Синтез ядра вращательного смаза в цифровом изображении с использованием измерений трехосного гироскопа

Синтез ядра вращательного смаза в цифровом изображении с использованием измерений трехосного гироскопа

Автор: Василюк Николай Николаевич

Журнал: Компьютерная оптика @computer-optics

Рубрика: Обработка изображений, распознавание образов

Статья в выпуске: 5 т.46, 2022 года.

Бесплатный доступ

Предложен метод вычисления ядра смаза, возникающего при вращении цифровой камеры. Вращение измеряется трёхосным гироскопом, скреплённым с камерой. Получены дифференциальные уравнения траектории вращательного смаза, исходящей из выбранного пикселя цифрового изображения. Уравнения записаны в фокальной плоскости объектива без вычисления промежуточных элементов внешнего ориентирования камеры. Приведено выражение для интеграла от энергетической освещённости вдоль траектории смаза, создаваемой точечным источником излучения. В интеграле учитываются функция рассеяния объектива и апертурные функции отдельных фоточувствительных ячеек матричного фотоприёмника. Расчёт значений интеграла для всех фоточувствительных ячеек, освещённых точечным источником, даёт дискретное ядро вращательного смаза, начинающееся в выбранным пикселе цифрового изображения. Описаны алгоритмы численного интегрирования полученных уравнений. Выполнен анализ уравнения смаза, выделены характерные особенности ядер, и показана их неоднородность - ядра вращательного смаза для различных пикселей при произвольном вращении камеры не совпадают между собой. Приведён пример синтеза ядер смаза для заданных параметров вращения цифровой камеры.

Еще

Ядро смаза, коррекция смаза, вращательный смаз, гироскоп, согласованный фильтр

Короткий адрес: https://sciup.org/140296222

IDR: 140296222   |   DOI: 10.18287/2412-6179-CO-1081

Список литературы Синтез ядра вращательного смаза в цифровом изображении с использованием измерений трехосного гироскопа

  • Pashkov VS. Influence of the image “blurring” on accuracy estimates of its coordinates [In Russian]. In Book: Mechanics, control and informatics. Collection of works. IKI RAN Publisher; 2009: 225-230.
  • Titkov BV, Komrakov DN, Krasnov AS, Konishev AS. Compensation of the images linear velocity blur [In Russian]. Proc A F Mozhaisky Military Space Academy 2012; 636: 50-53.
  • Kokoshkin AV, Korotkov VA, Korotkov KV, Novichikhin EP. Blind reconstruction of images distorted by blur and defocus with unknown shape and parameters of the instrumentation function [In Russian]. Journal of Radio Electronics 2014; 9: 4.
  • Breykina KV, Umnyashkin SV. Image quality estimation for blur compensation using Lucy-Richardson method [In Russian]. Proc Univ Electronics 2020; 25(2): 167-174. DOI: 10.24151/1561-5405-2020-25-2-167-174.
  • Tselousov AV. Motion blur compensation for digitail images restoration using generative adversarial network [In Russian]. Proc DSPA 2018; 8(3): 213-217.
  • Fursov VA. Image restoration with fir filters constructed by direct identification of the inverse tract [In Russian]. Computer Optics 1996; 16: 103-108.
  • Vasilyuk NN. Electronic correction of blurred images in the scanning optoelectronic system [In Russian]. Electromagnetic Waves and Electronic Systems 2009; 14(12): 41-48.
  • Vasilyuk NN. Differential equation of the blur trajectory for the scanning optoelectronic system [In Russian]. Electromagnetic Waves and Electronic Systems 2009; 14(12): 49-51.
  • Smirnov PV, Tashlinsky AG. Algorithm for compensating for the blurring effect of a moving object in a sequence of frames [In Russian]. Radioelectronic Technique 2013; 1: 141-145.
  • Karnaukhov VN, Mozerov MG. Reconstruction of multispectral images by the gradient reconstruction method and estimation of blur parameters based on the multipurpose matching model [In Russian]. Information Processes 2016; 16(2): 162-169.
  • Kozak AV, Steinberg OB, Steinberg BY. An algorithm for the restoration of blurred image obtained with a rotating camera tilted to the horizon. Computer Optics 2020; 44(2): 229-235. DOI: 10.18287/2412-6179-CO-598.
  • Smirnov PV, Tashlinsky AG, Смирнов ПВ. Algorithm for the selection of a moving object in the sequence of images with compensation for the "blur" effect [In Russian]. Radioelectronic Technique 2015; 1(7): 121-130.
  • Smirnov PV, Voronov ID. Using disparity field estimates to compensate for the blur effect of fast-moving objects [In Russian]. Radioelectronic Technique 2017; 1(10): 106-110.
  • Akimenko TA, Larkin EV, Luchansky OA. Estimation of the image blur in the vision system of a mobile wheeled robot [In Russian]. Bulletin of the Ryazan State Radio Engineering University 2008; 23: 84-87.
  • Oktyabrsky VV, Ostrovsky AS, Salaman RS. Compensation technique for an unevenly distributed blur of aerial photographs of multi-matrix digital aerial cameras for planned-perspective shooting in conditions of insufficient illumination of the terrain [In Russian]. Proc A F Mozhaisky Military Space Academy 2021; 677: 107-117.
  • Ruzavin AV. Compensation of image motion blurring on the basis indications of the camcorder's inertial sensors [In Russian]. Proceedings of the Saint-Petersburg State University of Aerospace Instrumentation Research Conference 2018: 241-244.
  • Bessonov RV, Belinskaya EV, Brysin NN, Voronkov SV, Kurkina AN, Forsh AA. Star trackers in astroinertial systems of flying vehicles [In Russian]. Current Problems in Remote Sensing of the Earth from Space 2018; 15(6): 920. DOI: 10.21046/2070-7401-2018-15-6-9-20.
  • Shah CA, Schickler W. Automated blur detection and removal in airborne imaging systems using IMU data. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences (2012 XXII ISPRS Congress) 2012; XXXIX-B1: 321-323. DOI:10.5194/isprsarchives-XXXIX-B1-321-2012.
  • Joshi N, Kang SB, Zitnick CL, Szeliski R. Image deblurring using inertial measurement sensors. ACM Trans Graph 2010; 29(4): 30. DOI: 10.1145/1778765.1778767.
  • Zhang Y, Hirakawa K. Combining inertial measurements with blind image deblurring using distance transform. IEEE Trans Comput Imaging 2016; 2(3): 281-293. DOI: 10.1109/TCI.2016.2561701.
  • Bae H, Fowlkes CC, Chou PH. Accurate motion deblurring using camera motion tracking and scene depth. 2013 IEEE Workshop on Applications of Computer Vision 2013: 148-153. DOI: 10.1109/WACV.2013.6475012.
  • Hu Z, Yuan L, Lin S, Yang MH. Image deblurring using smartphone inertial sensors. 2016 IEEE Conf on Computer Vision and Pattern Recognition 2016: 1855-1864. DOI: 10.1109/CVPR.2016.205.
  • Yang C, Feng H, Xu Z, Chen Y, Li Q. Image deblurring utilizing inertial sensors and a short-long-short exposure strategy. IEEE Trans Image Process 2020; 29: 4614-4626. DOI: 10.1109/TIP.2020.2973499.
  • Sörös G, Münger S, Beltrame C, Humair L. Multiframe visual-inertial blur estimation and removal for unmodified smartphones. J WSCG 2015; 23(2): 101-109.
  • Gebgart AY, Kolosov MP. Design features of the lens objectives of celestial-orientation apparatus for spacecraft. J Opt Tech 2015; 82(6): 357-360. DOI 10.1364/JOT.82.000357.
  • Baranov PS, Mantsvetov AA. Optimization of the ratio of the lens scattering circle radius to the pixel size to improve the accuracy of estimating the coordinates of images of small objects [In Russian]. Proc Higher Educational Institutions of Russia. Radio Electronics 2016; 2: 49-53.
  • Prokhorov ME, Zakharov AI, Touchin MS. Optimum characteristics of the star tracker optical system and matrix photosensor [In Russian]. In Book: Avanesov GA, ed. Modern problems of orientation and navigation of spacecraft: Proceedings of the all-russian scientific and technical conference. Moscow: IKI RAN Publisher; 2013: 80-90.
Еще
Статья научная
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp