О восстановлении параметра размытия в задаче оптического секционирования
Аннотация
В статье рассматривается проблема нахождения параметра размытия между двумя изображениями для задачи оптического секционирования, в которой модель размытия имеет естественное оптическое происхождение, связанное с использованием некогерентного белого света в качестве источника излучения в приближении Френеля. Для её решения предлагается метод и описывается общая схема нахождения коэффициента размытия для функции рассеяния точки на основе сравнения градиентов исходного и размытого изображений. Градиенты изображения вычисляются через частные производные функции Гаусса, что дает возможность сгладить возможные фоновые шумы на изображениях. Приводятся результаты тестирование метода на симулированных и реальных изображениях с различным уровнем шума. Результаты показывают, что разработанный метод устойчиво находил искомые параметры по зашумленным изображениям с погрешностью, не превосходящей уровня шума, а для изображений без шума метод точно находил искомые параметры. Важной конструктивной особенностью метода является возможность замены одного вида функции рассеяния точки на другую, что позволяет адаптировать алгоритм к другим задачам, в которых изображение формируется на основе свертки объекта с функцией рассеяния точки.
Литература
2. Wang R., Li W., Zhang L. Blur image identification with ensemble convolution neural networks. Signal Processing. 2019; 155:73-82. (In Eng.) doi: https://doi.org/10.1016/j.sigpro.2018.09.027
3. Larichev A.V., et al. Adaptive system for eye-fundus imaging. Quantum Electronics. 2002; 32(10):902-908. (In Eng.) doi: https://doi.org/10.1070/QE2002v032n10ABEH002314
4. Capowski J.J., Cruce W.L.R. How to configure a computer-aided neuron reconstruction and graphics display system. Computers and Biomedical Research. 1979; 12(6):569-587. (In Eng.) doi: https://doi.org/10.1016/0010-4809(79)90038-7
5. Agard D., Sedat J. Three-dimensional architecture of a polytene nucleus. Nature. 1983; 302(5910):676-681. (In Eng.) doi: https://doi.org/10.1038/302676a0
6. Agard D.A., Hiraoka Ya., Sedat J.W. Three-Dimensional Microscopy: Image Processing For High Resolution Subcellular Imaging. Proceedings of SPIE: New Methods in Microscopy and Low Light Imaging. 1989; 1161:24-30. (In Eng.) doi: https://doi.org/10.1117/12.962684
7. Romanenko T.E., Razgulin A.V. A Three-Dimensional Deconvolution Algorithm Using Graphic Processors. Computational Mathematics and Modeling. 2019; 30(1):80-90. (In Eng.) doi: https://doi.org/10.1007/s10598-019-09436-z
8. Oliveira J.P., Figueiredo M.A.T., Bioucas-Dias J.M. Parametric blur estimation for blind restoration of natural images: linear motion and out-of-focus. IEEE Transactions on Image Processing. 2014; 23(1):466-477. (In Eng.) doi: https://doi.org/10.1109/TIP.2013.2286328
9. Liang M. Parameter Estimation for Defocus Blurred Image Based on Polar Transformation. Revista Técnica de la Facultad de Ingeniería Universidad del Zulia. 2016; 39(1):333-338. (In Eng.) doi: https://doi.org/10.21311/001.39.1.37
10. Masoudifar M., Pourreza H.R. Texture based blur estimation in a single defocused image. 2020 10th International Conference on Computer and Knowledge Engineering (ICCKE). IEEE Press, Mashhad, Iran; 2020. p. 508-512. (In Eng.) doi: https://doi.org/10.1109/ICCKE50421.2020.9303719
11. Wang Z., Yang Y. Depth information extraction of the image defocus area based on frequency domain. 2012 5th International Congress on Image and Signal Processing. IEEE Press, Chongqing, China; 2012. p. 425-428. (In Eng.) doi: https://doi.org/10.1109/CISP.2012.6469718
12. Elder J.H., Zucker S.W. Local scale control for edge detection and blur estimation. IEEE Transactions on Pattern Analysis and Machine Intelligence. 1998; 20(7):699-716. (In Eng.) doi: https://doi.org/10.1109/34.689301
13. Lin H.-Y., Chou X.-H. Defocus blur parameters identification by histogram matching. Journal of the Optical Society of America. A, Optics, image science, and vision. 2012; 29(8):1694-1706. (In Eng.) doi: https://doi.org/10.1364/JOSAA.29.001694
14. Sizikov V.S., Stepanov A.V., Mezhenin A.V., Burlov D.I., Éksemplyarov R.A. Determining image-distortion parameters by spectral means when processing pictures of the earth’s surface obtained from satellites and aircraft. Journal of Optical Technology. 2018; 85(4):203-210. (In Eng.) doi: https://doi.org/10.1364/JOT.85.000203
15. Sizikov V.S., Sergienko A.A., Kondulukova D.A. Spectral method for stable estimating the distortion parameters in inverse problem of image restoration. Journal of Instrument Engineering. 2019; 62(4);379-386. (In Eng.) doi: https://doi.org/10.17586/0021-3454-2019-62-4-379-386
16. Sizikov V., Loseva P., Medvedev E., Sharifullin D., Dovgan A., Rushchenko N. Removal of Complex Image Distortions via Solving Integral Equations using the "Spectral Method". CEUR Workshop Proceedings. 2020; 2893. Available at: http://ceur-ws.org/Vol-2893/paper_2.pdf (accessed 07.12.2021). (In Eng.)
17. Sizikov V., Dovgan A., Lavrov A. Eliminating Nonuniform Smearing and Suppressing the Gibbs Effect on Reconstructed Images. Computers. 2020; 9(2):30. (In Eng.) doi: https://doi.org/10.3390/computers9020030
18. Chochia P. Analysis of the Image Spectrum for Distortion Diagnostics. Journal of Physics: Conference Series. 2019; 1368:032011. (In Eng.) doi: https://doi.org/10.1088/1742-6596/1368/3/032011
19. Zhuo S., Sim T. Defocus map estimation from a single image. Pattern Recognition. 2011; 44(9):1852-1858. (In Eng.) doi: https://doi.org/10.1016/j.patcog.2011.03.009
20. Ying M. A Cauchy-Distribution-Based Point Spread Function Model for Depth Recovery from a Single Image. 2021 International Conference on Computer, Control and Robotics (ICCCR). IEEE Press, Shanghai, China; 2021. p. 310-314. (In Eng.) doi: https://doi.org/10.1109/ICCCR49711.2021.9349368
21. Liu Y.-Q., Du X., Shen H.-L., Chen S. -J. Estimating Generalized Gaussian Blur Kernels for Out-of-Focus Image Deblurring. IEEE Transactions on Circuits and Systems for Video Technology. 2021; 31(3):829-843. (In Eng.) doi: https://doi.org/10.1109/TCSVT.2020.2990623
22. Attarwala A.A., et al. A Method for Point Spread Function Estimation for Accurate Quantitative Imaging. IEEE Transactions on Nuclear Science. 2018; 65(3):961-969. (In Eng.) doi: https://doi.org/10.1109/TNS.2018.2806843
23. Zhou X., Molina R., Ma Y., Wang T., Ni D. Parameter-Free Gaussian PSF Model for Extended Depth of Field in Brightfield Microscopy. IEEE Transactions on Image Processing. 2020; 29:3227-3238. (In Eng.) doi: https://doi.org/10.1109/TIP.2019.2957941
24. Tang C., Hou C., Song Z. Defocus map estimation from a single image via spectrum contrast. Optics Letters. 2013; 38(10):1706-1708. (In Eng.) doi: https://doi.org/10.1364/OL.38.001706
25. Budzinskiy S. Elliptic averaging of optical transfer functions for estimating astigmatism and defocus. Optics Communications. 2020; 461:125213. (In Eng.) doi: https://doi.org/10.1016/j.optcom.2019.125213
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Редакционная политика журнала основывается на традиционных этических принципах российской научной периодики и строится с учетом этических норм работы редакторов и издателей, закрепленных в Кодексе поведения и руководящих принципах наилучшей практики для редактора журнала (Code of Conduct and Best Practice Guidelines for Journal Editors) и Кодексе поведения для издателя журнала (Code of Conduct for Journal Publishers), разработанных Комитетом по публикационной этике - Committee on Publication Ethics (COPE). В процессе издательской деятельности редколлегия журнала руководствуется международными правилами охраны авторского права, нормами действующего законодательства РФ, международными издательскими стандартами и обязательной ссылке на первоисточник.
Журнал позволяет авторам сохранять авторское право без ограничений. Журнал позволяет авторам сохранить права на публикацию без ограничений.
Издательская политика в области авторского права и архивирования определяются «зеленым цветом» в базе данных SHERPA/RoMEO.
Все статьи распространяются на условиях лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная, которая позволяет другим использовать, распространять, дополнять эту работу с обязательной ссылкой на оригинальную работу и публикацию в этом журналe.
