址:tariq@koreatech.ac.kr(M.T.Mahmood),usmanali@koreatech.ac.kr(美国)。阿里),ykchoi@koreatech.ac.kr(Y.K.Choi)。同行评审由韩国通信和信息科学研究所(KICS)负责https://doi.org/10.1016/j.icte.2019.10.003图1.一、 模糊分割的步骤。二值模式(LBP)的清晰和模糊区域,并提出了一种模糊分割技术。在所有这些方法中,底层模糊度量算子的准确性起着关键作用。为了解决LBP对噪声敏感的问题,LTP已经被提出并用于许多计算机视觉应用中。在本文中,我们提出了一个有效的基于LTP的模糊测度和一个有效的分割方案。最初,基于LTP的特征描述符被提出用于人脸识别[6],后来发现这些特征在许多计算机视觉应用中很有用。为了评估所提出的方法的性能,实验已经进行了真实世界的部分模糊图像。实验结果证明了所提出的模糊测度和分割方法的有效性。2405-9595/2020韩国通信和信息科学研究所(KICS)。出版社:Elsevier B.V.这是一个开放的访问CC BY-NC-ND许可证下的文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。=∑(u)pT(x)=D(n-n)×2, (4)c u p c∑(l)pT (x)=D(n-n)×2, (6)c l p c0,|S|≤ t114公吨Mahmood,U.阿里和Y.K.蔡/ICT Express 6(2020)113图二、 模糊和清晰区域中的上下码分布。图3.第三章。 对应于模糊(A)、过渡(B)和清晰(C)区域的三个不同斑块中的模式直方图。2. 该方法令输入模糊图像由Ib(x)表示,其中x(x, y)表示图像域Ib中的像素坐标。位于x处的像素的模糊程度可以通过在该像素周围的局部邻域窗口中应用模糊度量算子BM来估计,并且由下式给出地区强度np不一定位于图像像素的中心,因此这些通过双线性插值来实现。LT P模式可以被分解为上半部分和下半部分LT Pu和LT Pl,如下式所述,P−1P、 Rm(x)=BM(Ib(x))。(一)哪里p=0所提出的锐度测量算子是基于D(s)={1, s> t(五)LTP在清晰和模糊区域的分布对于像素u在中心xc处,LTP将三个值中的一个分配给其0, s t<相邻像素取决于它们与中心像素的强度差。位于±t范围内的强度值被赋值为零,高于nc+t的被赋值为+1,低于nc−t的被赋值为−1,其中nc是xc的强度。的并且类似地,P−1P、 R像素的LTP代码xcP−1TP, R(xc)=由下式给出哪里p=0{(七)哪里D(s)=1,s>t⎪⎩−1,s−t(三)在这些模式中,均匀旋转不变模式是其中比特的循环序列不包含从一到零和/或从零到零的多于两个转变的那些模式。 一个.其余的模式被分组为一个单一的模式,这被称为非均匀模式。np表示位于以xc为中心的半径为R的圆上的P个相邻像素的强度,并且t>0是用于实现平坦图像的鲁棒性的小的预先固定的正阈值为了找到清晰区域和模糊区域的模式分布,我们从数据集中的704幅部分散焦模糊图像中选择了80幅图像。 图2显示直方图∑D(np−nc)×3p,(p=0Dl(s)=1, s t<0, s> tNM.T. Mahmood,U.阿里和Y.K. Choi/ICT Express 6(2020)113-116115上下九个相同的图案在清晰和模糊的区域。已经观察到清晰区域的较低和较高二进制图案中图案6到9的频率明显高于模糊区域的频率。另一方面,与清晰区域相比,在模糊区域的情况下,图案0至5更丰富换句话说,中心像素及其相邻像素将在平滑区域中具有相似的强度,而在尖锐区域中强度变化很大。已经用图3中所示的一个具体示例详细说明了该观察结果。我们提出的清晰度度量结合了这些观察结果:mT(x, y)=1∑(T(u)(q)>k≤T(1)(q)>k)(8)Nq∈N(x, y)P、RP、 R图四、不 同 方法的精确度和召回率曲线。其中k是图案分布的标准(x, y)是像素(x, y)的邻域,N是所选块中的像素总数,并且它将度量标准化,使得mT(x, y)∈[0, 1]。下一步是将图像分类为模糊像素和清晰像素。为此,一个简单而有效的标准是图五、 视觉比较不同模糊分割方法的效果。分割前的几个样本图像的锐化图∑∑=seg T116公吨Mahmood,U.阿里和Y.K.蔡/ICT Express 6(2020)113表1各种模糊度量的对比模糊分割Avg. 运行时Yi [5]0.61LTP(拟议)1.03Shi [4]9.02[3]第三次世界大战11.68Vu [7]12.25[8]第八章18.87苏[9]19.22选择了自适应地计算分割阈值作为锐度图的平均值对于随机选择的100个图像测试的英特尔i5与8 GB内存。很明显,所提出的LTP度量优于除Yi的m L B P之外的所有其它度量因此,可以说我们的方法总体上表现得更好。4. 结论本文提出了一种基于LTP的模糊测度算子用于图像的模糊分割。部分模糊的真实世界的图像进行的实验表明,该措施是有效的,并表现得更好的相比,国家的最先进的。竞合利益W H不1m(x,y)(9)宽×高x=1y= 1其中W和H是最终锐度图mT(x, y)的宽度和高度。Finlay,将图像B( x, y)分类为模糊区域和非模糊区域,获得如下:作者声明,本文中不存在利益冲突。致谢1,mT( x, y)>T分段0,其他智慧3. 结果和讨论.(十)这项工作得到了KOREATECH教育和研究促进计划(2019年)的支持。引用现在,在本节中,我们将介绍通过所提出的模糊度量和分割算法实现的结果。对于实验,已经考虑了由1000个真实世界部分模糊图像组成的[5]的众所周知的数据集。在这个数据集中,704张图像包含散焦模糊,296张图像包含运动模糊。标准k被设置为5。在此基础上,提出了一种新的算法,并与Golestaneh[3],Shi [4],Su [9],Vu [7],Yi [5],Zhuo [8]等六种最先进的算法进行了比较。五、该图显示了6种算法中每种算法在分割前的清晰度图,数据集的6个测试图像。可以看出,我们的方法执行得更好,或者至少与这些算法相当通过所提出的方法恢复的锐度图更接近地面真相,它证明了所提出的方法的有效性。为了定量分析结果,计算了精确度和召回率,并在图4中绘制了这些曲线。实验结果表明,该方法具有较高的查准率和查全率,显示了该方法的优越性最后,我们提供了一个比较器算法在他们的运行时间方面的比较。表1显示了平均运行时[1] A. Chakrabarti , T. Zickler , W. T. Freeman , Analyzing spatially-varyingblur , in : ComputerVisionandPatternRecognition(CVPR),2010 IEEEConferenceon,IEEE,2010,pp. 2512-2519[2] 联合阿里,M。Mahmood,单图像模糊分割的模糊测度算子分析,应用。Sci. 8(5)(2018)807.[3] S.A. Golestaneh,L.J. Karam,基于梯度幅度的多尺度融合和排序变换系数的空间变化模糊检测,在:CVPR,2017年,pp. 596-605[4] 施 湖, 加 - 地Xu ,J. Jia ,Just noticable defocus blur detection andestimation , in : Proceedings of the IEEE Conference on ComputerVision and Pattern Recognition,2015,pp.657-665[5] X. Yi,M. Eramian,基于Lbp的散焦模糊分割,IEEETrans. 图像处理。25(4)(2016)1626[6] X.谭,W。张文,高亮度条件下人脸识别的局部纹理特征集,北京交通大学学报,2001。 19(6)(2010)1635[7] C.T. Vu,T.D. Phan,D.M. Chandler,自然图像中局部感知清晰度的光谱和空间度量,IEEE Trans.Image Process。21(3)(2012)934-945。[8] S. Zhuo,T.模拟,散焦图估计从一个单一的图像,模式识别。44(9)(2011)1852-1858。[9] B. Su ,S. 吕正 良< 英> 来华 传教 士。Tan ,Blurred image regiondetection and classification , in : Proceedings of the 19th ACMInternational Conference onMultimedia,ACM,2011,pp. 公元1397-1400年。{Bx,y=()
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- VMP技术解析:Handle块优化与壳模板初始化
- C++ Primer 第四版更新:现代编程风格与标准库
- 计算机系统基础实验:缓冲区溢出攻击(Lab3)
- 中国结算网上业务平台:证券登记操作详解与常见问题
- FPGA驱动的五子棋博弈系统:加速与创新娱乐体验
- 多旋翼飞行器定点位置控制器设计实验
- 基于流量预测与潮汐效应的动态载频优化策略
- SQL练习:查询分析与高级操作
- 海底数据中心散热优化:从MATLAB到动态模拟
- 移动应用作业:MyDiaryBook - Google Material Design 日记APP
- Linux提权技术详解:从内核漏洞到Sudo配置错误
- 93分钟快速入门 LaTeX:从入门到实践
- 5G测试新挑战与罗德与施瓦茨解决方案
- EAS系统性能优化与故障诊断指南
- Java并发编程:JUC核心概念解析与应用
- 数据结构实验报告:基于不同存储结构的线性表和树实现
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功