(A) Study of Image Deblurring with Partial Information = 부분적인 정보를 이용한 영상처리의 연구결과

다국어 초록 (Multilingual Abstract)

Recovering a clear image from a degraded image is a challenging problem in computer vision. It is an ill-posed problem so direct methods does not resolve the problem. Most of the existing blind deblurring methods work for single case of blur.
The thesis presents a novel method for image blur removal and it works for two different kind of blurred images, motion blur and out-of-focus blur. This method used some prior information from reference image which helps in reconstruction of sharp image. Proposed method used the minimization process to estimate the blur kernel and sharp image. Minimization method needs some regularization terms to reconstruct the blur kernel and sharp image. A new regularization term is introduced in the proposed method and is added to minimization term which helps to reduce the noise and in reconstruction of sharp image. This allows a simple cost formulation to be used for blind deconvolution. After the kernel estimation a non-blind method is used to recover the final deblurred image.
Non-blind methods are very much effective to wrong kernel which amplifies the frequency contents which were not attenuated by the real blur kernel and it results of ringing effect in the recovered image. Prior information helps in estimation of a good and less noisy kernel in less iterations. It also helps the non-blind deconvolution process to reduce noise from the recovered image. Experiment shows that the proposed method is more robust and provides better results as compared to previous methods.

국문 초록 (Abstract)

질이 좋지 않은 영상으로부터 선명한 영상으로 복구하는 것은 컴퓨터 vision에서 중요한 도전과제이다. 그것은 부적절하게 정립된 문제이기 때문에 직접적인 방법으로 문제를 해결할 수 없다. 대부분의 존재하는 blind deblurring 방법들은 한 개의 흐림 효과의 경우를 위해 동작한다.
논문은 영상 흐림 효과를 제거하는 새로운 방법을 제시한다. 그 방법은 motion blur 와 out-of-focus blur와 같은 두 종류의 blurred 영상을 위해 동작한다. 이 방법은 reference image로부터 사전정보를 사용한다. 그리고 그 영상은 sharp image의 재구성에 도움이 된다. 제시된 방법은 blur kernel 과 sharp image를 추정하기 위해 최소화 과정을 사용했다. 새로운 정규화 term은 제시된 방법에서 소개된다. 그리고 noise를 감소하고 sharp image의 재구성을 도와주는 최소화 term이 추가된다. 이것은 blind deconvolution을 사용하여 단순한 공식화를 가능하게 한다. kernel 추정 후에 non-blind 방법은 최후의 deblurred image로 복원하기 위해 사용된다.
Non-blind 방법은 실제 blur kernel에 의해 감소되지 않고 복구된 영상에서 ringing effect가 되는 주파수 내용을 증폭하는 잘못된 kernel에서 매우 효과적이다. 사전정보는 좋고 덜 noisy한 kernel을 적은 반복으로 판정하는 것을 도와준다. 그것은 또한 복구된 영상으로부터 noise를 감소하기 위해 the non-blind deconvolution 과정을 도와준다.
실험은 이전의 방법들과 비교하여 제시된 방법이 더 강력하고 더 좋은 결과를 제공 한다는 것을 보여준다.

목차 (Table of Contents)

• List of Figures iii
• List of Tables iv
• Abstract v
• Chapter 1 Introduction 1
• 1.1 Problem Statement 2
• 1.2 Thesis overview 3
• Chapter 2 Related Works 4
• Chapter 3 Image Blur and Deblurring 6
• 3.1 Image Blur 6
• 3.1.1 Point Spread Function (PSF) 7
• 3.1.2Types of Blur 8
• 3.2 Image Deblur 10
• 3.2.1 Non-blind and Blind Deconvolution 10
• Chapter 4 The Proposed Method 12
• 4.1 L1 and L2 Regularization 13
• 4.2 Recover Unknown Sharp Image and Blur kernel 14
• 4.2.1 Estimate Sharp Image 14
• 4.2.2 Reference Image and Prior Information 15
• 4.2.3 Kernel Estimation 15
• 4.3 Non-Blind Deconvolution 17
• Chapter 5 Experimental Results 20
• 5.1 Motion Blurred Image 21
• 5.2 Out of Focus Blurred Image 26
• 5.3 Combined Motion and Out of focus Blurred Image 30
• Chapter 6 Conclusion and Future Work 38
• 6.1 Conclusion 38
• 6.2 Future Work 39
• References 40
• Korean Abstract 43